Kimi K3發(fā)布引美股AI板塊劇烈震蕩，英偉達單日蒸發(fā)8111億

7月17日凌晨，月之暗面甩出了一張牌——Kimi K3。這個2.8萬億參數(shù)的開源模型，在Artificial Analysis智能指數(shù)上拿下57分，直接沖上全球第三，只排在Claude Fable 5和GPT-5.6 Sol身后。技術(shù)能力追平第一梯隊，成本壓到對手一半，路線選的是開源打閉源。看上去是一次常規(guī)的模型發(fā)布，但市場反應一點不常規(guī)：發(fā)布后首個交易日，美股半導體板塊應聲下跌，英偉達單日蒸發(fā)1111億美元。

K3不是最強的模型。但它把“最強性價比”這把刀磨得足夠鋒利，一刀劈下去，市場開始系統(tǒng)性地重估AI產(chǎn)業(yè)鏈到底該怎么分錢。

這個震蕩不是孤例。回看7月9日，OpenAI、xAI、Meta三家同一天發(fā)布新一代模型。發(fā)布會的重心默契得驚人——沒有一家提“跑分刷新紀錄”，沒人在吹“參數(shù)更大”“智能更強”。取而代之的關(guān)鍵詞是：分層定價、企業(yè)場景、以及一場幾乎不加掩飾的價格戰(zhàn)。一邊是中國模型讓美股AI板塊二次重估，一邊是美國頭部廠商集體放棄“最強智能”的神話敘事。過去兩年，整個行業(yè)估值和話語權(quán)都綁在“最強模型”這個錨上。現(xiàn)在這個錨正在松脫——不是被哪一家掀翻的，而是“差距”本身被抹平了。

大模型的競爭維度，正在從參數(shù)軍備競賽，轉(zhuǎn)向另一個更殘酷的戰(zhàn)場：效率閉環(huán)。

過去三年，大模型行業(yè)有一個底層商業(yè)信仰——贏家通吃，代差壓制。投資人和創(chuàng)業(yè)者的算盤打得噼啪響：只要OpenAI或Anthropic能保持一年以上的智能水平代差，后來者再怎么追都是低水平的重復勞動。這套邏輯撐起了萬億估值，也撐起了整個賽道的想象力。但到了2026年夏天，這道用“代差”砌起來的護城河，正被多路大軍從不同方向填平。

一個根深蒂固的認知正在瓦解：萬億參數(shù)=效果保證。模型架構(gòu)優(yōu)化和長上下文注意力機制的改良，正在推翻“體型決定智商”這條鐵律。OpenAI官方披露的數(shù)據(jù)就是一個樣本——GPT-5.6的中檔模型Terra，綜合能力已經(jīng)微幅超越上一代全球標桿；而處于最底層的輕量級模型Luna，在多個復雜推理與編碼測試中，甚至反超了曾經(jīng)的Claude Opus 4.8。翻譯成大白話：OpenAI今天只用大約四分之一推理成本，就復現(xiàn)了半年前行業(yè)頂級頂配才榨得出來的智力產(chǎn)出。旗艦模型“降維打擊”的震懾力，正在自家子系列的內(nèi)部分化中一點點消解。

開源梯隊也在同步填溝。在代碼能力測評極為嚴苛的SWE-bench Verified榜單上，曾經(jīng)的高端閉源頂配Claude Opus 4.8得分約88.6%。采用MIT協(xié)議開源、允許完全本地自部署的DeepSeek V4 Pro，得分80.6%。今年四月亮相并開源的Kimi K2.6，同樣把成績鎖在80.2%的第一梯隊。再看7月17日Artificial Analysis的獨立測試：Kimi K3綜合智能指數(shù)57分，超過Claude Opus 4.8；衡量長周期知識工作的AA-Briefcase中位列第二，僅居Claude Fable 5之后；Arena前端開發(fā)榜以1677分登頂，壓過一眾海外閉源模型。長程任務上，頂尖閉源模型確實還保有更高的容錯率和穩(wěn)定性。但你從任何一個角度的硬核指標去看，曾經(jīng)那條像天塹一樣的技術(shù)代差，已經(jīng)被壓縮到了個位數(shù)。

