過去一週，兩款最先進（SOTA）的基礎模型相繼亮相：月之暗面（Moonshot Labs）的 Kimi K3[1] 與阿里巴巴的 Qwen 3.8[2]。兩者在多項基準測試上都逼近 Anthropic 的 Fable 5，而且模型權重都將在未來數週內公開釋出。
Kimi K3 與 Qwen 3.8 對頂級模型開發商構成策略性挑戰，也迫使他們重新思考未來的競爭方式。這兩款模型證明，透過開源模式仍可達到 SOTA 前沿——這對 Anthropic 尤其構成重大威脅，未來恐面臨產品差異化困難的風險。
本文先探討基礎模型的經濟學，再分析 Kimi K3、Qwen 3.8 對整個產業的策略意涵。
前沿實驗室（與供應商）的經濟學
訓練基礎模型極為昂貴，需要研究員人事成本、運算資源（晶片與資料中心），以及支撐運算的電力。
模型建好後，最大成本是推論——讓使用者實際使用模型。人事、運算與電力仍是必要支出，但模型不再持續更新時，多數邊際成本只剩下運算與電力；相較訓練階段，人事成本相對較低。換言之，經營推論業務時，須最佳化兩項成本：電力與資料中心運算。你掌握的價值鏈環節越多，能獲取的利潤也越大。
如果自家有發電廠、擁有資料中心（像 SpaceX 那樣），情況會大幅改觀——可以把推論的主要成本轉為固定成本，毛利率隨用戶使用頻率而成長。
利潤率、價值鏈與策略意涵
前沿實驗室的利潤策略會極大幅度影響其長期命運。
基礎設施堆疊握得越多，能變現的環節也越多。即使模型不是最強，也可以託管別人的開源模型（特別是表現最好的那些），或對外租賃硬體。這正是 Meta 為何可能把伺服器容量租給 Anthropic[3]，而 SpaceX[4] 也採取同樣做法（還包括租給美國國防部[5]）。
如果沒有自有資料中心或發電設施，唯一能決定成敗的就是模型需求：模型不能只是「好」，必須是「最好」，或者便宜到「夠好」。這是一場要不斷壓低保 inference 成本、要不力爭成為最佳模型供應商的競賽。
這個結構對純模型公司構成巨大風險。Anthropic、OpenAI、DeepSeek、月之暗面、智譜（GLM 5.2 開發商）必須不斷競爭、祈禱自己能保持領先，否則會在極度內捲的基礎模型市場中被淘汰。
對純模型公司而言，勝出的唯一途徑是：（1）率先達成遞迴自我改進（recursive self-improvement），且運算規模足以甩開對手；（2）透過監管手段人為封閉市場；（3）打造出獨特且具黏著性的產品，讓對手難以複製。
Anthropic 獨特的險境
Anthropic 是最重度押注監管策略與遞迴自我改進的前沿實驗室。其對倫理的高度重視——從自我審查的 Fable 與 Mythos（在被美國政府進一步限制釋出前）——都與監管策略緊密相連。
圖一：模型完成任務的成本比較
Anthropic 雖仍保有模型效能領先，但價格也遠比 OpenAI 與開源模型昂貴。如圖一[6]所示，Fable 5 每完成一項任務的成本接近其他模型的 3 倍。用戶是否願意為「稍微更好」付出如此溢價，仍是未知數。部分研究員與創辦人預期價格戰即將開打，無論是來自競爭[7]，還是因為不考慮價格的 AI 基準已日趨飽和、不再具參考性[8]。
雖然 Anthropic 投資了 Claude Code 與 Cowork 等產品，但押注在「harness」（AI 程式開發框架）本身就是風險。OpenCode、OpenClaw、Hermes 以及無數其他新創公司都在這個領域創新。訓練基礎模型的門檻極高，但打造 AI harness 的門檻幾乎為零。
這正是 OpenAI 相對 Anthropic 的優勢所在。雖然近幾個月 OpenAI 的模型略遜於 Anthropic，但他們對產品、消費者體驗、內容出版、語音與硬體的投資方向，都具有更明確的護城河。OpenAI 也更願意投資資料中心與發電設施。雖然有人批評這讓 OpenAI 失焦，但長期來看會讓 OpenAI 更有韌性——他們有足夠的彈性與風險胃納去嘗試打造具網路效應、具護城河的產品，並最佳化長期毛利率。
