Kimi K3 將中美AI差距縮至3個月，重塑競爭格局

Moonshot AI 的 2.8 兆參數 Kimi K3 已將美國在開源 AI 領域的領先優勢從 12 個月縮減至三個月，迫使專有模型經濟學面臨重新評估。

Moonshot AI 於 7 月 16 日發布的 Kimi K3 是一款 2.8 兆參數的開放權重模型，其在智慧基準測試中的得分已逼近 Anthropic 的 Fable 5 與 OpenAI 的 GPT-5.6-Sol，將美中 AI 差距從原先多達 12 個月壓縮至約三個月。

追蹤此次發布的 GlobalData 分析師表示：「開源前沿已經出現決定性轉變。Kimi K3 傳遞的是關於開放權重開發速度的信號，而非立即顛覆企業格局的事件。」

K3 採用混合專家（MoE）架構，每次查詢僅激活 896 個專家中的不到 2%，從而降低訓練冗餘。根據 Moonshot 說法，其專有的 Kimi Delta 注意力機制可將 KV 快取需求削減 75%。在 Artificial Analysis 的智慧指數中，K3 得分為 57——與 Claude Opus 4.8 和 GPT-5.5 持平，但仍落後於 Fable 5 和 GPT-5.6-Sol。在前端程式碼競技場（Frontend Code Arena）上，K3 在發布數小時內便躍居榜首。

該模型的標題定價為每百萬輸入代幣 3 美元，約為美國競爭對手的半價，但獨立測試表明，較重的代幣使用量在很大程度上抵消了這一優勢——實際每項任務成本僅比 GPT-5.6-Sol 便宜約 10%。更大的威脅來自結構層面：接近前沿能力的開放權重模型削弱了專有平台的定價能力，壓縮了純 AI 實驗室的利潤空間，而此時 Anthropic 和 OpenAI 正準備上市。

躍進背後的架構

K3 的性能提升源於三項工程選擇。首先，其 MoE 稀疏性——每次查詢激活 896 個專家中的 16 個——將有效參數效率推升至 DeepSeek 的 V4 Pro 之上，後者激活了 3% 的參數。其次，Kimi Delta 注意力機制結合了全域注意力與線性注意力，將歷史上下文壓縮為持續更新的狀態向量，而非保留每個代幣的完整 KV 對。Moonshot 聲稱這可將 KV 快取減少 75%，這在上下文視窗擴展至超過 100 萬代幣的時代是一項關鍵優勢。第三，注意力殘差機制可跨更深網路層保留資訊保真度，解決了限制密集架構擴展能力的退化問題。

這些創新在中國硬體受限的背景下尤為重要。美國出口管制限制了對 Nvidia 最高端 GPU 的取得，迫使中國實驗室必須最大化演算法效率。K3 的 2.8 兆參數使其成為有史以來最大的開放權重模型——比 DeepSeek 的 V4 Pro（1.6 兆參數）大約 75%——但其推理硬體需求仍相當嚴苛。Moonshot 建議部署在至少配備 64 個加速器的集群上，例如 Nvidia 的 GB300 NVL72 或華為的昇騰 950 Superpod。最低本地部署需求為八塊 Nvidia A100 GPU，對應約 400 萬人民幣（55 萬美元）的硬體成本。

市場衝擊與開源算計

K3 的發布引發了一場全球半導體拋售，市值蒸發超過 3.3 兆美元，費城半導體指數從 6 月高點下跌超過 20%。Nvidia 與 AMD 雙雙重挫，投資人正在重新定價美國實驗室擁有不可動搖領先優勢的假設。

此次拋售反映的是結構性轉變，而非情緒驅動的過度反應。在面向個人與小團隊用戶的領先 LLM 市場平台 OpenRouter 上，來自小米、騰訊和 Z-AI 的中國模型在 6 月成為最受歡迎的五個模型，美國模型首次被推至少數份額。自 2026 年初以來，隨著中國實驗室在成本上展開競爭，代幣定價持續下滑。

然而，K3 對美國實驗室收入的實際影響在短期內仍然有限。Anthropic 的年化經常性收入從 3 月到 6 月以每月超過 30% 的速度增長，主要來自企業編碼應用——這是一個資料主權與信任要求有利於美國供應商的領域。據報導，川普政府正在考慮採取措施，實際上禁止美國公司使用中國開源模型，這可能使本土實驗室免受直接競爭。

更持久的後果在於經濟層面。接近前沿能力的開放權重模型加速了模型層的商品化，將價值轉向應用層體驗、開發者工具和雲端基礎設施。擁有既有企業關係的雲端服務供應商——亞馬遜、微軟、Google——將從中受益，因為差異化論述正從模型品質轉向推理經濟學與平台整合。

Moonshot 正以約 300 億美元的估值尋求香港上市，高於 2025 年底的約 40 億美元。相比之下，OpenAI 的估值接近 1 兆美元，DeepSeek 據報為 710 億美元。這一差距捕捉到市場的不確定性：中國 AI 實驗室被低估，還是美國實驗室被高估——或者兩者皆是。

對投資人而言，K3 時刻強化了一個簡單的論點：更便宜的智慧擴張了總計算需求，而非使其萎縮。每一次降低代幣成本的效率突破，都會增加世界想要生成的代幣數量，這一動態被稱為杰文斯悖論。硬體與基礎設施層——GPU、記憶體、資料中心及其運轉所需的電力——無論最聰明的模型在任何月份掛上哪面旗幟，都將從中受益。在拋售前，Nvidia 股價約為遠期本益比 35 倍，反映出市場仍將美國 AI 主導地位視為既定事實。K3 的發布表明，這一假設需要更新——但方向並非總體需求下降。

本文僅供資訊參考，不構成投資建議。