一个2.8万亿参数的开源模型，似乎改写了全球AI的定价逻辑。
上周五深夜，月之暗面发布Kimi K3。此后的48小时，全球AI行业的平静被彻底打破。
英伟达单日蒸发1111亿美元，Anthropic连夜推翻涨价计划，紧急给用户发补偿。硅谷吵成一团。
总统科技顾问说“照此以往美国会输掉AI竞赛”，OpenAI的高管则怒斥开源是“AI共产主义”。与此同时，月之暗面自己也被打了个措手不及：用户请求量远超预估，算力告急，不得不暂停新用户订阅。
背后原因在于，K3此时的发布同时击穿了三样东西：技术能力上追平全球前三，成本上做到对手的一半，路线上用开源挑战闭源。但贯穿所有冲击波的一条共同主线是，当“足够好”变得足够便宜，前沿AI的溢价还能撑多久？
01、RL Scaling的第 一次大规模兑现
要理解K3为何能引发如此剧烈的震荡，得先回到2024年。当时杨植麟在内部小范围分享了一个叫K0-Math的模型，它不靠死记硬背刷题，而是像人一样做完题自己检查、自己纠错，把改错的过程变成经验。这个模型的数学成绩超过了OpenAI当时最强的o1。
杨植麟当时提出了一个判断：下一个Scaling Law不是堆更多数据和算力，而是Reinforcement Learning Scaling（RL Scaling）。传统路径让模型“背答案”，RL Scaling让模型“学会怎么解题”。
K3正是这个理念的第 一次大规模生产级落地。
具体到技术层面，K3的参数规模达2.8万亿，采用稀疏MoE架构，896个专家每次仅激活16个，这是目前全球最 大的开源模型。它的KDA混合线性注意力机制，让百万token级别的长文本解码速度提升6.3倍；Attention Residuals技术使训练效率提升约25%，额外成本不到2%。
但最 具突破性的是“视觉闭环”，它将RL Scaling从纯数学扩展到带视觉反馈的全场景。K3写完代码后哪里不对可以自己改，形成“生成—观察—迭代”的完整工作流。它的技术报告展示了两个Demo：从零写了一个可骑马的3D开放世界游戏），以及从56段原始素材中自主剪辑发布预告片，帧级精准节拍同步。
在Frontend Code Arena前端编程赛道，K3以1679分登顶全球第 一，超过了Fable 5和GPT-5.6 Sol。但月之暗面自己也在技术报告里坦承：整体性能仍然落后于最强大的模型。在DeepSWE长程工程基准上，K3的67.5分明显低于GPT-5.6 Sol的73.0分和Fable 5的70.0分。
更值得关注的是，Artificial Analysis的测评显示K3的幻觉率比上一代K2.6反而上升了。对于一个定位长程编程和知识工作的模型来说，一次关键决策上的幻觉可能摧毁整条链路。此外，K3对部署框架要求极高，切换环境后表现可能判若两模；任务模糊时还倾向于“过度主动”，替用户做决定而非先确认意图。
这些短板其实也在说明，K3不是最强的模型，但它是最强性价比的模型。而“足够好”加上“足够便宜”，恰恰是最能动摇定价权的组合。当消费者发现一个开源模型能完成前沿闭源模型绝大多数任务、成本却只有后者一半时，稀缺定价的根基就开始松动了。
02、华尔街的“DeepSeek 2.0时刻”
市场对“足够好+足够便宜”的反应，比任何人预想的都更猛烈。
K3发布后的首 个交易日，英伟达单日市值蒸发约1111亿美元，下跌5.3%。费城半导体指数一周跌12.5%，跌入技术性熊市。72小时内美股AI板块蒸发约4700亿美元，全球科技股3日蒸发超3万亿元。摩根大通策略师在报告中直接称之为“DeepSeek 2.0”。
市场恐慌原因在于，如果K3以远低于美国同行的成本就能追平前沿，英伟达GPU需求的“无限增长假设”还站得住吗？如果模型能力的提升不再需要无止境地堆算力，那么整个AI产业链的估值逻辑都需要重写。
但华尔街内部并非铁板一块。摩根大通建议买入AI芯片股的回调，认为恐慌过度；摩根士丹利更看好超大规模云厂商而非芯片公司，认为算力需求结构正在变化；高盛则定性为“去杠杆事件”，其合伙人甚至直言“算力扩张时代或已走到尽头”。
