月之暗面K3，撕裂全球AI溢價敘事

一個2.8萬億參數的開源模型，似乎改寫了全球AI的定價邏輯。

上周五深夜，月之暗面發布Kimi K3。此后的48小時，全球AI行業的平靜被徹底打破。

英偉達單日蒸發1111億美元，Anthropic連夜推翻漲價計劃，緊急給用戶發補償。硅谷吵成一團。

總統科技顧問說“照此以往美國會輸掉AI競賽”，OpenAI的高管則怒斥開源是“AI共產主義”。與此同時，月之暗面自己也被打了個措手不及：用戶請求量遠超預估，算力告急，不得不暫停新用戶訂閱。

背后原因在于，K3此時的發布同時擊穿了三樣東西：技術能力上追平全球前三，成本上做到對手的一半，路線上用開源挑戰閉源。但貫穿所有沖擊波的一條共同主線是，當“足夠好”變得足夠便宜，前沿AI的溢價還能撐多久？

RL Scaling的第一次大規模兌現

要理解K3為何能引發如此劇烈的震蕩，得先回到2024年。當時楊植麟在內部小范圍分享了一個叫K0-Math的模型，它不靠死記硬背刷題，而是像人一樣做完題自己檢查、自己糾錯，把改錯的過程變成經驗。這個模型的數學成績超過了OpenAI當時最強的o1。

楊植麟當時提出了一個判斷：下一個Scaling Law不是堆更多數據和算力，而是Reinforcement Learning Scaling（RL Scaling）。傳統路徑讓模型“背答案”，RL Scaling讓模型“學會怎么解題”。

K3正是這個理念的第一次大規模生產級落地。

具體到技術層面，K3的參數規模達2.8萬億，采用稀疏MoE架構，896個專家每次僅激活16個，這是目前全球最大的開源模型。它的KDA混合線性注意力機制，讓百萬token級別的長文本解碼速度提升6.3倍；Attention Residuals技術使訓練效率提升約25%，額外成本不到2%。

但最具突破性的是“視覺閉環”，它將RL Scaling從純數學擴展到帶視覺反饋的全場景。K3寫完代碼后哪里不對可以自己改，形成“生成—觀察—迭代”的完整工作流。它的技術報告展示了兩個Demo：從零寫了一個可騎馬的3D開放世界游戲），以及從56段原始素材中自主剪輯發布預告片，幀級精準節拍同步。

在Frontend Code Arena前端編程賽道，K3以1679分登頂全球第一，超過了Fable 5和GPT-5.6 Sol。但月之暗面自己也在技術報告里坦承：整體性能仍然落后于最強大的模型。在DeepSWE長程工程基準上，K3的67.5分明顯低于GPT-5.6 Sol的73.0分和Fable 5的70.0分。

更值得關注的是，Artificial Analysis的測評顯示K3的幻覺率比上一代K2.6反而上升了。對于一個定位長程編程和知識工作的模型來說，一次關鍵決策上的幻覺可能摧毀整條鏈路。此外，K3對部署框架要求極高，切換環境后表現可能判若兩模；任務模糊時還傾向于“過度主動”，替用戶做決定而非先確認意圖。

這些短板其實也在說明，K3不是最強的模型，但它是最強性價比的模型。而“足夠好”加上“足夠便宜”，恰恰是最能動搖定價權的組合。當消費者發現一個開源模型能完成前沿閉源模型絕大多數任務、成本卻只有后者一半時，稀缺定價的根基就開始松動了。

華爾街的“DeepSeek 2.0時刻”

市場對“足夠好+足夠便宜”的反應，比任何人預想的都更猛烈。

K3發布后的首個交易日，英偉達單日市值蒸發約1111億美元，下跌5.3%。費城半導體指數一周跌12.5%，跌入技術性熊市。72小時內美股AI板塊蒸發約4700億美元，全球科技股3日蒸發超3萬億元。摩根大通策略師在報告中直接稱之為“DeepSeek 2.0”。

市場恐慌原因在于，如果K3以遠低于美國同行的成本就能追平前沿，英偉達GPU需求的“無限增長假設”還站得住嗎？如果模型能力的提升不再需要無止境地堆算力，那么整個AI產業鏈的估值邏輯都需要重寫。

但華爾街內部并非鐵板一塊。摩根大通建議買入AI芯片股的回調，認為恐慌過度；摩根士丹利更看好超大規模云廠商而非芯片公司，認為算力需求結構正在變化；高盛則定性為“去杠桿事件”，其合伙人甚至直言“算力擴張時代或已走到盡頭”。

