· 2026 ·
RESHAPE · 万有引力
/让我们用 AI 一起重塑职业未来/
国产模型必须便宜吗？
Kimi K3发布后，讨论很快分成了两个极端。一边是兴奋。2.8万亿参数、100万Token上下文，部分编程和智能体评测超过GPT，甚至在个别项目中压过Claude Fable 5。另一边是吐槽。每百万Token，未缓存输入20元，输出100元。
看到价格，有人忍不住问：国产模型怎么也开始这么贵了？这句话听起来合理，却藏着一个持续了很久的默认前提——国产模型可以很强，但最好不要太贵。
然而，Kimi K3真正打破的，或许不只是模型能力的上限。它打破的，是国产模型就应该低价的心理锚点。
国产模型，正在退出平替身份。过去两年，国产模型最常见的宣传路径是什么？不是我比你更强，而是能力接近，但价格更低；效果差不多，但调用更便宜。这套逻辑确实有效，低价迅速占领了市场，也让大量企业第一次敢把AI接进客服、办公、编程和内容生产流程。
但它同时制造了一个隐形标签：国产模型，是国外顶级模型的便宜替代品。只要能力接近，价格足够低，就算成功。久而久之，用户开始把便宜当作国产模型的一部分。
所以，当Kimi K3把价格抬到每百万输出Token 100元时，大家的第一反应不是它值不值，而是它凭什么这么贵？这可能正是K3发布后最值得讨论的变化。国产模型第一次不满足于做性价比选项，而是尝试按照前沿模型的能力给自己定价。换句话说，它想卖的已经不是平替,而是生产力。
超过GPT‑5.6，只说对了一半。Kimi K3的成绩确实亮眼。在部分前端开发、GPU Kernel优化、复杂编程和智能体测试中，它超过了GPT，在一些公开榜单中，甚至领先Claude Fable 5。
但这不等于K3已经全面超过所有海外旗舰模型。不同评测测量的是不同能力：有的看网页生成，有的看代码修复，有的看工具调用，还有的看模型能否独立完成几十步的复杂任务。一个模型在某项测试中领先，并不代表它在所有场景中都更好。
真正重要的不是K3赢了几张榜单，而是国产模型已经不再只和国产模型比较，而是开始进入全球第一梯队的对比。
用不起可能是因为我们还不会用今天很多企业使用AI的方式，依然停留在先接进来再说。什么任务适合用强模型？哪些步骤可以交给便宜模型？什么时候应该读取全部上下文？哪些内容能够缓存复用？一个任务失败多少次就应该停止？很少有人认真设计这些问题。
于是，最昂贵的模型被用来整理格式、改写标题和重复搜索，智能体为了完成一个简单任务读取大量无关文档。账单上涨后，大家首先责怪模型价格。但其中相当一部分费用，并不是智能本身的成本，而是混乱工作流的成本。
Kimi K3的高定价，反而会迫使企业回答一个过去可以回避的问题：我们究竟需要最强模型，还是只是在滥用最强模型？真正成熟的AI工作流，可能不是所有任务都调用K3。而是进行能力分层：简单分类、摘要和格式整理交给便宜模型；复杂推理和关键决策交给强模型；重复上下文尽量使用缓存；为Agent设置预算、轮次和停止条件；最终按照任务成功率计算成本。
当模型不再无限便宜，使用AI才会从堆算力走向做管理。
国产AI正在经历一次价格成人礼Kimi K3引发争议，是因为它碰到了一个敏感问题：如果国产模型已经拥有全球一流的能力，它是否也有资格收取接近全球一流的价格？
从消费者角度看，我们当然希望模型越强越便宜。但从产业角度看，一个只能依靠低价证明价值的市场，很难长期投入最昂贵的前沿研发。训练更大的模型、购买更多芯片、建设推理基础设施，都需要真实收入支撑。如果国产模型永远只能比国外模型便宜十倍，它最终可能获得大量调用量，却无法获得与能力相匹配的商业回报。
、所以，K3真正冒险的地方不是发布2.8万亿参数模型。而是它第一次明确告诉市场：国产模型的价值，不应该永远由比国外便宜多少来定义。这场价格争议，可能是国产AI的一次成人礼。它意味着国产模型正在从追赶者的低价策略，走向领先者的价值定价。
Kimi K3到底贵不贵？如果只看Token单价，它确实不再是我们熟悉的白菜价国产模型。但如果它能以更高成功率完成过去只有海外旗舰模型才能完成的任务，它仍然可能具有竞争力。
真正值得警惕的，不是国产模型涨价。而是我们继续用每百万Token多少钱衡量AI，却不计算它究竟完成了多少有效工作。未来最便宜的模型，未必是单价最低的那个。而是能用最少试错、最少返工和最少人工介入，把事情真正做完的那个。
当国产模型不再便宜，我们才会被迫看清：自己购买的究竟是Token，还是结果。
如果你想紧跟AI内容趋势，搭建自己不可替代的创作壁垒。
欢迎持续关注【万有引力AI】
我们持续分享可落地的创作方法论，做会思考、有内核、能变现的优质创作者。
更多精彩内容
