GPT-6 Sol 对阵 Kimi K3：关于开放权重的三个假设，用一张账单来检验

购买开放权重通常是在押注三件事：它们会更便宜、能让你拥有掌控权，以及它们是防止供应商改变主意的保险。Kimi K3——Moonshot AI 于 2026 年 7 月 27 日以开放权重发布的 2.8 万亿参数模型——与GPT-6 Sol——2026 年 9 月 22 日发布的闭源模型——为这三点提供了一个干净的测试案例，因为这两个模型在中立榜单上的表现足够接近，以至于这些假设必须独自承担论证的责任。

以下是它们的表现。K3 按任务计算并不更便宜——它大约贵一倍，每百万 token 分别为 3.00 美元和 15.00 美元，而 Sol 是 2.00 美元和 10.00 美元。控制是真实存在的，但有一个大多数团队都不会跨越的硬件下限。而保险是唯一一个完全站得住脚的假设，这也使它成为唯一值得为之付费的假设。接下来就是每一项背后的算术。

两个模型，简述

Kimi K3 是一个稀疏混合专家模型，总参数量达 2.8 万亿，而每个 token 激活约 1040 亿——约 3.7%——的参数，以 Modified MIT 许可证发布，上下文窗口为 1,048,576 个 token。Moonshot 的架构主张很具体：Kimi Delta Attention，一种混合线性注意力方案，该公司称其在长上下文解码中最高可快 6.3 倍，外加 Attention Residuals 和一个 Stable LatentMoE 框架。它接受文本和图像输入，返回文本。未蒸馏模型的大小超过 1 TB，而生产部署被描述为至少需要 64 个加速器。

GPT-6 Sol 是闭源的，采用单一标识符，统一定价为 $2.00 和 $10.00，缓存读取为 $0.20，缓存写入为 $2.50；当输入 token 超过 272,000 时，整个请求的价格会调整为 $4.00 和 $15.00。它支持文本和图像输入、文本输出，上下文窗口为 1,050,000 token，最大输入为 922,000 token，输出上限为 128,000 token，知识截止日期为 2026 年 4 月 20 日。

在实际应用中，上下文窗口的大小是一样的——相差仅 0.1%。这就消除了倾向于选择其中一个的最常见理由，也意味着这个决定完全取决于那三个假设。

假设一：开放权重更便宜。并非如此。

• 输入 — GPT-6 Sol 每百万个令牌 2.00 美元 vs Kimi K3 每百万个令牌 3.00 美元

• 输出 — GPT-6 Sol 每百万 tokens $10.00，而 Kimi K3 每百万 tokens $15.00

• 缓存输入——GPT-6 Sol 每百万个 token 0.20 美元，对比 Kimi K3 每百万个 token 0.30 美元；两者均为未缓存输入费率的十分之一

• 智能指数，独立评测 —— GPT-6 Sol 在最高推理强度下达 48，对比 Kimi K3 在最高推理强度下为 44

• Index 任务成本，独立计算 — GPT-6 Sol $1.06 vs Kimi K3 $2.00

• 索引运行的输出词元 — GPT-6 Sol 77M 对比 Kimi K3 160M

• 上下文窗口 — GPT-6 Sol 1,050,000 个 token 对比 Kimi K3 1,048,576 个 token

• 权重 — GPT-6 Sol 闭源 vs Kimi K3 开源，可下载、可自托管

• 许可证 — GPT-6 Sol 不适用，对比 Kimi K3 修改版 MIT

• 总参数量 —— GPT-6 Sol 未披露，对比 Kimi K3 的 2.8 万亿，其中每个 token 激活 1040 亿

Sol 在费率表的每一项上都更便宜，而且差距最大的地方，恰恰正是智能体工作负载花钱最多之处。独立委员会在方向上一致，在幅度上也大致认同：每完成一个任务，Sol 的成本约为一半，而指数得分却高出四个点。要运行同一指数，K3 生成的输出 token 数量是 Sol 的两倍多一点。