分歧的本質在于：模型能力的“貶值”會不會拖垮整條產業鏈？

震蕩迅速從美股傳導至港股。智譜單日暴跌28.49%，蒸發超2000億港元；MiniMax重挫15.62%，阿里跌4%。市場認為，K3的開源策略降低了模型層進入門檻，打破了“稀缺性溢價”。不過智譜的暴跌不完全是K3所致，解禁和籌碼結構惡化也是重要因素。

K3引發的資本震蕩不止于股價波動。它正在迫使市場系統性重估整條AI產業鏈的價值分配：

• 算力層短期承壓，但更便宜的模型可能刺激更多推理需求。杰文斯悖論正在AI領域重現：效率提升反而帶來需求增長。
• 模型層定價權被挑戰，利潤率面臨壓縮。“前沿=高溢價”的底層假設正在瓦解。
• EDA層受影響最深，新思科技跌7.85%，錸騰電子跌9.47%。K3展示的48小時獨立完成芯片設計能力，直接威脅了EDA工具的高溢價敘事。
• 應用層反而受益。Databricks估值飆升至1880億美元，其CEO直言“采用中國開源模型是AI成本控制的關鍵一環”。

舉證責任已經轉移。此前，挑戰者需要證明“足夠好”真的夠好。K3之后，守成者需要證明前沿溢價為什么還值得。

從硅谷到中國的連鎖反應

資本市場的恐慌只是表象，更深層的震動發生在產業內部，K3同時觸動了硅谷和中國AI圈的兩根敏感神經。

Anthropic原計劃將Fable 5從訂閱制下架轉為純按量計費，K3發布次日，Anthropic緊急改口：Fable 5永久保留在訂閱方案中并發放額度補償。這是一次倉促讓利，當市場出現能完成Fable 5絕大多數任務、費用卻低得多的開源模型時，堅守原定價策略無異于把用戶往外推。

OpenAI的反應則更偏向政治層面，其戰略未來負責人Dean Ball發文稱開放權重是“減速主義力量”，甚至稱之為“AI共產主義”，并預測特朗普政府將提高使用中國開源模型的合規門檻。這番言論與其說是技術判斷，不如說是試圖用政策壁壘來維護商業護城河。

但硅谷并非所有人都站在閉源一邊。David Sacks直接反駁：“閉源雙頭壟斷想借政府之手消滅開源競爭對手”，稱之為“監管俘獲”。Chamath Palihapitiya立場更明確：“未來屬于開源。”Ion Stoica給出數據：“開源與最先進模型的差距，已從六到九個月縮短至兩到三個月。”

在中國，國產大模型陣營也在迅速調整。DeepSeek V4輕量版緊急上線，定價只有K3的約1/17；阿里Qwen3.8-Max同步上線。K3 + DeepSeek V4 + GLM-5.2形成了國產“三駕馬車”格局。

有意思的是，過去國產模型靠“讓利換流量”，K3卻選擇了“用技術定價值”。其混合API定價2.3美元/百萬token，創下中國模型定價新高。資本市場的投票結果也耐人尋味：智譜跌28%，MiniMax跌16%。投資者似乎在說：如果你足夠強，你可以定價；如果你不夠強，你的稀缺性溢價就會被K3抹平。

國產大模型的競爭邏輯正在經歷雙重轉變：國內從“誰更便宜”轉向“誰能定價”，國際從“稀缺定價”被迫轉向“讓利保客”。K3沒有在中國“卷”贏一場參數賽，它同時改寫了兩個市場的游戲規則。

月之暗面的十字路口

K3的發布也在根本上重塑了月之暗面這家公司自身的軌跡。

從某種程度上說，它是K3沖擊波中最值得關注的樣本，因為這是唯一一個同時承受“技術驗證”和“商業變現”雙重壓力的參與者。

今年3月，月之暗面的ARR首次突破1億美元，5月突破2億美元，到6月已接近3億美元。三個月翻了三倍。更關鍵的是收入結構的質變：API業務占比突破70%，公司正從一家以C端訂閱為主的AI應用公司，轉型為B端驅動的AI模型平臺公司。爆料稱K3發布后ARR又實現了數倍增長。

與此同時，IPO進程也在加速推進。月之暗面已向投資人發送股東決議，尋求香港上市批準，最快6個月完成。估值軌跡顯示：2025年底43億美元 → 今年5月200億美元 → 當前新融資目標超300億美元——7個月翻了約7倍。上市時機的選擇意味深長，在技術勢頭最新鮮時鎖定敘事，趕在下一輪模型周期重置之前。

