“这些结果似乎无法仅仅用蒸馏来解释。”MIT和Google DeepMind的人工智能研究员米歇尔·巴克评价Kimi K3时，用了一个相当直白的词——“离谱的好”。就在上星期，研究机构SemiAnalysis还断言中国实验室“算力太匮乏，根本摸不到前沿”。没过几天，仅仅300人上下的创业公司月之暗面，就扔出了一枚重磅炸弹。
Kimi K3的早期测试成绩摆上台面：已经能和Anthropic的Opus 4.8平起平坐，但距离顶尖的Fable 5以及OpenAI的GPT-5.6 Sol仍有差距。这个差距到底有多大，目前还没有定论。不过，仅仅是一个小团队用被卡脖子的算力做出接近顶级的模型这件事，已经让西方AI圈子开始重新审视一个根深蒂固的假设。
DeepMind员工安妮卡·索马亚认为，从出口管制到超大规模云计算商动辄数千亿美元的资本竞赛，再到“算力护城河”这个投资逻辑，整个西方世界的共识都建立在同一个前提上：算力决定能力。但现实可能走向了反面。索马亚点出，正是因为GPU不够用，月之暗面才自研了一套叫Mooncake的训练架构。她说：“一个有品位的小实验室，能够把训练一个前沿模型所需的算力压缩到极致，即使它负担不起把模型规模化的服务成本。”
SemiAnalysis的硬件分析师迪伦·帕特尔也觉得这局中国团队打得漂亮：一支极其有天赋的小团队，靠着强化学习、架构和数据处理上的硬功夫，硬是填平了一大部分算力缺口。但他同时捅破了一层窗户纸——中国公司要在境外租到GPU并没有想象中那么难，这让出口限制的一部分显得形同虚设。
过去，西方实验室面对中国竞争者，总爱把“蒸馏”挂在嘴上。这种说法逻辑很简单：小模型扒在大模型身上“蹭”输出，等同于变相盗窃数据，还威胁到靠大模型续命的商业模式。只要说中国团队靠蒸馏，就能心安理得地把技术进步归因于作弊。但这一次，这套话术对Kimi K3似乎不灵了。
就连OpenAI的战略未来负责人、前政府顾问迪恩·W·鲍尔也承认Kimi是款“非常好的模型”，而在基于智能体的编程对话里，它的表现已经能和2026年第一季度的顶级公开模型掰手腕。不过鲍尔也指出了一个扎心的问题：这个模型“吞字”胃口有点大，实际跑起来的成本未必真的便宜。看来，用算力效率换效果，可能只是把账单转移到了另一张纸上。
就在月之暗面用有限的GPU交出一份不算完美但足够惊人的答卷时，谷歌自家的旗舰模型Gemini 3.5 Pro已经被推迟了好几个月。据彭博社消息，原因是在编程这个主战场上，它的性能始终没达到预期。一边是算力堆满却频频跳票的巨头，一边是资源被锁却用小而精的路线撕开缺口的新秀。到底什么才是决定模型能力的关键，这道题的答案正在变得越来越迷人也越来越不客气。
热门跟贴