Kimi K3发布后，最慌的不是英伟达钛媒体

K3杀进牌桌，谁的大模型故事不值钱了。

7月17日，月之暗面发布Kimi K3。这个总参数量达到2.8万亿、支持原生多模态和100万上下文窗口的模型，很快在国内大模型行业制造了两种截然相反的反应。

开发者讨论的是KDA、AttnRes和896个专家组成的MoE架构。资本市场看到的，却是模型公司的领先优势，可能比市场原先想象的更短暂。

K3发布当天，智谱股价下跌28.49%，MiniMax跌15.62%，昨天智谱继续暴跌19.56%。此后，市场上出现了一种更耸动的解释：K3提高了模型效率，引发全球算力需求恐慌，进而带崩半导体股。

这个因果链条并不牢靠。当天费城半导体指数下跌约1.63%，英伟达跌2.21%，幅度远小于两家中国模型公司的跌幅，且昨日已经上涨。半导体板块的调整此前已经开始，还混杂着获利回吐、期权到期和AI资本开支预期变化等因素。

K3真正冲击的，不是全球算力逻辑，而是中国大模型公司的估值逻辑。

过去一年，中国开放模型主要靠更低价格、更大参数和更快迭代争夺开发者。K3却第一次如此明确地尝试离开低价竞争：开放模型权重，同时提高API价格；强调推理效率，同时做出一个更庞大、更难自行部署的模型；争夺开发者，同时向资本市场证明自己具备技术溢价。

月之暗面想证明的是，中国大模型的竞争，正在从“谁能把模型做得更便宜”，转向“谁有资格获得定价权”。而后者显然是资本市场更认可的竞争力。

01.中国开放模型，开始分成两个市场

K3率先引发讨论最多的是价格。

根据月之暗面公布的价格，K3每百万输入Token为3美元，输出Token为15美元，缓存命中输入为0.3美元。

相比之下，Kimi K2.6的输入和输出价格分别为0.95美元和4美元。也就是说，K3的输入价格约为上一代的3.2倍，输出价格达到3.75倍。

与同行相比，差距更明显。DeepSeekV4-Pro每百万输入和输出Token分别为0.435美元和0.87美元；MiniMax M3限时价格分别为0.3美元和1.2美元。按基础价格计算，K3的输入价格约为DeepSeek V4-Pro的6.9倍，输出价格约为17.2倍。相较MiniMax M3的促销价格，则分别达到10倍和12.5倍。

这不是一次常规涨价，而是一次市场分层。

DeepSeek、MiniMax仍在争夺对价格敏感的开发者和高调用量客户。月之暗面则希望把K3送进另一个市场，模型不再按照Token本身定价，而是按照它能否完成复杂任务定价。

按照Artificial Analysis的测评，K3发布时的智能指数达到57，进入全球前列。但它完成评测消耗的输出Token约为1.3亿，高于同类模型约6300万的中位水平。这意味着，K3表现更强的同时，也可能更“能说”、消耗更多Token。

因此，15美元的输出价格能否被接受，不能只看榜单。

如果K3能用一次调用完成其他模型需要三次才能完成的编程、研究或工具任务，它的单价更高，任务总成本仍可能更低。

02.K3真正伤到的，是同行的估值锚

K3发布之后的几个交易日，智谱和MiniMax股价重挫，固然受到港股科技板块下跌、限售股解禁和前期涨幅较大等因素影响，但两家公司跌幅显著超过大盘，也说明投资者在重新评估独立大模型公司的稀缺性。

美国银行的分析认为，K3提高了中国前沿模型的能力上限，也把证明自身技术领先的压力转移给其他独立模型公司。高盛的判断则指向同一个问题：投资者开始担忧国内模型公司领导地位的可持续性。

这正是K3比技术榜单更重要的行业影响。

对阿里、字节和腾讯而言，基础模型即使暂时落后，还有云计算、广告、办公软件、内容平台和企业服务可以消化模型能力。模型只是其业务体系中的一层基础设施。

但对智谱、MiniMax、月之暗面这样的独立模型公司而言，模型能力本身就是估值的主要支点。投资人支付的不是一家成熟软件公司的价格，而是“未来基础模型领导者”的价格。