分歧的本质在于：模型能力的“贬值”会不会拖垮整条产业链？
震荡迅速从美股传导至港股。智谱单日暴跌28.49%，蒸发超2000亿港元；MiniMax重挫15.62%，阿里跌4%。市场认为，K3的开源策略降低了模型层进入门槛，打破了“稀缺性溢价”。不过智谱的暴跌不完全是K3所致，解禁和筹码结构恶化也是重要因素。
K3引发的资本震荡不止于股价波动。它正在迫使市场系统性重估整条AI产业链的价值分配：
算力层短期承压，但更便宜的模型可能刺激更多推理需求。杰文斯悖论正在AI领域重现：效率提升反而带来需求增长。
模型层定价权被挑战，利润率面临压缩。“前沿=高溢价”的底层假设正在瓦解。
EDA层受影响最深，新思科技跌7.85%，铼腾电子跌9.47%。K3展示的48小时独立完成芯片设计能力，直接威胁了EDA工具的高溢价叙事。
应用层反而受益。Databricks估值飙升至1880亿美元，其CEO直言“采用中国开源模型是AI成本控制的关键一环”。
举证责任已经转移。此前，挑战者需要证明“足够好”真的够好。K3之后，守成者需要证明前沿溢价为什么还值得。
03、从硅谷到中国的连锁反应
资本市场的恐慌只是表象，更深层的震动发生在产业内部，K3同时触动了硅谷和中国AI圈的两根敏感神经。
Anthropic原计划将Fable 5从订阅制下架转为纯按量计费，K3发布次日，Anthropic紧急改口：Fable 5永 久保留在订阅方案中并发放额度补偿。这是一次仓促让利，当市场出现能完成Fable 5绝大多数任务、费用却低得多的开源模型时，坚守原定价策略无异于把用户往外推。
OpenAI的反应则更偏向政治层面，其战略未来负责人Dean Ball发文称开放权重是“减速主义力量”，甚至称之为“AI共产主义”，并预测特朗普政府将提高使用中国开源模型的合规门槛。这番言论与其说是技术判断，不如说是试图用政策壁垒来维护商业护城河。
但硅谷并非所有人都站在闭源一边。David Sacks直接反驳：“闭源双头垄断想借政府之手消灭开源竞争对手”，称之为“监管俘获”。Chamath Palihapitiya立场更明确：“未来属于开源。”Ion Stoica给出数据：“开源与最 先进模型的差距，已从六到九个月缩短至两到三个月。”
在中国，国产大模型阵营也在迅速调整。DeepSeek V4轻量版紧急上线，定价只有K3的约1/17；阿里Qwen3.8-Max同步上线。K3 + DeepSeek V4 + GLM-5.2形成了国产“三驾马车”格局。
有意思的是，过去国产模型靠“让利换流量”，K3却选择了“用技术定价值”。其混合API定价2.3美元/百万token，创下中国模型定价新高。资本市场的投票结果也耐人寻味：智谱跌28%，MiniMax跌16%。投资者似乎在说：如果你足够强，你可以定价；如果你不够强，你的稀缺性溢价就会被K3抹平。
国产大模型的竞争逻辑正在经历双重转变：国内从“谁更便宜”转向“谁能定价”，国际从“稀缺定价”被迫转向“让利保客”。K3没有在中国“卷”赢一场参数赛，它同时改写了两个市场的游戏规则。
04、月之暗面的十字路口
K3的发布也在根本上重塑了月之暗面这家公司自身的轨迹。
从某种程度上说，它是K3冲击波中最值得关注的样本，因为这是唯 一一个同时承受“技术验证”和“商业变现”双重压力的参与者。
今年3月，月之暗面的ARR首次突破1亿美元，5月突破2亿美元，到6月已接近3亿美元。三个月翻了三倍。更关键的是收入结构的质变：API业务占比突破70%，公司正从一家以C端订阅为主的AI应用公司，转型为B端驱动的AI模型平台公司。爆料称K3发布后ARR又实现了数倍增长。
与此同时，IPO进程也在加速推进。月之暗面已向投资人发送股东决议，寻求香港上市批准，最快6个月完成。估值轨迹显示：2025年底43亿美元 → 今年5月200亿美元 → 当前新融资目标超300亿美元——7个月翻了约7倍。上市时机的选择意味深长，在技术势头最新鲜时锁定叙事，赶在下一轮模型周期重置之前。
