红楼梦
Kimi K3爆火，GPU先扛不住了_我的网站
一 | 界面新闻记者 | 查沁君
界面新闻编辑 | 文姝琪
因为太过火爆，距离Kimi K3发布不到一周，月之暗面就按下了“暂停键”。
7月19日晚，月之暗面宣布，由于算力资源紧张，暂停开放Kimi新用户订阅，将有限算力优先保障现有订阅用户。
图源：月之暗面
7月20日，月之暗面回应界面新闻称，此次调整仅涉及新用户订阅，现有会员权益保持不变，老套餐并未取消，已订阅用户仍可正常使用并按原规则自动续费。
对于此前手动关闭自动续费的用户，公司将陆续恢复续订功能，老用户升级套餐等功能也将逐步开放；至于新套餐，目前仍因算力资源限制暂未开放购买，恢复时间尚未确定。 开车的蚁粉，是不是发现到新加坡的油站售卖的食物越来越多样化？除了职总平价超市便利店所售卖的一系列产品，现在能在油站买到的食物包括泡泡茶、快餐、寿司、还有亚坤的咖椰土司、老曾记小吃，有些甚至成了取快递的站点，似乎已经跟邻国马来西亚多种多样的油站不遑多让。
从官方回应来看，此次调整更像是在有限算力资源下，对新增用户和存量用户体验进行重新平衡，而非对会员体系进行调整。
K3发布后，国内外开发者社区迅速涌现大量体验和测评，不少人将它与Claude、GPT等国际头部模型放在一起比较，围绕推理成本、GPU资源、服务稳定性的讨论，也开始取代Benchmark，成为AI圈新的焦点。事实上，两国的国情大不相同，像马来西亚这样国土广阔的国家，油站也充当长途驾驶的休息站，除了添油，也能让司机乘客吃点东西“充电”。
K3到底有多火？
K3发布后，很快登上了全球AI模型讨论的焦点。新加坡油站之所以提供更多样化的零售选择，则更像是大势所趋。
独立AI模型评测机构Artificial Analysis发布的最新“智能指数（Intelligence Index）”显示，Kimi K3综合得分达到57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），领先Claude Opus 4.8（56分）。油站数量随燃油需求下降而减少在过去的二十年里，新加坡的油站数量一直呈下降趋势，主要原因是全球汽油需求减弱和电动车（EV）普及。根据油站业者的资料，新加坡目前有184个油站，这比2003年222家油站的最高峰下降了17.1%。
与此同时，K3完成单项任务的平均成本约0.94美元，与GPT-5.6 Sol基本相当，仅约为Claude Opus 4.8的一半。
对业内而言，更重要的是，这是首个进入Artificial Analysis综合榜单前三的开源模型。
二 | 具有近30年历史的淡滨尼9道埃索油站在2023年9月关闭。长期以来，“开源模型整体落后闭源模型半代”几乎是行业共识，而K3的出现，让这一差距进一步缩小。（取自埃索脸书）与此同时，也有迹象显示汽油的需求下降。陆路交通管理局数据显示，一辆汽车在2023年的年均里程为1万6300公里，比2003年的2万零200公里少了19.3%。车程越短，所需的燃油自然就越少。此外，更节能的油电混动车和电动车日益受欢迎也是另一原因。截至2023年底，本地共有7万9256辆油电混动车和1万1941辆电动车，占2023年汽车总数的14%。
图源：Monolith励思资本
除了评测成绩，K3本身的参数规模同样引发业内关注。
三 | K3是月之暗面首款万亿参数级MoE模型，总参数规模达到2.8万亿。2013年，这一比例仅为汽车总数的0.8%。电动车的数量也在迅速增长。单在今年前7个月，电动车的数量激增60%，达到1万9098辆。
四 |
一位国产AI芯片厂商人士向界面新闻表示，今年以来，随着Anthropic等海外厂商不断推出更大参数模型，国内模型竞争再次回到“大参数、长上下文”赛道，万亿参数、百万级上下文正成为头部模型的重要竞争方向。
五 | 在这期间，电动车占新车注册量的32.1%。
