K3在给AI续命

这几天不少人说，K3把AI泡沫戳破了。我的观点正好相反，K3是在给泡沫续命。

模型被商品化，肯定是好事啊。

先说下K3这个模型，大致的评论是，紧追GPT-5.6 Sol，跟Fable比还差点意思。我自己用下来，确实强。要吐槽的话，就是过度思考。真正的高阶智能，应该有自己分配思考预算的能力，而不是均匀对待每个问题。

但毫无疑问，K3是个里程碑，也狠狠打了我的脸。

我之前的预判是，中美模型差距只会逐渐拉大。判断的依据很简单：两边算力差距已经拉到至少10倍，而且差距还在变大。

算力为什么重要？AI研究是一个三步循环：1）思考做什么实验 2）跑实验 3）看实验结果。算力越多，就能同时跑很多的实验，迭代速度更快。

去年R1发布后，一个流行说法是"开源落后闭源只有6个月"。但这里水分很大。公开基准测试噪音很多，国内模型高分低能是普遍现象。

直到上个月智谱发布GLM-5.2，让我有些改观。根据Databricks的真实代码环境测试，GLM-5.2跟Opus 4.8基本打平。这是第一次真实的差距缩小。

这次K3又近了一步。说实话，我有点意外。这是在资源明显劣势下的一次逆风翻盘。只能说国内AI研究员是真有实力。如果两边算力对等，今天的格局会不会已经反过来了？

当开源追上闭源，最爽的当然是用户。

就在昨天，Anthropic宣布Fable将永久对Max订阅用户开放。这显然是对K3的一次回应。K3直接把Opus 4.8干废了。要是再不放Fable，Claude Code的订阅就很鸡肋了。当然，这里也有Sol的功劳。

模型层竞争加剧，还会削弱Anthropic和OpenAI的定价权。据SemiAnalysis所说，Anthropic的API业务毛利高达80%。说明，降价空间还很大。

前沿智能价格降低，对B端的边际影响会更加明显。C端用户可以爽玩vibe coding，CFO可是要看ROI的。token成本下降能让tokenmaxxing更持久，让ROI逐渐转正。

那为什么对芯片厂商和上层应用来说，也是利好呢？

Stack Overflow联创Joel Spolsky在2002年写过一篇文章《Strategy Letter V》。里面讲了一个很经典的商业逻辑：想让自己的产品卖得更多，最有效的办法，就是把配套产品打成白菜价。

引用文中一段话：

- “配套产品，是你通常会跟另一个产品一起买的东西。汽油和汽车就是配套产品。计算机硬件是操作系统的经典配套产品。保姆则是高档餐厅晚餐的配套产品。在一个小镇上，如果当地的五星级餐厅搞情人节‘两人同行一人免单’，当晚保姆的价格就会翻倍。”

这个现象在科技行业屡见不鲜。

PC越便宜，买PC的人越多，微软就赚得越多。移动网络越便宜，刷短视频的人越多，字节就赚得越多。

对英伟达来说，模型越便宜，算力需求反而越大。DeepSeek V3和R1刚发布时，干崩过一次美股。很多人担心高效模型会减少芯片需求。

结果恰恰相反。

这次也有人怀疑，K3的KDA注意力机制大幅降低了KV cache开销，是不是HBM的需求就少了？

答案是否定的。

KV cache开销降低 -> batch size上升 -> token吞吐量上升 -> 云厂商ROI改善。因此会刺激更大的算力需求。

上层应用也一样。模型厂商是AI应用的供应商。当仅有一两家能供货，应用公司只能被无情压榨。而且，模型厂商的野心远远不止卖API，自然会延展到应用层，吃下最重要的垂直应用。

现在模型层打起来了，倒逼模型厂商把精力回归到模型研发上，给应用公司留出更多空间。

模型层开始互相卷，所有人都在开香槟（除了Anthropic、OpenAI和他们的投资人）。现在AI看似繁荣，但吃到肉的却只有少数芯片和模型巨头。这个游戏就很难长久玩下去。

模型处在AI价值链的正中心，必然是众矢之的。

那模型厂商是不是注定会被商品化呢？目前看来，是这个趋势。过去几年，美国前沿lab的模型一直是交替领跑。没有哪家真的脱轨式的加速领先。

互联网时代，网络效应和数据飞轮能让领先者滚雪球碾压后来者。但在AI时代，还没看到类似的滚雪球。Anthropic今年反超OpenAI，K3能一路追上来，恰恰说明没人在滚雪球。

在看到滚雪球之前，一切领先都可以被反超。