Kimi K3、Qwen 3.8 与 Anthropic 的潜在瓦解
原文：Kimi K3, Qwen 3.8, and Anthropic’s (potential) Unravelling 作者：Emerging Trajectories 日期：2026-07-19
过去一周，两款最先进的（SOTA）基础模型发布：Moonshot Labs 的 Kimi K3 和阿里巴巴的 Qwen 3.8。据报道，两者的性能都接近 Anthropic 的 Fable 5，且都将在未来几周内公开发布模型权重。
Kimi K3 和 Qwen 3.8 代表着对顶级模型开发商的战略挑战，以及它们在移动中生存所需采取的行动。它们证明了一点：通过开放模型达到 SOTA 前沿是可能的。这构成了一个重大威胁——尤其对 Anthropic 而言，它可能在产品差异化方面面临困境。
我们将探讨基础模型经济学，以及 Kimi K3 和 Qwen 3.8 带来的战略影响。
前沿实验室（及供应商）的经济学
基础模型的建造成本极其高昂。它们需要研究人员（即人力成本）、算力（即芯片和数据中心）以及驱动算力的电力。
一旦模型建成，最大的成本就变成了推理：让用户实际使用模型。人力、算力和电力仍然需要，但绝大多数的边际成本仅限于算力和电力——由于模型不再更新，人力成本相对于训练阶段要低得多。换句话说，运营推理业务需要你优化两项成本：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变为固定成本。
那么，你有哪些选择呢？
第一种，租赁数据中心并支付电费。这是 Anthropic、知识图谱（Knowledge Atlas，GLM 5.2 的制造商）、Moonshot Labs（Kimi K3 的制造商）的做法——他们不拥有自己的数据中心或发电厂。
第二种，自建数据中心，向其他供应商支付电费。这是 Meta 和阿里巴巴的做法。
第三种，自建发电设施同时拥有自己的数据中心，如 SpaceX。
你的策略直接影响你的成本基础，进而影响你的利润率。在第一种情况下，你通过在客户推理成本上加价来赚钱。不幸的是，这意味着你的成本随收入同步增长——你的利润率不会随着使用量的增长而增长。相反，如果你拥有发电厂和/或数据中心，你就将推理成本基础中很大一部分变成了固定成本，因此随着更多客户更频繁地使用你的产品，你的利润率可以持续增长。
利润率、价值链与战略影响
你作为前沿实验室对利润率的策略，对你的长期结果有着巨大的影响。
你在基础设施栈中拥有的越多，你就能越多地将这些基础设施货币化。你可以追求成为最好的模型，但并不总是需要如此——你可以托管开源模型（尤其是当它们就是性能最好的模型时！），也可以出租你的硬件。这正是 Meta 可能将其服务器容量租赁给 Anthropic 的原因，也是 SpaceX 在做同样事情（同时还租赁给五角大楼）的原因。
如果你不拥有数据中心或发电设施，唯一决定你成功与否的就是模型需求。你的模型不能只是”好”，必须要么是”最好的”，要么是”够好且足够便宜”。这意味着在推理成本上持续竞底，或者持续竞逐最佳模型提供商的位置。
这存在着巨大的风险。Anthropic、OpenAI、DeepSeek、Moonshot Labs 和知识图谱（GLM 5.2 的制造商）需要不断竞争，祈祷自己能保持领先地位，否则在这场高度激烈的基础模型市场中将面临必然的死亡。
对于纯模型导向的公司来说，唯一的胜利路径是：
- 率先实现递归自我改进，并拥有足够的算力来将竞争对手远远甩在身后
- 通过监管手段关闭市场
- 构建一个如此独特或粘性如此之强的产品，使其无法被复制
Anthropic 的独特脆弱位置
Anthropic 是最严重依赖监管策略和递归自我改进路线的前沿实验室。它对伦理的关注——如其自我审查的 Fable 和 Mythos（在美国政府强制其进一步限制发布之前）——正是与这一监管策略绑定在一起的。
图 1：每个完成任务对应的模型成本
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 所示，Fable 5 在每完成一个任务的成本上几乎是其他模型的 3 倍。用户是否愿意为更好的模型支付如此高的溢价，还有待观察。一些研究者和创始人预计将出现价格战——要么来自竞争，要么因为不着眼价格的 AI 基准测试正在趋于饱和且变得不那么有用。
虽然 Anthropic 在 Claude Code 和 Cowork 等产品上进行了投资，但其聚焦于 Harness（工作套件）的策略本身就是风险。OpenCode、OpenClaw、Hermes 以及大量其他 Harness 创业公司正在这个领域进行创新。构建基础模型的壁垒非常高，但推出自己的 AI Harness 几乎没有壁垒。
