上个周末Kimi K3的发布占领了海外AI圈。一个还没有成为世界第一的中国模型却让开发者、投资人和整个市场同时紧张起来。有人测试它的能力有人拿它挑战Claude有人担心闭源模型的生意还有人已经拿它讨论中美AI竞争。评测机构arena.ai整理出了中美各个时期代表大模型的前端代码能力差距。25年1月DeepSeek的得分第一次和Claude持平而这一次Kimi K3作为中国大模型的代表第一次超过了美国大模型。DeepSeek时刻2.0好像真的来了。K3刷屏市场先动了上周末打开X刷十条消息八条都在聊K3。有人让它写游戏、做网页、改代码有人只用三轮对话就生成了一座小镇有人用一个提示词直接做了个自己的《我的世界》还有人把它接入Claude Code和Claude对比后当场改口“我看错K3了。”有人说K3的进步之快看起来已经不是蒸馏能完成的了有人说K3的开源对整个AI产业都是好消息唯独对OpenAI和Anthropic这样的闭源模型公司不是有人说中国模型远远落后的时代结束了有人开始重新审视美国的算力护城河还有人把K3的出现直接上升到美国的数据中心政策和中美AI竞争。开发者还在测试社区还在讨论资本市场已经先做出了反应。K3发布之后美国半导体、存储等AI硬件股大跌。纳斯达克和纽交所的官方复盘都把K3列进了当周市场担忧的解释。看到这一幕很难不想起2025年初。DeepSeek-R1发布一周后英伟达一天之内下跌16.97%市值减少5940亿美元。纳德拉承认它做出了“真正的创新”扎克伯格希望把其中一些进展用进Meta的系统Azure、GitHub、AWS和NVIDIA也迅速接入了R1。而现在根据彭博社消息爆料微软已经开始测试Kimi K3以替代目前 Copilot 接入的GPT和Claude。Kimi K3的出现又一次缩小了中美大模型能力的差距那K3到底已经追到哪了美国的领先可能只剩下几周了长期研究中美科技竞争的 Jimmy Goodrich 说美国人原以为自己领先两年现在看在模型、尤其算法层面更像三到六个月。K3发布后美国企业研究所研究员 Ryan Fedasiuk 已经把差距描述为“只落后几周”。另一个更直观的参照是 SolGPT-5.6 Sol 在 7 月 9 日发布K3 在 7 月 16 日上线Artificial Analysis 的榜单给了 Sol 59 分、K3 给了57 分。在GPT-5.6 Sol发布的一周后K3就已经追上了他的脚步。震惊之余很多人给它的实际表现画上了问号。K3的能力到底强到什么地步Kimi 官方公布了 35 项测试覆盖代码、Agent、推理、知识和视觉。在它列出的头部模型中K3 有 26 项进入前两名。模型评测领域最重要的参考之一 Artificial Analysis 把代码、Agent、科学推理等多项能力合成一个综合指数。K3 发布时拿到 57 分排在第三只落后 Fable 5 和 GPT-5.6 Sol。在另一家独立评测机构 Vals 的榜单上K3同样排到了第二。拆开来看它在公共福利任务上拿到第一在Vibe Code、企业金融上排名第二在法律研究中排名第三。换了一套题也换了一家评测机构K3依然反复出现在榜单前列。至于代码能力。DeepSWE 让各种模型去完成 113 个真实的工程任务。K3 得分 69%最高的 Sol 是 73%Fable 5 是 70%。可是这些分数会不会是刷出来的当然可能。公开题会进入训练数据厂商可以针对题型优化也可以给自己的模型更多思考时间和重试机会再挑出最漂亮的项目发布。因此任何一张榜单都不值得单独迷信。但 K3 面对的不只是一张榜。官方测试、第三方综合评测、持续更新的新题再加上各种复杂的工程任务几套测试给出的结论其实差不多它已经站进了第一梯队。这些测试并不完全独立也不能保证每一个分数都没有水分。但如果 K3 只是背过题一旦题目、评分方式和运行环境都换掉就很难还在这么多榜单上反复靠前。一两个榜单的前列会让人怀疑是不是刷榜但是三四个呢五六个呢K3在六个榜单评测都取得了前三名只是靠刷榜很难做出这样的成绩。榜单里的能力也已经有人拿到真实项目里试了。