001
关于这几款大模型的参数规模，目前的公开数据如下：
002
Kimi K3：总参数 2.8 万亿，采用混合专家（MoE）架构，每次 Token 处理实际激活约 500 亿参数（激活 896 个专家中的 16 个）。
003
Qwen3：在相关基准测试中披露的版本为 2350 亿总参数，220 亿激活参数（Qwen3-235B-A22B）。
004
GPT-5.6 系列 (Sol, Terra, Luna)、Claude Fable 5 以及 Claude Opus 4.8：OpenAI 和 Anthropic 均未公开具体参数规模，仅被行业统称为“万亿级”巨头。
005
你提到的“苹果/特斯拉与小米”的比喻非常精准。OpenAI 和 Anthropic 绝口不提参数，而 Kimi、Qwen 甚至 DeepSeek 高调宣扬参数规模与架构细节，这本质上是“生态领导者”与“技术追随者”在商业战略上的分化。
007
1. “最强模型”的护城河正在贬值（领导者不再依赖单一指标溢价）
008
过去三年，大模型的商业逻辑是“代差压制”：只要模型足够大、参数足够多，就能形成技术垄断。但到了 2026 年，单纯通过堆叠参数建立的护城河已被无情填平。当 Kimi 这样的开源/半开源追随者能在几个月内通过算法优化（如 KDA 架构、极低精度量化）在代码和综合能力上追平甚至局部反超 GPT-5.6 和 Fable 5 时，参数规模就不再是稀缺资源。
009
因此，OpenAI 在发布 GPT-5.6 时，主叙事从“参数更大”转向了“分层定价（Sol/Terra/Luna）”和价格战。领导者承认了顶级智能正在迅速商品化，单纯标榜参数已无法支撑其品牌溢价。
010
2. 核心壁垒已转移至“业务闭环”与“生态系统”（苹果逻辑）
011
苹果不强调摄像头像素，是因为它的壁垒在于 iOS 生态；OpenAI 和 Anthropic 不强调参数，是因为它们正在把产品做“重”，深入企业工作流。
012
资料指出，OpenAI 将庞大的编程平台 Codex 并入 ChatGPT Work 生态，每周截留数百万活跃用户的真实业务链路；Anthropic 旗下的 Claude Code 将代码编译反馈、系统终端交互包装进自己的闭环管道，并打入金融和制造垂直领域。它们销售的不再是“2.8万亿参数的算力节点”，而是能解决实际问题的 Agent 工作流。在真实业务中的任务定义能力和反馈闭环，远比跑分和参数重要得多。
014
对于 Kimi 或 Qwen 等追随者而言，它们必须高调强调“2.8万亿”、“100万 Token”和“MoE 激活率”。因为在缺乏深厚企业生态壁垒的阶段，公开硬核参数是证明其“已跨入国际第一梯队”的唯一筹码。
015
同时，强调“总参数巨大但激活参数少”，是为了向市场传递极致的“性价比”信号（K3 的 API 价格远低于美国大厂，且私有化部署仅需 1.4TB 显存）。这是一种典型的“以参数透明度换取开发者信任，以高性价比切入市场”的挑战者策略。
017
大模型基座正在彻底“基础设施化”（水电煤化）： 开发者不应再对任何单一基座模型产生路径依赖。无论是 2.8 万亿还是闭源巨头，它们的能力差距正在收敛，成本正在暴跌。
018
护城河在应用层，不在模型层： 对开发者而言，最危险的策略就是将自己的核心竞争力建立在“调用某个大模型的 API”上。未来的壁垒在于你是否拥有高价值的“真实工作流数据”。谁能像 Cursor 那样把“任务-反馈-模型-再任务”的流程跑通，用真实的业务反馈去驱动 Agent 系统，谁才能真正抓住这波 AI 红利。资本市场的重估也证明了这一点：市场不再奖励盲目囤积算力的厂商，而是奖励能将算力转化为实际利润和商业闭环的应用生态。
