在过去的一周里，发布了两个最先进的基础模型：Moonshot Labs 的 Kimi K3 和阿里巴巴的 Qwen 3.8。这两者据称在性能上与 Anthropic 的 Fable 5 非常接近，并且都将在未来几周内公开发布其模型权重。Kimi K3 和 Qwen 3.8 对顶级模型开发者构成了战略挑战，迫使他们为未来的竞争采取行动。它们证明了通过开放模型可以实现最先进的前沿，而这对 Anthropic 构成了重大威胁，后者在未来可能面临产品差异化的挑战。我们将探讨基础模型的经济学，以及在 Kimi K3 和 Qwen 3.8 的背景下的战略影响。 基础实验室（及供应商）经济学 基础模型的构建成本非常高。需要研究人员（即工资）、计算能力（即芯片和数据中心）以及用于驱动计算的电力。一旦模型构建完成，最大成本是推理：使用户能够实际使用模型。虽然仍然需要工资、计算和电力，但大多数边际成本仅限于计算和电力——由于模型没有更新，与训练模型时相比，工资成本相对较低。换句话说，运行推理业务需要优化两项成本：电力和数据中心计算能力。你拥有的价值链越多，变动成本就会转化为固定成本。那么，你的选择是什么呢？首先，你可以租用数据中心并支付电费。这正是 Anthropic、Knowledge Atlas（GLM 5.2 的制造商）和 Moonshot Labs（Kimi K3 的制造商）所做的；他们没有自己的数据中心或发电厂。另一种选择是建立自己的数据中心，并向其他供应商支付电费。这是 Meta 和阿里巴巴的方法。最后，你还可以建立自己的发电机并拥有自己的数据中心，就像 SpaceX 一样。你的战略影响你的成本基础，从而影响你的利润。在第一种情况下，你通过为客户的推理增加利润来赚钱。不幸的是，这意味着你的成本随着收入的增加而增加；你的利润不会随着使用量的增加而增长。相反，如果你拥有发电厂和/或数据中心，你的推理成本基础的许多部分就会成为固定成本，因此你的利润可以随着更多客户更频繁地使用你的产品而增长。 利润、价值链和战略影响 你的前沿实验室在利润方面的做法对你的长期结果有很大影响。你拥有的基础设施越多，你就越能将这些基础设施变现。你可以追求拥有最佳模型，但这并不总是重要——你可以托管开源模型（特别是如果它们是性能最佳的模型！），或者你可以租用你的硬件。正是出于这个原因，Meta 可能正在向 Anthropic 租赁其服务器容量，SpaceX 也是如此（同时也向五角大楼租赁）。如果你不拥有数据中心或发电设备，那么你成功的唯一关键就是模型需求。你的模型不仅要好，还需要是最好的，或者便宜且“足够好”。这是一场在推理成本上的无止境竞争，或是争相成为最佳模型提供商的竞争。这构成了一种巨大的风险。Anthropic、OpenAI、DeepSeek、Moonshot Labs 和 Knowledge Atlas（GLM 5.2 的制造商）需要不断竞争，并希望保持领先，否则在超竞争的基础模型市场中面临着必然的死亡。就纯粹以模型为中心的公司而言，获胜的唯一方式是 (1) 首先实现递归自我改进，提供足够的计算力将竞争者抛在身后，(2) 通过监管以某种方式关闭市场，或 (3) 建立一个独特或黏性的产品，使其无法被复制。 Anthropic 独特而危险的处境 Anthropic 是最倚重监管战略和专注于递归自我改进的前沿实验室。它对伦理的关注，通过其自我审查的 Fable 和 Mythos（在被美国政府强制进一步限制发布之前），与这种监管战略息息相关。图1：完成任务的模型成本 尽管 Anthropic 保持了模型性能的领先地位，但与 OpenAI 或开放模型相比，其模型的成本也非常高。正如图1 所示，Fable 5 每完成一个任务的成本几乎是其近3倍。用户是否愿意为更好的模型支付如此高的费用尚待观察。一些研究人员和创始人预计会出现价格战，要么是通过竞争，要么是因为不考虑价格的 AI 基准正在饱和且不再那么有帮助。尽管 Anthropic 已经投资于 Claude Code 或 Cowork 等产品，但它对利润的关注是一个风险。OpenCode、OpenClaw、Hermes 和其他无数的初创企业现在正在这个领域进行创新。尽管构建基础模型的门槛非常高，但几乎没有障碍去推出...