但需求验证来得太快，反而暴露了供给的脆弱。K3发布后用户请求量大幅超出预估，逼近现有算力集群的承载极限。7月19日深夜，月之暗面发布公告暂停C端新用户订阅，将算力全部优先保障已订阅用户，同时将会员体系拆分为主权益和Kimi Code权益。
不是供给不足，而是需求真实。
用户愿意为“足够好+足够便宜”付费。
K3发布后还有一个小插曲。苹果首任AI总监、杨植麟的CMU导师Ruslan在X上发文回忆两人共事经历，意外引爆讨论：美国为何留不住杨植麟？Ruslan专门澄清——“他如果想留在美国有很多机会，但他非常坚定地要回去创业。”
杨植麟曾于2016年读博二时即创立循环智能，拒绝谷歌、苹果等大厂offer，他认为大厂科学家没有足够权力推动产品落地。同时，他不只想研究还要做出产品，留在学术圈或大厂无法实现闭环。而他清华同学圈、客户网络和融资关系在中国，回国启动成本远低于从零开始。那个在CMU博士二年级就开始创业的年轻人，从一开始就很清楚自己要什么。
但隐忧同样明显，算力瓶颈暴露了储备不足，幻觉率上升对定位长程编程的模型是致命隐患，最强大的模型免费开源则让付费意愿根基存疑。而6个月的上市窗口压缩了技术验证与资本验证的距离，成功上市则成为行业估值基准，折价则暗示市场不愿为护城河成本买单。
K3让月之暗面从“有潜力的初创”变成了“可投资的AI平台”。但上市考验的不是模型有多好，是好能不能持续变现。
05、大模型行业的范式转变
如果把视线从短期的股价波动和商业博弈中拉远，K3真正的冲击在于它加速了AI行业四个深层次的结构性转变。
第 一个转变，从Scaling Law到RL Scaling。传统路径更多算力加更多数据等于更强模型，这正在被修正。新路径的核心是RL Scaling加上架构创新加上后训练效率，以更低的边际成本逼近前沿。K3证明了一家无法匹配西方最 大预训练算力的中国实验室，可以通过架构创新缩小差距。但2.8万亿参数的本地部署门槛极高。K3并未证明前沿AI可以摆脱庞大算力。更便宜的模型反而可能刺激更多使用量，杰文斯悖论正在AI领域重现，“算力需求见顶”的判断可能为时过早。
第二个转变是从闭源垄断到开源平权。OpenAI和Anthropic的闭源双头垄断格局正在被打破。差距从6到9个月缩短至2到3个月，开源模型从“追赶者”变为“定义者”。K3的完整权重将于7月27日向社区开放，当强大模型人人可下载，监管如何跟进？开放权重与闭源之争，正从技术路线之争演变为制度之争。David Sacks的警告或许言重了，但他说对了一件事：这不再是技术竞赛，而是两种发展模式的制度竞争。
第三个转变，即价值在产业链中不可逆地迁移。如果模型持续变得可替代，价值将从模型层向邻近层迁移，类似于“安卓免费但谷歌通过生态赚钱”的模式。
前沿AI正在走向一个岔路口，一条路通向公用事业市场，压缩利润率，奖励效率、分发和可靠性，类似电力或云计算的发展路径。另一条路通向身份市场，为最知名品牌保留超额定价，类似奢侈品的逻辑。K3正将市场用力推向前者。
但真正的验证还未到来。下一个证明点不是头条新闻，而是发布噪音过后，使用曲线是否仍高位运行。
回看这一周，AI行业的“时间差”正在消失。闭源巨头不再拥有六到九个月的技术窗口，英伟达不再享有“算力永远供不应求”的确定性，华尔街不再能用“买算力龙头”来押注AI赛道。
技术层面，K3接近但未超越。然而“接近”本身就足以动摇定价，当差距从“代际”缩至“百分比”，溢价就失去了合理性基础。行业层面，中国AI公司从“让利换流量”转向“技术定价值”，国际从“稀缺定价”滑向“公用事业定价”。两条轨迹交汇于同一个问题：模型本身还值多少钱？资本层面，举证责任从挑战者转向了守成者，市场不再问“谁最强”，而是问“前沿值多少”。
这之后，前沿AI的护城河，可能比我们以为的更薄。
