一 | 谈及城市更新，人们往往首先想到成片街区的焕新、重大项目的落地。 界面新闻记者 | 查沁君 界面新闻编辑 | 文姝琪 因为太过火爆，距离Kimi K3发布不到一周，月之暗面就按下了“暂停键”。 7月19日晚，月之暗面宣布，由于算力资源紧张，暂停开放Kimi新用户订阅，将有限算力优先保障现有订阅用户。
二 | 在最近一次采访中，杭州市规划设计研究院详规所负责人向记者提起，他们正聚焦城市日常生活里一个更细微、更具体的空间——菜市场。 图源：月之暗面 7月20日，月之暗面回应界面新闻称，此次调整仅涉及新用户订阅，现有会员权益保持不变，老套餐并未取消，已订阅用户仍可正常使用并按原规则自动续费。为何偏偏是菜市场？“一只‘菜篮子’看似很小，装着的却是一座城市的一日三餐。”调研组如此解读这项研究的分量：菜市场既是最贴近居民的民生设施，也是一类高频使用的存量空间。
三 | 从这里起笔，正是希望透过这个小切口，窥见城市更新背后的大民生。
四 | 对于此前手动关闭自动续费的用户，公司将陆续恢复续订功能，老用户升级套餐等功能也将逐步开放；至于新套餐，目前仍因算力资源限制暂未开放购买，恢复时间尚未确定。
五 | 由此，市规划院联合相关单位，对上城、拱墅、西湖、滨江四区的133家农贸市场展开调研，形成《杭州主城区农贸市场调研报告》，带我们读懂小小“菜篮子”所承载的丰富意涵。 从官方回应来看，此次调整更像是在有限算力资源下，对新增用户和存量用户体验进行重新平衡，而非对会员体系进行调整。
六 | 主城区菜市场，“家底”几何？调研的第一步，是摸清“家底”。
七 | 调研组将部门数据、规划底图、交通数据和网络平台信息叠加，为主城四区133家农贸市场逐一“画像”：市场平均建筑面积约2300平方米，平均建筑使用年限约21年；以1公里为服务半径测算，每处市场周边平均居住约6万人，其中约1.3万人为60岁以上老年群体。
八 | K3发布后，国内外开发者社区迅速涌现大量体验和测评，不少人将它与Claude、GPT等国际头部模型放在一起比较，围绕推理成本、GPU资源、服务稳定性的讨论，也开始取代Benchmark，成为AI圈新的焦点。 K3到底有多火？ K3发布后，很快登上了全球AI模型讨论的焦点。从空间分布看，老城区农贸市场密度较高，但普遍建成年代较早；外围新城区农贸市场布局相对分散，不同市场覆盖的人口规模差异明显。 独立AI模型评测机构Artificial Analysis发布的最新“智能指数（Intelligence Index）”显示，Kimi K3综合得分达到57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），领先Claude Opus 4.8（56分）。 与此同时，K3完成单项任务的平均成本约0.94美元，与GPT-5.6 Sol基本相当，仅约为Claude Opus 4.8的一半。从交通可达性看，大多数农贸市场公交出行较为便利，但配备自有停车位的市场仅占约38%。 对业内而言，更重要的是，这是首个进入Artificial Analysis综合榜单前三的开源模型。能否短时停车、非机动车停放在哪里、晚归的上班族能否赶上营业时间，这些细节都会影响居民的使用选择。
九 | 长期以来，“开源模型整体落后闭源模型半代”几乎是行业共识，而K3的出现，让这一差距进一步缩小。 图源：Monolith励思资本 除了评测成绩，K3本身的参数规模同样引发业内关注。
十 | K3是月之暗面首款万亿参数级MoE模型，总参数规模达到2.8万亿。
十一 | “菜市场具有准公益属性，更是天然的邻里交往空间。”调研组把菜市场视作一类特殊的社区资源：部分老城区缺少社区食堂、养老服务和便民空间，传统菜市场既有成熟的空间基础，又有稳定的日常人流，有潜力成为补齐社区公共服务短板的重要载体。与此同时，不少菜市场也面临设施老化、空间利用低效、经营效益分化、社区黏性减弱等问题。菜市场究竟该保留、扩容、复合利用还是优化调整，不能简单套用一种模式，而是要结合服务人群、空间条件和运营状况综合研判。为了把“家底”摸得更透彻，调研组综合空间基础、交通条件、服务人群、经营效益和公众关注度等多维度指标，选取12家农贸市场实地走访，最终从中确定9家典型样本。
