夜雨聆风六月，老师刚把“王冠”戴上。
七月，学生带着一头2.8万亿参数的AI巨兽冲进赛场，从第18名一跃杀到第1，把全球聚光灯全部抢走
老师，是清华大学教授、智谱核心创始人唐杰；学生，是月之暗面创始人、Kimi掌舵者杨植麟
一个深耕GLM，一个打造Kimi；一个刚凭GLM-5.2站上开源编程高地，一个转身用Kimi K3拿下前端代码竞技场头名
听起来像武侠小说里的师门对决。
但这一次，他们争的是大模型时代最昂贵的三样东西：全球开发者、企业订单，以及下一代AI入口
▲ Michael Guo的“Fun fact”帖：唐杰曾是杨植麟在清华的导师，师徒如今分别站在GLM与Kimi背后。
六月：老师先落子，GLM把开源编程王冠拿下
时间拨回2026年6月。
智谱正式发布GLM-5.2，牌面非常直接：100万token上下文、MIT许可开放权重、面向编程与长程智能体任务强化
它不再满足于“帮你补几行代码”。
智谱想要的是，让模型进入代码仓库、打开终端、调用工具，然后连续工作数小时，把一个复杂工程真正交付出来
在Datacurve公布的DeepSWE榜单中，GLM-5.2以Max推理力度取得约44%的pass@1，位列当时开源模型第一，并领先Kimi K2.7 Code约17个百分点更早的Vals AI测试中，GLM-5也已在Terminal-Bench 2和Finance Agent等任务上压过Kimi K2.5
第一波冲击，就此形成：老师的GLM先赢了一局
▲ GLM-5.2主打1M上下文、长程任务、High/Max推理档位与MIT开放权重。
但必须划重点：这里的“领先”，指的是特定时间、特定编程及软件工程基准上的开源侧领先，不代表所有模型、所有榜单的总冠军
AI榜单从来不只有一张。
也正因为如此，真正戏剧性的一幕很快到来
七月：学生掀桌，K3从第18冲到第1
2026年7月16日，Kimi K3发布
总参数约2.8万亿，拥有896个专家、每次激活约16个；支持100万token上下文，原生多模态，并接入Kimi网页、App、Kimi Work、Kimi Code与API
榜单表现更引人注目。
在Arena的Frontend Code Arena中，Kimi K3拿到约1679分，超过Claude Fable 5，直接登顶相比上一代Kimi K2.6的第18名，它一口气跃升约17个位次；七个前端子领域中，K3拿下六个第一
六月还是GLM在开源工程榜上领跑，七月，Kimi已经把另一张王冠抢进怀里
▲ Arena公布Kimi K3以约1679分登顶Frontend Code Arena。
随后，K3又进入Agent Arena约第4名，与Claude Opus 4.8、GPT-5.6 Sol处在同一档位Artificial Analysis则给出约57分的智能指数、全球第4/187
但冷静一句：K3没有全面击败所有闭源旗舰
Moonshot自己的技术博客也承认，其综合能力仍落后于Fable 5和GPT-5.6 Sol所谓“反超”，是注意力与关键榜单位次的反超，闭源王座并未彻底倒塌
▲ K3智能指数约57、排名约第4；输入与输出价格分别约为每百万token 3美元和15美元。
2.8万亿参数，到底是一头怎样的怪兽？
2.8万亿，听起来像一台每次运转都要烧穿机房的机器
秘密在于三个字：MoE，混合专家。
可以把K3想象成一家拥有896个科室的超级医院每个问题进来，路由系统会挑出约16位最合适的“专家”会诊
因此，总参数巨大，不等于每次推理都激活全部参数这让模型可以扩张知识与能力边界，同时控制单次计算成本
K3还引入Attention Residuals，让深层网络能够回头选择历史层中的重要信息，减少早期信号被层层稀释杨植麟曾用一个极具画面感的比喻解释它：像把LSTM旋转90度，放到网络深度方向
