Kimi K3 and Qwen 3.8: 基座模型實驗室的經濟威脅

開源模型現已達到 SOTA 前沿

Moonshot Labs 的 Kimi K3 與 Alibaba 的 Qwen 3.8 的發布，標誌著 AI 領域的戰略轉向，證明了透過開源權重模型即可達到頂尖（SOTA）性能。據報導，這兩個模型在性能上都接近 Anthropic 的 Fable 5，而其權重的釋出暗示著封閉原始碼的前沿實驗室的競爭優勢正在縮小。

這種趨勢對「僅提供模型」的供應商構成了重大威脅。當高階性能透過開源權重變得商品化時，那些不擁有底層基礎設施的實驗室將難以區分其產品並維持定價權。

基座模型基礎設施的經濟學

基座模型市場的盈利能力取決於一家公司擁有價值鏈中多少比例的部分。建立與維護這些模型的成本分為兩個主要階段：訓練（薪資、算力與電力）與推理（持續的算力與電力）。

基礎設施所有權層級

根據其基礎設施戰略，公司可分為三個主要的經濟類別：

租賃基礎設施： 像 Anthropic、Moonshot Labs 與 Knowledge Atlas（GLM 5.2 的開發者）這類公司租賃數據中心並支付電費。其成本隨收入線性增長，這意味著利潤率不會隨著使用量增加而提高。
擁有數據中心： 像 Meta 與 Alibaba 這類公司建造自己的數據中心，但向外部供應商支付電費。這將部分變動成本轉化為固定成本，從而在規模化時提高利潤率。
整合電力與算力： 像 SpaceX 這類公司同時擁有發電能力與數據中心。這能最大限度地將變動成本轉化為固定成本，隨著使用量增加，可實現最高的利潤率。

對於僅租賃基礎設施的實驗室而言，唯一的成功路徑是持續產出絕對最好的模型，或是以顯著較低的價格提供「足夠好」的模型。這將導致推理成本的「逐底競爭」。

Anthropic 的戰略脆弱性

Anthropic 處於一個不穩定的位置，因為它高度依賴監管戰略與追求遞歸自我改進，同時缺乏競爭對手的基礎設施所有權。

高成本與低護城河

Anthropic 的 Fable 5 在每個完成任務的成本上，幾乎是 OpenAI 或開源模型的近三倍。這種定價方式帶來了風險：隨著基準測試（benchmarks）趨於飽和且性能差距縮小，用戶可能會轉向更便宜的替代方案。

此外，Anthropic 的產品護城河——例如 Claude Code 與 Cowork——正受到「harness」新創公司的威脅（例如 OpenCode、OpenClaw、Hermes），這些公司在各種模型之上構建應用層。由於構建 AI harness 的門檻很低，Anthropic 無法僅靠產品層來建立防禦力。

與 OpenAI 的比較

雖然 OpenAI 的模型在近期的一些基準測試中落後於 Anthropic，但 OpenAI 已在消費者體驗、語音、硬體與數據中心所有權方面投入了更多資源。這種多元化發展為 OpenAI 提供了比 Anthropic 以模型為中心的做法更強的韌性，以及更清晰的長期利潤率優化路徑。

社群洞察與反對觀點

產業討論指出，「僅提供模型」的風險可能具有細微差別。有些人認為，頂尖模型提供的價值仍遠高於高價值用戶的成本，這使得價格戰對特定市場細分領域而言並不相關。

"我個人知道 LLM 為我的工作流程所增加的價值，遠比我每月支付給前沿實驗室的 200 美元還要多得多。我沒興趣為了讓它稍微便宜一點而進行優化。"

其他觀點則強調了向專用硬體轉向的趨勢，以及通用 AI 進展可能進入平台期的觀點：

ASIC 轉型： 有人認為最終的贏家將是誰能最快將模型遷移到 ASICs（專用集成電路），從而降低電力成本並提高企業在地部署的效率。
平台期理論： 如果 AI 進展進入平台期，市場將完全轉向追求最低利潤率的競爭，這對擁有高昂管理成本與租賃基礎設施的實驗室將是災難性的。
「SaaSpocalypse」： Claude Design 的發布引發了擔憂，即基座模型實驗室會透過直接在模型中構建應用層，來蠶食其自身的 SaaS 夥伴，這可能導致開發者生態系統的疏離。

對模型供應商的長期影響

Kimi K3、Qwen 3.8 與 GLM 5.2 的出現，顯示 2025 年的「DeepSeek moment」並非偶然，而是一種持續的競爭模式。像 Knowledge Atlas、Moonshot Labs 與 Anthropic 這樣僅提供模型的供應商，在面對 Google、Meta、Alibaba 與 SpaceX 等垂直整合巨頭時，將面臨重大的防禦挑戰。

Kimi K3 與 Qwen 3.8：基座模型實驗室的經濟威脅