**
中国 AI 的三驾马车
长期以来，中国 AI 模型大致可以分成三条路线。
第一条路线是主动往小了做。比如 minimax-m3、kimi k2.5、hy3 这些主动限制激活参数在 20B 上下的模型。关于激活参数 20B 到底算不算小，本身是个很微妙的问题，但工程上我们通常认为它确实小。
更小的激活参数通常都是一个很硬的经济性约束，在经济性约束上做性能最大化，是一种典型的“做小模型”思路。
第二条路线是 DeepSeek，以及 DeepSeek 出现后技术栈类似且尺寸类似的厂商。DeepSeek 路线的特点不仅在于技术完全开源，更重要的是 DeepSeek-V3/R1 在诞生伊始，就是尺寸比较大的模型，对标 OpenAI 的一线模型。
随着 R1 爆火，deepseek 又补出了大量的服务于经济性的技术栈。因此 DeepSeek 路线最典型的特征是“性能较高、同时保证推理的经济性”。GLM-5 是这条路线上系统性的继承者和应用者，GLM-5.2 也是这条路线里较为知名的成果之一。
第三种是 kimi。kimi 的技术栈一直很独立，跟 deepseek 亲缘关系很远。K2.5~K2.7 这个系列较大幅度吸收了 deepseek 的技术栈，而在 K3 的新系列，又重新用回了本家的技术。
K3 把总参数拉到了 2.8T，激活参数预计 50B，用的完全是本家技术栈。尺寸的 scaling law 发挥了效果，与此同时导致 kimi k3 的经济性大幅度下降，进入到 Sonnet 的价格带。
尽管相比于 Claude 仍然非常便宜，但毕竟 kimi 的推理集群在中国境内，考虑到卡数量的限制，kimi 大概率是不把经济性当做首要要求来做 K3 的。
也就是说，K3 是一个独立技术栈、尺寸极大、不惜一切代价追求模型高性能的产物。
相比于 DeepSeek 路线下同时兼顾性能和经济性的模型，K3 诞生伊始的目标就不是做出更好的 R1，而是对标 OpenAI 和 Anthropic 最前沿的超大尺寸模型。
K3 怎么这么大？
把 Kimi 描述成一条从来与 DeepSeek 毫无关系的独立技术路线，并不准确。
Kimi K2 的论文写得很清楚：K2 使用了类似 DeepSeek-V3 的超稀疏 MoE 与 MLA 架构。两者都是 61 层，都有共享专家，每个 token 激活 8 个路由专家；K2 在这个底盘上把专家数提高到 384、将 attention heads 减半，并用自研 MuonClip、数据配方、agentic 后训练和独立基础设施做出自己的分叉。
因此，K2 更像 DeepSeek-V3 式底盘上的 Kimi 分支，而不是从零开始的另一物种。
真正值得注意的是，K2.5 到 K2.7 的基座尺寸基本没有继续扩张：总参数维持在 1T 左右，激活参数约 32B，仍是 384 个专家选 8 个。
换句话说，Kimi 已经证明自己可以在不扩大基座的情况下，靠后训练和 agent 系统把同一个底盘压榨很多代。
但 K3 不同。K3 因而不是一次普通的版本升级。它是 Kimi 主动结束“在既有基座上继续做后训练”的阶段，重新回到预训练规模扩张。
K3 大量使用了过去分散的本家技术，例如本家的训练基座、本家的注意力机制、本家的专家路由结构。到了这一步，K3 和 DeepSeek 的亲缘关系已经较为疏远。
K3 同时想要证明两个问题，一是 kimi 自己能够定义自己使用的技术范式，二是 kimi 有资格使用全新的技术去训练全新的超大尺寸模型，对标 OpenAI 和 Anthropic。
事实证明，K3 成功了。
从公共事业到特权垄断
DeepSeek 之前，中国并不是没有可用模型，但也仅是勉强能用的水平。
DeepSeek 的出现，第一次带来了一个中国可用的高性能模型，成为了一代中国 AI 的公共事业。而公共事业的核心命题便是 Adoption：如何把“好用”的能力大范围推广——在本就不富裕的推理基座上？
因此，DeepSeek 承担的功能不仅只是性能的突破，同时还承担了大量的经济性优化的责任。
从 V3 到 V4，DeepSeek 始终保持着接近慈善级别的 API 价格，背后正是一套成熟的面向推理优化的技术栈。