十二 | 部分走访的契机，源于一组“反常”数据。
十三 | 万寿亭农贸市场面积不大，成交额却十分突出。
十四 | 实地走访后大家才发现，周边餐饮企业密集，不少摊主长期为饭店、酒店供货，撑起高交易量的不只是零售散客。“单看成交额，没法摸清一个菜市场真实的运转逻辑。 一位国产AI芯片厂商人士向界面新闻表示，今年以来，随着Anthropic等海外厂商不断推出更大参数模型，国内模型竞争再次回到“大参数、长上下文”赛道，万亿参数、百万级上下文正成为头部模型的重要竞争方向。”调研组在走访笔记里留下这样的真切感触。 在他看来，K3之所以迅速“出圈”，不仅因为模型能力，更因为它意味着国产开源模型首次进入这一量级。
十五 | “对于行业来说，2.8T本身就是一个重要信号。只有走进菜市场，才能读懂数字背后的生意与生活。
十六 | 当图纸上的数据与菜市场里的“烟火”彼此印证，三类样本逐渐清晰：沉淀着人情与老味道的传统市场，主动拥抱年轻消费群体的“网红”市场，以及串联多元社区服务的“超级客厅”。” 业内关注很快传导到了开发者社区。
十七 | 不同的空间家底，指向了不同的更新路径。
制图 王冰“老饕圣地”：空间焕新，怎样留住人情？扎根老城区，依托平价生鲜、老字号和熟客关系留住人气——调研组将察院前、凤起、采荷等农贸市场归为“老饕圣地”。
在X（Twitter）、Reddit、OpenRouter、Linux.do、V2EX等平台，大量开发者第一时间分享体验，不少人将K3接入Cursor、Cline、OpenCode等AI编程工具进行测试。察院前农贸市场的蔬菜摊主老叶，与父亲在这里一守就是十余年。菜品全从合作农户的田间地头直运过来，新鲜又实在。不少熟客进门拿起菜、付完钱就走，几乎不用问价；老叶还总会热情叮嘱几句，每样菜怎样烧才对味。人与人之间的情谊，就在这一来一往中细水长流。农贸市场之外，大马弄的酥鱼、酱鸭、豆腐包等地道老味道，更吸引着专程寻味而来的游客。
十八 | 从代码生成、Agent任务到工具调用，K3几乎成为过去几天AI圈讨论最多的模型之一。
十九 | 讨论几乎集中在三个问题：第一，它到底能不能替代Claude做编程？第二，它是否真的达到国际第一梯队？第三，它到底值不值得迁移？ 不少开发者认为，K3最大的亮点并非聊天，而是在长流程Agent任务和代码生成场景。一些体验者表示，在复杂代码修改、工具调用等任务中，K3已经能够进入Claude、GPT等国际头部模型的竞争序列。凤起、采荷两处农贸市场，也有相似的老字号和熟客群。 但也有反馈称，在真实工程任务中，该模型虽然能力突出，但仍会遗漏部分细节，需要人工修正；此外，其复杂统计推理等任务表现仍存在不稳定情况。
| “老菜市场最珍贵的不只是老味道，还有摊主、熟客和进货渠道共同织就的人情网络。”一次次走访，让调研组对此感受越发深刻，这些难以被冰冷数据识别的社会联系，同样是城市更新需要珍视的存量资源，“倘若在改造中消散，便很难靠精致的空间设计重新寻回。”从规划视角看，老菜市场更新首先要识别这些“看不见的资源”。报告建议，遵循“保留、整治、提升”的思路，稳住基本业态和老商户，梳理打通菜市场与周边街巷、历史文化空间的关系，同时改善通风采光、干湿分区、垃圾收运和消防安全等。察院前农贸市场紧邻大马弄、太庙广场，也给出了一份极具参考价值的启示：买菜、寻味、爬山、休憩，可串联成一条日常路径；熟食店铺设置在出入口附近，形成面向街巷的开放界面；内部生鲜区承接日常客流；广场则为老人买菜后歇脚、聊天留出公共空间。一次次深入走访，让调研组形成共识：“规划要在尽可能不打扰原有生活秩序的前提下理顺空间，既延续老人熟悉的日常，也让年轻人愿意踏进来。”农贸市场要实现长久运营，还要算好经济账。采荷农贸市场一位摊主反映，环境提升后，摊位租金也有所上涨。
| 另一类讨论则集中在成本。
