AI摘要：言出即行——7月27日晚，中国人工智能初创企业月之暗面，如约开放最新旗舰模型Kimi K3的模型权重、详尽的技术报告、模型架构和关键Infra（基础设施层）技术等。7月下旬，有消息称，美国政府正在考虑“重新推动”对中国开源模型的限制措施。7月27日，由英伟达主导的“开放安全 AI 联盟”（OSAA），一共37家创始成员亮相英伟达创始人黄仁勋，为此专门注册了社媒账号，发文力挺联名信的诉求。
言出即行——7月27日晚，中国人工智能初创企业月之暗面，如约开放最新旗舰模型Kimi K3的模型权重、详尽的技术报告、模型架构和关键Infra（基础设施层）技术等。
中国模型又一次“开源”，看似平常，实则突破了常规。
K3是全球首个“3万亿参数”级别的开放权重模型，在多个领域任务上，性能逼齐或超过“美国双巨头”OpenAI和Anthropic的前沿模型。此前，国内模型开源的惯例，是在同一天内上线模型并开放权重，但这一次，开放权重晚于上线时间整整10天。
从中不难窥见，K3开放权重的意义及战略考量，已是今非昔比。
K3开源背景的另一特殊之处，是刚好踩上美国AI行业“大论战”的节点。
7月下旬，有消息称，美国政府正在考虑“重新推动”对中国开源模型的限制措施。但是，从数百家美国企业组成的“小科技联盟”到硅谷巨头，均上书“反对限制开放权重模型”，纷纷签署联名信以壮声势。
7月27日，由英伟达主导的“开放安全 AI 联盟”（OSAA），一共37家创始成员亮相
英伟达创始人黄仁勋，为此专门注册了社媒账号，发文力挺联名信的诉求。谷歌、OpenAI在几小时的观望之后，纷纷“补票上车”，而“头最铁”的Anthropic，是少数至今没有签名的知名科技公司。
虽然硅谷正在“内讧”，但Kimi K3一样“领受”了中国前沿的开源模型在美国的“固定待遇”——Anthropic和OpenAI再次出声，指责 K3的能力，是蒸馏了他们的先进模型、“窃取”了数据得来的。Anthropic甚至在公开信中说，开源模型很危险。
只不过，对这套“老掉牙”且无凭据的指控， AI业界和舆论场都已经“无感”。“双巨头”的指控“陈旧、重复，缺乏创新”，事实上也没起到任何作用。而中国模型的架构创新与性能进步，那是实打实的。
开源模型已经攻入“双巨头”的技术护城河，从深度求索DeepSeek V4到智谱GLM-5.2，再到月之暗面Kimi K3，通过软件工程的方法，一步步补上过往因算力不足导致的短板，现在能够直面前沿封闭模型并“掰手腕”。
图源：视觉中国
因此，K3真正的意义，不只是对“开源、追求性价比”等既有路线的延续，它直接动摇了维持至目前的AI格局及商业模式。
这也是为什么，硅谷看似有“联名信”的共识，但争吵仍在继续；美国政府斟酌已久，却不见一个政策的影子。简单地说，它们曾经依赖的技术路径、商业模式和产业政策，现在，连它们自己都不敢相信了。
AI的竞逐由此进入下一阶段。
“一般一般，全球第三”
要理解K3模型的影响力，就不得不回到K3技术文档，看看月之暗面的研究人员做了什么——别真信了美国“双巨头”所说的“蒸馏”就能做出一个前沿模型。
普通人看模型能力，最常参考的是评测得分。这时，模型就像一个参加高考的学生，不同基准测试是不同的学科，考完再算出总分，排出状元、榜眼、探花……
正是K3的突出“成绩”，才在美国掀起了如此大的波澜。
我们只看几门“优势学科”。根据技术报告，K3“编程能力”尤其突出，在真实命令行环境里完成软件开发等任务，能力与GPT-5.6 Sol基本接近；在“搜索和工具使用”方面，这可以简单理解为模型上网“冲浪”的能力，K3高于GPT-5.6 Sol和Claude Fable 5。
“前端与网页开发”方面，Arena.ai的WebDev榜单显示，截至7月26日，K3在综合排名中暂列第一。
