Kimi K3、GPT-5.6、Grok 4.5、Opus 5：2026 年 7 月，AI 彻底失控的一个月

你们 7 月初去度假了？那可不是个好主意。就在你们涂防晒霜的时候，AI 行业决定在三周内推出四个前沿模型。OpenAI、xAI、Moonshot AI 和 Anthropic 上演了一场“来，接着”的狂欢，与其说像科技市场，不如说像一场所有人同时梭哈的扑克游戏。坐稳了，我们将为你们总结这场混战，并附上经过核实的数据和完整对比。

7 月 9 日：OpenAI 推出三种版本的 GPT-5.6

OpenAI 打响头炮，推出GPT-5.6，并像餐车菜单一样分成三个版本：Sol（高端推理、代码和科学能力）、Terra（以半价提供 5.5 的品质）以及 Luna（快速且便宜的大规模版本）。Sol 尤其在智能体能力方面令人印象深刻：Terminal-Bench 2.0 得分91.9%，BenchAlign 综合得分81.96。上下文窗口为 105 万 tokens，输入每百万 tokens 收费 5 美元，输出每百万 tokens 收费 30 美元。严肃、高效，输出价格昂贵。很有 OpenAI 的风格。

7 月 16 日，双重出击：Grok 4.5 与巨兽 Kimi K3

一周后，同一天发布了两个模型（这个行业里不存在巧合）。首先是 xAI 的 Grok 4.5：在大多数基准测试中不如 Sol 强（BenchAlign 76.72，Terminal-Bench 83.3%），但在 SWE-Bench Pro 上领先，而且价格尤其低廉，为2 美元/6 美元，按 token 计算大约比 Sol 便宜 4 倍。这个性价比，确实让人难受。

然后是 Moonshot AI 的 Kimi K3，这就完全是另一个级别了。拥有2.8 万亿个参数，是迄今发布的最大开源权重模型。为了让运行成本不至于高到相当于一个国家的 GDP，它采用了混合专家（Mixture-of-Experts）架构：896 个专家中，每个 token 仅激活 16 个。简单说，就是一个只调动所需神经元的巨大大脑（我们都认识那么一两个反过来的人）。再加上混合注意力机制 KDA（每 1 层完整注意力搭配 3 层线性注意力）、100 万 tokens的上下文、原生文本/图像/视频多模态能力，以及让整个模型得以装入约 1.4 TB 空间的 MXFP4 量化技术。

精彩之处在于：K3 在Frontend Code Arena上夺得全球第一名（1,679 分），领先 Claude Fable 5（1,631 分）。一个即将可以下载的模型，在前端代码方面击败专有模型冠军，这是历史上的第一次。而且完整权重将于 7 月 27 日以修改版 MIT 许可证发布。在为此清空硬盘之前，还是先读读下方“我能在家里运行它吗？”这一节吧：现实会让人瞬间清醒。

7 月 24 日：Anthropic 以 Opus 5 回应

我们以为这个月已经结束了，Anthropic 却拿出了重磅武器：Claude Opus 5，定位为日常使用模型，能力几乎逼近旗舰级 Fable 5……但价格只有一半（每百万 tokens 输入/输出收费 5 美元/25 美元，而 Fable 5 为 10 美元/50 美元）。而且这些数字可不是摆设：

• Frontier-Bench：43.3%，是 Opus 4.8（18.7%）的两倍多，比 Fable 5（33.7%）还高出将近 10 个百分点。没错，超过了自家老大哥。
• ARC-AGI 3（流体智能）：30.2%，而 GPT-5.6 Sol 最高只有 7.8%，Opus 4.8 更只有 1.5%。差距非常悬殊。
• CursorBench 3.2：距离 Fable 5 的最高分仅差 0.5%，但每项任务的价格大约低一半。

此外，它还提供 100 万 tokens 的上下文，以及 low/medium/high 三档工作强度设置，可以针对每次请求调节成本与算力之间的平衡。Anthropic 简直是在以中端产品的价格出售“几乎等同旗舰”的模型。科技公司的财务人员大概都喜极而泣了。

完整对比

因为一张表胜过再写三段话：

在真实的专业任务中（GDPval-AA v2，涵盖 44 个职业、9 个行业），排名依然是：Claude Fable 5 Max（1 815）领先于 GPT-5.6 Sol Max（1 747.8）和 Kimi K3（1 687）。但在全球排名前三的模型中出现一个开放权重模型——要在一月份预测到这一点，确实需要些勇气。

“那我用自己的 Mac 或 PC，能运行它吗？”

