Kimi K3 排名全球第三大 AI 模型，挑戰 Anthropic 和 OpenAI

整理 & 編譯：深潮 TechFlow

嘉賓：Jordan 和 Max，SemiAnalysis 分析師

主持人：Jordan（SemiAnalysis 內部對話）

播客源：SemiAnalysis

原标题：[緊急特輯] Moonshot 的 Kimi K3 已登場！中國擁有了前沿模型

播出日期：2026 年 7 月 18 日

Moonshot（月之暗面）發布 Kimi K3，在多個綜合 benchmark 上超越 Google 和 Meta，成為世界第三好模型，僅次於 Anthropic 的 Fable 和 OpenAI 的 Soul 5.6。SemiAnalysis 的兩位分析師 Jordan 和 Max 在緊急節目中拆解了這次發布的含義：2.8T 參數的模型以和 Sonnet 同等定價（3/15 per million tokens）提供服務，如果它和前沿閉源模型規模相當，那 Anthropic 收 10/50 的利潤率就可能是 mindboggling 級別。

更尖銳的判斷來自 Jordan：前沿差距縮小，他歸因於美國政府限制 Anthropic/OpenAI 發布最強模型，人為給了追趕者時間窗口。開源並沒有真正追上來。與此同時，西方開源完全真空，沒有一家美國公司的開源模型能趕上中國第五好的。模型競爭正在變成 harness（使用工具）和地緣政治的競爭。

關於 Kimi K3 的定位

• 如果你看所有主要 benchmark 的綜合排名，今天有一個非常清晰的 top three：Fable、Soul 5.6 和 Kimi K3。它們始終高於其他所有人，包括 DeepSeek，也包括 Google、Meta 和 xAI。
• Google 應該感到非常尷尬。就在 2025 年 11 月、12 月，所有人都還認為 AI 三巨頭是 Google、Anthropic 和 OpenAI。今天跟一些「老古董」聊，他們還這麼認為，但顯然已經不是了。
• 它可能是世界第二好的模型，因為每次我用 Fable 做點正經事都被拒絕，被打回 Opus。雖然不確定它比 Opus 好不好，但至少不會被拒。

關於前沿模型利潤率

• If Kimi is unlikely to be selling K3 at 3/15 at a loss, then Fable, with a similar scale, charging 10/50, should completely alleviate concerns that AI labs are unprofitable businesses. Selling tokens at API pricing may even be more profitable than SaaS.
• K2.7 到 K3 價格漲了 3 倍多，從 0.95/4 涨到 3/15。但我不覺得他們還有多少提價空間，因為很多任務用 GLM 或 MiniMax M3 就夠了。

關於美國政府與差距

• 我相信這個差距之所以縮小，squarely 歸功於美國政府限制 Anthropic，導致我們拿不到這些公司真正最強的模型。他們是人為追上來的。
• 我們只能在前沿智能被允許的情況下才能接觸它。這對後面第四、五、六、七名的玩家其實是一個機會。

关于西方开源真空

• 整個市場還這麼低效，我們竟然沒有一家美國公司能至少趕上中國第五好的，這讓我震驚。
• Even if the government does not ban Chinese open-source models, ordinary American enterprises are unwilling to feed their proprietary data into Chinese open-source models. Even if you load weights in an air-gapped data center and the CCP cannot see your data, executives still won’t buy it.

關於 Harness

• 測試 Kimi K3 讓我第一次認真審視 Open Code、Hermes 和 Pi。Harness 完全還是產品的一部分。
• 一些簡單的東西就能讓我選擇這個模型而不是那個：能不能安裝在遠程 SSH 伺服器上？快捷鍵好不好用？這些 harness 裡的細節實際上影響我把 token 傳送到哪裡，也就是把預算傳送到哪裡。

關於「還太早」

• 我上週去了 ICML，前一週去了 AI Engineer 大會。這是名義上的 AI 大會，80% 以上的人從沒聽過 SemiAnalysis。你自稱在 AI 行業工作，但連 SemiAnalysis 都沒讀過？我們還太早了。

Jordan： 快速熱評，Kimi K3 現在是世界第 3 好模型嗎？

Max：答案是明確的「是」。大家都喜歡吐槽 benchmark，benchmark 確實有問題，但如果你把所有主要 benchmark 的綜合排名拿出來看，它們的指向一直是对的。今天有一個非常清晰的 top three：Fable、Soul 5.6 和 Kimi K3，始終高於其他所有人，包括 DeepSeek 等 open source 玩家，也非常明顯地高於 Google、Meta 和 xAI。這對月之暗面的團隊來說是極其了不起的成就。

