K3模型发布：中国AI从能力追赶进入产品替代阶段

引言

K3与DeepSeek出现时，AI所处的产业阶段已经完全不同。DeepSeek发布时，主流产品仍主要通过聊天窗口处理问题，模型证明的是“低成本也能获得强能力”；而到了K3出现的今天，Codex、Claude Code这类Agent已经能够读取项目、调用工具、修改文件、运行测试并持续完成任务，部分工作甚至开始从“辅助人工”走向“替代人工”。

举例来说，Chat时代的AI可以帮你生成一段视频、写一份脚本，或者告诉你应该怎样剪辑；Agent时代，AI开始能够直接读取素材、理解叙事目标、挑选片段、匹配字幕与音乐、调整节奏、完成剪辑，并根据反馈继续修改。

本文所有讨论都是基于Agent时代的AI能力来讨论的。很多没有持续跟踪AI的人，仍然停留在聊天机器人的认知里，因此低估了这一轮变化。

第一部分 发生了什么：

一个开放模型，第一次接近封闭前沿

Kimi K3最值得关注的，并不是2.8万亿参数这个数字本身，而是它把中国开放模型推进到了一个新的位置：虽然整体能力仍落后于最强的美国闭源模型，但已经进入同一个竞争区间。

月之暗面公布的信息显示，K3拥有2.8万亿总参数、100万Token上下文，采用更加稀疏的MoE结构，每次只激活896个专家中的16个。更重要的是，月之暗面称，新的注意力结构、专家架构和训练方法，使K3相较K2的整体“规模效率”提高约2.5倍。换句话说，同样一单位训练计算，可以转化出更多模型能力。(网页链接{Kimi AI})

在月之暗面自己的评测中，K3整体仍落后于Claude Fable 5和GPT-5.6 Sol，但在长周期编程、知识工作、GPU内核优化等任务上已经表现出前沿水平。第三方评测也给出了相近结论：Vals AI将其排在Fable 5之后、GPT-5.6 Sol之前；Artificial Analysis认为其综合表现已经接近GPT-5.5和Claude Opus 4.8。(Reuters)

Reuters援引Omdia首席分析师Lian Jye Su的判断称，中国模型可以用“OpenAI收费的一小部分”运行。这个评论抓住了K3真正有冲击力的地方：它不一定是全球绝对最强的模型，却可能已经足够强、足够便宜，也足够开放。(Reuters)

这与新能源汽车早期的竞争非常相似。真正改变市场的，通常不是第一辆技术指标最高的车，而是第一辆性能已经足够、价格能够接受、可以大规模交付的车。

K3的重要性，也不在于它是否在某一个榜单上击败OpenAI或Anthropic，而在于中国第一次拥有了一个在复杂编程、Agent和知识工作上接近美国头部产品，同时又可以开放部署的超大模型。

它不是一次简单的模型发布，而是中国AI从“能力追赶”进入“产品替代”的信号。

二、K3意味着什么：更少的训练算力，开始制造更多可用智能

理解K3，必须首先把训练和推理分开。

K3大概率仍然依赖英伟达高端GPU完成主体训练。月之暗面尚未公布完整训练硬件、GPU小时和总成本，因此现在不能证明它已经摆脱英伟达，也不能精确计算它比OpenAI、Anthropic少用了多少芯片。

但月之暗面已经披露，K3相较K2的整体规模效率提高约2.5倍。这意味着，即使训练仍然依赖高端GPU，中国模型公司也在用更少的高端算力，逼近过去只有更大训练集群才能达到的能力区间。(网页链接{Kimi AI})

这并不是一次孤立事件。

从DeepSeek到Qwen、Kimi K2，再到K3，中国模型公司不断证明一件事：模型能力与GPU投入并不是简单的线性关系。决定一张高端GPU最终能够产生多少智能的，不只是芯片性能，还包括模型架构、数据质量、强化学习、低精度训练、通信调度、编译器和系统工程。

美国OpenAI和Anthropic的优势，仍然是拥有全球最强的高端芯片供给和最大的训练集群；中国路线则是在芯片受限条件下，尽可能提高每一张GPU的智能产出。

因此，K3首先松动的是一种旧信念：

模型每提高一个等级，训练算力就必须同比例增加。

高端训练卡仍然重要，尤其是在探索能力极限时。但要训练出一个已经可以进入生产场景的模型，所需要的高端GPU数量，可能没有市场过去想象得那么多。

与此同时，Codex和Claude Code正在证明，“足够可用”已经不再是抽象概念。

一项基于Codex实际使用数据的研究显示，2026年上半年Codex活跃用户增长超过五倍；超过10%的用户每周会同时管理三个或更多Agent；提交需要资深人类工作八小时以上任务的用户比例，在半年内增长接近十倍。(arXiv)

微软内部对数万名工程师的研究则发现，采用命令行编程Agent的开发者，合并的代码提交数量平均提高约24%。合并提交并不等同于最终经济价值，但它至少说明，AI Agent已经不只是聊天工具，而是在真实改变生产流程。(arXiv)