Arena前端代码竞技场1679分，Kimi K3位列第一
以上列出的三门“学科”，可以近似地理解为人类考试的“数理化”，难度高、商业变现的潜力大。考得高分的K3自然“前途无量”。
作为一个开源模型，K3还能够被客户下载、调优，低成本使用。这就不难理解，为什么“双巨头”被集体看衰。
不过，K3技术文档明确表示，“综合表现仍落后于目前最强大的专有模型 Claude Fable 5 和 GPT-5.6 Sol”。
文档接着写道，根据评测，K3持续领先于其他接受评测的开放模型和专有模型。
如果沿用“考生”的比喻，K3的表现，就像是一名优等生被问到考得如何时，谦虚而又不失优雅地说，“哎呀，一般一般，全球第三”。
Kimi K3在整套评测中展现出前沿水平的能力/Kimi官网截图
这些能力从何而来？
K3的技术报告，重点突出了三件事：一是，在预训练阶段继续扩大模型规模；二是，通过架构和工程创新，提高每一份算力转化为模型能力的效率；三是，在后训练阶段，针对编程、搜索和智能体等任务进行强化学习。
不涉及复杂的技术细节，我们只需要知道，这三件事都与中国大模型面临的“算力墙”有关。
因为美国的芯片限制，中国AI公司无法获得英伟达最先进的芯片及大规模算力供应，主要问题就是如何用有限的算力，“压榨”出更多智能。
于是，对大模型的基础架构Transformer进行“大刀阔斧”的改造，成了一条突围之路。
各厂商旗舰模型参数规模演变，Kimi K3以2.8T登顶开源阵营/Kimi官网截图
但这不是Kimi能够一手包办的。
从DeepSeek V3开始，中国团队“重做”Transformer中沿用多年的“基础零件”，智谱、MiniMax、月之暗面等公司接力这个过程，从MLA、DSA到KDA等，把混合专家模型推向极致稀疏。
这些技术虽然晦涩，但它们的目的是一致的：节省算力开销。
因此，我们可以按这个思路，理解K3做了哪些工作。
节省算力开销，其实就是“算账”。
首先是“参数账”，直接训练一个万亿参数的模型太贵，于是有“混合专家模型”技术，把一个巨型网络拆成数百个专家。每个词元（token）进入模型，只点几个专家出场，如此既扩大了模型参数规模、聚集了更多能力，还省了算力。
其次是算“存储账”。我们知道，大模型内部的工作，就是在层与层的输入与输出之间做数学计算，DeepSeek的MLA、K3的KDA，都是压缩计算量的同时，不过多地损失效果。
注意力残差（Attention Residuals）则是按需进行不同网络层之间的传递，“不做徒劳且重复的事”。
K3模型架构：稳定的隐式MoE和KDA 模块（左侧），AttnRes操作α（右上角），以及块级注意力残差主干（右侧）
还需计算的是“运输账”。比如混合专家模型，虽然降低了激活参数量，但模型整体还是一个巨型网络。运算中，数据运得不够快，浪费了时间和空转的算力。K3公开的MoonEP等基础设施，正是为了让专家任务分配得更加均匀，减少排队、空转和数据被反复搬运。
K3技术文档称，综合来看，K3的整体规模扩展效率，约为K2的2.5倍。也就是说，K3可以用更少的计算达到与K2相近的训练效果，或者在相同计算量下获得更好的能力。
回到前述考试的比喻，K3这个“尖子生”成绩好、能力强，而且很会“过日子”。
美国“AI内战”
开放权重后，K3完全体可“一键下载”远渡重洋，美国的墙是拦不住的。
一个性能优异，还能够在它的基础上调参、优化和本地部署的先进模型，引起美国AI的“内战”自然并不奇怪。
行业的争论，首先体现在选择开源还是闭源模型的路线之争上，问题并不复杂：美国公司，到底应不应该使用中国的开放模型？