Anthropic 面臨巨大的「解綁風險」（unbundling risk）。他們的模型是業界要超越的標竿、產品不斷受到閉源與開源競爭者挑戰、商業模式又把自己擺在劣勢。除非有監管介入或真的實現 AGI，否則 Anthropic 恐怕難以維持「基礎模型一哥」的地位。
Kimi K3 與 Qwen 3.8 的策略意涵
Kimi K3 於 7 月 16 日釋出[9]，Qwen 3.8 於 7 月 19 日公開預覽[10]。GLM 5.2 這另一款頂級開源模型，則在 6 月中旬就已推出[11]。
這比 2025 年的「DeepSeek 時刻」更具意義——它顯示不只一家、而是多家實驗室能與資本雄厚的 Anthropic、OpenAI（甚至 Meta、SpaceX 的 Grok）並駕齊驅甚至追平。
更關鍵的是，作為永續經營的商業模式，純模型供應商面臨特別高的風險。智譜、月之暗面、Anthropic 在防禦性上都將迎來嚴峻挑戰，壓力來自 OpenAI、阿里巴巴、SpaceX、Meta 與 Google——這些公司同時擁有模型、平台、雲端與硬體。
為什麼這件事重要
Kimi K3 與 Qwen 3.8 不是單一事件，而是 2025 年 DeepSeek 震撼以來的第二波開源浪潮的延續。短短一週內，兩款參數量都突破 2 兆級別的中國模型問世，效能逼近、甚至在某些基準上超越 Anthropic 售價 3 倍的 Fable 5。這意味著：
- 「前沿必須靠封閉才能維持」的論述已經站不住腳。Kimi K3 採用稀疏 MoE 架構（總參數 2.8 兆、啟動參數約 500 億），用遠低於稠密模型的推論成本達到頂級效能。
- 模型供應商被迫從「賣 token」轉向「賣生態」。Meta、SpaceX、Alibaba 之所以能挺過價格戰，是因為他們掌握資料中心、發電廠、雲端與消費通路——這些才是真正的護城河。
- 美國監管策略反而可能為中國開源助攻。CNBC 7 月 7 日的報導指出，美國政府對最強 AI 模型出口管制愈來愈嚴，但中國實驗室反而加速釋出開源權重，繞過管制取得全球開發者採用率。
數據解讀與質疑
- 2.8T vs 6T 的參數迷思：Kimi K3 是 2.8 兆稀疏參數，Fable 5 為 6 兆稠密參數。稀疏不等於弱，但每次推論實際啟動的參數量，才是衡量成本的關鍵指標。
- 3 倍價差不代表 3 倍價值：Fable 5 在 Arena 的 Frontend Code 排名已被 Kimi K3 超越，但這只是程式開發單一面向。Claude Code 與 Cowork 等「harness 產品」是否能補足性價比落差，仍待觀察。
- 61% 的開源市佔率：根據 Data Gravity 6 月的統計，2026 年 5 月中國開源模型在 OpenRouter 上已佔約 61% 的 token 消費。這個數字若屬實，代表西方閉源模型的「技術領先」對開發者選用決策的影響力正在快速下降。
- 真正的風險不是技術，而是商業模式：Anthropic 真正的挑戰不在於「能不能做出更好的模型」，而在於「能不能建立一個不依賴模型領先的永續營收」。Fable 5 在 6 月 12 日短暫暫停的事件已顯示，即使是頂級模型也可能在監管與商業壓力下被迫中斷供應。
編按：本文綜合整理自 Emerging Trajectories（Wojciech Gryc，7 月 19 日）、Tom’s Hardware、VentureBeat、Stratechery、CNBC、llm-stats、Data Gravity，並加入 Siami 編輯部觀點與分析。
網友熱門留言 (5)