大模型定价权争夺战：K3深度解读教程

本教程将带你深入解析月之暗面发布的K3模型如何重塑中国大模型行业格局。从定价策略、技术架构、商业模式到资本市场反应，我们将一步步拆解这场变革背后的逻辑，帮助你理解“模型能力”与“商业化”之间的新平衡。

一、K3发布背景：从低价竞争到定价权争夺

7月17日，月之暗面发布Kimi K3。这个总参数量达到2.8万亿、支持原生多模态和100万上下文窗口的模型，很快在国内大模型行业制造了两种截然相反的反应。

开发者讨论的是KDA、AttnRes和896个专家组成的MoE架构。资本市场看到的，却是模型公司的领先优势，可能比市场原先想象的更短暂。

K3发布当天，智谱股价下跌28.49%，MiniMax跌15.62%，昨天智谱继续暴跌19.56%。此后，市场上出现了一种更耸动的解释：K3提高了模型效率，引发全球算力需求恐慌，进而带崩半导体股。

这个因果链条并不牢靠。当天费城半导体指数下跌约1.63%，英伟达跌2.21%，幅度远小于两家中国模型公司的跌幅，且昨日已经上涨。半导体板块的调整此前已经开始，还混杂着获利回吐、期权到期和AI资本开支预期变化等因素。

K3真正冲击的，不是全球算力逻辑，而是中国大模型公司的估值逻辑。

过去一年，中国开放模型主要靠更低价格、更大参数和更快迭代争夺开发者。K3却第一次如此明确地尝试离开低价竞争：开放模型权重，同时提高API价格；强调推理效率，同时做出一个更庞大、更难自行部署的模型；争夺开发者，同时向资本市场证明自己具备技术溢价。

月之暗面想证明的是，中国大模型的竞争，正在从“谁能把模型做得更便宜”，转向“谁有资格获得定价权”。而后者显然是资本市场更认可的竞争力。

二、价格分层：中国开放模型开始分成两个市场

K3率先引发讨论最多的是价格。

根据月之暗面公布的价格，K3每百万输入Token为3美元，输出Token为15美元，缓存命中输入为0.3美元。

相比之下，Kimi K2.6的输入和输出价格分别为0.95美元和4美元。也就是说，K3的输入价格约为上一代的3.2倍，输出价格达到3.75倍。

与同行相比，差距更明显。DeepSeek V4-Pro每百万输入和输出Token分别为0.435美元和0.87美元；MiniMax M3限时价格分别为0.3美元和1.2美元。按基础价格计算，K3的输入价格约为DeepSeek V4-Pro的6.9倍，输出价格约为17.2倍。相较MiniMax M3的促销价格，则分别达到10倍和12.5倍。

这不是一次常规涨价，而是一次市场分层。

DeepSeek、MiniMax仍在争夺对价格敏感的开发者和高调用量客户。月之暗面则希望把K3送进另一个市场，模型不再按照Token本身定价，而是按照它能否完成复杂任务定价。

按照Artificial Analysis的测评，K3发布时的智能指数达到57，进入全球前列。但它完成评测消耗的输出Token约为1.3亿，高于同类模型约6300万的中位水平。这意味着，K3表现更强的同时，也可能更“能说”、消耗更多Token。

因此，15美元的输出价格能否被接受，不能只看榜单。

如果K3能用一次调用完成其他模型需要三次才能完成的编程、研究或工具任务，它的单价更高，任务总成本仍可能更低。

小提示： 评估模型成本时，不要只看Token单价，而要关注“任务总成本”。K3的高价只有在其能显著减少调用次数或人工干预时才有意义。

三、估值冲击：K3真正伤到的是同行的估值锚

K3发布之后的几个交易日，智谱和MiniMax股价重挫，固然受到港股科技板块下跌、限售股解禁和前期涨幅较大等因素影响，但两家公司跌幅显著超过大盘，也说明投资者在重新评估独立大模型公司的稀缺性。

美国银&行的认为，K3提高了中国前沿模型的能力上限，也把证明自身技术领先的压力转移给其他独立模型公司。高盛的判断则指向同一个问题：投资者开始担忧国内模型公司领导地位的可持续性。

这正是K3比技术榜单更重要的行业影响。

对阿里、字节和腾讯而言，基础模型即使暂时落后，还有云计算、广告、办公软件、内容平台和企业服务可以消化模型能力。模型只是其业务体系中的一层基础设施。

但对智谱、MiniMax、月之暗面这样的独立模型公司而言，模型能力本身就是估值的主要支点。投资人支付的不是一家成熟软件公司的价格，而是“未来基础模型领导者”的价格。