7月24日，英伟达CEO黄仁勋在社媒发布了第一条帖子。他转发了一封题为《开放权重与美国AI领导力》的公开信，配文只有一句：“世界既需要前沿闭源模型，也需要前沿开放模型。”
7月24日，英伟达CEO黄仁勋在社媒发布的第一条帖子
几分钟后，微软CEO纳德拉跟上，称开放软件“对健康的AI生态系统不可或缺”。
扎克伯格的话更直接，挑破“路线之争”背后的中美竞争。他受访时表示，美国不应“为了赢”封禁中国的AI模型，因为这可能压制美国国内的自由，从而影响美国企业的竞争力。
联名信的呼吁成了某种“政治正确”，但签署的各方“貌合神离”，反而将彼此利益的结构性矛盾暴露出来。
每家公司的利益点不同，“屁股决定脑袋”——英伟达希望更多模型消耗更多算力；微软希望所有模型都能运行在Azure上；服务器公司希望企业本地部署；应用公司希望降低token成本；创业公司则不愿把利润和命运交给少数几家美国公司。
风险投资家比尔·格利把阵营划得更直白：“一派希望由OpenAI和Anthropic掌控一切；另一派则是其他所有人，其中也包括它们的客户。”
当然，OpenAI创始人奥特曼，再一次“跳反”了。此前他还承认，OpenAI过去只做闭源工具的做法“不够明智”。
OpenAI CEO山姆·奥特曼发文称：很高兴看到这样的支持，我希望美国在开源和专有模型上都能赢
美国也在“补课”。OpenAI前首席技术官米拉·穆拉蒂创业Thinking Machines Lab，已经发布首个开放权重模型；英伟达的Nemotron 3 Ultra开始获得关注；由英伟达支持的Reflection AI，也计划推出自己的模型。
“拥抱开放权重模型”，看起来确实是硅谷目前的最大公约数，但核心的症结在于，美国开源模型的能力和生态，远远比不上中国模型。
这一次，美国成了追赶的一方。
美国政府更在乎美国在AI竞赛中“不能输”，但问题是，它自己也没有答案。
政府内部的分歧同样剧烈。
美国财政部长贝森特和白宫科技政策办公室主任克拉齐奥斯主张强硬处理，重点保护美国模型、芯片和知识产权；商务部长拉特尼克则更温和，更关心美国企业能否继续获得廉价、高效的技术。
美国国会大厦/图源：pexels
美国政府确实有办法制造“寒蝉效应”。外媒报道，美国政府的“工具箱”有实体清单、政府采购限制、安全警告、云平台托管要求，乃至向使用中国模型的美国企业施加舆论压力等“计策”。
但每一种办法，都会“自损八百”，先打到一批美国公司。
更关键的是，这些措施都不保证美国AI能赢，但美国政府自认输不起这场竞赛。
下一阶段，什么规则？
以K3模型为最新进展，中国模型的能力和生态，已经展现出对AI领域的领导力，并进入高价值场景。美国政府作为被动应对的一方，必须做出取舍，这自然艰难，但“举棋不定”的犹豫更没有用。
不过，当前也不是中国模型“开香槟”的时候。
模型能力上，中国模型距离“双巨头”仍有差距，包括K3在内的模型，在真实场景中的能力还没有被充分验证。另外，国内企业算力不足、商业模式仍在探索期，依然有很大的不确定性。
现在唯一确定的，是上个阶段的AI竞赛规则，正在失效。
过去的规则并不复杂。少数美国实验室训练出最强模型，依靠能力领先收取高价API费用，再用收入和融资投入下一轮训练。模型越强，价格越高；训练越贵，能够留在牌桌上的公司越少。
这套模式运行了几年，也给OpenAI和Anthropic建立了“前沿智能只能由少数公司生产”的绝对话语权。
现在，不仅是前沿模型的能力差距在缩小，而且，每个企业的模型“领跑的窗口期”也在变短。
模型公司仍然要争第一，但只靠一次登顶，越来越难建立长期优势。换言之，未来的模型“第一名”，大概率是几家公司“风水轮流转”。那么，只靠模型性能，企业根本无法建立自己的护城河。
