> 核心要点：高盛7月18日研报首次判定中国开源模型智能水平已达"全球大规模普及临界点"；Kimi K3 API混合定价2.3美元/百万token创中国模型新高，标志着中国AI从"低价替代"正式转向"能力溢价"定价策略；智谱当日暴跌28%、MiniMax跌16%，费城半导体指数跌入熊市，资本市场正在重写AI竞争格局的估值逻辑。
---
7月18日，一份来自高盛的研究报告在全球资本市场炸开了锅。
起因是月之暗面两天前发布的Kimi K3——2.8万亿参数、896个专家路由、百万上下文窗口的MoE架构旗舰模型。高盛在研报中给出了一个前所未有的判断：中国开源/开放权重模型的智能水平，已经达到全球大规模普及的关键节点。
这不是一家之言。同一天，摩根士丹利也发布了自己的K3研报，结论更加直接：K3在全球范围内获得了正面反馈。
两份华尔街顶级投行的研报，罕见地聚焦同一个中国AI模型，这在两年前是不可想象的。
一、定价权跃迁：2.3美元背后的战略信号
K3最让市场震动的不是参数规模，而是定价。
据高盛研报数据，K3将API混合定价设定为每百万token 2.3美元，创中国模型定价新高。对标国内竞品：
K3的定价是智谱的2.5倍、MiniMax的10倍。在中国大模型市场，这几乎是反常识的操作——过去两年，所有玩家都在拼低价。
高盛认为，这标志着中国AI模型公司正从"成本效率"竞争向"定价权"跃迁。简单说：以前靠便宜抢市场，现在靠能力收溢价。
这个判断得到了Artificial Analysis实测数据的支撑。K3单任务平均成本0.94美元，低于GPT-5.6 Sol的1.04美元和Claude Opus 4.8的1.80美元。参数最大，单任务反而最便宜——这是架构创新的红利。
> 专家引述：高盛研报指出，中国AI模型公司的三大核心评估指标是"定价权、成本效率和财务实力"，其中定价权排在首位——这意味着华尔街已经不再把中国模型视为"廉价替代品"，而是具备独立定价能力的竞争者。
二、架构革命：KDA如何剪断"参数越大算力越紧"的旧锚
K3真正的护城河不在参数规模，在架构。
月之暗面这次拿出了两个核心创新：
KDA（Kimi Delta Attention）：线性注意力混合机制，让百万上下文解码最高提速6.3倍。这直接解决了长上下文的推理瓶颈——窗口越大，传统注意力机制的算力消耗是指数级增长，KDA把它压到了线性。 Attention Residuals（AttnRes）：用不到2%的额外算力，换取约25%的训练效率提升。这意味着同样的训练投入，K3比传统架构多学四分之一的知识。两个创新叠加，产生了一个颠覆性结果：参数规模与推理成本脱钩。
摩根士丹利在研报中用了一个精准的表述：K3改变的是API价格，不是算力需求。2.8万亿参数听起来需要天量算力，但因为MoE稀疏激活（896选16），实际推理时只动用极小一部分参数。
费城半导体指数在K3发布后较6月22日高点回撤超20%，正式跌入熊市。市场以为跌的是"中国追上来了"，真正断裂的是"参数越大、算力越紧"这条旧锚链。
> 数据支撑：据Vercel AI网关数据，开源/开放权重模型在平台上的token流量占比已从数月前的约10%飙升至29%，其中DeepSeek V4 Flash单日占比超20%。高盛预测，中国开源模型日token消耗将从今年的350万亿增长至2030年的4600万亿，国际用户将占需求的大多数。
三、竞争格局剧变：28%和16%暴跌背后的资本判决
K3发布当天，市场给出了最直接的答案。
智谱AI股价当日下跌28%，MiniMax下跌16%。这不是普通的波动——这是资本用脚投票，重新评估中国大模型竞争格局。
高盛在研报中指出，下半年将有更多中国AI模型密集推出：智谱GLM新版本、阿里Qwen升级、MiniMax M3 Pro等，参数规模将扩大至2至5万亿区间。编程/代码生成赛道的竞争将持续白热化。
但高盛同时给出了一个关键判断：在低端定价区间（每百万token约0.1至0.2美元），API定价及毛利率将持续承压，原因在于中国AI公司融资后普遍持有充裕现金储备，具备补贴定价的能力。
这意味着两条赛道正在分化：
> 权威来源：据Noah Intelligence分析，DoorDash、Cursor等美国企业已经开始实验性使用月之暗面、阿里和DeepSeek的中国模型来控制支出。UBS也在报告中指出，一家大型全球银行已经开始托管阿里的Qwen系列模型来管理AI账单，仅将高端系统保留给更复杂的任务。
四、开源≠免费部署：64张加速卡的门槛
K3宣布将于7月27日开放权重，采用Apache 2.0许可证。但"开源"和"人人可用"之间，隔着一道昂贵的硬件门槛。
