Kimi K3，讓誰緊張？

來源：市場資訊

（來源：連線Insight）

文/竇文雪

編輯/子夜

最近一周，華爾街都在陷入一場對芯片產業的“信任危機”。

費城半導體指數在一周內下跌了12.5%，跌入技術性熊市；17家華爾街投行連夜下調AI芯片企業目標價；高盛更是將這場下跌定義為“去杠桿事件”，認為“算力擴張時代”或已接近尾聲，AI估值邏輯面臨重塑。

這場震蕩的開端，部分原因是因為一家中國企業的大模型產品更新。

7月16日，月之暗面發布旗下新一代大模型Kimi K3，不僅成為全球首個開源的近3萬億級模型，還在上線不到一天，就登頂了Arena.ai前端代碼競技場，在品牌營銷、參考設計、數據分析、消費產品、模擬、內容創作、游戲這七個細分方向中，拿下六個第一，僅游戲類排名稍稍落后于Fable 5。

這種“屠榜式”的成績，讓國內外開發者們蜂擁而至。

市場中的測評帖越來越多，甚至特斯拉CEO馬斯克都在相關評測報道下方留言“令人印象深刻（Impressive）”。他還將Kimi作為標桿，聲稱旗下AI公司正在訓練的2萬億參數新模型，且“可能超越Kimi”。

隨著“測評潮”席卷而來，Kimi K3的用戶的請求量在短時間內大幅超出預期，月之暗面也害怕影響現有用戶的體驗，緊急給Kimi K3按下了“暫停鍵”。

其在7月19日晚間發布公告宣布，暫停開放C端新用戶訂閱。

圖源月之暗面官方微信公眾號

一面是展現真實需求的“算力崩塌”，另一面是展現資本恐慌的“股價崩塌”，Kimi K3實則動搖了市場敘事的邏輯。

長久以來，華爾街篤信高性能芯片決定一切，這也推動了AI算力基礎設施估值的暴漲。

但Kimi K3用更少的算力、更低的成本，交付更高強度的任務結果，并賣到比國內同行更高的價格，或許已經真正動搖了這套邏輯。

這一次，或許曾經的算力至上論，將被重塑了。

1、讓華爾街緊張的，其實是Kimi K3的算力轉化效率？

華爾街的緊張不止一次，上一次，它們的危機感來源是DeepSeek。

在去年年初DeepSeek R1發布時，英偉達曾單日蒸發5890億美元市值。

只不過，當時市場的恐懼并沒有維持多久，隨著推理需求的激增，市場的主流判斷回到了AI發展仍需要大量算力上，英偉達等芯片股在隨后一個月內就迅速收復了大部分失地。

這一次，Kimi K3引發的這場華爾街震動，也被市場普遍稱之為“DeepSeek時刻2.0”。

回看DeepSeek R1，其以不到GPT-4十分之一的訓練成本，實現了與頂尖模型相當的性能，且為開源模型。

Kimi K3也是如此。

在Kimi K3身上，第一個有說服力的數據就是2.8萬億的參數，這是當前大模型領域的頂級規模，意味著大模型在能力上限、架構效率、資源消耗以及行業影響上達到了新的高度。

圖源Kimi官網界面

另一個含金量很高的指標，來自Arena AI前端代碼競技場。K3以1679分登頂，超過了Claude Fable 5的1631分和GPT-5.6 Sol的1618分。第一次，一個開源模型在真實開發者盲測中戰勝了所有閉源對手。

這張榜單與實驗室中跑出來的分數不同，它采用的是Elo對戰積分機制：平臺上每天有真實的前端開發者在提交自己的實際工作需求，如寫一個登錄頁面、做一個數據可視化圖表等。

系統每次隨機挑選兩個模型，匿名給出兩份代碼，開發者只看到代碼本身，不知道哪份出自誰之手，然后憑實際效果選出更好的一份。贏家從輸家那里拿分，對手越強加分越多，對手越弱扣分越狠。

在這種盲選的機制下，品牌光環、營銷聲勢、創始人名氣均被屏蔽在外，唯一的評判標準就是代碼質量本身。

而拿到這些成績的Kimi K3，推理成本卻不高。

Kimi K3的成本相比國際頂尖的大模型產品更低。據第三方機構Artificial Analysis測算，Kimi K3單任務成本約0.94美元，與GPT-5.6 Sol的1.04美元接近，約為Claude Opus 4.8（1.80美元）的一半。

Kimi K3能做到在控制成本的同時保證大模型的性能，核心在于幾個關鍵創新。

首先，Kimi K3做了兩項架構更新，根據月之暗面發布的公告，該產品是基于Kimi Delta Attention（KDA）和Attention Residuals（AttnRes）構建，前者為混合線性注意力，后者為注意力殘差。