Google 應該感到非常尷尬。就在 2025 年 11 月、12 月，所有人都還認為 AI 三巨頭是 Google、Anthropic 和 OpenAI。今天跟一些"老古董"聊，他們還這麼認為，但顯然已經不是了。

總體來說，我還是覺得它不如 Fable 和 Soul 5.6。有點好笑的是，他們在自己的模型發布博客中也明確這麼說了。也許是老派的中國式謙虛，也許是不想招來美國政府審查，畢竟 Fable 5.6 的發布當時也有些延遲。但不管怎樣，非常令人印象深刻。

Jordan：他們在部落格的 limitations 章節中寫道：「儘管 K3 整體上是一個有高度競爭力的模型，但在用戶體驗上仍存在與 Fable 5 和 GPT 5.6 之間的明顯差距。」我的個人使用體驗是，它確實不錯，但真的很慢，這點很煩。它讓我第一次有動力去嘗試 open source 的 harness。說實在的，我感覺自己學到更多關於 harness 的東西，而不是關於模型的，因為所有這些模型都足夠好，能完成我目前做的基礎工作，我很難找到它做不到的複雜任務。

這對我來說可能是世界第二好的模型，因為每次我用 Fable 做正經事都被拒絕，被打回 Opus。雖然不確定它是否比 Opus 更好，但至少不被拒絕這件事本身就不那麼煩人。不過，使用 API 密鑰按量付費時就不會被拒，只有在使用 web console 或 deep research 時才會撞上限額。他們明顯沒有足夠的 GPU 來滿足這個模型帶來的需求。以前這個問題是透過開源策略解決的，釋出權重讓別人去 serve。但這次還沒有釋出權重，他們說 10 天後才放。

Jordan： 你認為這個延遲的策略是什麼？

Max：說清楚，這都是我的純猜測。一個主要原因是他們需要給 vLLM 和 SGLang 這些推理引擎團隊足夠的時間，以確保能高效地部署這個模型。如果今天就把權重釋出，所有人都在部署，但只給你 20 tokens/秒，這對他們的品牌聲譽會非常不利。他們現在有一個絕佳的機會獲得大量 PR 和廣泛採用，但如果一發布就被性能拖累，反而會削弱勢頭。

另一種可能性是他們正在與 Together AI、Fireworks、Nebius、Groq 等推理服務廠商談判授權合作，讓這些廠商使用 GB300 等最新晶片來提供增量容量。這兩點大概就是推遲 10 天的主要原因。

Jordan： 請談談模型架構。它有 2.8T 參數，無法放入 B200，你需要 B300、GB300 或 AMD MI355X 才能在單台 8 卡 HGX 伺服器上提供服務。當然你可以進行跨節點的 pipeline parallelism，但這會嚴重影響效能。因此，只有擁有最新晶片的人才能提供這個模型的服務。

回到你剛才說 Google 的話題，這個模型在 2.8T 參數下就達到了前沿競爭力，這其實給了我們一些關於閉源前沿模型有多大的線索。如果他們是用 10T 參數模型來和這個比，那就更丟人了。我們得假設它和 Soul、Fable 在同一個量級。

Max： 對，你說得對。我仍然相信 Anthropic 研究團隊的能力和敏銳度。如果 Twitter 上有人說當前閉源模型有 10T 參數之類的，如果那是真的，老兄該收拾行李了，英偉達股價明天就該跌 50%，一切就結束了。

我比較確信 Kimi K3 不會比當前領先的閉源模型小多少，甚至可能稍大一點。如果這是真的，這進一步印證了我們在 SemiAnalysis 一直強調的一個觀點：這些閉源實驗室的利潤率絕對是 mindboggling 級別。如果 Kimi 大概率不是在虧本以 3/15 的價格提供 K3，這和 Sonnet 定價一樣；而 Fable 規模差不多，卻收 10/50，那就該徹底打消人們對 AI 實驗室不賺錢的擔憂。賣 token 按 API 價格算，可能比 SaaS 還賺錢，就今天來說。

Jordan： 沒有員工成本，只有 GPU。那與之前的定價相比呢？你說 3/15，但上一版 Moonshot 的直接定價是 0.95/4，所以從 K2.7 到 K3 價格漲了 3 倍多。他們還有多少提價空間？

