Kimi K3 总参数达 2.8 万亿，采用 MoE 混合专家架构（896 个专家，每次只激活 16 个），自研 KDA 混合线性注意力机制使解码速度提升 6.3 倍。在 Code Arena 编程榜以 1679 分超越 Claude Fable 5，成为首个登顶的开源模型。但月之暗面自己承认，综合表现仍落后于 GPT-5.6 Sol 和 Claude Fable 5。参数规模虽大，但真正的突破在于架构效率——2.8 万亿参数并非全部同时工作，而是通过稀疏激活实现『大体量、低消耗』，这解释了为何它能以 2.3 美元/百万 Token 的定价运行。

Kimi K3 以开源模型身份定出中国模型最高价，引发争议。这背后是一场持续数年的 AI 开闭源路线之争。开源模型（如 DeepSeek、LLaMA）通过公开权重，让开发者可自由部署和微调，大幅降低了技术门槛；闭源模型（如 GPT、Claude）则依赖 API 调用收费。2024-2025 年，开源模型性能快速追赶，硅谷甚至爆发了 50 家巨头联名支持开源的信件运动。但开源不等于免费——推理成本、部署成本、定制成本依然存在，Kimi 的定价正是在挑战『开源必须低价』的行业惯性。

文章认为大模型只有『定价窗口』，OpenAI 的遭遇是最好的例证。GPT-4 时代曾绝对领先，定价行业最高，但随后一路降价：GPT-4o 比 GPT-4 便宜一大截，GPT-5.6 Sol 定价已降至 Claude Fable 5 的一半，而奥特曼甚至公开表示『乐意降价 75%』。更深层的是，DeepSeek 点燃的价格战将中美 Token 价差拉大到 55-166 倍。OpenAI 面临的不只是能力被追平，还有苹果起诉、11 位核心高管离职、甲骨文降级等连锁反应。曾经最强的定价选手，正被『窗口』逼向墙角。

文章结尾指出，大模型真正的定价权不在模型本身，而在『上层应用+入口』和『底层算力+芯片』。当前 AI 产业链正上演『三明治陷阱』：上游英伟达净利率超 70%、存储巨头利润率飙到 77%，还在涨价；下游苹果压价 OLED 面板 20%、Meta 被迫烧钱建数据中心；夹在中间的精密制造和代工环节利润被两头挤压。大模型公司处于中层偏下位置，上有应用层截获用户粘性，下有算力层控制成本结构。未来 12-18 个月的关键信号是：看谁能先通过 Agent 平台或工作流积累出不可替代的用户数据资产。

文章核心洞察是『改一个 API endpoint 就能换模型，转换成本极低』。这引出一个深层问题：当用户切换你的 AI 产品跟换浏览器标签页一样简单，真正的护城河是什么？当前 AI 产品呈现三种粘性状态——陌生人式（每次像第一次见你）、熟人式（知道基本信息）、老朋友式（懂你的习惯和语境）。绝大多数产品停留在前两种。真正能锁住用户的，是产品在长期互动中积累的『用户心智模型』，而非单次回答的聪明程度。那些在窗口期只想着涨价而非沉淀用户行为的公司，窗口一关可能什么都不剩。