阅读: 329 评论: 0 点赞: 0 发布时间：发布日期：2026-07-28 08:25:29

标签：AI大模型 Kimi K3 MCP协议 Claude Opus 5 企业数字化

开源模型正式进入“3T时代”

7月27日深夜，Moonshot AI 兑现了 WAIC 期间的承诺，把 Kimi K3 的完整权重铺到了 Hugging Face 和 ModelScope。这不是一次常规的模型更新，而是开源社区第一次拿到 2.8 万亿参数、原生多模态、百万 token 上下文的模型。K3 采用 KDA 混合线性注意力与 Attention Residuals，MoE 架构里 896 个专家只激活 16 个，训练效率比 K2 提升了约 2.5 倍。

对中小企业来说，这件事的意义不在于“参数最大”，而在于可私有部署的前沿级智能开始落地。过去企业想用接近 GPT-5.6 Sol 或 Claude Fable 5 的能力，只能走 API；现在你可以把权重下载到本地，用 vLLM 或 Moonshot 开源的 MoonEP、FlashKDA 做推理优化。金融、医疗、政务这些对数据出境敏感的场景，终于有了不依赖海外云厂商的选项。

但我得说一句：K3 不是银弹。它的官方技术博客很坦诚——整体表现仍落后于 Fable 5 和 GPT-5.6 Sol。开源社区接下来几个月真正的考题是，有没有人能把 2.8T 的推理成本压到企业可接受的范围。如果做不到，K3 会停留在“研究玩具”阶段；如果做到了，闭源模型的定价权会被彻底撬动。

Claude Opus 5：Anthropic 把“日常旗舰”重新做了一遍

几乎在同一周，Anthropic 发布了 Claude Opus 5。它的定价和 Opus 4.8 持平，输入 5 美元、输出 25 美元每百万 token，但 Anthropic 强调的是“单任务成本减半”。怎么做到的？ Opus 5 在 Frontier-Bench 上性能是 Opus 4.8 的两倍多，CursorBench 3.2 上只差 Fable 5 0.5%，实际走的 token 却更少。

更值得关注的是它的默认行为变了：Opus 5 把思考模式设为默认，由模型自己决定每个 turn 想多久、想多深。这意味着企业把它接进工作流时，不能再像过去那样按固定 prompt 长度预估账单，而得重新设计预算护栏。Anthropic 自己也补了两个工程功能：对话中途可以增删工具而不失效提示缓存；被安全系统拦截的请求可以自动 fallback。

对我这种经常拿 Claude 写长文、做代码审查的人来说，Opus 5 最直观的升级是“更像一个会检查作业的同事”。系统卡里提到，它在蛋白质序列变异、光谱推断分子结构这类生命科学任务上也有明显提升。科研团队和生物医药企业可以把它当作一个高阶研究助理来用，而不只是聊天工具。

MCP 今日定稿：Agent 的“USB-C”终于统一

7 月 28 日，Model Context Protocol 的 2026-07-28 修订版正式定稿。这是 MCP 诞生以来最大的一次 breaking change：去掉了 initialize 握手和 Mcp-Session-Id，协议核心变成无状态；任何请求都可以落在任意服务器实例上，远程 MCP 服务器终于可以像普通 HTTP 微服务一样水平扩展。

新版本还转正了三样东西：Extensions 框架、Tasks 扩展、MCP Apps。Tasks 给了 Agent 一个带状态句柄的生命周期，MCP Apps 则允许服务器返回可交互的 HTML 界面。对企业 IT 部门来说，这意味着以后内部系统接 Agent 时，不用再为每个模型写一遍适配层；对创业团队来说，写一次 MCP server 就能同时服务 ChatGPT、Claude、Gemini 和国内的大模型客户端。

不过迁移成本是真实的。如果你现在还在用 initialize 握手或 sticky session，这周就是最后的迁移窗口。等主流 SDK 跟进之后，老协议会被快速抛弃。我的判断是：MCP 定稿会加速 Agent 从 Demo 走向生产，但也会洗掉一批早期只看概念、不重工程落地的玩家。

中国模型调用量是美国 14 倍，但真正的胜负还没分

OpenRouter 上周（7 月 20 日至 26 日）的数据显示，全球 AI 大模型总调用量 58 万亿 token，其中中国模型占了 33 万亿，美国模型只有 2.34 万亿。中国大模型周调用量已经连续十三周超过美国，达到美国的 14.1 倍。

这个数字很容易让人兴奋，但我更愿意把它拆开看。调用量大，说明中国模型在价格、接入便利性和应用层渗透上做得好；DeepSeek V4 Flash 和 Pro 双双进入 OpenRouter 调用量前五，Kimi、Qwen、GLM 在海外开发者里的接受度也越来越高，Airbnb 用 Qwen、Cursor 用 Kimi、Lindy 转向 DeepSeek 的例子都被反复提及。

可调用量不等于技术领先。黄仁勋在 7 月 24 日联名美国科技巨头发了一封支持开源 AI 的公开信，直言华尔街“先低估 DeepSeek，又低估 Kimi”。他的潜台词是：中国开源模型的崛起会拉动全球芯片和数据中心需求，英伟达乐见其成。反过来也提醒我们，中国模型要继续往上走，必须在原创架构、训练 Infra 和生态标准上建立自己的话语权，而不是只卷调用量和价格。

DeepSeek 按下融资暂停键，合规成为新变量

7 月 26 日，彭博报道 DeepSeek 已口头通知部分潜在投资者，暂停按计划签署第二轮融资协议。这轮原本有望把估值推到 740 亿美元的融资，因为第一轮投资者会议内容泄露，让梁文锋和团队决定先踩刹车。几乎同时，意大利数据保护机构 Garante 对 DeepSeek 作出无罚款但限制境内个人数据处理的处罚，认定 GDPR 域外适用成立。

两件事加在一起，给所有出海的中国 AI 公司提了个醒：资本节奏和合规节奏必须同步。DeepSeek V4 稳定版已经在 7 月 24 日上线，旧 API 同步停用，V4-Pro 1.6T 和 V4-Flash 284B 的双版本策略在性价比上依旧能打。但再强的技术，也扛不住监管和资本信任的双重消耗。

工业和信息化部在 7 月 27 日发布的《“小快轻准”数字化产品和服务培育指引（2026 年版）》则给出了另一个信号：国家层面正在把 AI 往中小企业深度融合的方向推。对做企业服务的公司来说，这意味着政策红利、市场需求和合规压力会同时到来，谁能把“小快轻准”落到产品上，谁就能吃到下一波增量。

企业落地该看什么？

把这五个信号拼起来，7 月末的 AI 格局其实只有一条主线：模型能力正在商品化，真正值钱的是工程化、合规化和场景化能力。

Kimi K3 开源让私有化部署成为可能；Claude Opus 5 证明闭源旗舰 still 能在效率和体验上领跑；MCP 定稿让 Agent 的互联互通从理想变成标准；中国模型调用量的优势说明应用生态已经跑起来；DeepSeek 的融资波折则提醒所有人，出海和合规必须前置。

对中小企业的建议很实际：如果你正在选型，不要只问“哪个模型分最高”，要问“我的数据能不能出域”“我的现有系统有没有 API/MCP 接口”“我的团队能不能在 30 天内把 Agent 跑起来”。这三个问题答清楚了，比追任何新模型都重要。