这也是为什么，硅谷“大论战”中，Anthropic成为众矢之的，成为硅谷所有的焦虑、算计、“无能狂怒”情绪所集中针对的对象。它也是“旧规则”最顽固的维护者。
而Anthropic的顽固，与其说是“技术理想主义”，不如说是“不肯分利”。
最近，Anthropic创始人阿莫迪甚至以安全之名，提出“减缓前沿模型发布的节奏”。这说明他也深知，一旦自家模型不再遥遥领先，顽固只会导致他的“理想”与利益双双落空。
Anthropic推动的“Pacing the Frontier”倡议，已有1178名来自OpenAI、谷歌、Meta等近12家前沿AI公司的员工签署，要求美国政府出手，帮整个行业一起给AI减速
规则的演变很难逆转。今后的竞争，模型能力只是第一关。训练成本、推理效率、算力供应、服务稳定性、开发者生态、企业工作流和商业模式，将共同决定一家AI公司能走多远。
随之，利益也将有新的分配方式。美国能不能接受这种震荡，甚至主动建立自己的开放前沿生态，将决定它能否适应新的规则。
这方面，美国需要补的课不少。被围在“算力墙”内的中国AI企业，反而拥有最多的技术积累。
再看中国。AI公司目前最突出的问题，一是能否持续“跟紧”闭源模型的能力，二是能否稳定地提供服务。
今年5月，智谱推出GLM-5.2后，模型迅速获得用户，但因算力问题，出现服务速度缓慢、API套餐要“拼手速”来抢的现象。月之暗面的问题更加直接。K3发布不到两天，月之暗面就暂停接受新订阅用户——需求远超预期，但现有算力已经逼近极限。
《致Kimi用户：关于算力紧缺与会员暂停开放的说明》
这背后，仍然是中国AI熟悉的“算力墙”。突破的关键，在另一个“战场”：国产AI算力的设计与迭代，以及产能扩张，能否托住这不断扩大的需求。
算力之外，中国AI的商业模式也仍待验证。月之暗面已经尝试摆脱“中国模型等于低价模型”的标签，K3的价格高于国内多数旗舰模型，而且，大规模商业使用还需要签订授权协议——这在中国开源模型中，是首例。
这场竞赛，还远没有分出胜负。但是，中国AI已经有了足够的底气。
作者 | 向现
编辑 | 阿树
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
言出即行——7月27日晚，中国人工智能初创企业月之暗面，如约开放最新旗舰模型Kimi K3的模型权重、详尽的技术报告、模型架构和关键Infra（基础设施层）技术等。
中国模型又一次“开源”，看似平常，实则突破了常规。
K3是全球首个“3万亿参数”级别的开放权重模型，在多个领域任务上，性能逼齐或超过“美国双巨头”OpenAI和Anthropic的前沿模型。此前，国内模型开源的惯例，是在同一天内上线模型并开放权重，但这一次，开放权重晚于上线时间整整10天。
从中不难窥见，K3开放权重的意义及战略考量，已是今非昔比。
K3开源背景的另一特殊之处，是刚好踩上美国AI行业“大论战”的节点。
7月下旬，有消息称，美国政府正在考虑“重新推动”对中国开源模型的限制措施。但是，从数百家美国企业组成的“小科技联盟”到硅谷巨头，均上书“反对限制开放权重模型”，纷纷签署联名信以壮声势。
7月27日，由英伟达主导的“开放安全 AI 联盟”（OSAA），一共37家创始成员亮相
英伟达创始人黄仁勋，为此专门注册了社媒账号，发文力挺联名信的诉求。谷歌、OpenAI在几小时的观望之后，纷纷“补票上车”，而“头最铁”的Anthropic，是少数至今没有签名的知名科技公司。
虽然硅谷正在“内讧”，但Kimi K3一样“领受”了中国前沿的开源模型在美国的“固定待遇”——Anthropic和OpenAI再次出声，指责 K3的能力，是蒸馏了他们的先进模型、“窃取”了数据得来的。Anthropic甚至在公开信中说，开源模型很危险。