這兩項更新，能讓信息在更長序列和更深模型中流動得更順暢。

兩項架構更新圖，圖源月之暗面官方微信公眾號

其中，KDA是一種混合線性的注意力機制，可以用線性注意力替代大部分計算，同時保留少量全注意力層處理需要精確檢索的場景。

而傳統Transformer的注意力機制，在處理超長文本時計算成本會呈平方增長，這種架構的更新結果，就是讓KV緩存使用量減少了75%，在100萬token上下文長度下解碼吞吐量提升最高6倍。

AttnRes可以讓模型有選擇的跨層檢索信息，相比于傳統模型還需要在各層均勻積累信息，這種架構能讓底層學到的東西不容易被頂層“忘掉”。

同時，Kimi K3進一步擴大了 Mixture of Experts（MoE）的稀疏度，雖然模型參數很高，擁有896個專家模塊，但每次推理時只激活16個。也就是說雖然模型的知識面很廣，但每次回答問題調用的計算量都受到了嚴格的控制。

上述結構的改進，讓K3相比上一代K2的整體訓練效率提升了約2.5倍，能更有效地把算力轉化為能力。

MoE架構控制單次推理的計算量；KDA注意力機制解決長文本的存儲和傳輸效率；量化感知訓練讓模型天生適合低精度部署。三項技術的“組合拳”，成為Kimi K3實現性能登頂與成本可控的核心。

2、C端需求暴漲，Kimi K3實測表現如何？

就像在Arena AI前端代碼競技場投票的開發者一樣，Kimi K3在實操中的能力吸引了大量海內外開發者測評，Kimi K3被“擠爆”到暫停銷售。

而這種火爆的場面實則在發布前就已經埋下伏筆。

7月15日，月之暗面在X平臺發布了一支36秒的視頻。畫面里全是檔案紙、磁場線、金屬小球，還有各種三個一組的構圖，色調偏冷，審美不錯。即便月之暗面沒有解釋這支視頻的意思，但很多用戶都知道，這是Kimi K3的預告片。

這支Kimi K3的預告片，是Kimi K3自己剪輯的，它在56段原始素材里完成選片、卡點、動作匹配和音頻處理。月之暗面用這種方式，證明Kimi K3能做出關注細節、完整、讓人滿意的復雜作品。

圖源月之暗面官方微信公眾號

官方交出的成品往往有一定的迷惑性，但在過去的一周中，Kimi K3頂住了大量海內外開發者帶來的測評壓力。

很多測評者從這條原始的預告片出發，反證Kimi K3的生成能力。

有測試者將Kimi的原預告片交給K3參考，讓它重新生成一段動畫。從其生成的畫面來看，K3能夠完成理解原視頻、重建網頁畫面，到處理鏡頭、動效和交互的整個過程。

在測評的過程中，Kimi K3也確實證明了自己在生成畫面時很注意細節上的處理。

例如有網友測試了水流效果的生成，稱Kimi K3能模擬出逼真的水波紋，保持物理上的連貫性；也有人用櫻花盆景測試Kimi K3的SVG視覺生成能力，發現Kimi K3在樹干扭曲、分層樹冠等細節上比Fable 5更貼合要求。

除了視覺生成，開發者們還從3D生成、游戲生成、編碼能力等方面給Kimi K3出了很多測試題，而Kimi K3的表現都可圈可點。

3D交互是很多測評者屢試不爽的測評內容。PANews的測試顯示，上傳一段3D棱鏡宣傳視頻，Kimi 3能自主解析動態光影、幾何體結構，一鍵輸出完整可運行的WebGL渲染工程，獨立編寫底層Shader實現色散光帶特效。

還有網友讓Kimi K3用Three.js生成一個可探索的微型城市，要有高低錯落的建筑、街道、樹木、一條穿城而過的小河，同時需要一個晝夜循環系統。而Kimi K3生成的內容，畫面和配色都很和諧，提示詞中要求的元素也都沒有落下。

月之暗面展示的Kimi K3創作數字作品案例，圖源月之暗面官方微信公眾號

在游戲生成領域，Kimi K3也表現突出。

科技博主Chris用Kimi K3構建了一個CS:GO×Portal克隆游戲，三輪對話、花費約60萬Token，按API定價算下來只花了3.24美元，而同樣的Token成本，Fable 5需要10.80美元、GPT-5.6 Sol需要6美元。

也有測試者花了整整一天時間，開了最高檔699元會員，消耗了5億以上的Token。幾個小時后，Kimi K3一次性生成了一個可用性和完整度都很高的GTA網頁游戲。

在更復雜的工程任務中，K3已經超出了“寫代碼”的范疇。

有博主新建了一個空工程，通過讓Kimi K3從零完成一個包含三個模塊的桌面Web產品，得出了其長任務推進、模塊拆分、代碼實現和自驗證能力很強，已經能完成一次小型產品級交付的結論。