跑分之外公开实测里的任务更杂从零开始写2D物理引擎和游戏完成Next.js项目生成与迁移搭建并部署IMDb台词找片网站、arXiv检索站和Three.js游戏分析足足82万行的代码库从头制作一条包含研究、配音、双语字幕和剪辑的宣传片还有人一口气让它做了50个前端创意项目。K3已经不只会解一道代码题而是能在一部分长任务里持续调用工具、修改代码最后交出能运行的成品。K3的发布真的让国产大模型和美国顶级模型梯队的差距缩减到了几周的时间。可是Kimi为什么能追得这么快如果模型能力只由芯片和算力决定K3本不该这么快追进第一梯队。它真正动摇的不只是榜单上的名次而是人们对大模型护城河的判断。大模型训练真的有护城河吗硬件的工艺和系统是有护城河的阿斯麦的光刻机其他公司做不出来台积电量产2nm的工艺也是独一无二的至于英伟达GPU架构的成功难以复制CUDA和整套开发生态也建立了一条非常深的护城河。如果模型、数据、训练量和计算设置完全相同芯片的差距会导致的是速度变慢并不会让同一个模型天然变笨。今年年初Heehoon Kim, Jaehwan Lee等的研究也证明了相同训练配置下用不同GPU芯片训练同一个LLaMA-1B模型模型的最终效果基本一致差的更多只是速度。但是实际情况是团队运转的预算有限、模型发布的日期也是越快越好所以团队可能只能缩小模型、减少训练数据或者少做几轮实验导致模型的效果变得不及预期。不只是模型的训练阶段会受到芯片算力不足的限制。当模型上线后如果芯片算力不足也会导致回答更慢或是思考变短、进一步导致回答的正确率变低。这也是Kimi现在面临的真实困境——算力不足所以只能暂停新用户的订阅保证已经订阅了的用户能体验到更快的、回答更正确的模型。但大模型领域的护城河似乎不那么牢靠。论文的发布会公开新的训练方法开源模型的发布也会公开模型权重。一个新方法只要被证明有效很快就会被研究、复现、改造再用到下一批模型上。这种事情已经发生过不止一次。2022年OpenAI把InstructGPT的训练流程写进论文先做监督微调再训练奖励模型最后利用人类反馈做强化学习。第二年Meta在Llama 2的技术报告里也公开采用了监督微调和强化学习。方法一旦被写清就很难继续只留在一家公司的训练室里。DeepSeek-R1之后这个过程更快。DeepSeek公开论文和权重一周后Hugging Face便启动Open-R1开始补齐DeepSeek没有公开的训练代码和数据。后来这个项目又公开了自己的训练脚本和蒸馏模型。领先者走通一条路后来者就可以从这条路的中间继续往前走。可见模型的训练、优化方法很难建立起牢靠的护城河所以 OpenAI、Anthropic 这些顶级闭源大模型公司需要时刻紧绷神经、持续防守他们的优势。更麻烦的是闭源也不能完全阻止能力扩散。论文和权重可以不公开但模型只要向外提供服务它的输出就可能成为竞争者研究和训练的材料。Anthropic从数百个“欺诈账户”里发现了超过 340 万次 Claude 交互并把这些活动归因于 Moonshot。它为此部署分类器、跨账户识别甚至会把部分可疑请求交给旧模型回答。Anthropic 的这份指控非常能说明他们在担心什么竞争者很可能快速追赶自己而这种风险需要长期投入资源防守。Claude 和 ChatGPT 当然仍有护城河。它们有更多算力、更成熟的产品、更稳定的服务和更大的用户入口。但这些优势能守住公司不一定能永远锁住某一种模型能力。物理世界的领先可以被工厂、供应链和生产经验固定很多年。模型能力的领先却只能靠更快的下一次迭代继续维持。因为领先者每一次公开、交付和使用自己的模型也可能给后来者留下一条更清楚的路。K3 确实还不是世界第一但它只要追得足够近让开发者有了个可以离开第一的选择就已经改变了这场竞争。顶尖大模型的王座攻下确实不易但是守住更难。假如你从2026年开始学大模型按这个步骤走准能稳步进阶。接下来告诉你一条最快的邪修路线3个月即可成为模型大师薪资直接起飞。阶段1:大模型基础阶段2:RAG应用开发工程阶段3:大模型Agent应用架构阶段4:大模型微调与私有化部署配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】配套文档资源全套AI 大模型 学习资料朋友们如果需要可以微信扫描下方二维码免费领取【保证100%免费】