在他看来，K3之所以迅速“出圈”，不仅因为模型能力，更因为它意味着国产开源模型首次进入这一量级。“对于行业来说，2.8T本身就是一个重要信号。”
业内关注很快传导到了开发者社区。
在X（Twitter）、Reddit、OpenRouter、Linux.do、V2EX等平台，大量开发者第一时间分享体验，不少人将K3接入Cursor、Cline、OpenCode等AI编程工具进行测试。从代码生成、Agent任务到工具调用，K3几乎成为过去几天AI圈讨论最多的模型之一。汽车行业顾问史贵能（音译）预计，随着充电时间缩短和电动汽车续航里程提高，电动汽车的采用率将会增加。“汽油的需求无疑会下降，具体程度将取决于电动汽车的采用率。那我们日后还需要同样的加油站网络吗？所有迹象都表明，未来汽油公司的零售足迹将缩小。
讨论几乎集中在三个问题：第一，它到底能不能替代Claude做编程？第二，它是否真的达到国际第一梯队？第三，它到底值不值得迁移？
不少开发者认为，K3最大的亮点并非聊天，而是在长流程Agent任务和代码生成场景。一些体验者表示，在复杂代码修改、工具调用等任务中，K3已经能够进入Claude、GPT等国际头部模型的竞争序列。
但也有反馈称，在真实工程任务中，该模型虽然能力突出，但仍会遗漏部分细节，需要人工修正；此外，其复杂统计推理等任务表现仍存在不稳定情况。
另一类讨论则集中在成本。”让油站雪上加霜的是，新加坡目前虽然有大约1万3800个充电桩，它们大多数却都不是设在油站。本地油站如何顺应局势？油站减少的现象并非新加坡独有，管理咨询公司Sia Partners在2021年的一份报告中预测，到2050年，欧洲的加油站数量将减少43%。其中原因同样是车辆平均燃料消耗量将减少，燃油车比例下降，以及汽车行驶距离的持续减少。有用户认为，K3虽然单价具有竞争力，但由于复杂任务Token消耗较大，实际使用成本未必低于预期，尤其是在长流程Agent任务中更为明显。另一项发表于2019年的报告指出，倘若经商模式维持不变，全球至少四分之一的加油站将面临停业的风险，在最糟的情况下，多达八成的加油站可能会关闭。
K3的热度也迅速传导到了海外AI圈。本地油站大多通过“开源”因应变局。壳牌在2017年结束了与连锁便利店7-11长达11年的合作关系后，将一系列食品和饮料连锁店引入旗下的加油站，包括亚坤、老曾记、一芳台湾水果茶、泡泡茶No.17 Tea、椰子冰沙CocoCane、Boost果汁、麦当劳、Sarpino比萨、亚洲甜点Markozar等等。
美国科技投资机构Atreides Management创始人Gavin Baker将K3称为AI发展的一个“拐点（inflection point）”，他认为高质量开源模型正在加速AI能力扩散，其影响不会局限于模型厂商，而将惠及整个AI应用生态。
也有研究者保持谨慎。壳牌位于兀兰的油站设有老曾记小吃店。（老曾记脸书）壳牌发言人告诉《海峡时报》，该公司将会在其加油站推出自己的壳牌咖啡馆，提供咖啡师风格的精心制作的咖啡和食物。
长期研究人工智能对工作影响的宾夕法尼亚大学沃顿商学院教授Ethan Mollick在X上表示，他曾让Kimi K3对自己此前的一项学术研究进行复杂统计审计，但模型“在很多方面都搞砸了”，包括错误使用统计分析方法。埃索（Esso）加油站的便利店则由平价（FairPrice）集团经营。
Mollick认为，K3已经非常接近全球领先模型，但复杂专业任务中的可靠性仍需更多真实场景验证，而不能仅依据Benchmark成绩作出判断。
六 | 该集团发言人告诉《海峡时报》，十分之三的顾客光顾超市是为了购买必需品，不是为汽车添油。
七 | 今年3月，位于大巴窑2巷的埃索油站还在其FairPrice Express便利店开设了第一个Maki-San外卖寿司柜台。位于埃索油站的Maki-San寿司柜台。