每当有人提到“开放权重”，这就是最常被问到的问题。简短回答：不能。详细回答：还是不能，不过请坐稳，因为这里有很多有趣的事情值得说，尤其是还有一些相当不错的备用方案。

为什么“只有 16 个活跃专家”救不了你的机器

典型的误解是：“这是 Mixture-of-Experts，所以 896 个专家中只有 16 个在工作，因此我的 GPU 放得下。”错了。路由是逐 token决定的，没有人能提前知道下一个 token 会调用哪些专家。结果是：所有权重都必须一直加载在内存中。MoE 节省的是计算，而不是内存。这就像你有一座藏书 896 本的图书馆：你一次只读 16 本，但家里仍然必须放下完整的书架。

而这个书架的代价很高：2,800 亿个参数采用原生 MXFP4（4 bit），仅权重就约占1.4 TB。再加上 KV 缓存（只要涉及长上下文，很快就会达到几十 GB）和运行时。即使采用激进的 2 bit 量化（如果它能推出，并且仍然可用），也还需要约 700 GB。

产品目录中最昂贵的 Mac Studio M4 Ultra 配备512 GB 统一内存，其容量上限也只有 K3 以 4 bit 运行所需内存的大约 2.7 分之一。而在 Apple Silicon 上，统一内存还要与 macOS、KV 缓存和推理引擎共享。你永远无法真正使用账单上显示的那个数字。总之，这不是“需要正确设置”的问题，而是物理规律的问题。

那 Ollama 呢？

还不行，而且这不仅仅是大小的问题。K3 使用KDA，这是它自研的混合注意力机制（每 1 层完整注意力对应 3 层线性注意力）。这个东西必须在每个推理引擎中手动实现：截至目前，Mac 端的 llama.cpp、Ollama（基于 llama.cpp）和 MLX 都不支持 KDA。在这段代码出现之前，无论你的 RAM 有多大，都不会有 GGUF，也不能使用 ollama run kimi-k3。目前能运行 K3 的引擎是vLLM和SGLang，运行在配备高速互联的多 GPU 服务器上——这类机器甚至配有自己的断路器。

这个周末你真正能做什么

大多数团队在 2026 年推荐的配置是混合式：对于涉及敏感数据或重复性工作量的任务，使用小型本地模型；对于困难任务，则使用 K3 API。这样既能在重要领域保持主权，又不必把办公室变成数据中心，也不用向会计解释为什么买了四台 Mac Studio——“就是想测试点东西”。

为 7 月 27 日权重发布日提供一个实用提醒：请准备好存储空间（1.4 TB，可不是一根 USB 闪存盘）、带宽（下载可能需要数小时，甚至数天），以及一些耐心。需要等待社区（Unsloth 等项目）发布动态量化版本，并等待 KDA 加入 llama.cpp。从历史情况看，这需要几天到几周时间。在此之前，API 已经能够很好地完成工作。

那么，谁赢了？

诺曼底式回答：这取决于您的预算和使用场景。纯推理？是 Opus 5，以及让竞争对手相形见绌的 ARC-AGI 3 得分。工业级智能体？GPT-5.6 Sol。预算紧张？Grok 4.5，以价格取胜。主权和完全控制？Kimi K3，其开放权重将于 7 月 27 日发布。真正的赢家主要还是我们：这场价格战正以肉眼可见的速度降低推理成本，而巨头们争得不可开交之际，中国证明了可以凭借架构效率绕过芯片限制。

五年前，这些模型中的任何一个都足以占据头条半年。而现在，三周内就出现了四个，我们几乎已经觉得这很正常了。7 月 27 日见，届时下载 K3 权重；而下一次“世纪发布”很可能会在 8 月 1 日到来。

来源

• TechCrunch：Anthropic 发布 Opus 5
• Vellum：Claude Opus 5 基准测试详解
• Tom's Hardware：Moonshot 发布 2.8 万亿参数的 Kimi K3
• VentureBeat：中国 Moonshot AI 发布 Kimi K3
• Simon Willison：Kimi K3，以及我们仍能从鹈鹕基准测试中学到什么
• LLM-Stats：GPT-5.6 Sol 对比 Grok 4.5
• MindStudio：2026 年 AI 模型定价
• Modem Guides：可以在本地运行 Kimi K3 吗？2.8T 硬件的现实情况
• Layer3 Labs：如何在本地运行 Kimi K3：硬件与设置指南
• Unsloth：Kimi K2.6：如何在本地运行（动态量化）
• OpenRouter：moonshotai/kimi-k3