| 有用户认为，K3虽然单价具有竞争力，但由于复杂任务Token消耗较大，实际使用成本未必低于预期，尤其是在长流程Agent任务中更为明显。 K3的热度也迅速传导到了海外AI圈。一位在杭州运营多家农贸市场的从业者建议，以相对较低的蔬菜摊位租金稳住摊主的菜价，从而维持基础客流，再通过引入餐饮、社区食堂等复合业态提升综合收益，避免将改造成本简单转嫁给摊主和消费者。 美国科技投资机构Atreides Management创始人Gavin Baker将K3称为AI发展的一个“拐点（inflection point）”，他认为高质量开源模型正在加速AI能力扩散，其影响不会局限于模型厂商，而将惠及整个AI应用生态。 也有研究者保持谨慎。 长期研究人工智能对工作影响的宾夕法尼亚大学沃顿商学院教授Ethan Mollick在X上表示，他曾让Kimi K3对自己此前的一项学术研究进行复杂统计审计，但模型“在很多方面都搞砸了”，包括错误使用统计分析方法。 Mollick认为，K3已经非常接近全球领先模型，但复杂专业任务中的可靠性仍需更多真实场景验证，而不能仅依据Benchmark成绩作出判断。 这一评价也反映出当前AI社区对新模型的一种普遍态度：一方面，K3在代码生成、Agent等场景的表现获得了大量开发者认可；另一方面，模型在复杂专业任务中的稳定性和可靠性，仍需要更多真实场景的持续验证，而不能仅依据榜单成绩作出判断。 算力紧缺仍是瓶颈 也正是在开发者快速涌入、调用量持续攀升的背景下，月之暗面很快遇到了另一个问题——算力。 过去两年，大模型行业更常见的叙事是“训练一个模型需要多少GPU”、“参数规模达到多少”，而不是因为用户太多，不得不暂停开放订阅。
| 事实上，训练完成并不意味着算力投入结束，尤其是在AI Coding、Agent等场景快速发展的背景下，模型需要持续调用工具、读取上下文、执行多轮推理，一个请求占用GPU资源的时间远高于传统聊天场景。模型能力越强、上下文越长、用户调用越频繁，对推理算力的消耗也越高。 “今天最大的问题还是缺算力，尤其是高质量的推理算力。”上海国投孚腾资本投资总监陈雨沁此前接受界面新闻采访时表示，即便是头部模型公司，也已经开始取消无限量使用、提高服务价格，本质上都反映出推理资源依然紧张。“如果基础设施没有解决，很多应用公司其实不敢真正大规模推广产品。” “从供需关系来看，国内AI算力长期处于供不应求状态，而随着头部模型集中发布，这种紧张局面会进一步放大。”上述芯片产商人士向界面新闻称。 他介绍，目前像月之暗面、智谱、MiniMax等独立模型公司，获取算力主要依赖两种方式：一是租用公有云厂商的算力服务，二是建设自有算力集群。
| 但前者资源有限，后者属于重资产投入，需要较长建设周期，因此模型厂商的算力供给始终存在一定压力。 “业内普遍认为，支撑万亿参数模型训练和推理，万卡级集群已经成为基础门槛。”他表示，从2024年至今，真正具备万卡级部署能力的厂商仍然是少数，不少已经宣布建设的大规模集群项目，落地周期往往以年计算，因此供需之间仍存在长期缺口。 今年WAIC期间，一个细节让上述国产芯片厂商印象深刻。
| 他告诉界面新闻，各家国产芯片厂展示超节点产品时，被问得最多的两个问题就是：“能不能支持万卡集群？”“能不能支持万亿参数模型训练？” 相比过去围绕单卡性能、芯片参数展开讨论，如今产业链更加关注的是超大规模集群能力，以及支撑头部模型持续训练、推理的基础设施。 这一变化，也折射出大模型竞争逻辑的变化。 过去，模型公司比拼的是参数规模、训练能力和Benchmark成绩；如今，随着越来越多模型进入真实生产环境，推理效率、服务稳定性、成本控制以及基础设施能力，开始成为新的竞争维度。 K3暂停开放新用户订阅，也许只是一次短暂的资源调配，却让外界第一次如此直观地看到，大模型竞争已经进入新的阶段。模型能力决定产品能否吸引用户，而推理算力、基础设施和持续服务能力，则决定它能否承接真正的大规模应用。
Current article:http://7d01.xiongpeiduanlouduoennongleng.cyou/4uyi/20260826/39593.html
Published on:01:07:04
