Kimi K3、Qwen 3.8 与 Anthropic（潜在的）瓦解

# Kimi K3、Qwen 3.8 与 Anthropic 的（潜在）瓦解 来源：https://www.emergingtrajectories.com/lh/frontier-lab-economics/ 过去一周，两款最先进的基础模型相继发布：Moonshot Labs 的 Kimi K3[\[1\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-1) 和阿里巴巴的 Qwen 3.8[\[2\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-2)。两者据称在性能上接近 Anthropic 的 Fable 5，并且它们的模型权重将在未来几周内公开发布。 Kimi K3 和 Qwen 3.8 对顶级模型开发者及其未来的竞争策略构成了战略挑战。它们证明了开放模型也能达到最先进的水平，这对 Anthropic 尤其构成重大威胁，因为后者未来可能面临产品差异化的困境。 我们将探讨基础模型的经济学，然后分析 Kimi K3 和 Qwen 3.8 带来的战略影响。 ## 前沿实验室（及供应商）经济学 构建基础模型成本极其高昂。这需要研究人员（即薪酬）、算力（即芯片和数据中心）以及为算力供电的电力。 模型建成后，最大的成本是推理：让用户能够实际使用这些模型。薪酬、算力和电力仍然需要，但绝大多数边际成本仅限于算力和电力——因为模型不会频繁更新，与训练阶段相比，薪酬成本相对较低。换句话说，运营推理业务需要优化两项成本：电力和数据中心算力。你拥有的价值链环节越多，你的可变成本就越能转化为固定成本。 那么，你有什么选择呢？首先，你可以租赁数据中心并支付电费。Anthropic、Knowledge Atlas（GLM 5.2 的开发者）和 Moonshot Labs（Kimi K3 的开发者）就是如此；它们不拥有自己的数据中心或发电厂。另一种选择是自建数据中心，向其他供应商购买电力。这是 Meta 和阿里巴巴的做法。最后，你还可以自建发电机并拥有数据中心，就像 SpaceX 那样。 你的策略会影响你的成本基础，从而影响你的利润率。在第一种情况下，你通过向客户推理服务加价来盈利。不幸的是，这意味着你的成本与收入同步增长；你的利润率不会随着使用量的增加而增长。相反，如果你拥有发电厂和/或数据中心，你就可以将大部分推理成本基础变为固定成本，这样随着更多客户更频繁地使用你的产品，你的利润率就能增长。 ## 利润率、价值链与战略影响 前沿实验室对利润率的态度对其长期成果有着巨大影响。 你拥有的基础设施栈环节越多，就越能将这些基础设施变现。你可以追求拥有最好的模型，但这并不总是关键——你可以托管开源模型（尤其是当它们是目前性能最好的模型时），或者你可以出租你的硬件。这正是 Meta 可能将其服务器容量出租给 Anthropic[\[3\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-3)，以及 SpaceX[\[4\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-4) 也在这样做（同时还向五角大楼出租[\[5\]](https://www.emergingtrajectories.com/h/frontier-lab-economics/#ref-5)）的原因。 如果你不拥有数据中心或发电能力，那么对你的成功而言唯一重要的是模型需求。你的模型不能只是“好”，而必须是最好的，或者既便宜又“足够好”。这要么是一场在推理成本上不断下探的竞赛，要么是一场持续争夺最佳模型供应商地位的竞赛。 这代表着巨大的风险。Anthropic、OpenAI、DeepSeek、Moonshot Labs 和 Knowledge Atlas（GLM 5.2 的开发者）需要不断竞争并希望保持领先，否则在竞争激烈的基础模型市场中，它们将面临灭亡的风险。 对于纯模型驱动的公司而言，唯一的获胜途径是：（1）率先实现递归自我改进，并拥有足够的算力将竞争对手远远甩在身后；（2）通过监管以某种方式封闭市场；或者（3）构建一款独特或粘性极强、无法被复制的产品。 ## Anthropic 独一无二的危险处境 Anthropic 是最倾向于依赖监管策略和专注于递归自我改进的前沿实验室。其对伦理的关注——体现在其自我审查的 Fable 和 Mythos 模型上（后来在美国政府要求下进一步限制发布）——与这种监管策略紧密相连。 图 1：每完成任务的模型成本 (https://www.emergingtrajectories.com/lh/frontier-lab-economics/images/2026-07-19-wiltw-model-cost.png) 图 1：每完成任务的模型成本 虽然 Anthropic 在模型性能上保持领先，但其模型相对于 OpenAI 或开放模型来说也极其昂贵。如图 1 (https://www.emergingtrajectories.com/lh/frontier-lab-economics/#fig-model-cost)[\[6\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-6) 所示，Fable 5 每完成任务的成本几乎是其他模型的 3 倍。用户是否愿意为更好的模型支付如此高的费用，仍有待观察。一些研究人员和创始人预计，价格战即将来临——要么是竞争所致[\[7\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-7)，要么是因为不考虑价格因素的 AI 基准测试正变得饱和且帮助不大[\[8\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-8)。 虽然 Anthropic 投资了 Claude Code 或 Cowork 等产品，但其对“工具链”的关注存在风险。OpenCode、OpenClaw、Hermes 以及众多其他工具链初创公司正在这一领域进行创新。尽管构建基础模型的门槛非常高，但推出自己的 AI 工具链几乎没有任何障碍。 这正是 OpenAI 相对于 Anthropic 的优势所在。虽然 OpenAI 的模型近几个月在性能上落后于 Anthropic，但其在产品、消费者体验、网站发布、语音和硬件方面的投资，都具有更清晰的护城河。OpenAI 更愿意在数据中心所有权和发电能力上进行投资。虽然有人认为这会导致 OpenAI 失去焦点，但从长远来看，这将使 OpenAI 更具韧性；它有灵活性和风险偏好去尝试构建具有网络效应和护城河的产品，并优化长期利润率。 Anthropic 面临着巨大的“解绑”风险。它的模型是其他模型追赶的标杆，但其产品正日益受到闭源和开源竞争对手的挑战，而它的经济模式使其处于不利地位。除非出现监管干预或真正的 AGI 发明，否则 Anthropic 很可能难以保住其第一大基础模型供应商的地位。 ## Kimi K3 与 Qwen 3.8 的影响 Kimi K3 于 7 月 16 日发布[\[9\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-9)。Qwen 3.8 于 7 月 19 日宣布[\[10\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-10)。另一款顶级开放模型 GLM 5.2 于 6 月中旬发布[\[11\]](https://www.emergingtrajectories.com/lh/frontier-lab-economics/#ref-11)。 这比 2025 年的“DeepSeek 时刻”更为重要，因为它表明多家实验室能够与资本雄厚的模型供应商（如 Anthropic 和 OpenAI，更不用说 Meta 或 SpaceX 即 Grok）竞争并迎头赶上。它展示了一种持续的竞争、追赶，甚至未来可能超越的模式……尤其是当成本因素也被纳入考量时。 更重要的是，作为可持续的长期业务，纯模型供应商尤其面临风险。Knowledge Atlas、Moonshot Labs 和 Anthropic 在与 OpenAI、阿里巴巴、SpaceX、Meta 和谷歌的比拼中，面临着可防御性的挑战。