Anthropic自己的经济研究也显示，编程任务正在由Claude网页聊天界面迁移到更加自动化的Claude Code和API工作流；其API中的编码任务，会被Agent拆解为大量连续的小型调用。(Anthropic)

这说明AI产业正在跨过一个关键界线：

过去的大模型主要展示“它能做什么”；今天的Agent开始证明“它能创造多少产出”。

一旦AI可以持续读取文件、调用工具、运行程序、检查结果、修正错误，并同时调度多个Agent，它就不再只是提高人的工作效率，而开始成为一种能够独立消耗算力、持续产生结果的生产系统。

这意味着推理时代已经从0到1，进入了1到10。

训练的作用，是制造一个模型；推理的作用，是让这个模型每天工作数百万甚至数亿次。训练成本再高，也主要集中在少数实验室和有限时间内；推理则会随着用户数量、任务复杂度、Agent数量和运行时间持续增长。

未来训练仍然重要，因为最强模型决定能力上限。但是，从推理时代反过来看，高端模型训练的胜负手，可能已经不再只是“谁拥有最高端的芯片”。

当芯片性能提升带来的边际优势，能够被更好的算法、数据、工程和强化学习部分抵消时，前沿竞争会从单一的芯片竞赛，转变为整个智能生产系统的竞争：

谁能用更少算力获得更强模型，谁能更快获得真实用户反馈，谁能让Agent在生产环境中产生更多数据，谁就能形成更快的模型迭代循环。

最高端芯片仍然是优势，却可能不再是唯一决定性优势。

三、K3改变了什么：国产推理扩产第一次具备了产品前提

在K3之前，中国用户虽然已经可以使用不少国产模型，但在复杂编程、长周期Agent和高难度知识工作中，真正稳定可靠的选择仍然主要是OpenAI和Anthropic。

我们可以付费使用Codex和Claude Code，却缺少能力足够接近、能够部署在国内算力上、同时拥有开放权重的平替产品。

这意味着此前国产推理扩产存在一个根本问题：

不是中国没有服务器、没有芯片，也不是没有建设数据中心的能力，而是缺少一个足够强的模型，去证明这些算力建成以后能够产生持续的商业需求。

没有足够好的模型，扩产只能依靠政策、补贴和预期推动；只有模型真正可用，芯片采购、服务器建设和数据中心投资才会产生商业回报。

K3的出现使情况发生了变化。

它仍然不是全球最强模型，但已经开始具备替代美国头部模型完成大量实际任务的可能。它支持长周期编程、知识工作、多Agent协作和百万Token上下文；完整权重计划开放，又意味着云厂商、互联网企业和大型机构可以在自己的基础设施中部署和优化它。(网页链接{Kimi AI})

这才是国产推理扩产真正需要的前提：

不是先有国产芯片，再等待模型适配；而是先有足够好的模型，真实需求再反过来要求国产芯片和基础设施追赶。

当然，K3的部署并不轻。月之暗面建议使用至少64张加速器组成的超级节点，因为超大MoE模型依然高度依赖高带宽通信。其完整权重、训练报告和更多部署细节也要到2026年7月27日前后才会进一步公开。(网页链接{Kimi AI})

但这恰恰说明，国产推理时代的扩产并不只是增加GPU数量。

超大模型推理的核心卡点会逐渐从纯计算能力，转向“记忆体系”：

模型权重能否被容纳，KV Cache能否被高效保存，数据能否在HBM、DRAM和SSD之间快速移动，不同芯片能否高速通信，编译器和推理框架能否让国产硬件稳定运行。

因此，K3带来的扩产机会不只属于国产AI芯片，也属于服务器内存、企业级SSD、高速互联、光模块、交换机、电源、液冷以及推理软件。

从这个角度看，K3是国产推理时代的一个节点。

DeepSeek首先证明了，在有限高端芯片下，中国可以用更高的训练效率制造出强模型；K3进一步证明，中国开放模型开始有能力进入复杂生产场景。前者降低了模型的制造成本，后者开始打开模型的使用规模。

这也构成了G2人工智能竞争的新结构。

美国仍然掌握最强芯片、最大训练集群和能力上限；中国则依靠更高的算力效率、开放模型和庞大的本土应用市场，试图把接近前沿的智能更快地转化为基础设施和产业应用。

美国路线的核心是继续向上突破智能上限；中国路线的核心，则可能是更快降低可用智能的成本，并把它扩散到更大的市场。

最终决定胜负的，未必是谁率先训练出全球最强的单个模型，而是谁能够最先形成一个自我强化的循环：

更高的训练效率，产生更多可用模型；更多可用模型，带来更大的推理需求；更大的推理需求，推动国产芯片和基础设施扩产；更大规模的真实使用，又为下一代模型提供数据、收入和工程反馈。

K3真正值得重视的地方，是它表明，中国第一次有可能依靠自己的模型供给，启动自己的推理扩产周期。

训练解决的是能不能造出智能。

推理决定的，才是谁能够把智能变成生产力。

以上，拥抱超级生产力的超级扩产周期。