Max：我不覺得他們還有多少空間往上推。就算在 3/15 這個價位，也會有不少人覺得太貴。他們的任務用 GLM 或 MiniMax M3 就夠了。這裡有一個有趣的分叉：像我們 SemiAnalysis 這種不在乎燒 Dylan 的 token 的，會繼續用 Fable 做幾乎所有事；而極度成本敏感的，比如 Tesla、Uber 這種一週只用 $200 token 的，會走 GLM 定價層。那真正會切換到 Kimi K3 的用戶是誰？可能就是一群哲學上熱愛 open source、想支持新模型的人。大企業會不會真採用這個模型，我不會意外答案是否定的。

Jordan： 這是全新架構。2.8T 參數，具備 Kimi 的 delta attention、potential residuals、stable latent，基本上是之前模型的放大版，大約兩倍大。之前 K2.5 我們看到 Cursor 用它做 composer，基於 continued pre-training 和 MRL，然後推出了 2.5、2.6、2.6.7 等 checkpoint。這是新 base model，但使用起來已相當完整，未出現原始模型常見的粗糙邊緣。下一步呢？3.1 什麼時候出？定價會變嗎？會有基於 K3 的 composer 嗎？

Max： 基於 K3 的 composer 應該不會有，Cursor 那幫人已經決定從零訓練自己的模型了。至於 K3.1、K3.2 這些，估計接下來一兩個月會出兩到三個更新，就是繼續 post-training。定價我猜會維持不變，因為他們在未來兩三個月內不可能跑在新硬體上，沒有 throughput 提升來降價。也許有特別牛的 kernel 工程師能把 cost 壓到 DeepSeek V4 的水平，但 3T 參數模型做到這點我比較懷疑。當前 GLM 和 MiniMax 的定價可能已經是 1T 到 1.5T 模型能 serve 的極限了。

Max： 更有意思的问题是 open source 和 closed source 的差距會不會繼續縮小，開源能不能真正達到前沿水平的 parity。這如果發生，對我們整個行業影響巨大。你怎麼看？

Jordan： 我的觀點是，差距現在縮小了，原因 squarely 在於美國政府限制 Anthropic，導致我們無法取得這些公司真正最強的模型。他們是被人為追上來的。

我們可以看到 Mythos 和 Fable 的對比。Mythos 我用不了，Fable 我得好好求才能偶爾用上。5.6 Soul，我們內部判斷它不是 OpenAI 訓練過的最大模型，沒有 4.5 那麼大。他們手裡有一個更大的。結果是，我們只能在前沿智能被政府允許的情況下才能接觸它。

這對後面的第四、五、六、七名玩家其實是一個機會，可以在某個上限之內放開一切，開始搶奪用戶份額，但永遠摸不到真正的 frontier。我覺得前沿有可能在今夏末再往前邁一大步，也有可能政治風向再變一點。也有可能我們開始找到編碼以外的模態，讓他們真正去探索那些領域。

順帶提一下 Thinking Machines 的 Inkling 發布，原生音頻輸入我覺得非常有趣，是未來的信號。

Max：關於 Inkling，西方確實非常非常非常缺乏一個不爛的 open source 模型。市場如此低效，我們竟然沒有任何一家美國公司能至少追上中國第五好的模型，這讓我震驚。一方面，美國政府全面禁止中國開源模型可能只是時間問題。另一方面，即使不禁，普通美國大型企業也不願將專有數據喂給中國開源模型。即使你在氣隙數據中心載入權重，CCP 看不到你的數據，高管也不會買賬。許多企業在乎 token 預算，又只願意運行西方模型或非中國模型。Inkling 是我們目前能拿到的最好的西方 OSS，但離開源前沿仍遠，這讓我震驚。

Jordan： 之前是 Neotron，現在是 Inkling。我覺得 Inkling 的策略有兩個機會：一，他們必須比大多數中國開源更好，才能入局。二，他們還得比前沿實驗室的二級、三級模型好，比 Sonnet 好，因為你可以用 Bedrock 或 Foundry 拿到接近前沿的智能，用閉源二級模型省錢。我一直不太理解西方開源「幫人省錢」這個角度。把模型推進 Fireworks、Together、Base10 這些生態確實是好事，但市場大頭是政府層面的。

Jordan： 另一個值得說的，K3 博客裡提到 SFT 階段做了量化，原生用 MXFP4 和 MXFP8 做權重和激活，官方說法是 "broad hardware compatibility"。你覺得 Moonshot 還在乎什麼其他硬體？

