K3的问世，像一颗投入平静湖面的石子，激起了三层涟漪。技术实力追平世界前三，成本仅为对手一半，路线以开源挑战闭源——这三重冲击，背后一条主线清晰可见：当“足够好”变得触手可及且价格低廉，前沿AI曾经的高昂溢价还能持续多久？
RL Scaling的初次大规模实战检验
要剖析K3何以引发如此轩然大波，需回溯至2024年。彼时杨植麟在内部小聚上分享了一个名为K0-Math的模型，它不像是传统模型那样依靠大量刷题记忆答案，更像人类一样通过解题、检查、纠错，将修正过程转化为经验积累。该模型在数学竞赛中的表现，甚至超越了OpenAI当时的顶尖模型o1。
杨植麟当时断言，下一阶段的模型发展规律并非单纯增加数据和算力，而是Reinforcement Learning Scaling（RL Scaling）。惯常路径是让模型“死记硬背”，RL Scaling则是引导模型“学会解题方法”。
K3正是这一理念首次大规模进入生产阶段的具体实践。
具体到技术细节，K3的参数总量达到2.8万亿，采用了稀疏MoE架构，每个包含896个专家的模块每次仅激活16个，使其成为当前全球规模最大的开源模型。其KDA混合线性注意力机制，令百万token级别的长文本解码速度提升了6.3倍；Attention Residuals技术的运用，使训练效率提升了约25%，但额外成本不足2%。
最具革命性的是“视觉闭环”功能的引入，它将RL Scaling的应用从纯数学领域扩展至包含视觉反馈的场景。K3能写代码后自行诊断并修改，构建起“生成—观察—迭代”的完整工作流程。技术白皮书中的两个示例颇具说服力：一是从零开始构建了一个玩家能骑马的3D开放世界游戏，二是从56段原始素材中自主剪辑生成预告片，实现帧级精准的节奏控制。
在Frontend Code Arena前端编程竞技中，K3以1679分的成绩摘得桂冠，力压Fable 5与GPT-5.6 Sol。但月之暗面在技术白皮书中也坦言，整体性能仍落后于当前顶尖模型。在DeepSWE长程工程基准测试中，K3的得分67.5，明显低于GPT-5.6 Sol的73.0分以及Fable 5的70.0分。
更值得关注的是，Artificial Analysis的检测结果显示，K3的幻觉率相较于上一代K2.6反而有所攀升。对于专注于长程编程和知识工作的模型而言，一个关键决策中的失误可能毁掉整个工作链路。此外，K3对部署框架要求严苛，环境切换可能导致表现大幅波动；任务界定模糊时，还倾向于过度主动，容易替用户做决定而不先确认需求。
这些不足恰恰印证了K3并非性能最强的模型，但它是最具性价比的。而“足够好”加上“足够便宜”，恰恰是最能撼动定价权的组合。当用户发现一个开源模型能胜任前沿闭源模型的大多数任务，成本却只有后者的二分之一时，稀缺性定价的基础便开始松动。
华尔街的“DeepSeek 2.0”时刻降临
市场对“足够好+足够便宜”的反应，比预期更为猛烈。
K3发布后的首个交易日，英伟达市值单日蒸发约1111亿美元，跌幅达5.3%。费城半导体指数一周内下滑12.5%，跌入技术性熊市。72小时内美股AI板块累计蒸发约4700亿美元，全球科技股三日之内蒸发超3万亿元。摩根大通策略师在报告直呼其为“DeepSeek 2.0”。
市场恐慌的根源在于，如果K3以更低成本追平美国同行，英伟达GPU需求“无限增长”的假设是否还能成立？若模型能力提升不再依赖无限堆砌算力，整个AI产业链的估值逻辑或将面临重写。
但华尔街内部并非铁板一块。摩根大通建议在AI芯片股回调中抄底，认为市场恐慌过度；摩根士丹利更看好超大规模云厂商而非芯片商，预期算力需求结构正在转变；高盛则将其定性为“去杠杆事件”，其合伙人直言“算力扩张时代或已结束”。
分歧的核心本质是：模型价值的“贬值”是否会拖垮整个产业链？
震荡迅速从美股传导至港股。智谱单日暴跌28.49%，损失超2000亿港元；MiniMax重挫15.62%，阿里亦跌4%。市场普遍认为，K3的开源策略降低了模型层级的进入门槛，打破了“稀缺性溢价”。但需注意，智谱的暴跌并非完全由K3引发，解禁和筹码结构恶化也是重要因素。
K3带来的资本震荡不止于股价波动，它正逼迫市场对整条AI产业链的价值分配进行系统性重估：
举证责任发生转移。此前，挑战者需证明“足够好”确实够优秀。K3之后，守成者必须论证前沿溢价为何仍具合理性。
从硅谷到中国的连锁反应
资本市场波动只是表象，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原定将Fable 5从订阅制转为纯按量计费模式，K3发布次日，该公司紧急变卦：Fable 5永久保留在订阅方案中并提供额度补偿。这番仓促让利，源于市场出现能完成Fable 5大部分功能、费用却低得多的开源模型，坚持原定价策略无异于将用户拒之门外。
OpenAI的反应则更倾向政治层面，其战略未来负责人Dean Ball发文称开放权重是“减速主义力量”，甚至戏称为“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。此番言论与其说是技术分析，不如说是试图通过政策壁垒维护商业护城河。
然而硅谷并非所有声音都支持闭源。David Sacks直接反驳：“闭源双头垄断企图借助政府之力消灭开源对手”，称之为“监管俘获”。Chamath Palihapitiya立场更为鲜明：“未来属于开源。”Ion Stoica则提供数据：“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加速调整。DeepSeek V4轻量版紧急上线，定价仅为K3的约1/17；阿里Qwen3.8-Max同步发布。K3 + DeepSeek V4 + GLM-5.2形成了国产“三驾马车”并驾齐驱的格局。
