Kimi K3发布，多项测试水平对标定级闭源模型 月之暗面于2026年7月17日发布Kimi K3，其在代码能力、智能体（Agent）相关多项基准测试中，性能对标甚至超越头部闭源旗舰模型。我们认为，开放权重与封闭权重基础模型之间的性能差距持续收窄，或将提升本土互联网平台——这类企业手握自有专属数据集与庞大用户基数，在顶尖闭源模型能力相近的开源模型加持下，竞争优势有望放大。

数据资源制约，模型性能趋同或将延续 未来数年，可公开获取的人类生成数据或将成为制约前沿大模型迭代的硬性约束条件。尽管合成数据能够在一定程度上缓解数据短缺问题，但我们判断合成数据质量偏低，或将限制模型后续性能提升空间。据此我们认为：1）开放权重模型与闭源专有模型之间的性能差距大概率会持续收窄；2）高质量训练数据日益稀缺，市场对于支付、电商、社交信息流等专有闭环数据的争夺将愈发激烈；3）行业长期奉行的“越大越好”的模型扩展路径的效果或逐步减弱，数据供给瓶颈将取代算力，成为制约大模型发展的重要卡点。

模型趋于商品化，数据持有方议价能力提升 随着基础大模型正日益走向商品化，价值分配重心从基础设施层转向应用层。随着模型性能不断趋同，企业核心竞争差异将不再依靠模型自研能力本身，而是由专有数据、流量分发渠道以及用户粘性决定。这一行业变革将利好拥有独家数据集与庞大存量用户基数的互联网平台。这类企业具备最优条件，可将AI技术能力落地为商业化服务并实现变现。

词元消耗持续上行，支撑行业长期增长 全球token用量中枢持续上移。词元周度消耗由2025年8月的3T–4T tokens提升至2026年7月的60T tokens。词元调用量持续上行，直接带动下游各类应用端 API 接口调用需求爆发，该层需求将进一步向上传导至模型底座厂商。模型底座作为词元运算与推理的核心载体，承接全行业海量词元处理任务与 API 调用负载，自身服务收入与规模效应同词元消耗量、API 调用频次深度挂钩。词元需求持续放量，既能够放大模型底座的复用价值，也可有效摊薄模型训练、技术运维的单位成本，持续加固模型底座厂商的技术壁垒与市场竞争优势，成为支撑模型底座行业长效增长的核心驱动力。

模型平权有望延续，开源生态推动应用端发展 在人工智能发展进程中，开源生态的发展有效推动了模型平权，推动了应用端的快速发展：开源推理模型的显著成本优势，大幅降低企业技术接入门槛，为应用端释放创新活力提供了土壤，进而推动AI应用生态进入良性发展轨道。我们认为，从国内互联网大厂的近期布局来看，模型性能趋同的趋势或将延续，开源生态将持续推动AI应用生态发展。

市场竞争加剧的风险，AIGC技术和应用发展不及预期的风险，AI应用商业化进展不及预期的风险