Kimi K3 挑战西方算力优势
The Decoder··作者 Matthias Bastian
关键信息
文章称，Kimi K3 大致可与 Anthropic 的 Opus 4.8 相当，但仍低于 Anthropic 的 Fable 5 和 OpenAI 的 GPT-5.6 Sol 等前沿系统，不过具体差距并不清楚。据称，月之暗面的 Mooncake 训练栈就是为应对 GPU 不足而构建的，而且分析人士指出，中国公司还可以在海外租用 GPU，这削弱了部分出口管制假设。
资讯摘要
The Decoder 报道称，月之暗面的新模型 Kimi K3 正在迫使西方 AI 实验室重新思考一个核心假设：算力优势是否真的足以保证前沿领先。文章称，这是一家大约 300 人规模的初创公司发布的最新模型，早期评测认为它接近 Anthropic 的 Opus 4.8，但仍落后于 Anthropic 的 Fable 5 和 OpenAI 的 GPT-5.6 Sol。这个时点很关键，因为就在一周前，SemiAnalysis 还认为中国实验室“算力太贫乏，无法真正到达前沿”，而 DeepMind 员工 Anika Somaia 对这种判断提出了质疑。Somaia 认为，从出口管制到“Compute Moat”投资理论，很多西方叙事都建立在“算力决定能力”这一前提之上。她指出，稀缺同样会推动创新，并提到月之暗面的 Mooncake 训练栈就是为了解决 GPU 不足而构建的。SemiAnalysis 创始人 Dylan Patel 也同意，少而精的团队可以通过强化学习、架构和数据方面的研究，在一定程度上弥补算力差距。
Patel 还指出，中国公司可以在中国境外租用 GPU，这意味着部分出口限制并没有达到预期效果。文章还提到，多位外部研究者对 Kimi K3 印象深刻，MIT 和 Google DeepMind 研究员 Michiel Bakker 甚至称其结果“非常惊人”，而且仅靠蒸馏很难解释。OpenAI 战略负责人 Dean W. Ball 则表示，Kimi K3 在智能体式编码场景中表现不错，接近 2026 年第一季度最好的公开模型，但他也提醒说，这个模型似乎“非常吃 token”，因此未必真的便宜。根据 Artificial Analysis 的数据，Kimi K3 的平均单任务成本为 0.94 美元，低于顶级西方模型但差距已经缩小。文章最后认为，Kimi K3 的开源权重发布，一部分可能来自战略判断，另一部分则可能是美国算力管制带来的意外结果。
资讯正文
就像 DeepSeek 一样，中国的 Kimi K3 正迫使西方 AI 实验室重新审视它们在算力上的优势
Moonshot AI 发布了 Kimi K3，这款模型据称已经接近匹配顶级西方模型。这一发布让外界对美国出口管制是否真的奏效产生了新的怀疑。就连一位 OpenAI 策略师也对此印象深刻。
就在一周前，研究机构 SemiAnalysis 还写道，中国实验室“只是算力太匮乏，根本无法真正触及前沿”，这一说法被 DeepMind 员工 Anika Somaia 标记了出来。几天后，拥有大约 300 名员工的初创公司 Moonshot AI 发布了 Kimi K3；根据早期评估，它的表现与 Anthropic 的 Opus 4.8 相当，但仍不及 Anthropic 的 Fable 5 和 OpenAI 的 GPT-5.6 Sol 等顶级前沿模型。这个差距究竟有多大，目前仍不清楚。
Somaia 认为，从出口管制到超大规模云厂商数千亿美元的投资竞赛，再到“Compute Moat”投资论点，整个西方共识都建立在一个假设之上：算力决定能力。
但稀缺反而催生了创新。Somaia 说，Moonshot AI 自研的 Mooncake AI 训练栈之所以被开发出来，正是因为这家初创公司没有足够的 GPU。“一个有品味的小实验室，即使买不起部署前沿模型所需的算力，也能把训练这类模型所需的计算需求压缩下来。”
硬件分析公司 SemiAnalysis 创始人 Dylan Patel 表示同意。“他们凭借一支极其有天赋的小团队，再加上在 RL、架构和数据方面的强劲研究，弥补了很大一部分算力缺口，”他写道。但 Patel 也指出，中国公司可以很容易地在中国境外租用 GPU，这使得一部分出口限制形同虚设。