在这个阶段，中国 AI 面对的问题是：先满足公共事业的性能需要，再降低公共事业的算力开销。
对于 DeepSeek 以外的中国厂商，任务也突然变成了两个：第一，性能必须追上 R1，否则模型没有竞争资格；第二，价格、吞吐和部署效率必须尽量接近 DeepSeek，否则 adoption 根本起不来。
GLM 的分阶段换栈，正是这种产业压力最清楚的缩影。
从这个意义上说，DeepSeek 把中国模型带进了 Adoption 阶段。这个阶段的核心问题是：怎样让更多人用上足够强的智能，怎样接住随之爆发的调用量。
但一个前沿实验室迟早还要回答另一个问题：如果永远只追求更便宜地接近别人，那更高性能的模型从哪来？
所有互联网大厂都做出了选择：想办法绕开禁令，从美国进口。例如大名鼎鼎的阿里的新加坡主体，让用户通过远程登录新加坡机器跑 Claude Code。
然后就被封了。如果不是山姆大人很快补上了 5.6-Sol 这一刀，估计 Dario 还能再发几篇文章踩头中国人。
中国通过大量的工程优化，已经逐渐实现了 AI 的公共事业化的基石。但如果没有更大尺寸更高性能的前沿模型，就会始终落后一个拍子，进而陷入长期不利的”特权竞争“中。
项庄舞剑，意在沛公
K3 的 2.8T 是 Moonshot 对这个问题的回答。
K2.5 到 K2.7 仍然可以被理解为在 1T-A32B 基座上，通过继续预训练、RL、工具环境和 agent 系统提高性价比。
K3 却直接把总容量推到 2.8T，接受 64 张以上加速卡的部署要求，并把 API 价格从 K2.7 Code 的 $0.95/$4 提高到 $3/$15。尽管这个价格只与 sonnet 相当，但仍然非常昂贵。
最关键的是 64 张加速卡。中国的推理集群哪给你找那么多 64 卡的节点啊。
K3 可能仍然希望保持经济性，但 K3 保持经济性有点不可能。一个 2.8T 的巨型模型，哪怕对于美国的本土推理公司都是一场大考。因此，K3 的意图显然不是为了更广泛的采用，而是为了在更前沿的战场上，开源能够广泛采用的模型标准。
相比于大多数 PR 稿中的碾压美国模型，Kimi 官方的措辞更为温和：K3 整体仍落后于 Fable 5 与 GPT-5.6 Sol。
当然，换个角度理解也很激进：只比 OpenAI 和 Anthropic 的最顶级模型差一点。
一旦进入这个档位，K3 首先动摇的，就是 Anthropic 过去一年最重要的商业叙事。
牢 A の永动物语
Anthropic 的方法论一直非常清楚：我们做出一款不可替代的模型，用户一旦发现它能完成其他模型做不了的工作，就会愿意为更高性能支付超额溢价。
Fable 5 是这套方法论最极端的产品。它面向最困难的知识工作、coding，以及可以持续数天的复杂异步任务，API 价格达到每百万 token 输入 10 美元、输出 50 美元，是 Opus 4.8 常规价格的两倍。
Anthropic 出售的不是更贵的 token，而是一个新的任务区间：过去无法稳定完成的项目，现在可以交给 Fable 处理。在场景中，Fable 有不可替代的价值。
只要这种不可替代性存在，价格溢价完全合理。毕竟高性能模型取代的是高知识人力，后者的工资比模型贵多了。
Fable 发布后，市场一度形成了一种 OpenAI 已经无法追上 Anthropic 的幻觉。SemiAnalysis 的超级牛市推演甚至预计，Anthropic 到 2027 年底 ARR 可以达到 3000 亿美元，以 20 倍 ARR 对应 6 万亿美元企业价值。
这个预测还依赖 API 占收入 75%—85%、高 API 毛利、极高净收入留存和 Claude Code 持续渗透等一整组假设。
站到 7 月 18 日的时间点，仿佛这种预测就好像 SemiAnalysis 出现幻觉了。但放在 7 月 8 日，居然不少人觉得很有道理。
现实给这套叙事安排了一条极有戏剧性的时间线。有关 6 万亿美元估值的推演在 7 月 8 日被广泛转述，GPT-5.6 Sol 在 7 月 9 日正式发布。
牢 A の永动物语，维持一个月不到就被掀了。期间还夹了几篇批评中国模型蒸馏的文章。
谁杀死了知更鸟？