这一评价也反映出当前AI社区对新模型的一种普遍态度：一方面，K3在代码生成、Agent等场景的表现获得了大量开发者认可；另一方面，模型在复杂专业任务中的稳定性和可靠性，仍需要更多真实场景的持续验证，而不能仅依据榜单成绩作出判断。（谷歌地图）Maki-San的负责人Cydric Chung受访时说，除了司机之外，住在附近的居民也会光顾。
八 | 房地产咨询公司Cistri副总监Edwin Loo也指出，加油站的零售服务在有地住宅区会显得更加重要。
算力紧缺仍是瓶颈
也正是在开发者快速涌入、调用量持续攀升的背景下，月之暗面很快遇到了另一个问题——算力。对驾驶者来说，油站售卖老曾记、泡泡茶这些小吃和饮料，让他们不必支付商场的停车费，就可以满足食欲，是多么快乐的一件事。红蚂蚁的先生网购时，不是选择最靠近的油站自取快递，而是会选择有麦当劳的油站，添油和取快递之余，又可以买东西吃，可说“一石三鸟”。新加坡油站今后将何去何从？新跃社科大学商学院副教授黎华德认为：市场力量最终将决定新加坡加油站的发展方向。
九 | 如果市场产能过剩，业者承租地段经营加油站的意愿就会减弱。至于这个现象是否也预示电动车时代的来临，综合网民和部分驾车人士的看法，目前把汽车换成电动车的推动力还不够，因为电动车价格还是太高，即使将可能省下的添油费计算在内，购买燃油汽车还是比较便宜。
十 |
过去两年，大模型行业更常见的叙事是“训练一个模型需要多少GPU”、“参数规模达到多少”，而不是因为用户太多，不得不暂停开放订阅。
十一 | 油站虽然已经必须为了生存而转型，但现阶段谈新加坡正走入电动车时代可能还为时尚早。
事实上，训练完成并不意味着算力投入结束，尤其是在AI Coding、Agent等场景快速发展的背景下，模型需要持续调用工具、读取上下文、执行多轮推理，一个请求占用GPU资源的时间远高于传统聊天场景。模型能力越强、上下文越长、用户调用越频繁，对推理算力的消耗也越高。
“今天最大的问题还是缺算力，尤其是高质量的推理算力。”上海国投孚腾资本投资总监陈雨沁此前接受界面新闻采访时表示，即便是头部模型公司，也已经开始取消无限量使用、提高服务价格，本质上都反映出推理资源依然紧张。“如果基础设施没有解决，很多应用公司其实不敢真正大规模推广产品。”
“从供需关系来看，国内AI算力长期处于供不应求状态，而随着头部模型集中发布，这种紧张局面会进一步放大。”上述芯片产商人士向界面新闻称。
十二 |
他介绍，目前像月之暗面、智谱、MiniMax等独立模型公司，获取算力主要依赖两种方式：一是租用公有云厂商的算力服务，二是建设自有算力集群。但前者资源有限，后者属于重资产投入，需要较长建设周期，因此模型厂商的算力供给始终存在一定压力。
十三 |
“业内普遍认为，支撑万亿参数模型训练和推理，万卡级集群已经成为基础门槛。
十四 | ”他表示，从2024年至今，真正具备万卡级部署能力的厂商仍然是少数，不少已经宣布建设的大规模集群项目，落地周期往往以年计算，因此供需之间仍存在长期缺口。
今年WAIC期间，一个细节让上述国产芯片厂商印象深刻。
他告诉界面新闻，各家国产芯片厂展示超节点产品时，被问得最多的两个问题就是：“能不能支持万卡集群？”“能不能支持万亿参数模型训练？”
相比过去围绕单卡性能、芯片参数展开讨论，如今产业链更加关注的是超大规模集群能力，以及支撑头部模型持续训练、推理的基础设施。
十五 |
这一变化，也折射出大模型竞争逻辑的变化。
过去，模型公司比拼的是参数规模、训练能力和Benchmark成绩；如今，随着越来越多模型进入真实生产环境，推理效率、服务稳定性、成本控制以及基础设施能力，开始成为新的竞争维度。
K3暂停开放新用户订阅，也许只是一次短暂的资源调配，却让外界第一次如此直观地看到，大模型竞争已经进入新的阶段。模型能力决定产品能否吸引用户，而推理算力、基础设施和持续服务能力，则决定它能否承接真正的大规模应用。
Current article:http://4tj8a5t.piepengxikuozhuangzebaohouye.sbs/list_vxddsz/91kh.html
Published on:01:08:44