一位 Google DeepMind 研究员称 Kimi K3“好得离谱”
西方 AI 实验室经常指责中国公司通过蒸馏进行某种形式的数据窃取：较小的 AI 模型从更大模型的输出中学习，本质上搭了便车，威胁西方 AI 实验室的商业模式。直到现在，蒸馏一直是解释中国实验室如何在算力更少的情况下仍保持竞争力的首选说法。
但对于 Kimi K3，这种解释显然站不住脚。MIT 和 Google DeepMind 的 AI 研究员 Michiel Bakker 写道：“这些结果似乎不可能仅通过蒸馏来解释”，并称这款模型“好得离谱”。与此同时，据 Bloomberg 报道，谷歌的旗舰模型 Gemini 3.5 Pro 因未能达到性能目标而已被推迟数月，尤其是在其主要应用场景——编程方面。该公司的 AI 战略再次受到批评，而且谷歌在 AI 搜索领域也正面临监管阻力，尤其是来自德国方面的压力。
OpenAI 战略未来负责人、前政府顾问 Dean W. Ball 称 Kimi 是一款“非常好的模型”，在基于智能体的编码会话中，它与“2026 年第一季度最好的公开模型”不相上下。但他也指出，这款模型看起来“非常吃 token”，因此“对我来说，它是否真的那么便宜、是否真的那么适合大规模运行，并不明显”。
OpenAI 战略师警告“全面 AI 共产主义”
尽管如此，Ball 说，他对中国政府竟然允许如此强大的模型以开源形式发布感到惊讶。他把其中 75% 归因于战略上的视而不见，并称中共在评估 AI 风险时“非常 Yann LeCun 式”，看不到任何生存性威胁。
其余原因则归结为客户端推理所需算力不足，这使得开源权重策略成了美国出口管制的意外副产品。Ball 声称，这些公司也知道，在前沿水平之下，几乎没人会为中国模型付费。
Ball 认为，开源权重模型“本质上是减速主义”的，因为它们会拖慢后续 AI 投资。如果一个由这类模型主导的世界成为现实，可能出现的一个结果就是“全面 AI 共产主义”，即 AI 作为一种公共产品，由国家作为数字基础设施提供。Ball 说，这正是中国所提出的方向，并把这种情景称为一种“反乌托邦地狱景观”。
当然，OpenAI 战略师如此尖锐地批评开源权重模型，并非没有自身利益考量。他所在的公司依赖封闭式商业模式，同时正面临来自 Moonshot AI 和 Deepseek 等提供商日益增长的价格压力。
监管迷雾，而非彻底禁令
Ball 预测，特朗普政府会围绕使用中国开源权重模型制造监管风险。他认为没有必要禁止开源，并称这“是 AI 政策讨论中比较愚蠢的母题之一”。当局只需通过“软法”制造足够的不确定性即可，比如让美联储就中国 AI 模型可能存在的后门发出警告。其理由甚至不需要站得住脚。
目标是在中间地带制造足够风险，以劝阻受监管公司使用中国模型，同时又不会把超大规模云厂商吓得太厉害，以至于初创公司转向信誉较差的供应商。Ball 预计，政府会推出某种版本的这套策略。
更高效的 AI 仍可能意味着对算力的更大需求
Kimi 的进展并不一定意味着所需计算能力更少，但如果真是这样，美国科技公司大规模建设基础设施的做法就会显得没有必要，进而很可能引发股市崩盘。不过，更可能出现的是相反情况。杰文斯悖论表明，更高效的模型会推动更多 AI 被部署，这实际上可能进一步抬高对算力的需求。
根据 SemiAnalysis，Kimi K3 拥有 2.8 万亿参数，规模之大，哪怕经过 FP4 量化，也无法装入单台 Nvidia DGX B200。它需要像 GB300 NVL72 或 B300 这样更强大的系统，而这两者的每块 GPU 都配有 288 GB 内存。
再一次，DeepSeek 的相似之处令人难以忽视。那时候，怀疑者曾预测算力将出现过剩，并一度令市场震动。结果却恰恰相反：随着推理模型逐渐获得关注，对计算能力的需求反而上升了，而这在一定程度上还要归功于 DeepSeek 自己的模型。正如 Google DeepMind CEO Demis Hassabis 所说：“世界上没有人知道接下来会发生什么。”
来源与参考
收录于 2026-07-18