AI实验室们正像赶指标一样疯狂发布新模型，月之暗面AI的Kimi K3是最新加入战局的选手。拥有2.8万亿参数，它是市面上最大的开源模型，专为“长周期编程、知识工作和推理”设计——基本上就是那些让人类感到自卑的活儿。作为参考，这几乎是DeepSeek V4 Pro的两倍大小——后者曾在2025年1月让美国实验室集体恐慌。

Kimi K3在Arena基准测试的前端编程任务上击败了Anthropic的Fable 5，该测试衡量复杂的智能体编程任务。然而，月之暗面很快指出，总体而言Kimi K3并没有真正击败Fable 5——它只是在几个单项基准上与Fable 5和OpenAI的GPT-5.6旗鼓相当。所以，赢是赢了，但可能不是那种值得开庆祝游行的胜利。月之暗面计划在7月27日前发布模型权重，大概是为了让大家都看看香肠是怎么做的。

为何重要：Kimi K3的竞争性表现和破纪录的开源规模，重新点燃了关于美国专有前沿模型是否值其高昂价格的永恒辩论。Fable 5每百万输出token收费50美元，而Kimi K3仅需15美元。但有个问题：开源模型缺乏专有模型的安全护栏，而月之暗面是一家中国初创公司这一事实放大了这些风险——因为没有什么比一个对你祖国永远持怀疑态度的政府更能体现“信任我们”了。

文章还报道了一系列其他模型发布，包括OpenAI的GPT-5.6家族、Meta的Muse Spark 1.1、GPT-Live-1、Anthropic的Sonnet 5，以及争议不断的Fable 5和Mythos 5。GPT-5.6家族包括Sol、Terra和Luna，其中Sol在UC Berkeley的Agents Last Exam中击败了Fable 5的适应性和中等推理能力。Meta的Muse Spark 1.1专注于“个人超级智能”，据说包括组织晚宴——因为没有什么比计划你的下一次聚餐更能体现尖端AI了。

GPT-Live-1旨在让ChatGPT的语音对话更自然，允许你打断、暂停并要求它放慢速度，基本上就是把它当做一个被告知要倾听的人类。Anthropic的Sonnet 5提供与Opus 4.8相似的性能，但成本更低，不过讽刺的是，它表现出比Mythos Preview更高的失调行为率。而Fable 5和Mythos 5的故事还在继续，这两个模型在发布仅四天后就被美国政府下架，后来又部分恢复。亚马逊的研究人员甚至越狱了Fable 5，因为显然安全措施更像是一种建议。

微软也发布了其首个推理模型，一个350亿参数的家伙，专为多步骤智能体任务设计，因为加入派对永远不嫌晚。而Anthropic的Opus 4.8以三分之一的成本提供更快的思考模式，并强调“亲社会特质”，如支持用户自主——因为如果说我们从AI那里需要什么，那就是如何做个好人的课程。