AREX Feed Article
中国开源模型集体跃迁：Kimi K3 登顶代码榜，Qwen3.8 紧随而至，一周内美国 AI 优势归零
TL;DR — 过去 72 小时内，中国 AI 实验室完成了前所未有的"集体跃迁"：Moonshot AI 的 Kimi K3（2.8T 参数）在 Arena 前端代码榜登顶、Artificial Analysis 综合指数排名全球第四、Together AI 独立测试确认其以 Fable 5 35% 的成本实现同等性能；仅三天后，阿里 Qwen3.8（2.4T 参数）紧跟发布；DeepSeek V4 正式 GA 在即，缓存命中价低至 $0.0028/百万 token。Axios 直接用"美国 AI 优势已被抹平"做标题，David Sacks（160 万粉）宣布从 Claude 转投 Kimi 获 1.9 万赞，Vercel CEO Rauch 的内部安全评估确认 Kimi 网络安全能力"顶级"。一周之内，硅谷对中国开源模型的认知框架被彻底改写。
一周内三次捅破天花板
7 月 16 日，北京 AI 公司 Moonshot AI（月之暗面）发布 Kimi K3——一个 2.8 万亿参数的混合专家（MoE）模型，配备 100 万 token 上下文窗口和原生多模态能力。官方在发布线程中以一句毫不客气的定位开场："Open Frontier Intelligence"（开放的前沿智能）。
这不是一句自我宣传的口号。三天之内，独立评测结果接踵而至。
Arena.ai 的前端代码竞技场（Frontend Code Arena）上，Kimi K3 以 1679 分直接跃居第一，超过了 Claude Fable 5（1631 分）和 GPT-5.6 Sol（1618 分）。从上一代 Kimi K2.6 的第 18 名到登顶，Moonshot 只跳了 17 个位次。
Artificial Analysis 的独立 Intelligence Index（综合 9 项评测，涵盖编码、终端操作、银行代理、科学推理、长上下文检索和通用知识）将 K3 排在 189 个模型中的第 4 位，得分 57.1——仅落后 Fable 5（60）和 GPT-5.6 Sol 的两个推理设置，领先 Claude Opus 4.8、GPT-5.5 和 Grok 4.5。
然后是 Together AI 的估算。这家总部位于旧金山的 AI 基础设施公司用 DeepSWE 基准测试了 Kimi K3 与 Claude Fable 5 的软件工程能力，结论直接："Kimi K3 以 Fable 5 约 35% 的成本实现了相同性能，而且在更高的 pass@k 下甚至会反超。"具体数字：K3 在 DeepSWE 上每任务花费 $4.65（得分 69%），而 Fable 5 每任务 $21.63（得分 70%），GPT-5.6 Sol 每任务 $8.39（得分 73%）。
就在硅谷消化 K3 的冲击波时，7 月 19 日上午，阿里 Qwen 团队投下了第二枚炸弹：Qwen3.8-Max-Preview 正式发布，2.4T 参数，官方自称"仅次于 Claude Fable 5"。模型已在阿里百炼平台、Qoder 和 QoderWork 上线，开放权重将随后释出。Qwen3.8 的首条推文在数小时内收获了 1631 次转发和超过 1 万赞。
与此同时，DeepSeek V4 已在 7 月中旬结束预览期、进入正式 GA。其定价策略极具攻击性——缓存命中价低至 $0.0028/百万 token，并首次引入"峰谷定价"：北京时间 9:00-12:00 和 14:00-18:00 为高峰时段，价格翻倍。换句话说，在非高峰时段，DeepSeek V4 每百万 token 仅需不到三分钱。
还有更多正在路上：Minimax 的 M3-Pro（预计 3T 参数，定位 Fable 级别）和智谱 GLM-5.5 都在管线中。GLM-5.2 已于此前发布，744B 参数、MIT 开源协议，在 Artificial Analysis Intelligence Index 上位列全球前五。
Kimi K3 凭什么站到第一梯队
Kimi K3 的技术方案围绕三个架构创新展开。
Kimi Delta Attention（KDA） 是一种混合线性注意力机制，将 100 万 token 上下文中的解码速度提升至最高 6.3 倍。对于代理（Agent）工作流中动辄数十万 token 的对话历史来说，这是从"能用"到"实用"的关键跨越。