一旦另一家公司用一轮发布追平甚至越过原来的领先者，市场就会意识到：独立实验室最重要的技术领先可能没有想象中持久。

K3同样会挤压通义千问的开源叙事。过去一年，千问依靠密集的模型矩阵、广泛的尺寸覆盖和开发者生态，逐渐占据“中国开源模型领导者”的位置。K3并未取代千问的完整生态，但它用一个超大模型重新夺回了能力上限的话语权。

因此，K3真正伤到的，不是英伟达的订单，而是同行的估值锚。

它提醒资本市场：中国模型的领先地位正在变成一种高折旧资产。模型更新速度越快，单次领先能够支撑估值的时间就越短。

四、技术架构：效率提升与参数膨胀的悖论

月之暗面把K3的技术改进集中在三个方向：长度、深度和宽度。

• KDA：试图降低长上下文计算成本
• AttnRes：改变深层网络的信息传递方式，缓解注意力残差在模型加深后的退化
• Stable LatentMoE：希望让更多专家参与模型扩展，同时维持训练稳定性

在MoE结构上，K3共有896个专家，每个Token激活其中16个。作为对比，Kimi K2总参数量约1万亿，每个Token激活384个专家中的8个。

月之暗面称，这套架构将模型的规模化效率提高约2.5倍。这个数字仍有待完整技术报告、权重和第三方复现验证，但KDA与AttnRes并非简单堆参数：它们分别试图处理长上下文成本和深层信息传递两个真实问题。

问题在于，效率提升并没有让模型变小。

月之暗面把节省下来的计算空间，重新投入了更大的参数规模、更长上下文和更复杂的能力。K3因此形成了一个看似矛盾的结果：单位能力可能更高效，整个模型却比上一代更重。

官方建议部署K3使用64张以上加速卡。发布后数日，Kimi一度暂停新增订阅，理由是需求增长超过服务容量。

这揭示了大模型产业经常混淆的两件事：模型效率，不等于服务效率。

架构创新可以降低完成一次计算所需的成本，但如果公司立即用这些收益训练更大的模型、承载更多用户和更长上下文，总算力需求未必下降，甚至可能继续上升。

K3不是在终结Scaling Law，而是在延长它。

五、权重开放与基础设施门槛

月之暗面承诺在7月27日前发布K3完整权重。截至7月20日，这一承诺尚未到验收时点。

但权重并不等于全部模型能力，更不等于一套可以低成本运行的服务。

K3拥有2.8万亿参数。即使按4比特量化做理论估算，仅存放权重就需要约1.4TB空间。实际部署还需要处理激活值、KV Cache、并行通信、路由和服务冗余。

这意味着，多数创业公司即使拿到了权重，也很难自行搭建一套稳定、低延迟、高并发的K3服务。

它们仍然需要云厂商、专业推理平台，或者直接购买月之暗面的API。

开放权重降低了模型知识产权的进入门槛，却没有消除基础设施门槛。模型越大，门槛反而越高。

这也是K3商业模式的关键：开放权重负责扩大影响力、吸引开发者和建立事实标准。API、企业服务和配套推理基础设施负责变&现。

如果一家企业坚持本地部署，月之暗面未必能直接从每一次调用中收费，但它仍可以通过企业授权、部署与适配服务、持续升级、专有版本以及云端API获得收入。更重要的是，绝大多数企业最终会发现，拿到权重只是开始，真正昂贵的是把它变成稳定可用的生产系统。

K3还在强化缓存这门生意。月之暗面称，其服务通过Mooncake系统在部分编程场景实现超过90%的缓存命中率，并为缓存命中的输入设置了远低于普通输入的价格。

这说明模型公司的竞争，已经不只是训练出一个模型，也包括能否围绕模型建立高效的推理系统、缓存体系和开发工具。

开放没有消灭租金，只是让租金从模型权重搬到了云和基础设施。

重要提示： 权重开放不等于免费部署。实际部署成本可能远超预期，中小企业应优先评估API调用而非自建。

六、商业模式转变：从卖Token到卖任务结果

为了证明高价的合理性，月之暗面没有把K3包装成一个单纯的聊天模型，而是集中展示它在代码、芯片设计、编译器优化、科研分析和复杂工具调用上的能力。

这个选择并不偶然。

普通聊天和内容生成已经高度同质化，用户很难感受到一个模型比另一个模型多几分的价值。代码调试、芯片验证、深度研究和Agent任务却不同：如果模型能减少一次人工排查、缩短一轮开发周期，客户对Token价格的敏感度会显著下降。

