比特幣面臨新逆風：中國的 Kimi 在程式碼基準測試上超越 Claude 與 GPT
目錄
你可能想知道
一個來自北京的開放權重 AI 模型如何波及全球市場並影響比特幣價格？
為什麼像程式碼這類狹窄領域的突破會挑戰對前沿 AI 能力稀缺性與地理分佈的假設？
主要議題
七月底，北京的 Moonshot AI 發布了 Kimi K3，一個以程式碼為重點的大型模型，該模型立刻攀升到知名程式碼排行榜的頂端，並引發廣泛的市場反應。開發者描述 Kimi K3 為一個 2.8 兆參數的混合專家（mixture-of-experts）模型，具備一百萬標記的上下文視窗。在架構上，它使用稀疏激活模式：對於單一輸入只會啟用一小部分專家子模型（報導為 896 個中啟用 16 個專家）。此設計在推理和訓練期間，與具有相近參數數量的密集模型相比，可降低計算成本。
在 Arena 的 Frontend Code 排行榜上，Kimi K3 在整體排名及大多數測試類別中領先於 Anthropic 的 Claude Fable 5 與 OpenAI 的 GPT-5.6。雖然那些較通用的模型配置在一些通用知識與多領域評估上仍占優勢，Kimi 的表現構成了程式碼生成領域的專門勝利。K3 上升的速度與幅度值得注意：Moonshot 之前的模型排名遠低於此，因此這次躍升代表在一個發行週期內有實質的工程進展。
對市場參與者來說關鍵的是，Moonshot 將以開放權重的形式釋出 Kimi K3，且安排公開完整發佈。這意味著任何人在相容硬體上都能下載並執行該模型，而無需使用授權費。這項授權決策對比於近期美國大型公司的發佈——Anthropic 與 OpenAI——它們的頂級配置多以封閉或計量服務方式分發。前沿能力會保持稀缺、昂貴且主要託管於美國的預期，是支撐目前相當比例 AI 基礎建設投資的基礎假設。
這一關鍵見解顯著影響了對 AI 計算與基礎設施需求來源的理解。 若高效能模型是免費可得且能高效運行，第三方投資昂貴專有基礎設施或長期計算租賃的意願可能會減弱。換言之，市場對持續稀缺性的假設會因為一個開放且高效能的替代方案而受到直接挑戰。
市場反應迅速且跨資產。Kimi K3 發布後，亞洲交易時段 AI 與半導體類股出現拋售，讓人聯想到先前意外模型發佈衝擊晶片估值的情況。加密市場，特別是比特幣，也受到影響：主要加密貨幣下跌，交易者將模型發佈的意涵計入風險資產定價。
比特幣對 AI 相關消息的敏感性並非偶然。在過去兩年，多家上市的比特幣挖礦公司公開將自己重新定位為潛在的 AI 資料中心房東。他們基於對訓練與推理計算需求將持續強勁成長的假設，協商長期租賃與與模型開發者的合作。該論點隱含地依賴於持續的稀缺性或至少持續願意支付高階計算能力的意願。
如果前沿等級的 AI 以開放權重形式可得且能更便宜地執行——無論是因為演算法效率、混合專家設計，或更寬鬆的授權——那麼某些潛在租戶可能會減少簽署昂貴長期合約的動機。支撐某些公開比特幣公司估值的礦工轉向 AI 的論點，若需求預期顯著改變，可能因此失去其支撐底部。
強調細節很重要。據報導，Kimi K3 的優勢集中在程式碼基準；在更廣泛的推理與通用知識基準上，它不一定能超越 Anthropic 與 OpenAI 的頂級封閉模型。因此，這次釋出是有針對性的擾動，而非對前沿能力的全面顛覆。此類過去的衝擊常引發劇烈但有時具暫時性的市場重新估價：領先晶片製造商在早期干擾後復甦，且對 AI 相關資本支出的投資仍持續增加。
目前的差別在於定位：比特幣愈來愈像一個槓桿押注 AI 資本週期本身的工具，而非僅僅依賴鏈上指標的純加密資產。這種連結意味著比特幣價格可隨著利好晶片相關消息上漲，或因削弱基礎設施支出假設的新聞而下跌。短期波動因此反映了對 AI 支出、硬體稀缺與授權模式的預期轉變。
在 Kimi K3 公布後數日，相關國內 AI 新創與供應商經歷更劇烈的負面波動，突顯出競爭動態與感知產品同質性（或優越性）如何快速將投資資本在科技部門內重新配置。這些重新估值會影響更廣泛的風險情緒，當相關性出現時，也會波及加密市場。
關鍵見解表
| 面向 | 描述 |
|---|---|
| 模型 | Kimi K3 — 2.8 兆參數的混合專家模型，具一百萬標記的上下文視窗。 |
| 表現 | 在 Arena 的 Frontend Code 排行榜取得最高分，在程式碼專用基準測試中超越 Anthropic 與 OpenAI。 |
| 授權 | 開放權重且可公開分發，安排完整釋出，允許任何人在無授權費情況下執行。 |
| 市場影響 | 引發 AI 與半導體股的拋售；透過風險資產的風險偏好變動，促成比特幣與其他加密貨幣的下跌。 |
| 對礦商的涵義 | 若高效能模型變得免費可得，則削弱了比特幣礦商與 AI 開發者之間基於稀缺性的長期租賃論證。 |
後續...
展望未來，有數個技術與政策領域值得關注。首先，AI 部署的經濟性將取決於模型架構（例如稀疏專家混合、效率提升）與授權選擇（開放權重 vs. 專有）。對高效模型架構與壓縮技術的持續研究，將在塑造計算需求上扮演決定性角色。
其次，互通性與基準測試需要更清晰的標準。像程式碼表現這類領域專用的突破，儘管不代表整體優越，仍能驅動超出比例的市場反應。更完善、多面向的評估框架將幫助市場與從業者評估模型發佈的實際影響。
第三，AI 與加密基礎設施的交叉值得專注研究：對專用 AI 資料中心容量的需求有多大意義？哪些服務模式（機房共置、臨時租用、長期租賃）在模型可用性與成本變化下最具韌性？政策制定者、投資者與營運者應考量計算商品化的情境，並設計能保留選擇權的策略。
最後，治理與跨境動態日益重要。領先模型的地理分佈以及它們釋出的授權制度，將影響全球競爭、供應鏈與投資模式。探索能在開放研究、國家科技目標與市場穩定之間取得平衡的框架，將成為產業與監管者的重要任務。
簡而言之，Kimi K3 事件說明了演算法與授權層面的進展如何波及資本市場、改變基礎設施投資的誘因，並重塑像比特幣這類已與科技週期連結的資產敘事。監測架構效率、授權趨勢與演進中的 AI 到基礎設施價值鏈，將幫助市場參與者與技術人員預期下一波變動。