2.8万亿参数，全球参数最大。这是K3近期震动全球的成绩。

瞬间，春节之后沉浸了许久的大模型行业再度迎来喧嚣时刻，K3全新模型收获海内外广泛关注，复刻了此前DeepSeek R1横空出世时轰动行业的高光。

不着急赚钱的DeepSeek与Kimi在应对商业化、算力生态以及资本市场方面有些截然不同的态度与打法，不过这并不影响两家中国AI公司身上如出一辙的标签。

两者先后依靠技术突破打破海外厂商的技术壁垒，背后是相近的生存思路：不靠低价补贴抢占用户，依托硬核模型能力争夺行业话语权，换取可持续的商业收益。

| 再现DeepSeek高光时刻，

K3出圈的不只有训练成本 |

大模型是人工智能产业的重要底座，是AI走向物理世界的大脑。

但近一段时期的AI产业，舆论关注重点持续向硬件端倾斜，具身智能热度攀升，各类人形机器人、AI便携终端接连亮相，纯基础大模型赛道获得的关注度开始降温。

甚至不少观点开始认为，在开源商业模式以及国内大规模算力投资背景下，基础模型能力接近瓶颈，后续行业竞争的主战场将集中在应用落地层面。

作为拥有2.8亿参数的全球最大来源模型，K3的惊艳实力，对这类判断形成有力冲击，即，基模仍能且需要不断走向极致创新。

在近期Artificial Intelligence独立测试中，K3在衡量长周期知识工作的AA-Briefcase中位列第二，仅次于Claude Fable 5。同时，K3还以1677分登顶Arena前端开发榜，压过一众海外闭源模型。

对于K3的影响力，有外媒甚至直言美国领先的逻辑不再绝对。连马斯克也在评论区用 “Impressive（令人印象深刻）”来评价K3，并在隔天介绍xAI正在训练的下一代模型时候表示，其“有可能超过Kimi”。

它的惊艳之处在哪里？

K3 拥有 2.8 万亿总参数、原生视觉理解和 100 万 Token 上下文，官方将其核心场景概括为长周期编程、知识工作和复杂推理。官方展示的能力评测结果也主要围绕这三个层面。

以推理为例，K3 在 OmniDocBench 达到 91.1 分，高于 Fable 5 的 89.8 分，“它不是靠后天很多技能学习或者打磨出来的强模型，是一个原生就非常聪明的模型。”月之暗面企业业务负责人黄震昕表示，K3最核心的特点是长时程高难度推理能力。

虽然K3单任务成本约0.94美元，与GPT-5.6 Sol的1.04美元接近，约为Claude Opus 4.8（1.80美元）的一半，也具有性价比优势，可价值还不止如此。

这需要从技术逻辑去理解K3的优势。理论上，我们认为模型变越大可能就需要更多计算成本，但实际上通过优化改造模型的容量、注意力和跨层信息流，也可以在控制成本的同时得到相当好的产出。K3 的策略便是把MoE 的稀疏激活率推向了 1.79%（16/896）。

直白地讲，如此可以容纳更多知识和技能，从而得到更高的能力上限，据了解相比上一代K2的整体训练效率提升了约2.5倍，能更有效地把算力转化为能力，即，算力效率更高。

但回过头来看，技术的创新大概率可以从创始人的履历中去理解，也就是说，K3能够交出这样的技术答卷，并非偶然。

月之暗面创始人杨植麟拥有扎实的学术背景，公开履历显示，其本科就读清华大学计算机系，博士阶段深造于卡内基梅隆大学。作为Transformer-XL、XLNet核心作者，两篇经典论文持续影响大模型技术演进，累计引用规模位居行业前列，深厚的学术积淀，奠定企业技术优先的发展基调。

与梁文锋一样，两个企业家走红的轨迹高度相似，尤其是没有如同互联网大模型厂家动辄数十亿的大规模营销造势，去赢得月活规模优势，却能依托于关键技术迭代，拿到全球产业舞台的入场资格。

在行业追逐用户规模留存之际，还能沉下心打磨基础能力的玩家，更容易掌握博弈主动权。只不过产品技术验证完成之后，商业化道路如何布局，是考验企业长久发展能力的核心难题。

| Kimi商业化逻辑，价格竞争力成色如何？ |

杨植麟和梁文锋有相同，也有不同，不同体现在商业化角逐中。梁文锋更愿意强调多一些克制，月之暗面推进商业化的节奏则似乎更加主动清晰。

Kimi目前同时发力B端和C端，其负责人表示，互联网、金融、制造、教育、医疗是目前主要的企业客户来源。同时，海外市场增长更快，付费用户和API收入都增长了400%，产品进入200多个国家和地区，至于C端，核心策略与主流通用大模型并无差别，都是面向用户收取会员费。

无论是B端还是C端，模型能力效果影响其商业化深度，而价格水平影响其市场广度。对Kimi而言，B端与C端在价格层面的逻辑不同。

其中，针对B端的涨价，已成了行业风向。例如，此前智谱GLM-5系列已经过三轮上调价格。DeepSeek也宣布过V4正式版上线后实行峰谷定价，高峰时段价格翻倍。Kimi价格也有所上涨，从K2的每百万Token 4元涨到K2.7 Code的6.5元，涨幅约60%。

