我们认为，7月Kimi和二季度GLM新模型的迭代，再次验证了国产模型的核心逻辑，迭代周期或进一步缩短。相较于海外闭源模型，目前国产技术差距缩短至3-4月，在高性价比优势基础上，不断提升能力上限和定价权。据我们测评，K3表现仅小幅弱于GPT-5.6 Sol，GLM 5.2发布后对标Opus 4.7。从投资角度看，①国产模型能力快速提升，有望巩固产业链利好趋势，②短期看，尽管定价权有改善，但模型层面竞争明显加剧；长期看Agent渗透率持续改善，有望进一步提高潜在市场空间。

行业重点趋势：模型迭代提速，算力约束尚存

从行业核心趋势看，①参数Scaling Law仍然有效，前沿算力仍是核心约束；K3后续需增强国产适配，投资重点或进一步向产业链倾斜。②从Agent新赛道看，AI办公领域奇点渐近，海外Codex和国内WorkBuddy用户数量保持月度环比高速增长，有望释放更多token需求。

模型追赶效应显著，关注后续密集迭代

市场核心反馈：行业或难以形成持续稳定的SOTA厂商，3Q建议关注智谱、互联网大厂和MiniMax陆续提出的产品迭代。国产模型在参数规模、架构效率及复杂任务交付能力上，进一步靠近全球前沿，也再次验证大参数预训练路线的逻辑。

Kimi Agent议价权改善，编程能力显著提升

7月16日月之暗面发布Kimi K3，模型总参数达2.8万亿，原生支持视觉理解与1M上下文，重点面向长程编程、知识工作及复杂推理。定价方面，K3 API已接近海外前沿模型，和友商过往价格对比，海外溢价程度明显收窄：每百万token缓存命中/输入/输出价格分别为0.3/3/15美元，对比GPT-5.6 Sol为0.5/5/30美元。

K3编程能力显著提升，能力仅小幅弱于GPT-5.6 Sol

K3核心升级主要包括：①长程Coding项目交付能力显著增强，我们测评其表现仅小幅弱于GPT-5.6 Sol；②强化复杂任务拆解与多Agent并行协作，可将资料获取、分析、制表等串联为完整工作流；③原生多模态能力显著提升，可结合截图、视频等结果，优化前端开发、游戏、CAD及视频编辑等任务。

K3大参数 架构升级：长上下文推理效率改善

K3通过多处架构升级，降低长上下文与大参数规模下的计算和缓存压力，在延续参数Scaling的同时控制单次推理成本，算力约束得到一定缓解。KDA混合线性注意力：降低长上下文场景下的KV Cache需求。Attention Residuals：支持模型从前序多层中选择性回看并检索关键信息，减少信息传递损失。Stable LatentMoE：每次从896个专家中激活16个，有效降低单次推理计算量。

投资结论

我们认为K3代表的行业核心趋势，①模型领先窗口持续缩短：从K2.7 Code到K3仅约一个月，且K3的架构升级亦源于前期系列论文积累，技术储备与工程体系的追赶仍是竞争关键。②参数Scaling Law仍然有效：但算力约束问题尚存。K3参数规模达2.8万亿，对通信带宽和内存提出较高要求，公司建议应部署于64个加速器组成的超节点。前沿算力仍是核心约束，行业价值量或进一步向基建倾斜。③办公Agent奇点渐近：Agent行业具备供给创造需求的特征，模型能力加速进步有望推动Agent渗透加深。④模型追赶效应显著：行业或难以形成长期稳定的SOTA厂商。

风险提示：模型迭代不及预期；算力基建限制模型发展；用户渗透情况不及预期