只不过，对这套“老掉牙”且无凭据的指控， AI业界和舆论场都已经“无感”。“双巨头”的指控“陈旧、重复，缺乏创新”，事实上也没起到任何作用。而中国模型的架构创新与性能进步，那是实打实的。
开源模型已经攻入“双巨头”的技术护城河，从深度求索DeepSeek V4到智谱GLM-5.2，再到月之暗面Kimi K3，通过软件工程的方法，一步步补上过往因算力不足导致的短板，现在能够直面前沿封闭模型并“掰手腕”。
图源：视觉中国
因此，K3真正的意义，不只是对“开源、追求性价比”等既有路线的延续，它直接动摇了维持至目前的AI格局及商业模式。
这也是为什么，硅谷看似有“联名信”的共识，但争吵仍在继续；美国政府斟酌已久，却不见一个政策的影子。简单地说，它们曾经依赖的技术路径、商业模式和产业政策，现在，连它们自己都不敢相信了。
AI的竞逐由此进入下一阶段。
“一般一般，全球第三”
要理解K3模型的影响力，就不得不回到K3技术文档，看看月之暗面的研究人员做了什么——别真信了美国“双巨头”所说的“蒸馏”就能做出一个前沿模型。
普通人看模型能力，最常参考的是评测得分。这时，模型就像一个参加高考的学生，不同基准测试是不同的学科，考完再算出总分，排出状元、榜眼、探花……
正是K3的突出“成绩”，才在美国掀起了如此大的波澜。
我们只看几门“优势学科”。根据技术报告，K3“编程能力”尤其突出，在真实命令行环境里完成软件开发等任务，能力与GPT-5.6 Sol基本接近；在“搜索和工具使用”方面，这可以简单理解为模型上网“冲浪”的能力，K3高于GPT-5.6 Sol和Claude Fable 5。
“前端与网页开发”方面，Arena.ai的WebDev榜单显示，截至7月26日，K3在综合排名中暂列第一。
Arena前端代码竞技场1679分，Kimi K3位列第一
以上列出的三门“学科”，可以近似地理解为人类考试的“数理化”，难度高、商业变现的潜力大。考得高分的K3自然“前途无量”。
作为一个开源模型，K3还能够被客户下载、调优，低成本使用。这就不难理解，为什么“双巨头”被集体看衰。
不过，K3技术文档明确表示，“综合表现仍落后于目前最强大的专有模型 Claude Fable 5 和 GPT-5.6 Sol”。
文档接着写道，根据评测，K3持续领先于其他接受评测的开放模型和专有模型。
如果沿用“考生”的比喻，K3的表现，就像是一名优等生被问到考得如何时，谦虚而又不失优雅地说，“哎呀，一般一般，全球第三”。
Kimi K3在整套评测中展现出前沿水平的能力/Kimi官网截图
这些能力从何而来？
K3的技术报告，重点突出了三件事：一是，在预训练阶段继续扩大模型规模；二是，通过架构和工程创新，提高每一份算力转化为模型能力的效率；三是，在后训练阶段，针对编程、搜索和智能体等任务进行强化学习。
不涉及复杂的技术细节，我们只需要知道，这三件事都与中国大模型面临的“算力墙”有关。
因为美国的芯片限制，中国AI公司无法获得英伟达最先进的芯片及大规模算力供应，主要问题就是如何用有限的算力，“压榨”出更多智能。
于是，对大模型的基础架构Transformer进行“大刀阔斧”的改造，成了一条突围之路。
各厂商旗舰模型参数规模演变，Kimi K3以2.8T登顶开源阵营/Kimi官网截图
但这不是Kimi能够一手包办的。
从DeepSeek V3开始，中国团队“重做”Transformer中沿用多年的“基础零件”，智谱、MiniMax、月之暗面等公司接力这个过程，从MLA、DSA到KDA等，把混合专家模型推向极致稀疏。
这些技术虽然晦涩，但它们的目的是一致的：节省算力开销。
因此，我们可以按这个思路，理解K3做了哪些工作。
节省算力开销，其实就是“算账”。