大模型商业化因此正在发生一次计价单位的变化。

• 第一阶段：行业销售的是模型访问权。
• 第二阶段：销售的是更便宜的Token。
• 接下来真正有价值的计价单位：可能是一次被完成的任务、一段节省的工程时间，或者一个可以直接交付的结果。

这也解释了月之暗面为什么敢于提高K3价格。

但这种商业模式比跑榜更难。月之暗面需要证明，K3在真实生产环境中的成功率、稳定性、响应速度和人工接管率，足以抵消更高的Token单价。否则，所谓能力溢价最终仍会退化成账单溢价。

七、资本定价：K3也是月之暗面的一场融资展示

据媒体报道，月之暗面正处于估值快速上升的融资周期。

今年5月，月之暗面完成约20亿美元融资，估值超过200亿美元。据随后报道，公司又在寻求最多20亿美元的新融资，目标估值接近300亿美元。

收入也在增长。公开报道显示，月之暗面的年度经常性收入在3月超过1亿美元，4月超过2亿美元。另有援引公司知情人士的报道宣称，其6月ARR已经超过3亿美元、API收入占比超过70%。

即使按3亿美元ARR计算，若目标估值达到315亿美元，对应的收入倍数仍然超过100倍。对一家需要持续承担训练和推理成本的模型公司而言，这个估值不能只由收入增长支撑，还需要极高的增长速度、定价能力和未来毛利率。

K3因此客观上也是一次资本市场展示。

它需要同时证明，月之暗面仍位于中国模型能力的第一梯队、开放权重能够带来全球开发者影响力、公司有能力摆脱低价竞争，并把技术优势转化成收入。

开源营销、闭源变&现和资本定价，在K3身上被拧成了一套组合拳。

在模型公司高度依赖融资、技术领先又迅速折旧的阶段，每一次重大模型发布都同时具有产品、竞争和资本市场三重功能。模型能力决定公司能否留在牌桌上，定价能力决定它能否建立生意，融资能力则决定它还能在牌桌上坐多久。

常见问题（FAQ）

• K3为什么敢于大幅涨价？

  K3的定价策略转向“按任务结果计价”，而非单纯按Token数量。如果模型能一次完成需要多次调用的复杂任务，总成本反而可能更低。同时，K3瞄准的是对价格不敏感但对能力要求高的专业场景（如代码、芯片设计），这些场景下客户愿意为减少人工干预付费。

• K3开放权重意味着所有人都能免费使用吗？

  权重开放降低了使用门槛，但实际部署需要2.8万亿参数，仅量化存储就需约1.4TB，且需要64张以上加速卡和配套推理系统。多数企业无法自行搭建稳定服务，最终仍需依赖月之暗面的API或云合作伙伴。开放权重更像是一种营销和生态策略，而非真正的“免费午餐”。

• K3会终结Scaling Law吗？

  不会。K3虽然通过架构优化提升了效率，但月之暗面将节省的计算资源重新投入更大的参数规模和更长上下文，导致模型整体更重。K3实际上是在延长Scaling Law，让更大模型在同样算力下获得更多收益，并未否定规模定律。

• K3对算力需求是增加还是减少？

  从单位任务看，单次推理效率可能提升，但更大的模型和更多用户会导致总算力需求继续上升。K3发布后Kimi一度暂停新增订阅也证明了服务端压力。因此K3并没有减少全球算力需求，反而可能因能力提升而吸引更多调用。

总结与展望

K3的发布标志着中国大模型竞争进入新阶段——从单纯比拼参数和价格，转向技术溢价、任务定价和生态整合。月之暗面试图通过K3同时实现三个目标：在技术榜单上占据领先、在商业上证明高价合理性、在资本市场上支撑高估值。然而，模型领先的折旧速度越来越快，未来真正的考验在于：权重开放能否如期兑现、涨价后的开发者留存能否持续、以及技术溢价能否转化为可持续的现金流。对于行业参与者而言，理解K3的定价逻辑和商业模式变革，将有助于把握大模型产业的下一个浪潮。