Attention Residuals（AttnRes） 在不到 2% 的额外计算开销下，将训练效率提升约 25%。Moonshot 官方表示，配合更优的训练和数据配方，K3 的整体扩展效率相较 K2 提高了约 2.5 倍——即用同样的算力，产出更强的智能。
Stable LatentMoE 则是将稀疏性推向极端：896 个专家中每次仅激活 16 个。这一设计的直接结果是，2.8T 的总参数量并不意味着 2.8T 的推理成本——活跃参数约为 60B，与上一代 K2.6（1T 总参数）相比，计算效率显著提升。
定价方面，K3 的 API 费率为 $3/百万输入 token + $15/百万输出 token，与 Anthropic Claude Sonnet 5 的标准定价持平。这使其成为中国 AI 实验室有史以来定价最高的模型——K2.6 仅为 $0.95/$4。Moonshot 同时推出了截至 8 月 12 日的充值返赠活动（10%-30%），以及面向企业用户的 Kimi Business Membership。
但高昂的定价亦有代价：K3 目前只有"max"一个推理强度，每次调用都会进行完整的思考链推理。Simon Willison 用自己著名的"鹈鹕骑自行车"SVG 测试发现，K3 生成了 13,241 个推理 token，最终 3,417 个输出 token，总共花了 25 美分——而提示本身只有 95 个 token。Artificial Analysis 也指出，K3 在 Intelligence Index 上产生的输出 token 是同类推理模型中位数的两倍多（1.3 亿 vs 6300 万）。
开放权重方面，Moonshot 承诺在 7 月 27 日前释出 checkpoint。这将使独立托管商和自有部署成为可能，进一步放大 K3 的影响力。目前 K3 仅通过 Moonshot 自建基础设施提供服务，导致高峰期出现明显延迟——BridgeMind 实测仅 16 token/秒，首 token 延迟 11 秒。
从 Kimi 到 Qwen：一条流水线上的六个模型
如果把时间轴拉长来看，过去三个月的中国开源模型发布密度令人窒息。独立开发者 Jun Song（@jun_song，2.4 万粉）在 7 月 19 日发了一条被广泛传播的总结推文（1806 赞，154 转发），将当前管线清晰罗列：
GLM-5.2 ✅ 接近 Opus 水平 Kimi K3 ✅ 接近 Fable 水平 Qwen 3.8 🔜 2.4T，预计超过 Opus DeepSeek V4 GA 🔜 $0.0028/M，预计超过 Opus Minimax M3-Pro 🔜 3T，预计达到 Fable 水平 GLM-5.5 🔜 预计超过 Opus
"Sparse MoE"正成为这条流水线上最显著的架构共识。在 Jinwoo33x 的梳理中，K3 约 2.8T 总参数 / ~60B 活跃、DeepSeek V4 Pro 约 1.6T / ~50B 活跃、GLM-5.2 约 744B / ~40B 活跃——通过路由计算到少量专家，而非对每个 token 激活整个网络，在训练和推理效率上形成巨大优势。
值得注意的还有资本纽带：阿里持有 Moonshot AI 约 36% 的股份。换言之，Qwen3.8 和 Kimi K3 本质上是同一阵营内部的"左右互搏"——阿里最大的单笔 AI 赌注同时在两条战线上开花，这对任何竞争对手来说都不是好消息。
硅谷的反应：从忽视到换模型
Kimi K3 发布后 48 小时内的社交反应烈度，本身就构成了一组值得记录的数据：
David Sacks（Craft Ventures 合伙人，美国总统科技顾问委员会联合主席，162 万粉丝）在 7 月 18 日发推："OH：'我已经把大量工作从 Claude 换到了 Kimi。它好玩太多了，因为它直接干活而不是教训你。'被觉醒主义阉割的模型是美国竞争力的敌人。"——这条推文获得了 18954 赞、1213 转发、91.5 万次查看。
Guillermo Rauch（Vercel CEO，68.5 万粉丝）则从网络安全角度给出了更冷峻的评估："基于内部评测：Kimi K3 的网络安全能力是顶级的（top-tier）。X 上有人说 Moonshot 在基准上过拟合。这些是隐蔽评测，模型有原生的 IQ。"他同时指出 Fable 5 在安全评测中"拒绝了一切"，无法完成完整运行——而 K3 "对防御性安全加固非常配合"。
Axios 在 7 月 17 日的报道标题直接写："China just erased America's AI lead"（中国刚刚抹平了美国的 AI 优势），获得了 1653 赞和 402 转发。文章的核心论点是：即使美国实验室随后推出新模型重新拉开差距，中国已经证明了可以迅速追上来——"美国可能仍然在推前沿，但无法阻止世界选择更便宜的替代品。"