GLM-5.2 发布后，笔者曾写过一篇文章系统性分析 GLM-5.2 的重要意义，被广大人民群众称为”雄文“。
考虑到智谱从未支付笔者宣传费，笔者仍将保持独立研究员的身份（笑）。
不过 GLM-5.2 确实已经动摇了 Anthropic 的根基，只是当时大家没意识到事情的严重性而已。
GLM-5.2 在大多数任务上表现比 Opus 4.8更好，仅次于 Opus 4.7。对你没看错，比 4.8 更好的同时仅次于 4.7，由此令人怀疑 Anthropic 在 4.8 上面到底兑了多少水。
与此同时，GLM-5.2 的价格仅为 Opus 的五分之一，还不会受到Anthropic订阅计划的限速问题。GLM-5.2 的出现已经极其显著地威慑到 Anthropic 的主力模型段价格锚。
由此市场希望为 Anthropic 进行”更前沿模型“的定价，这才出来了SemiAnalysis 的 6 万亿估值神人预测。
紧接着，Sol 在最高能力档正面撞上了 Fable。Anthropic 随后连续延长 Fable 的订阅额度，并最终宣布把它变成 Max 与 Team Premium 的常驻权益。
然后 K3 又出来了。它的综合能力落后于 Fable 与 Sol，且仅落后于 Fable 与 Sol。与此同时，K3 还是开源的，哪个推理集群都可以部署。
孩子们，地里真的会长出先进 AI 模型。
不对称竞争
过去，美国对中国实施先进计算芯片管制的逻辑非常直接：通过限制上游算力，减缓中国训练前沿模型和建设自主半导体生态。国家安全、军事与监控用途是公开的法律理由，维持美国关键技术领先则是同时存在的产业目标。
当然，更大的问题其实是美国自己的先进芯片也不够用。美国不只担心中国获得算力，也不希望中国企业参与竞价，挤占美国实验室和数据中心的买卡能力。
这套管制当然提高了中国训练前沿模型的难度，但它也制造了一个微妙的反作用：它剥夺了中国 AI 公司获取超额利润的能力，与此同时使这种不利转变为了博弈中的武器化。
既然你不让我赚超额利润，我又不想被封锁技术，那我做出来之后不要利润不就完事了？
而且开源模型又不挑显卡。中国显卡能部署，美国算力集群也能部署啊。Fireworks TogetherAI，还有一大堆 NeoCloud，都有一堆显卡。
于是，中美 AI 竞争出现了一种极其抽象的组合：
中国模型 + 美国及全球推理集群 VS 美国闭源 AI 实验室
中国实验室承担昂贵的模型研发，以开放权重换取采用和前沿地位；美国云厂商与推理平台使用本土 GPU 承接调用，按成本定价，狠狠赚钱。
真正失去利润的，反而是依靠封闭权重和能力稀缺收取超额价格的美国 frontier lab。
对中国实验室而言，开放权重牺牲的是本来就受自有推理容量限制的潜在 API 租金。
对美国闭源实验室而言，被牺牲的却是建立在充足本土算力和全球能力稀缺之上的现实超额利润。
因此，美国面临的不是简单的“继续制裁还是放开销售”，而是不可能三角：
- 制裁中国，中国就会继续放开源模型出来，反正大家都别赚钱了
- 放开中国买卡，集体竞价，本土实验室又可能缺卡
- 适当放给中国一些卡，确实可以取得折中收益，但到底放出多少卡合适？没人知道，也没人敢说话
这是典型的不对称竞争。华盛顿热衷于讲不对称竞争，现在这个词落回到华盛顿头上了。
誓死效忠美光！
把这条链再往上游推一步，就会触及整个 AI 资本开支叙事。
过去，闭源前沿模型的高推理毛利是 AI CapEx 链条最重要的缓冲垫。只要模型能力足够稀缺，API 和订阅就可以维持高价；实验室与云厂商获得高毛利，便可以容忍更昂贵的 GPU、更快的折旧和更激进的数据中心投入；上游又据此继续扩产和维持高定价。
这条链可以简单写成：
模型能力稀缺 → API 高价 → 下游高毛利 → 能够承受 GPU 溢价 → CapEx 扩张 → 上游持续景气。
当多家平台可以部署同一份权重，推理价格就会从“前沿实验室愿意收多少”，逐渐回到“高效集群跑出一个成功任务需要多少钱”。
开放权重改变的不是算力需要花钱这个事实，而是取消了算力消费上附着的“模型税”。Fireworks 不必替 Moonshot 承担 K3 的预训练成本，也不必按 token 向一个闭源模型上游支付完整的模型租金。