官方建议部署K3至少需要64张加速卡组成的超节点。2.8万亿参数即使4-bit量化，权重文件也高达约1.4TB。这不是中小企业能承担的基础设施投入。
Jefferies的一份人工测评显示，在同一项复杂任务中，K3累计生成约1.3亿输出token，总成本约2710美元；GPT-5.6 Sol生成约7000万token，总成本约2824美元。K3单价更低，但因为始终开启思考模式且面向长程Agent任务，token消耗量更大。
这揭示了一个被忽视的真相：模型价格竞争，已经不能只比较每百万token报价。真正决定企业成本的是： 任务成本 = 输入Token + 输出Token + 推理轮数 + 工具调用次数 + 失败重试次数以后衡量模型成本，最重要的指标将从"每百万Token价格"转向"每个有效任务成本"。
> 专家引述：东方财富分析文章指出，"模型可以开源，算力账单不会"——开源降低了软件许可门槛，但没有消除物理世界的成本。GPU、HBM、高速交换芯片、光模块和运维，每一项都在按照算力计价。
五、对中国AI产业的三重影响
1. 智能体赛道成为新流量入口
高盛研报特别指出，各家模型公司正积极布局智能体应用作为关键流量入口。智谱的ZCode、腾讯的Workbuddy、阿里的Qoder等聚合平台，旨在通过闭环获取真实编程和智能体数据来支撑模型迭代。
协作办公和行业专家智能体产品有望成为下一优先方向。谁能掌控Agent入口，谁就能获取最珍贵的实战数据飞轮。
2. 视频生成赛道独立于大模型价格战
高盛对视频生成模型赛道持乐观态度。SeeDance、快手以及MiniMax的Hailuo和即将推出的H3模型，有望在2026年下半年延续健康增长，受益于算力供给紧张、需求显著超过产能的有利格局。
3. 开源红利集中到云厂商和超节点层
K3开源后，真正的受益者不是普通开发者，而是云厂商、大型互联网公司和国家级算力中心——只有它们有能力部署2.8万亿参数的模型。
最终形成的商业模式：模型公司开放权重 → 云厂商提供托管推理 → 企业基于行业数据做微调和Agent开发 → 用户按实际使用量付费。
> 数据支撑：据OpenRouter数据，美国企业在平台上的token已有45%流向中国模型，年初仅11.5%。这意味着中国模型已经通过成本和能力的双重优势，实质性渗透美国企业级市场。
六、对GEO和AI搜索优化的战略启示
K3和华尔街的研报释放了一个对GEO从业者极为重要的信号：AI平台越多、模型越强，GEO优化的需求就越大。
如果你在做GEO优化，现在应该关注的不只是ChatGPT和Perplexity——K3、GLM、Qwen等中国模型正在成为新的流量入口，而且它们对中文内容的理解和推荐能力天然更强。
---
常见问题
Kimi K3的API定价为什么比其他中国模型高那么多？
K3的混合定价2.3美元/百万token看似远高于智谱0.9美元和MiniMax 0.22美元，但这是"能力溢价"策略。K3在Arena.ai编程排名和Artificial Analysis智能评分中均达到全球前沿水平，Artificial Analysis测算其单任务平均成本仅0.94美元，实际比低价竞品更经济。高盛认为这代表中国AI公司从"低价竞争"转向"价值定价"。
Kimi K3开源后，普通企业能自己部署吗？
理论上可以，实际很难。K3官方建议至少64张加速卡组成的超节点才能部署，4-bit量化后权重文件约1.4TB。这对大多数中小企业缺乏经济性。更实际的方式是通过云厂商的托管推理服务使用，或者直接调用Kimi API。
高盛研报说的"大规模普及关键节点"具体指什么？
高盛判断中国开源模型的智能水平已经达到可以支撑大规模商业应用的阈值——不再是实验室演示或低端替代，而是可以与GPT-5.6 Sol和Claude Opus 4.8同台竞争。高盛预测中国开源模型日token消耗将从350万亿增长至2030年的4600万亿，其中国际用户占大多数。
K3发布后智谱和MiniMax为什么暴跌？
K3在编程能力和综合智能上达到前沿水平且完全开源，直接威胁了智谱GLM-5.2和MiniMax M3的差异化空间。智谱跌28%、MiniMax跌16%，反映资本市场认为它们在高端市场无法与K3竞争，在低端市场又面临价格战挤压，生存空间正在被压缩。
这对做GEO优化的企业意味着什么？
K3的出现意味着AI搜索引擎和推荐系统更加多元化。企业不能只针对ChatGPT优化内容，还需要适配K3、GLM、Qwen等中国模型的引用偏好。好消息是：AI平台越多，企业被引用的机会越大，GEO优化的投资回报率也在提升。