Max：我有一份包含 11 種中國加速器的清單，你應該訂閱 SemiAnalysis 加速器模型以了解更多。華為昇騰、百度昆侖、寒武紀、摩爾線程，各種晶片都在論文中出現，也在代碼中看到。將前沿模型運行在國產加速器上，這已是中國的國家優先事項。如果我們在 2025 年底還說 Google 是前沿實驗室，那現在也得把 Moonshot 稱為前沿實驗室了。

Jordan： 說個題外話，我爸爸正在中國出差，他說住的酒店全滿了，因為習近平馬上要到那個區域發表關於 AI 是中國頭號優先級的演講。你說的很多是對的。

Jordan： 在使用這些模型的過程中，我最大的感悟是，第一，越來越難區分使用絕對前沿模型加上 max thinking mode 與使用 medium effort 之間的差別。在日常任務中，我真的找不到這些模型解決不了的事。我的默認行為就是開啟最大、最難的模式，因為我不在乎 Dylan 的預算。

但有一個層面是，Harness 本身就是產品的一部分。測試 Kimi K3 讓我第一次認真審視 Open Code、Hermes 和 Pi。Harness 完全還是產品的一部分。一些簡單的細節就能讓我選擇這個模型而不是那個：能不能安裝在遠程 SSH 伺服器上？快捷鍵好不好用？能不能編輯之前的命令？這些 Harness 裡的小細節實際上影響我把 token 傳送到哪裡，也就是把預算送到哪裡。

Max： 很多人談 token 預算，但從你的工作流描述來看，就算我讓 GLM 能搞定的任務，也樂意路由給 Fable 用 max intelligence，因為 ROI 還是值這個價的。benchmarks 說很多任務能遷到 GLM，但你還是樂意留在 Anthropic 或 OpenAI 的模型上。

Jordan： 基本上是的。但我使用很多 Slack bot，背後運行什麼模型我並不知道。例如 Perplexity 的 Slack 集成，如果它開始路由到 K3、路由到 GLM、路由到 Sonnet，我其實不在意。之前查看用量時才發現 OpenAI 模型佔了多少，因為這是它自己做出的決策。那部分的合理化是由 harness 來決定的。

Max： 這反而是 outcome-based pricing 的一個切入點。某個實驗室如果做 outcome-based pricing，可能能拿到 95% 以上毛利，因為你願意付 stable pricing 的那些任務，今天其實零頭就能搞定。

Jordan：第二點，我不覺得這些實驗室已經沒想法可做了。他們可以繼續訓練令人驚嘆的模型，去打編碼側的 RSI，但不釋放給我們，維持他們的“永久底層階級”。他們可以繼續蒸餾，給我們嘗一點，同時繼續探索其他用途，比如視頻生成、音頻到音頻、deep research，這些和編碼不太像。機器人學和世界模型就是一個簡單方向，如果 Anthropic 把目標從知識工作轉到體力勞動上呢？說他們沒法用全世界最偉大的技術建一個可持續的好 ROI 生意，我不信。

Max：即使不談這些，我每天用這些模型的頻率非常高，我那些從事軟體工程師的朋友用得比我少十倍、花費也少十倍。使用 Fable 的人和使用 Sonnet 的人使用頻率一樣，但使用 Fable 的人花費是十倍，90% 毛利，支撐了大部分的業務。一旦這些人開始使用更大模型、使用更頻繁，需求只會更大，模型甚至不需要變得更好。然後我還得去跟不懂科技的鄰居聊天，在他們當中我肯定是 0.1% 甚至 0.01%，可能還有 1000 倍的增長空間。回到 Masa-san（孫正義）的「金鵝指數曲線」。

Jordan：她說的「還太早」完全正確，這也正是我認為 Kimi K3 不會讓 Anthropic 和 OpenAI 的淨新增 ARR 放緩的原因。即使今天使用 Fable 和 5.6 的人中有一部分無法說服地轉向 Kimi K3，這部分人也會被那些尚未認真嘗試這項技術的人完全淹沒。那些人每天都在發現新的高 ROI 使用案例，他們仍會默認使用 5.6 Soul 或 Fable 5 來解鎖這些新場景。你不會看到 ARR 增速放緩。

Max： 你想想還有多少人沒訂閱這個播客、沒關注 SemiAnalysis。我上週去了 ICML，前一週去了 AI Engineer 大會，這名義上是 AI 大會，80% 以上的人從沒聽過 SemiAnalysis。你自稱在 AI 行業工作，但連 SemiAnalysis 都沒讀過？我們還太早了。

Jordan： 這算是給你自己一個 ego check，Max，冷靜一下。