它当然还要承担 GPU、推理引擎、量化、缓存、网络、融资、SLA 和企业销售，但只需要围绕实际算力成本、利用率、服务成本与竞争性利润报价。这是典型的成本定价逻辑，而对于依赖景气度的行业，成本定价对上游的影响是灾难性的。
这会反向改变每一张 GPU 的资本回报计算。
过去，服务商可以把昂贵硬件成本放进高价模型 API，再向终端客户转嫁。
当推理平台围绕同一开放权重竞争，任何一家都更难继续转嫁这层溢价。于是 GPU 采购需要更高利用率、更短回收期、更低融资成本和更确定的客户合同。
短期来看，下游的采购方更加分散，并不会削弱算力生产商（尤其是 NVDA）的议价权。但长期来看，下游的毛利润系统性下降，必然导致上游的可议价弹性变差，这对整个 AI CapEx 叙事都是不可控的巨大风险。
Too Big to Fail：大而不输
讲到这里，K3 的 2.8T 已经出现了两种看似相反的意义。
一方面，K3 不是个很经济的模型，把模型推入 Sonnet 价格带和 64 卡以上的部署区间。
另一方面，正是这份“不首先考虑经济性”，让 K3 获得了进入最高能力组、动摇 Anthropic 模型租金、重组中美推理利润和影响 AI CapEx 叙事的资格。
过去很多公司喜欢讲端侧，讲小尺寸，讲“够用就行”。这些路线当然重要，它们决定已经存在的智能可以扩散到多少设备、多少用户和多少行业。
但“够用”这个词是非常无趣的，它只适用于能力边界已经固定的市场。
前沿 AI 面对的任务集合从来不固定：模型今天刚刚学会单文件编程，明天就要处理整个代码库；刚刚学会工具调用，下一代就要持续工作数小时乃至数天。
尺寸更适中的模型回答“如何被更多人使用”，而尺寸更大的模型争夺”谁拥有发表神谕的权利“。
一个已经很强但昂贵的大模型，后来可以通过稀疏化、量化、缓存、蒸馏和推理工程做快、做便宜，还可以作为整条小模型产品线的教师模型。
一个一开始就没有学到某种能力的小模型，却很难靠延长思考或部署优化把它凭空补出来。
这个不对称性，让“往大了做就不会输”成为一套粗糙却经常有效的前沿方法论。
2024 年，OpenAI 发布 o1，把 scaling 的重心从更大的预训练基座转向训练时强化学习和测试时思考计算。
o1 本身是一款更小尺寸推理模型。它证明“较小基座 + 更多思考”可以在数学、代码与形式推理上制造惊人进步，也由此开启了一轮把参数做小的循环。
基座越小，越依赖 test-time compute 补偿；推理技巧越成功，组织越缺少扩大基座的动力。由此，OpenAI 的模型开始极速劣化。
2025 年，Anthropic 走了相反方向。Anthropic 坚持去做更大更昂贵的模型，再用 Claude Code 把能力变成产品。
用户对 Claude 的忠诚并不是因为它便宜，而是因为在最困难的真实软件工程任务上，把工作交给 Opus 更放心。到 2025 年末，Anthropic 称 Claude Code 已经占据超过一半的 AI coding 市场，企业市场份额从 24% 提高到 40%。收入也超过了 OpenAI。
OpenAI 随后重新意识到，推理效率和路由不能取代最高能力基座。GPT-5 重新建立 main、thinking、mini 和 Pro 的完整阶梯；到 GPT-5.6，又明确设置 Sol、Terra、Luna 三个模型尺寸，并把大尺寸 Sol 放回面向最困难工作的旗舰位置。
由此，Codex 用户快速突破 1000 万，逼的 Anthropic 把 Fable 加回了订阅计划。
现在，K3 发布，仅次于 Sol 和 Fable，甚至引起了关于美国前沿 AI 到底还行不行的讨论。
当你真的愿意去争第一，结果大概率不会太差。这就是 Too Big to Fail。
结语：小镇青年暴打资本家
中国的 AI 模型公司经常被描述为小镇青年：资源有限，位置不佳，国际舆论更差，算力卡能养活推理都不错了，训练不掉队就行。
与此同时，美国的先进 AI 实验室则颇具资本家风范：讨论人类学和安全，讨论慈爱恩典的机器，讨论未来世界属于自由还是属于不自由，讨论 AI 属于大地还是属于蓝天。
在如此戏剧性的差距下，居然能上演一出小镇青年暴打资本家的戏码。无论如何找补，都足以让人笑掉大牙了。
——其实也不用急。好戏还在后头呢。