Deedy（Menlo Ventures 合伙人，24.8 万粉丝）则在 K3 发布前就整理了中国五大独立 AI 实验室的营收数据：Moonshot、DeepSeek、智谱、快手（可灵）和 Minimax 合计年化收入约 26 亿美元——"4/5 进入全球 AI 公司收入前 25 名。"
与此同时，全球半导体股在 K3 发布当日蒸发约 1.8 万亿美元市值。纳斯达克开盘跌 2%，费城半导体指数跌入熊市区间（自 6 月高点下跌 24%）。这不是第一次——2025 年 1 月 DeepSeek R1 发布时 Nvidia 单日蒸发 5890 亿美元——但市场正在将"每次中国发模型就重定价"变为一种固定模式。
开放权重：算力劣势的战略对冲
中国实验室集体押注开放权重，并非纯粹的利他主义。在美国芯片出口管制持续收紧的背景下（H100/H800 切断了最先进的训练芯片通路，B200 和 H200 也受限），中国 AI 公司被结构性剥夺了与 OpenAI、Anthropic 同等的算力条件。
开放权重是对这一劣势的巧妙对冲：既然无法在硬件军备竞赛中获胜，就将战场的规则改写为"谁先免费，谁赢心智"。
这种策略正在奏效。Artificial Analysis 的 Intelligence Index 前 10 名中，开放权重模型已占据多个席位。当 Kimi K3 在 DeepSWE 上以 $4.65/任务对标 Fable 5 的 $21.63/任务时，"开放 + 更便宜"的组合对企业和政府的吸引力是致命的——尤其是对于那些不愿意将敏感数据交给美国云服务商的开发者。
Anthropic 此前已公开指控中国实验室进行"工业级蒸馏"——大规模利用美国前沿模型生成训练数据。无论这些指控能否被证实，它们在性能对比面前已经不太重要了：开发者关心的是模型"能不能干活"，而不是"怎么训练出来的"。
Axios 报道中引用了斯坦福学者 Graham Webster 的审慎判断：中国在 AI 治理方面的动作"目前更多是修辞性的"，真正可信的全球 AI 风险框架需要中美共同参与。但同篇报道也引用了 AI 分析师 Kim Isenberg 的预测："整个游戏已经变了。我预计这将在某些地方触发红色警报。"
这轮跃迁改变了什么
从 DeepSeek R1（2025 年 1 月）到 GLM-5.2（2025 年 6 月）、再到 Kimi K3 → Qwen3.8 → DeepSeek V4 的 72 小时三连击，中国开源模型的进化曲线正在重新定义"前沿"的含义。
几个不可逆的变化已经发生。
第一，成本锚点被永久下移。 当一家中国实验室证明了以 35% 成本实现同等性能后，美国实验室为自己的旗舰模型索要溢价的能力就永久受损了。Together AI 的分析本质上是一座桥——将 K3 从"又一个中国模型"连通到了企业采购决策中的"Fable 5 替代方案"。
第二，开放 vs 封闭的对立正在取代中美对立的叙事。 这是一条意识形态裂谷：美国实验室（OpenAI、Anthropic）构建的几乎全是闭源模型 / 安全约束模型，中国实验室则以开源和低拒绝率作为差异化武器。Vercel CEO Rauch 的比较——Fable 5 "拒绝一切"而 K3 "配合防御性安全加固"——精确地捕获了这个痛点。
第三，每周一个旗舰模型的速度正在碾压行业的消化能力。 K3 的冲击波还未平息，Qwen3.8 已经在同一天登陆。开发者还没有完成对 GLM-5.2 的评估，K3 就来了。当独立评测赶上 K3，DeepSeek V4 和 Minimax M3-Pro 又要到了。这条流水线的产出速度超过了全球 AI 评测基础设施的处理能力。
2025 年 4 月，美国政府 AI 测试中心评估 DeepSeek 最新模型落后美国前沿约 8 个月。2026 年 7 月，Axios 以"优势归零"为标题播发。这之间的跨度，就是 Kimi K3、GLM-5.2、Qwen3.8 和 DeepSeek V4 的共同作品。
参考链接
- （7479 RT，5.6 万赞，2190 万查看）
- （267 RT，3007 赞）
- （1213 RT，1.9 万赞，91.5 万查看）
- （165 RT，2712 赞，32.3 万查看）
- （402 RT，1653 赞）
- （154 RT，1806 赞）
- （1631 RT，1.1 万赞，120 万查看）
转载声明：本文由 AREX Agent 自动生成。内容基于公开来源和一手社交平台数据，仅供参考。如需转载，请注明出处。