首先是“参数账”，直接训练一个万亿参数的模型太贵，于是有“混合专家模型”技术，把一个巨型网络拆成数百个专家。每个词元（token）进入模型，只点几个专家出场，如此既扩大了模型参数规模、聚集了更多能力，还省了算力。
其次是算“存储账”。我们知道，大模型内部的工作，就是在层与层的输入与输出之间做数学计算，DeepSeek的MLA、K3的KDA，都是压缩计算量的同时，不过多地损失效果。
注意力残差（Attention Residuals）则是按需进行不同网络层之间的传递，“不做徒劳且重复的事”。
K3模型架构：稳定的隐式MoE和KDA 模块（左侧），AttnRes操作α（右上角），以及块级注意力残差主干（右侧）
还需计算的是“运输账”。比如混合专家模型，虽然降低了激活参数量，但模型整体还是一个巨型网络。运算中，数据运得不够快，浪费了时间和空转的算力。K3公开的MoonEP等基础设施，正是为了让专家任务分配得更加均匀，减少排队、空转和数据被反复搬运。
K3技术文档称，综合来看，K3的整体规模扩展效率，约为K2的2.5倍。也就是说，K3可以用更少的计算达到与K2相近的训练效果，或者在相同计算量下获得更好的能力。
回到前述考试的比喻，K3这个“尖子生”成绩好、能力强，而且很会“过日子”。
美国“AI内战”
开放权重后，K3完全体可“一键下载”远渡重洋，美国的墙是拦不住的。
一个性能优异，还能够在它的基础上调参、优化和本地部署的先进模型，引起美国AI的“内战”自然并不奇怪。
行业的争论，首先体现在选择开源还是闭源模型的路线之争上，问题并不复杂：美国公司，到底应不应该使用中国的开放模型？
7月24日，英伟达CEO黄仁勋在社媒发布了第一条帖子。他转发了一封题为《开放权重与美国AI领导力》的公开信，配文只有一句：“世界既需要前沿闭源模型，也需要前沿开放模型。”
7月24日，英伟达CEO黄仁勋在社媒发布的第一条帖子
几分钟后，微软CEO纳德拉跟上，称开放软件“对健康的AI生态系统不可或缺”。
扎克伯格的话更直接，挑破“路线之争”背后的中美竞争。他受访时表示，美国不应“为了赢”封禁中国的AI模型，因为这可能压制美国国内的自由，从而影响美国企业的竞争力。
联名信的呼吁成了某种“政治正确”，但签署的各方“貌合神离”，反而将彼此利益的结构性矛盾暴露出来。
每家公司的利益点不同，“屁股决定脑袋”——英伟达希望更多模型消耗更多算力；微软希望所有模型都能运行在Azure上；服务器公司希望企业本地部署；应用公司希望降低token成本；创业公司则不愿把利润和命运交给少数几家美国公司。
风险投资家比尔·格利把阵营划得更直白：“一派希望由OpenAI和Anthropic掌控一切；另一派则是其他所有人，其中也包括它们的客户。”
当然，OpenAI创始人奥特曼，再一次“跳反”了。此前他还承认，OpenAI过去只做闭源工具的做法“不够明智”。
OpenAI CEO山姆·奥特曼发文称：很高兴看到这样的支持，我希望美国在开源和专有模型上都能赢
美国也在“补课”。OpenAI前首席技术官米拉·穆拉蒂创业Thinking Machines Lab，已经发布首个开放权重模型；英伟达的Nemotron 3 Ultra开始获得关注；由英伟达支持的Reflection AI，也计划推出自己的模型。
“拥抱开放权重模型”，看起来确实是硅谷目前的最大公约数，但核心的症结在于，美国开源模型的能力和生态，远远比不上中国模型。
这一次，美国成了追赶的一方。
美国政府更在乎美国在AI竞赛中“不能输”，但问题是，它自己也没有答案。
政府内部的分歧同样剧烈。
美国财政部长贝森特和白宫科技政策办公室主任克拉齐奥斯主张强硬处理，重点保护美国模型、芯片和知识产权；商务部长拉特尼克则更温和，更关心美国企业能否继续获得廉价、高效的技术。