也有開發者用K3交付了一個真實的小程序項目——復用現有數據、打通Google登錄和微信身份、支持朋友圈轉發。首輪需求提了五個要點，K3最終全部完成。

當然，Kimi K3并非沒有短板。

生成速度是測評者們反饋最多的問題。有測評者發現，K3在復雜場景下的生成時間接近半小時到兩小時，同場景生成時間約為GPT-5.6 Sol的2到3倍。有用戶讓K3做一個視頻，第一版全是靜態圖片，不滿意后要求動態視頻，K3花了三個小時去找片段合成、寫代碼模擬曲線。

還有開發者實測后吐槽它“太啰嗦”、生成的信息圖審美一般，有人直接表示自己的編程任務沒有跑通，換回Claude Opus效果更好。

不過，這些短板并沒有擋住用戶涌入的熱情。那些“驚艷”的時刻讓不少開發者相信，Kimi K3的能力已經跨過了一條關鍵的閾值。隨著測評熱潮的退卻，真正看到Kimi K3價值的使用者也將在未來逐漸涌現。

需求的暴漲，或許將讓同行們感到一絲緊張，畢竟，每一個更強的模型出現，都意味著行業的座次將會重新排列，在激烈的競爭中，每家大模型公司都要保持快速奔跑。

3、定價不便宜，Kimi K3開拓商業化空間

令同行和市場緊張的第三個關鍵，或在于Kimi K3的定價體系。

KimiK3輸入定價為20元/百萬tokens（緩存未命中）、2元/百萬tokens（緩存命中），輸出定價為100元/百萬tokens。

Kimi K3定價圖源月之暗面官方微信公眾號

雖然依托Kimi K3的Mooncake分離式推理架構，還能讓用戶的實際使用成本更低。月之暗面官方披露，依托Mooncake架構，K3在編程高頻場景下的緩存命中率超過90%。

但如果只橫向對比輸出價，Kimi K3的價格遠超國內同行，按照混合API定價來看，Kimi K3的每百萬token 2.3美元，也顯著高于國內同類競品：阿里Qwen3.7 Max為1.4美元，智譜GLM5.2為0.9美元，MiniMax M3為0.22美元，DeepSeek V4 Pro為0.18美元。

但與海外頂級模型相比，Kimi K3仍有價格優勢。

Kimi K3的輸出價格（約15美元/百萬token）與GPT-5.6 Terra（OpenAI的中端層）持平，約為Claude Opus 4.8（25美元）的60%、GPT-5.6 Sol（30美元）的50%、Claude Fable 5的三分之一。

綜合來看，即便Kimi K3相比于國內大模型而言并不“實惠”，但它也還是被“擠爆”了。這恰恰意味著實力決定價格，當模型足夠強，其企業就有足夠的定價權，商業化的空間也將較為可觀。

不少券商分析師也對此給出了積極的評價。例如摩根士丹利分析師將K3的高定價定性為國內大模型行業“定價回歸”的標志性正面信號；華泰證券也指出，K3智能的提高直接帶來了Token定價的提高，隨著長上下文、多模態和復雜工作流能力提升，國產模型定價正由低價競爭逐步轉向能力定價。

對于當下的月之暗面來說，Kimi K3帶來的是從商業到資本的多重利好。

近期，有消息稱月之暗面正在沖刺上市，其已經向投資人發送上市議案，預計最快6個月內完成港股IPO。

而在這個過程中，決定月之暗面上市順利與否的關鍵因素——估值與收入，都在快速增長。

目前，月之暗面的投前估值已達315億美元，從2025年底C輪的43億美元至今，半年內翻了超過7倍，累計融資額突破376億元人民幣。

另據多家媒體報道，月之暗面的年度經常性收入（ARR）在2026年3月首次突破1億美元，5月達到2億美元，6月站穩3億美元關口——三個月內翻了3倍。API收入已占整體收入的七成以上，公司告別了早期依賴C端個人訂閱的單一模式，進入C端+B端并行的規模化變現周期。

而KimiK3的發布，已經讓Kimi收獲了大量資本的目光，且根據IT時報報道，數據顯示，在7月17日K3發布節點，年化收入（ARR）從平緩波動區間陡然沖高，創下歷史最大單日增幅。

圖源Kimi官網

對于獨立的大模型企業來說，商業化始終是資本和公司共同關注的重點。盡管月之暗面已經撼動了算力底座對模型能力的決定性影響，但這不意味著算力就不重要，月之暗面想要達到更高的參數規模，對通信帶寬和內存仍然有著極高需求，未來的投入依然不會少。

如果Kimi能夠跑通“高定價-高收入-高研發投入-更強模型”的正循環，就意味著其將真正形成一條完善的商業化路徑。

Kimi K3依靠架構創新降低算力消耗，憑借綜合能力獲得市場溢價，依托真實需求打開商業化空間，三重突破疊加，將成為資本市場評估它的關鍵指標。

如果后續，更多的“Kimi K3”路線被證實有效，舊有的行業估值邏輯或將真正顛覆，一場圍繞技術效率與商業價值的競爭周期，即將全面開啟。

（本文頭圖來源于月之暗面官方微信公眾號。）