但需求驗證來得太快，反而暴露了供給的脆弱。K3發布后用戶請求量大幅超出預估，逼近現有算力集群的承載極限。7月19日深夜，月之暗面發布公告暫停C端新用戶訂閱，將算力全部優先保障已訂閱用戶，同時將會員體系拆分為主權益和Kimi Code權益。

不是供給不足，而是需求真實。

用戶愿意為“足夠好+足夠便宜”付費。

K3發布后還有一個小插曲。蘋果首任AI總監、楊植麟的CMU導師Ruslan在X上發文回憶兩人共事經歷，意外引爆討論：美國為何留不住楊植麟？Ruslan專門澄清——“他如果想留在美國有很多機會，但他非常堅定地要回去創業。”

楊植麟曾于2016年讀博二時即創立循環智能，拒絕谷歌、蘋果等大廠offer，他認為大廠科學家沒有足夠權力推動產品落地。同時，他不只想研究還要做出產品，留在學術圈或大廠無法實現閉環。而他清華同學圈、客戶網絡和融資關系在中國，回國啟動成本遠低于從零開始。那個在CMU博士二年級就開始創業的年輕人，從一開始就很清楚自己要什么。

但隱憂同樣明顯，算力瓶頸暴露了儲備不足，幻覺率上升對定位長程編程的模型是致命隱患，最強大的模型免費開源則讓付費意愿根基存疑。而6個月的上市窗口壓縮了技術驗證與資本驗證的距離，成功上市則成為行業估值基準，折價則暗示市場不愿為護城河成本買單。

K3讓月之暗面從“有潛力的初創”變成了“可投資的AI平臺”。但上市考驗的不是模型有多好，是好能不能持續變現。

大模型行業的范式轉變

如果把視線從短期的股價波動和商業博弈中拉遠，K3真正的沖擊在于它加速了AI行業四個深層次的結構性轉變。

第一個轉變，從Scaling Law到RL Scaling。傳統路徑更多算力加更多數據等于更強模型，這正在被修正。新路徑的核心是RL Scaling加上架構創新加上后訓練效率，以更低的邊際成本逼近前沿。K3證明了一家無法匹配西方最大預訓練算力的中國實驗室，可以通過架構創新縮小差距。但2.8萬億參數的本地部署門檻極高。K3并未證明前沿AI可以擺脫龐大算力。更便宜的模型反而可能刺激更多使用量，杰文斯悖論正在AI領域重現，“算力需求見頂”的判斷可能為時過早。

第二個轉變是從閉源壟斷到開源平權。OpenAI和Anthropic的閉源雙頭壟斷格局正在被打破。差距從6到9個月縮短至2到3個月，開源模型從“追趕者”變為“定義者”。K3的完整權重將于7月27日向社區開放，當強大模型人人可下載，監管如何跟進？開放權重與閉源之爭，正從技術路線之爭演變為制度之爭。David Sacks的警告或許言重了，但他說對了一件事：這不再是技術競賽，而是兩種發展模式的制度競爭。

第三個轉變，即價值在產業鏈中不可逆地遷移。如果模型持續變得可替代，價值將從模型層向鄰近層遷移，類似于“安卓免費但谷歌通過生態賺錢”的模式。

前沿AI正在走向一個岔路口，一條路通向公用事業市場，壓縮利潤率，獎勵效率、分發和可靠性，類似電力或云計算的發展路徑。另一條路通向身份市場，為最知名品牌保留超額定價，類似奢侈品的邏輯。K3正將市場用力推向前者。

但真正的驗證還未到來。下一個證明點不是頭條新聞，而是發布噪音過后，使用曲線是否仍高位運行。

回看這一周，AI行業的“時間差”正在消失。閉源巨頭不再擁有六到九個月的技術窗口，英偉達不再享有“算力永遠供不應求”的確定性，華爾街不再能用“買算力龍頭”來押注AI賽道。

技術層面，K3接近但未超越。然而“接近”本身就足以動搖定價，當差距從“代際”縮至“百分比”，溢價就失去了合理性基礎。行業層面，中國AI公司從“讓利換流量”轉向“技術定價值”，國際從“稀缺定價”滑向“公用事業定價”。兩條軌跡交匯于同一個問題：模型本身還值多少錢？資本層面，舉證責任從挑戰者轉向了守成者，市場不再問“誰最強”，而是問“前沿值多少”。

這之后，前沿AI的護城河，可能比我們以為的更薄。（本文首發鈦媒體APP，作者 | AGI-Signal，編輯 | 焦燕）