Kimi K3 被吐槽「又贵又慢」时，对标对象 DeepSeek 走的是另一条路。2026 年 4 月开源的 V4 系列，Pro 版输入 12 元/百万 Token，Flash 版缓存命中后仅 0.2 元——不到 K3 报价的百分之一。这个价差背后是技术路线选择：DeepSeek 用 MoE 架构让每次推理只激活约 30% 的专家，再配合自研稀疏注意力，在 1.6 万亿总参数下把推理成本推到「人人用得起」级别。它的底气还来自早期坚持「不融资不上市」的工程师文化，靠幻方量化输血闷头打磨效率，直到 2026 年 6 月才完成首轮外部融资，估值近 4000 亿元。

K3 发布刚满一周，白宫科技政策主管 Michael Kratsios 就公开指控月之暗面对 Anthropic 的 Fable 模型实施了「大规模、隐蔽的工业级蒸馏」，并提及该公司采购英伟达 GB300 服务器涉嫌违反出口管制。财长贝森特随即表态制裁「将被提上议程」。但反对声音同样尖锐：Anthropic 自己的模型同样基于全网数据训练，且 Fable 7 月 1 日才公开，K3 仅 16 天后就开源——时间窗口使「蒸馏未来模型」的说法在逻辑上存疑。同一笔账，白宫看到的是知识产权盗窃，中国开发者看到的是欲加之罪。

文章用「兰博基尼不适合接孩子」的比喻，点出了参数竞赛的深层悖论：2.8 万亿参数让 K3 在 CodeArena 登顶，但跑一次中等任务的电费和 GPU 占用「足以让小型创业团队肉疼」。斯坦福 2025 年《大模型规模定律》指出，参数超过 5000 亿后，推理能力提升幅度从 30% 骤降至 5% 以下，成本和能耗却指数增长。真正值得追问的是：当边际收益锐减，2.8 万亿参数是技术上限还是商业叙事？答案可能不在下一个榜单，而在那些真正用得起、用得顺的「小」模型身上。