一旦另一家公司用一轮发布追平甚至越过原来的领先者，市场就会意识到：独立实验室最重要的技术领先可能没有想象中持久。

K3同样会挤压通义千问的开源叙事。过去一年，千问依靠密集的模型矩阵、广泛的尺寸覆盖和开发者生态，逐渐占据“中国开源模型领导者”的位置。K3并未取代千问的完整生态，但它用一个超大模型重新夺回了能力上限的话语权。

因此，K3真正伤到的，不是英伟达的订单，而是同行的估值锚。

它提醒资本市场：中国模型的领先地位正在变成一种高折旧资产。模型更新速度越快，单次领先能够支撑估值的时间就越短。

03.K3省下的算力，又被参数吃回去了

月之暗面把K3的技术改进集中在三个方向：长度、深度和宽度。

KDA试图降低长上下文计算成本、AttnRes改变深层网络的信息传递方式，缓解注意力残差在模型加深后的退化、Stable LatentMoE则希望让更多专家参与模型扩展，同时维持训练稳定性。

在MoE结构上，K3共有896个专家，每个Token激活其中16个。作为对比，Kimi K2总参数量约1万亿，每个Token激活384个专家中的8个。

月之暗面称，这套架构将模型的规模化效率提高约2.5倍。这个数字仍有待完整技术报告、权重和第三方复现验证，但KDA与AttnRes并非简单堆参数：它们分别试图处理长上下文成本和深层信息传递两个真实问题。

问题在于，效率提升并没有让模型变小。

月之暗面把节省下来的计算空间，重新投入了更大的参数规模、更长上下文和更复杂的能力。K3因此形成了一个看似矛盾的结果：单位能力可能更高效，整个模型却比上一代更重。

官方建议部署K3使用64张以上加速卡。发布后数日，Kimi一度暂停新增订阅，理由是需求增长超过服务容量。

这揭示了大模型产业经常混淆的两件事：模型效率，不等于服务效率。

架构创新可以降低完成一次计算所需的成本，但如果公司立即用这些收益训练更大的模型、承载更多用户和更长上下文，总算力需求未必下降，甚至可能继续上升。

K3不是在终结Scaling Law，而是在延长它。

04.权重开放了，小玩家却更难上桌

月之暗面承诺在7月27日前发布K3完整权重。截至7月20日，这一承诺尚未到验收时点。

但权重并不等于全部模型能力，更不等于一套可以低成本运行的服务。

K3拥有2.8万亿参数。即使按4比特量化做理论估算，仅存放权重就需要约1.4TB空间。实际部署还需要处理激活值、KV Cache、并行通信、路由和服务冗余。

这意味着，多数创业公司即使拿到了权重，也很难自行搭建一套稳定、低延迟、高并发的K3服务。

它们仍然需要云厂商、专业推理平台，或者直接购买月之暗面的API。

开放权重降低了模型知识产权的进入门槛，却没有消除基础设施门槛。模型越大，门槛反而越高。

这也是K3商业模式的关键：开放权重负责扩大影响力、吸引开发者和建立事实标准。API、企业服务和配套推理基础设施负责变现。

如果一家企业坚持本地部署，月之暗面未必能直接从每一次调用中收费，但它仍可以通过企业授权、部署与适配服务、持续升级、专有版本以及云端API获得收入。更重要的是，绝大多数企业最终会发现，拿到权重只是开始，真正昂贵的是把它变成稳定可用的生产系统。

K3还在强化缓存这门生意。月之暗面称，其服务通过Mooncake系统在部分编程场景实现超过90%的缓存命中率，并为缓存命中的输入设置了远低于普通输入的价格。

这说明模型公司的竞争，已经不只是训练出一个模型，也包括能否围绕模型建立高效的推理系统、缓存体系和开发工具。

开放没有消灭租金，只是让租金从模型权重搬到了云和基础设施。