Kimi學會了「自己幹活」：中國大模型坐到了全球AI牌局主桌

月之暗面（Kimi）兩週前扔出的K3大模型，正在改變全球AI行業對中國大模型的認知。瑞銀分析師將其稱為「第二個DeepSeek時刻」。但這一次，敘事邏輯完全不同——K3帶來的不再是「更便宜的模型」，而是「會自己幹活的模型」。

過去兩年，中國大模型的競賽主線很簡單：用更低成本訓練出逼近GPT-4效能的模型。DeepSeek的嶛起證明了這條路走得通，但它也將行業推入了一場「燒錢換引數、堆卡換效能」的消耗戰。一個無法迴避的事實是，純粹的模型效能比拼正在陷入邊際效益遞減——使用者不關心各家模型的分數和排名，只關心程式能不能跑通、結果是否可靠。

Agent能力的躍遷，恰好打破了這一僵局。Kimi K3的獨到之處在於，它不再是「一問一答」的聊天工具，而是像一名人類分析師那樣，規劃任務、檢索資訊、呼叫工具、並行協作、交付成果。據月之暗面官方披露，K3在生成一個AI ASIC行業研究網站時，經歷了120輪以上遞迴改進，完成2800次以上網頁搜尋與抓取、1100次以上終端資料呼叫，處理超過1.1萬頁內容，覆蓋87份季度報告和99份原始PDF。

這些任務已不再是傳統意義上的一次問答，而是由檢索、執行、校驗、繪圖和修改組成的長鏈路流程。支撐這種長程執行能力的，是一套完整Agent基礎設施的重新設計。據技術報告披露，K3訓練和評估期間共建立了超過5100萬個沙箱，使長任務可以在等待模型推理時暫停釋放資源，在模型生成下一步動作後快速恢復。這相當於把一次幾分鐘的回答，拉長成一條可持續數小時的執行鏈。

模型能力的躍遷也反映在硬性評測中。K3在Program Bench中得分77.8，超過GPT-5.6 Sol的77.6；在FrontierSWE中得分81.2，較GPT-5.6 Sol和Claude Opus 4.8分別高出9.9和14.5。有工程師在社交平臺上稱，在智慧體工作流中，K3的表現接近Claude Fable 5，但成本顯著降低。

真正值得關注的是，Kimi走出了一條與國內同行截然不同的商業化路徑。與智譜AI、百度文心等以B端企業服務為主的廠商不同，Kimi自誕生起就選擇直面C端使用者。這條路曾備受質疑——C端使用者付費意願低、獲客成本高，此前並無成功案例。但Kimi的堅持在2025年下半年開始顯現回報。公司海外收入已超過國內收入，全球付費使用者在K2.5釋出後實現4倍增長。在第三方平臺OpenRouter上，K2.5排名已升至第三位，僅次於Claude Sonnet 4.5和Gemini 3 Flash。

K3的API定價也印證了這種自信：快取命中輸入0.30美元/百萬Token、未命中輸入3.00美元/百萬Token、輸出15.00美元/百萬Token，輸出價格已與GPT-5.6 Terra相當。瑞銀證券分析師指出，K3定價在國產模型的高階位置，恰恰說明真正好的模型能力有溢價權。

往後看，Kimi的路徑選擇正在影響整個行業對「中國大模型能做什麼」的認知邊界。2026年1月，英偉達CEO黃仁勳在CES主題演講中，用Kimi K2 Thinking取代DeepSeek-R1作為演示Rubin NVL72系統的案例，這一細節被市場解讀為中國大模型話語權的提升。據瑞銀調研，目前中國頭部模型訓練成本約為海外領先模型的十分之一，API價格通常只有海外同類模型的10%至20%，同時國內模型廠商API業務仍能保持20%至40%的毛利率。

不過競爭遠未到終局。月之暗面創始人楊植麟坦言，Agent叢集的規模化訓練在技術上仍有挑戰。如何在C端持續擴大付費使用者規模、在B端創造更穩固的企業收入、在全球化程序中應對地緣政治與合規風險，仍是未解之題。但至少，在這個由Agent重新定義應用正規化的時代，來自中國的創新者已經坐上了牌桌——不再只是旁觀者。