在涨价趋势下，大模型厂商的定价会影响其客户接受度，所以定价权就显得非常重要。

时下K3的价格是较高的，按照混合API定价来看，K3的每百万token 2.3美元，也显著高于国内同类竞品：阿里Qwen3.7 Max为1.4美元，智谱GLM5.2为0.9美元，MiniMax M3为0.22美元，DeepSeek V4 Pro为0.18美元。

考虑到K3登顶的实力，倒有些符合产品实力决定价格的商业规律了，华泰证券也指出，K3智能的提高直接带来了Token定价的提高。

而面向全球市场，K3则有价格优势。K3的输出价格（约15美元/百万token）与GPT-5.6 Terra（OpenAI的中端层）持平，约为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。

上述两个市场的价格不会一成不变，但终归来说K3的价格需要建立在持续迭代的模型能力之上，否则难以持续保持优势定价权。

再看C端，Kimi目前是4档付费（49~699元/月），价差跨度极大，699元顶配远超豆包，年付最低可用K3折合79元/月；豆包是3档付费（68~500元/月），梯度平缓，无天价顶配不同档位对应差异化的智能体调用额度、代码功能权限、高级模型使用权限，面向普通办公人群、专业开发者等分层人群实现精准覆盖。

如果横向对比豆包专业版定价体系，两者档位设置总体思路相近，但面向使用者的定价区间形成错位竞争。例如，Kimi的免费、49元档都无旗舰模型，轻度使用也受限长文本，豆包基础聊天永久免费不限次，只有重度生产力功能才消耗付费额度。

理解两者定价策略差异背后，要认清企业截然不同的基本面。豆包背靠字节跳动生态，手握行业规模领先的数亿C端月活基数，庞大用户底盘支撑商业化稳步推进。Kimi个人用户体量存在差距，核心筹码是稀缺的长文本、复杂推理模型能力，相较于某些友商，走能力溢价路线的偏向更为显现。

放眼未来，一旦行业各类模型性能持续靠拢，这套依靠性能获取溢价的模式能否延续，是所有大模型厂商共同面对的命题。

| Kimi要回答的，

是未来模型厂家的生存策略 |

K3收获市场赞誉，再度点燃基础大模型赛道热度，但性能优势无法永久维系。伴随着全行业技术持续迭代，各家模型基础能力差距会不断缩小，仅凭跑分优势拉开的产品溢价，长期存在收窄趋势。

这也是科技行业反复印证的周期特征。智能手机、云计算多个赛道都重复过相似历程：发展初期企业比拼硬件参数、基础性能，等到行业技术走向成熟，主流产品基础体验差距持续缩小。如今大模型赛道正处在性能竞赛走向能力趋同的过渡期，一家企业当下领先的推理水平，很可能在数个月内被同行追上。

头部厂商已经意识到单一模型性能不足以构筑长久壁垒，开始搭建多层竞争防线。DeepSeek选择绑定国产算力生态，打通高效算法与本土硬件协同路径，叠加开源生态聚拢开发者，构建技术与供应链双重屏障。

月之暗面选择深耕长上下文、复杂推理特色赛道，持续优化办公、代码场景体验，依靠C端与B端双向商业化搭建稳定现金。两者路线选择不同，目标一致，即在通用模型能力趋同前，建立性能之外的护城河。而其市场价值也日渐增大，其在2025年12月估值43亿美元，今年5月D轮后跃至200亿美元，6月又被曝出新一轮融资投前估值达315亿美元，半年增长超6倍。

用估值定价值是市场常见手段，由此回归行业竞争能观察到，头部大模型企业陆续奔赴资本市场属于行业发展大势，智谱、MiniMax已先后登陆港股，在股价高点时市值分别冲到万亿港元、千亿港元级别。

但登陆资本市场之后，企业之间的市值分化大概率会随着时间推移被进一步拉大。拥有稳定造血能力、完整生态壁垒的企业能够收获更高估值；单纯追逐热点、无法跑通商业化的参与者，会逐步被市场淘汰。

严格来说，月之暗面并非科技、互联网大厂，它的生存这些却对于大量中小模型厂商具有启示价值。我国有超过1500个大模型，中小玩家如果继续跟随头部企业比拼通用模型参数、综合性能并不具备可行性，算力、人才、数据资源均存在明显短板。想要持续经营，需要跳出通用赛道内卷，挖掘专属生态位。

例如，可以扎根医疗、工业、法律等垂直领域，沉淀行业专属数据与场景方案；或是聚焦配套服务，深耕模型微调、推理优化等工具层业务；亦可与硬件终端深度绑定，打造嵌入式场景化解决方案。

行业不断成熟之后，市场自然不需要千篇一律的竞争者，各有所长才能长久共存。找到自身不可替代的定位，远比盲目跟风追逐风口更加重要。

可以预判的是，接下来的日子里大概率还会有新的模型登顶，甚至可能会有新的公司出圈。但可以确定的是，最后能留下来的，将是那些有自己清晰生存逻辑，并将优势无限放大的玩家。做人如此，大模型耐心赛竞争亦如此。

图片源于网络，侵删。