这正是 OpenAI 相对于 Anthropic 的优势所在。虽然在最近几个月 OpenAI 的模型落后于 Anthropic，但其在产品、消费者体验、网站发布、语音和硬件等方面的投资，都指向具有更清晰护城河的方向。该公司更愿意投资数据中心所有权和发电设施。虽然有人认为这导致 OpenAI 分散了注意力，但从长远来看，这将使 OpenAI 更具韧性——它拥有灵活性和风险偏好，可以尝试构建具有网络效应和护城河的产品，并为其长期利润率进行优化。
Anthropic 面临着巨大的拆分风险。它的模型是需要被超越的基准，它的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劣势。除非有监管干预或真正的 AGI 发明，否则 Anthropic 很可能难以保持其作为第一基础模型供应商的地位。
Kimi K3 和 Qwen 3.8 的影响
- Kimi K3 于 7 月 16 日发布
- Qwen 3.8 于 7 月 19 日发布
- GLM 5.2——另一款顶级开放模型——于 6 月中旬发布
这比 2025 年的”DeepSeek 时刻”要大得多，因为它展示了多家实验室能够竞争并追赶像 Anthropic 和 OpenAI 这样的资本充足的模型供应商，更不用说 Meta 或 SpaceX（即 Grok）了。它展示了一种持续的竞争、追赶，甚至可能某一天实现超越的模式……尤其是当成本因素被纳入考量时。
更重要的是，作为可持续的长期业务，纯模型提供商面临特别大的风险。知识图谱、Moonshot Labs 和 Anthropic 在面对 OpenAI、阿里巴巴、SpaceX、Meta 和 Google 时，面临着可防御性挑战。
基础设施所有者的优势
相比之下，拥有基础设施的公司在多个维度上更具优势：
阿里巴巴不仅拥有 Qwen 3.8 这样的前沿模型，还拥有自己的数据中心和云计算业务（阿里云）。它可以以边际成本甚至低于边际成本的价格提供推理服务，用云业务的其他部分补贴模型，或者将模型作为获客手段。这是一条将可变成本固定化的清晰路径。
Meta 拥有自己的数据中心，虽然其模型策略一直摇摆不定，但在开源方面具有天然优势——它不需要靠模型赚钱，模型是服务于其广告帝国的工具。当开源模型达到 SOTA 水平时，Meta 可以轻松托管它们，而不需要承担研发风险。
SpaceX 拥有算力和发电能力，可以将闲置容量出租给 Anthropic 这样的纯模型公司，赚取对方在推理业务上辛苦积累的利润。它不直接竞争模型，却在价值链上游精准收割。
Google 拥有 TPU、数据中心和从芯片到应用的完整垂直整合。它的模型（Gemini）可能并非始终排第一，但它在推理成本上几乎无敌。
这些基础设施所有者不必在每个任务上都是最好的——他们只需要”够好”，而纯模型公司必须”最好”。这就是基础设施护城河的力量。
结论
Kimi K3 和 Qwen 3.8 并非孤立的新闻事件，它们是一个更大趋势的加速器：AI 模型正在经历经典的”智能商品化”进程。在这个进程中，成本结构比技术壁垒更重要；拥有基础设施的公司比纯模型公司更可能成为最终赢家。
对 Anthropic 而言，三重风险正在叠加：
- 价格压力——开放模型以更低的成本提供接近前沿的性能
- 产品可替代性——Harness 层面的竞争壁垒非常低，Claude Code 的领先地位并非牢不可破
- 成本结构劣势——不拥有数据中心或发电设施，意味着利润率无法随规模增长
回到那三条胜利路径：递归自我改进尚未实现；监管手段（Anthropic 发力的主方向）是否能有效封锁市场存疑；而在产品独特性和粘性方面，它的领先优势正在缩小。
Anthropic 不会明天就倒下。但如果它无法在三者中至少赢得其一，它的”第一基础模型供应商”的宝座将难以守住。
译者注：这篇文章与 Ben Thompson 的 Stratechery 分析高度互补，两者都在 2026 年 7 月中旬中国模型密集发布的时间窗口内，从不同角度探讨了同一核心问题：纯模型公司的经济可持续性。本文的独特贡献在于清晰地画出了”拥有 vs 租赁基础设施”的利润结构差异，并将 Anthropic 的战略脆弱性归因为对监管路线的过度依赖。
一个值得关注的细节：文章将 Alibaba、Meta、SpaceX、Google 归为”基础设施所有者”阵营，而将 Anthropic、Moonshot、Knowledge Atlas 归为”纯模型公司”——前者在推理成本上有结构性优势，后者被迫在”最好或最便宜”之间做零和博弈。这个框架对于理解 AI 行业的长期竞争格局非常有价值。