7月27日，月之暗面在Hugging Face平台公开发布Kimi K3模型权重。Kimi K3是一款开放权重模型，采用混合专家架构，总参数规模2.8万亿，激活参数1040亿，支持100万Token上下文窗口。
该模型在Frontend Code Arena以1679分居首，超越Claude Fable 5与GPT-5.6 Sol；7个前端细分领域占据6项第一。Vals AI综合得分74.7（全球第二），Intelligence Index得分57（全球第三）。发布后72小时内，美股AI板块市值蒸发约4700亿美元，费城半导体指数周跌12.5%；英伟达单日市值蒸发1111亿美元，17家投行下调AI芯片目标价；港股智谱跌28.49%，MiniMax跌15.62%，日股软银一度跌约9%。
算力规模效应的边界
过去三年，全球AI产业的估值逻辑建立在一个简洁的公式之上：更大算力等于更强模型等于更高估值。这一认知支撑了英伟达超过3万亿美元的市值，也构成了闭源厂商维持高溢价的商业基础。
Kimi K3的技术报告提供了另一组参照。月之暗面在算力预算低于美国主要实验室的条件下，通过架构创新实现了规模化效率约2.5倍的提升。其核心突破包括：KDA混合线性注意力机制优化长文本处理效率，FlashKDA算子在H20上的Prefill速度提升至基线水平的1.72至2.22倍；注意力残差技术使推理效率提升25%；MoonEP专家并行通信库为超大规模MoE架构提供高性能通信支持。
但K3最值得关注的并非参数规模，而是其训练范式的转向。月之暗面创始人杨植麟在2024年即提出：下一个Scaling Law不是堆更多数据和算力，而是Reinforcement Learning Scaling。传统路径让模型“背答案”，RL Scaling则让模型“学会怎么解题”。K3正是这一理念的第一次大规模生产级落地。
高盛将K3引发的抛售定性为“去杠杆事件”，并指出算力规模扩张不再是性能提升的唯一路径。摩根大通认为，市场担忧本质上反映了投资者对“扩展律”可持续性的再评估。不过，算力投入并未失去意义——半导体研究机构SemiAnalysis指出K3推理部署需要至少64颗芯片。算力的重要性并未降低，但“如何更高效地使用算力”正在成为与“拥有多少算力”同等重要的竞争维度。
三折定价改写行业规则
Kimi K3的定价为每百万Token输入3美元、输出15美元，约为Claude Fable 5的三分之一。基于Artificial Analysis统一基准测试的实际消耗测算，K3单任务平均成本为0.94美元，约为Claude Opus 4.8（1.80美元）的一半，与GPT-5.6 Sol（1.04美元）基本相当。这是开放权重模型首次在核心性能指标接近或超越顶级闭源模型的同时，以显著更低的价格进入市场。
这一组合从根本上改变了开放权重模型的传统定位。过去，开放权重模型的价值主张通常是“免费但性能有限”，市场角色被限定在非关键任务或预算敏感型场景。Kimi K3的出现使“足够好”与“足够便宜”在同一产品中得以并存，闭源厂商“稀缺性溢价”的基础因此受到直接冲击。
高盛研报指出，K3的API混合定价创中国模型定价新高，标志着国内AI公司正从价格竞争转向定价权争夺。摩根士丹利评价称，Kimi K3证明中国大模型在规模、性能、定价层面对美国头部模型实现“全方位追赶”。华尔街分析师估算，OpenAI与Anthropic的合计估值预期因此蒸发约3140亿美元。
竞争对手的反应同样值得关注。Anthropic原计划将Fable 5从订阅制中移除，改为按量计费。然而就在Anthropic准备动手的前一天，OpenAI发布了GPT-5.6 Sol，定价仅为Fable 5的一半，直接打乱了Anthropic的计划。随后K3以三折定价入市，在前端代码竞技场上将Fable 5挤下第一。在双重压力下，Anthropic紧急调整策略，宣布Fable 5永久保留在订阅方案中。
Kimi K3的冲击还延伸至应用层。该模型借助开源EDA工具，在48小时内完成了一颗4mm²芯片的设计。受此影响，新思科技当周收跌7.85%，铿腾电子收跌9.47%。
技术光环下的真实落差
月之暗面在技术报告中坦承，K3整体性能仍落后于最强大的闭源系统。在DeepSWE长程工程基准上，K3得分为67.5，低于GPT-5.6 Sol的73.0和Fable 5的70.0。不过，K3在AutomationBench-AA上得分52.7%位居第一；在GDPval-AA v2上的Elo评级为1668，较K2.6的1190有显著提升，已超过GLM-5.2（1514）、GPT-5.5（1494）、Claude Opus 4.8（1600）和Claude Sonnet 5（1607），但落后于Fable 5的1760。K3的优势具有领域特异性——编程和长程Agent任务是它的强项，但通用推理能力尚未实现全面超越。
值得关注的是，Artificial Analysis的评测显示：K3的答案正确率从K2.6的33%提升至46%，但幻觉率也从39%上升至51%。对于一个定位长程编程和知识工作的模型而言，一次关键决策上的幻觉可能摧毁整条链路。
开发者实测反馈同样喜忧参半。3D和视觉生成能力最为突出，前端UI设计接近Fable 5，但速度是最突出的短板。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。
7月19日，月之暗面因用户请求量逼近集群承载极限，暂停C端新用户订阅。这揭示了一个结构性矛盾：更高效的架构降低了单位算力成本，但需求的激增仍对算力基础设施形成巨大压力——经济学中的杰文斯悖论在AI领域正显现同样的特征。其许可证也附加了商业条款：提供模型即服务且连续12个月收入超2000万美元的厂商须另行签订商业协议。
从代际差距到同代竞争
加州大学伯克利分校教授伊翁·斯托伊卡指出，过去中国开放权重模型落后领先闭源模型约6至9个月，现在这一差距可能已缩至2至3个月——竞争正从“代际差距”进入“同代竞争”。据Artificial Analysis数据，K2.6在4月的Intelligence Index中得44分，而K3以57分位列第三，与Fable 5（60分）和GPT-5.6 Sol（59分）的差距分别缩小至3分和2分。
Axios的提问一针见血：“K3模型的定价远低于它所挑战的高端模型，美国AI公司对前沿级AI产品收取高昂费用的策略，到底还能维持多久？”
2026年7月发生的事件，已将全球AI产业的定价逻辑推入了一个新的轨道。当开放权重模型开始在性能前沿参与竞争时，性能逼近与成本优势在同一产品中得以实现，既有的行业均衡便不可避免地面临重构。对于闭源厂商而言，单纯依靠技术壁垒维持溢价的模式正在失效，估值逻辑的重估才刚刚开始。