有一个细微之处让这还不至于变成一边倒的碾压。Moonshot 声称 K3 的输出 token 数比前代少 21%，而架构层面的工作——注意力方案、残差设计——直指长上下文解码成本。在以超长输入为主的工作负载上，K3 的效率特性可能会缩小索引运行所显示的部分差距。还没有人在可比的评测框架上公布过这项测量结果，所以应把它视为有合理机制支撑的厂商说法，而不是一项结果。

假设二：开放权重让你拥有控制权。但受限于硬件门槛。

这种控制是真实存在的，值得精确说明，因为“开放权重”常被随意使用。可下载检查点上的 Modified MIT 许可证意味着你可以在自己的硬件上运行模型、对其进行微调、固定到特定修订版本，并将推理保持在你能控制的边界内。无论出价多少，GPT-6 Sol 都无法提供其中任何一项。

它的意思并不是：在成本上，自托管可以替代 API。已公布的数据显示，全精度检查点约为 4.9 TB，而在 1 比特量化下约为 397 GB，部署下限处于 410 GB 的组合内存范围内，生产部署则以 64 个加速器来描述。已经在运行这类集群的团队，在这里有一个真正可行的选项。而尚未运行这类集群的团队，则是在拿 API 账单与资本购置相比较，而 API 账单会以很大优势胜出。

控制论证的诚实版本比通常表述的更狭窄：开放权重赋予你离开的能力，而不是低成本运行的能力。这两者不是一回事，而大多数团队只能得到其中一种。

假设三：开放权重是一种保险。这一条成立。

第三个假设在上面的每一个数字面前都依然成立，而这就是K3之所以有市场的原因。Moonshot可以被收购，可以更改未来版本的许可证，可以弃用K3，可以提高价格，可以暂停订阅——而且它在发布后48小时内确实暂停了新订阅，以保护现有付费客户的服务质量，这生动地表明，API访问是一种政策决定，而不是一种属性。

如果 K3 被弃用，你下载的权重依然能跑。如果 Moonshot 把 API 价格提高两倍，你的自托管部署不受影响。如果你需要向审计人员证明你的推理栈冻结在某个已知版本上，检查点能给你这个证明，而 API 不能。这些都不会出现在单任务成本表上，而它们全都是实实在在的。

问题在于它值多少钱。根据上面的数字，为这份保险，你每完成一个任务大约要付双倍的钱，还要在能力上多付四个指数点。对于 API 弃用就意味着业务中断的工作负载来说，这很便宜。对于你本来就会直接切换模型的工作负载来说，这就是为一项你永远不会行使的对冲支付溢价。

如果你想让它们这样，两者都在同一个按键上。

Kimi K3 已上线 OrcaRouter 的目录，按 Moonshot 的标价提供，采用直通模式，让 Moonshot 的价格变动当天就在我们这边生效，而不是等到经销商重新议价之后。截至本文撰写时，GPT-6 Sol 尚未进入我们的目录，可通过 OpenAI 自家的 API 访问。

对于这个特定决策而言，这种组合的价值比听起来更大，因为这两个模型属于不同的失效模式。运行 K3 的理由并不是它更便宜——它并不便宜——而是它是一种对冲，而一种你无法快速切换过去的对冲，算不上了不起的对冲。把 K3 放在与其他一切相同的端点背后，配上自动故障转移和一条可在配置中更改的路由规则，才能把“我们有一个开放权重的后备方案”从演示文稿里的一页幻灯片，变成凌晨三点真正管用的东西。

每个到底是做什么用的

• 如果你想要在通用工作上每完成一项任务的成本最低——那就是 GPT-6 Sol，而且优势大约是 2 倍。

• 如果你想在两者的中立榜单上拥有最强的能力——GPT-6 Sol，领先四分。

• 如果你已经在运营一个 400 GB 以上内存级别的集群，并且需要在自有边界内进行推理——K3，那么整个权衡就完全改变了，因为模型权重的边际成本与硬件的成本并不相同。

如果你的真正需求是你的模型不能被从你身边夺走——K3，而这是对比中Sol唯一无法回答的论点。

• 如果你是因为 K3 看起来是那个更便宜的中国模型，才按每 token 价格来做选择——先看看 token 数量。索引运行中，K3 的输出 token 达到 1.6 亿，而 Sol 是 7700 万：更低的单价买到的是更多 token，而不是更小的账单。