耐人寻味的是，过去国产模型常靠“让利换流量”，K3却选择“用技术定价值”。其混合API定价2.3美元/百万token，创下国产模型新纪录。资本市场投票结果也发人深省：智谱跌28%，MiniMax跌16%。投资者似乎在传递明确信号：如果你足够强，你可以自主定价；如果你不够强，你的稀缺性溢价将被K3所稀释。
国产大模型竞争逻辑正在经历双重转型：国内从“谁更便宜”转向“谁能定天价”，国际从“稀缺定价”被迫滑向“让利保客”。K3没有在中国掀起参数竞赛的狂潮，却同时改写了两个市场的竞争规则。
月之暗面的十字路口选择
K3的发布，也在本质上重塑了月之暗面公司自身的发展轨迹。
在某种程度上说，它是K3冲击波中最值得关注的样本，因为这家公司同时承受着“技术验证”和“商业变现”的双重压力。
今年3月，月之暗面的ARR（年度经常性收入）首度突破1亿美元，5月突破2亿美元，到6月已逼近3亿美元。三个月内收入翻三番。更关键的是收入结构发生质变：API业务占比突破70%，公司正从一家以C端订阅为主的AI应用企业，转型为B端驱动的AI模型平台公司。爆料称K3发布后ARR又实现数倍增长。
与此同时，IPO进程也在加速。月之暗面已向投资人发出股东决议草案，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个月估值膨胀约7倍。上市时机的选择颇具深意，在技术势头高涨时锁定叙事，赶在下一轮模型周期重置前锁定估值。
但需求验证来得太快，反而暴露了供给端的脆弱。K3发布后用户请求量激增，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，将算力集中保障已订阅用户，同时拆分会员体系为主权益和Kimi Code权益。
并非供给不足，而是需求真实。
用户愿意为“足够好+足够便宜”支付真金白银。
K3发布后发生了个小插曲。苹果首任AI总监、杨植麟的CMU导师Ruslan在X平台上发文追忆两人共事经历，意外引发热议：美国为何留不住杨植麟？Ruslan特别澄清——“如果他想去美国创业机会很多，但他非常坚定地要回国。”
杨植麟在2016年读博二年级时就创立循环智能，拒绝谷歌、苹果等大厂的高薪offer，他认为大厂科学家缺乏推动产品落地的权力。同时，他不仅要研究还要做出产品，留在学术圈或大厂无法实现完整闭环。而他的清华同学圈、客户网络和融资关系在中国，回国创业的启动成本远低于从零开始。那个在CMU读博二年级就开始创业的年轻人，从一开始就目标明确。
隐忧同样显而易见，算力瓶颈暴露储备不足，幻觉率上升对定位长程编程的模型是致命短板，最强大模型的免费开源可能动摇付费意愿的基础。而6个月的上市窗口压缩了技术验证与资本验证的时间，成功上市则可能成为行业估值基准，若折价则预示市场不愿为护城河成本买单。
K3让月之暗面从“潜力无限的初创”晋升为“可投资的AI平台”。但上市考验的不是模型有多卓越，而是好模型能否持续变现。
大模型行业的范式大转变
若将视线从短期股价波动和商业博弈中移开，K3带来的真正冲击，在于它加速了AI行业四个深层次的结构性变革。
第一个转变，从Scaling Law到RL Scaling。传统路径认为算力加数据等于更强模型，这正在被修正。新路径的核心是RL Scaling结合架构创新再加后训练效率，以更低的边际成本逼近前沿。K3证明即便无法匹配西方最大预训练算力，中国实验室也能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可以脱离庞大算力。更便宜的模型反而可能刺激更高使用量，杰文斯悖论在AI领域重现，“算力需求见顶”的论断可能为时过早。
第二个转变，从闭源垄断到开源平权。OpenAI和Anthropic的闭源双头垄断格局正在遭遇挑战。差距从6到9个月缩短至2到3个月，开源模型从“追随者”转变为“引领者”。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，监管如何应对？开放权重与闭源之争，已从技术路线之争演变为制度之争。David Sacks的警告或许言过其实，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较量。
第三个转变，价值在产业链中不可逆转地迁移。若模型持续变得可替代，价值将从模型层向邻近层转移，类似于“安卓免费但谷歌通过生态获利”的模式。
前沿AI正站在一个岔路口：一条路通向公用事业市场，压缩利润空间，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，类似奢侈品经营逻辑。K3正将市场推向前者。
但真正待检验的还有：发布喧嚣过后，使用曲线能否维持高位运行。
回望这一周，AI行业的“时间差”正在消融。闭源巨头不再拥有六到九个月的技术窗口，英伟达不再拥有“算力永远供不应求”的确定性，华尔街不再能用“押注算力龙头”来bet 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叩问：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”。
此后，前沿AI的护城河，可能比预想的更浅。（本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 焦燕）