而1M上下文，则意味着模型更有机会一次吞下整仓代码、长篇报告和漫长的Agent操作轨迹
不过，窗口大只是“桌子大”。能不能在桌上找到那根针，仍取决于长文本检索、推理稳定性与成本控制
“开放权重”不等于人人都能在电脑上跑
这里还有一个容易被忽略的反差。
GLM-5.2已经以MIT许可开放权重；K3发布时API可用，但完整权重计划在7月27日前后开放因此，在权重真正落地前，一些评测平台仍把它标记为专有托管模型
而且，开放权重不等于传统意义上的完全开源
训练数据、完整代码、数据清洗流程与训练配方，未必全部公开；它更准确的意思是：企业和研究机构可以下载参数、微调、自托管和审计
问题是，K3官方建议使用64张以上加速卡组成的supernode部署
所以别误会：这头2.8万亿参数巨兽，不会轻松住进个人笔记本普通用户得到的仍主要是API和应用；真正获得私有化部署与议价权的，是云厂商、研究机构和大型企业
权重开放了，算力门槛却更高了。
这也意味着，模型竞争正在把商业价值推向另一端：推理云、芯片、集群调度与Agent工具链
需求陡增：K3发布三天，官方暂停新订阅
榜单可以制造声量，服务器压力却更诚实
K3发布后，用户需求远超预期。7月19日，Moonshot宣布暂时暂停新订阅，优先保障既有会员的算力
▲ Kimi官方表示需求超出预期，暂时停止新订阅以保障现有用户。
这是一个强烈的市场信号：开发者真的愿意尝试一个能力接近闭源前沿、价格却更低的模型
K3的API标价约为每百万输入token 3美元、输出token 15美元K3避开DeepSeek式的极致低价，转而争夺一个更有利润想象力的位置：用中档价格，购买接近前沿的能力
当然，暂停订阅只说明短期需求猛烈，不等于商业闭环已经完成算力供给、推理成本、付费留存与服务稳定性，才是下一场硬仗
真正交接的，是一条延续十余年的研究火种
杨植麟早已走入唐杰的研究脉络。
他本科从清华热能工程转入计算机系，跟随唐杰做科研，之后前往CMU攻读博士，成为Transformer-XL、XLNet等长序列模型工作的核心作者后来，他又与唐杰在GLM、P-Tuning v2、FewNLU等研究上产生合作
今天回看，Kimi对超长上下文的执着，并非临时选择
从Transformer-XL，到长文本助手Kimi，再到1M上下文的K3，背后是一条非常清晰的研究脉络：怎样让机器记得更久，并在更长的时间里持续完成任务
唐杰一侧同样如此。从知识工程、AMiner，到ChatGLM，再到面向仓库级开发和长程Agent的GLM-5.2，智谱完成的也是一次迁移：从让模型掌握知识，走向让模型组织知识、调用工具并完成工程
因此，这场“师徒互超”最动人的地方，并不在于谁压了谁一头
这是一场技术火种的分叉：同一个清华实验室里长出的研究传统，最终变成两家公司、两套产品哲学，以及两条争夺全球AI入口的商业路线
王冠没有主人，只有下一次刷新
当然，全球开源模型并非只有GLM和Kimi
DeepSeek、Qwen、GLM、Kimi正在多线并跑；今天是前端生成，明天可能是软件修复，后天又会变成Agent长程任务榜单每周刷新，冠军随基准移动。
真正发生变化的是，“强模型”的定义已经变了
过去，人们问AI会不会做数学题；现在，人们问它能否读完整个代码仓库，连续调用几十次工具，在数小时后交回一个真正可用的结果
如今，强模型还要更会把活干完。
六月，导师唐杰的GLM-5.2站上开源编程高地；七月，学生杨植麟的Kimi K3抢走全球头条
下一次刷新，谁又会把王冠夺走？
答案也许并不重要。因为这对清华师徒已经共同证明了一件足以载入行业进程的事：
开放模型与闭源前沿之间的距离，正在从“以年计算”，压缩到“以月计算”
而AI世界最危险、也最迷人的时刻，正是，
老师刚刚登顶，学生已经追到身后。