當一個新版本的發(fā)布只要幾個月就能完成對上一代頂尖模型的超越，“誰最強”這個問題的含金量，不可避免地貶值了。

差距收斂的另一面，是市場對大廠的重新出牌。過去兩年，A股和港股的頭部互聯(lián)網(wǎng)公司普遍被貼過一個標簽——“模型能力落后”。這幾個字一度是拖累估值的重要包袱。但當模型能力的差距被壓平、追趕時間被縮短，“大廠能不能跟上”這件事的賠率，正在被重新評估。

“最強模型”這個詞不再能撐起議價能力的那一刻，價格就成了下一個戰(zhàn)場。但這一輪價格戰(zhàn)，和過去兩年那種“清庫存式打折”完全不是一回事。它不是把舊模型甩賣，而是把新旗艦的定價直接向下重構(gòu)。

信號最直白的就是OpenAI。GPT-5.6一次性拆成三檔：最強的Sol，每百萬Token輸入5美元、輸出30美元；中檔Terra對半砍到2.5/15美元；最低的Luna下探到1/6美元。同一款旗艦內(nèi)部就拉開六倍價差——這本身就是一次立場轉(zhuǎn)變。廠商開始承認，“最強”并不是每個用戶都愿意買單的東西。

跟進者刷地就上來了。同一天，xAI的Grok 4.5把輸入價壓到2美元。Meta把Muse Spark 1.1的API首度對外開放，直接定到1.25/4.25美元。頭部廠商第一次不再享有價格的品牌溢價。

戰(zhàn)火燒回國內(nèi)只隔了一天。7月16日，DeepSeek-V4正式版上線，首次引入峰谷分時計費，打破了大模型API“統(tǒng)一單價”的行業(yè)慣例。API定價第一次按“使用時段”而不是“能力檔位”分層。供需匹配開始取代技術(shù)溢價，成了新的定價邏輯。大模型從“稀缺技術(shù)產(chǎn)品”往“水電煤式基礎設施”的方向，又實實在在地滑了一步。

但真正藏在深水區(qū)的東西，不在標價欄里。是每一個Token背后的真實成本。大模型推理有一條反直覺的規(guī)律：用戶盯著輸出單價算賬，廠商賺的是緩存命中率的錢。長對話、代碼倉庫、Agent任務里那些翻來覆去出現(xiàn)的上下文，每次重新計算一遍就是燒錢，能命中緩存就是印鈔。各家真正在拼的，不是標價欄那幾個美元，而是同一段上下文能被重復利用多少次。

騰訊Hy3把緩存命中價打到基礎輸入價的四分之一。月之暗面開源的Mooncake分離式推理架構(gòu)，聲稱能在長代碼任務里把命中率維持在90%以上——那些動輒幾十萬字的項目背景，理論上只需要付一次錢。Kimi K3首創(chuàng)并開源的這套架構(gòu)，處理高密度編程任務和長代碼倉庫時，能把真實緩存命中率鎖定在超90%的區(qū)間，意味著幾十萬字的項目背景、數(shù)十個歷史版本迭代的中間過程，并不需要每次都去付費重新讀取。

從上游模型掀起價格戰(zhàn)，到推理引擎成本的降維壓榨，大模型的競爭已經(jīng)演化成一場立體化、鏈條式的綜合戰(zhàn)役。模型“夠聰明”變成了入場券，不再是差異點。市場現(xiàn)在真正在問的，不是“誰最聰明”，而是同一個任務，誰能“又快、又穩(wěn)、又便宜”地把它跑完。價格和成本迅速下降，模型分數(shù)差異持續(xù)縮小，整個牌局已經(jīng)被重新洗過。