美国国会大厦/图源：pexels
美国政府确实有办法制造“寒蝉效应”。外媒报道，美国政府的“工具箱”有实体清单、政府采购限制、安全警告、云平台托管要求，乃至向使用中国模型的美国企业施加舆论压力等“计策”。
但每一种办法，都会“自损八百”，先打到一批美国公司。
更关键的是，这些措施都不保证美国AI能赢，但美国政府自认输不起这场竞赛。
下一阶段，什么规则？
以K3模型为最新进展，中国模型的能力和生态，已经展现出对AI领域的领导力，并进入高价值场景。美国政府作为被动应对的一方，必须做出取舍，这自然艰难，但“举棋不定”的犹豫更没有用。
不过，当前也不是中国模型“开香槟”的时候。
模型能力上，中国模型距离“双巨头”仍有差距，包括K3在内的模型，在真实场景中的能力还没有被充分验证。另外，国内企业算力不足、商业模式仍在探索期，依然有很大的不确定性。
现在唯一确定的，是上个阶段的AI竞赛规则，正在失效。
过去的规则并不复杂。少数美国实验室训练出最强模型，依靠能力领先收取高价API费用，再用收入和融资投入下一轮训练。模型越强，价格越高；训练越贵，能够留在牌桌上的公司越少。
这套模式运行了几年，也给OpenAI和Anthropic建立了“前沿智能只能由少数公司生产”的绝对话语权。
现在，不仅是前沿模型的能力差距在缩小，而且，每个企业的模型“领跑的窗口期”也在变短。
模型公司仍然要争第一，但只靠一次登顶，越来越难建立长期优势。换言之，未来的模型“第一名”，大概率是几家公司“风水轮流转”。那么，只靠模型性能，企业根本无法建立自己的护城河。
这也是为什么，硅谷“大论战”中，Anthropic成为众矢之的，成为硅谷所有的焦虑、算计、“无能狂怒”情绪所集中针对的对象。它也是“旧规则”最顽固的维护者。
而Anthropic的顽固，与其说是“技术理想主义”，不如说是“不肯分利”。
最近，Anthropic创始人阿莫迪甚至以安全之名，提出“减缓前沿模型发布的节奏”。这说明他也深知，一旦自家模型不再遥遥领先，顽固只会导致他的“理想”与利益双双落空。
Anthropic推动的“Pacing the Frontier”倡议，已有1178名来自OpenAI、谷歌、Meta等近12家前沿AI公司的员工签署，要求美国政府出手，帮整个行业一起给AI减速
规则的演变很难逆转。今后的竞争，模型能力只是第一关。训练成本、推理效率、算力供应、服务稳定性、开发者生态、企业工作流和商业模式，将共同决定一家AI公司能走多远。
随之，利益也将有新的分配方式。美国能不能接受这种震荡，甚至主动建立自己的开放前沿生态，将决定它能否适应新的规则。
这方面，美国需要补的课不少。被围在“算力墙”内的中国AI企业，反而拥有最多的技术积累。
再看中国。AI公司目前最突出的问题，一是能否持续“跟紧”闭源模型的能力，二是能否稳定地提供服务。
今年5月，智谱推出GLM-5.2后，模型迅速获得用户，但因算力问题，出现服务速度缓慢、API套餐要“拼手速”来抢的现象。月之暗面的问题更加直接。K3发布不到两天，月之暗面就暂停接受新订阅用户——需求远超预期，但现有算力已经逼近极限。
《致Kimi用户：关于算力紧缺与会员暂停开放的说明》
这背后，仍然是中国AI熟悉的“算力墙”。突破的关键，在另一个“战场”：国产AI算力的设计与迭代，以及产能扩张，能否托住这不断扩大的需求。
算力之外，中国AI的商业模式也仍待验证。月之暗面已经尝试摆脱“中国模型等于低价模型”的标签，K3的价格高于国内多数旗舰模型，而且，大规模商业使用还需要签订授权协议——这在中国开源模型中，是首例。
这场竞赛，还远没有分出胜负。但是，中国AI已经有了足够的底气。
作者 | 向现
编辑 | 阿树