华泰证券最新研究报告指出，随着7月Kimi与二季度GLM新模型的持续迭代，国产大模型的发展逻辑再次得到验证，模型更新周期有望进一步压缩。当前，国产闭源模型与海外领先水平的差距已缩短至约3至4个月，在保持成本优势的同时，模型能力上限与定价能力均有所提升。
报告通过测评显示，Kimi K3综合性能仅略逊于GPT-5.6 Sol，而GLM 5.2发布后已能对标Opus 4.7。从投资视角来看，一方面，国产模型能力的快速增强有望巩固产业链的积极趋势；另一方面，短期内模型层面竞争加剧，但长期来看，Agent（智能代理）渗透率的提高将拓展潜在市场空间。
行业核心趋势：模型迭代加速，算力瓶颈仍存
研报指出，参数规模与Scaling Law依然有效，前沿算力仍是关键制约因素。K3后续需要增强国产适配能力，投资重心可能进一步向产业链上游偏移。同时，AI办公领域的Agent赛道迎来奇点，海外Codex与国内WorkBuddy的月度用户数保持高增长，有望释放更多Token需求。
模型追赶效应显著，关注密集迭代窗口
市场反馈显示，行业难以形成持续稳定的SOTA（最先进）厂商。三季度建议关注智谱、互联网大厂以及MiniMax陆续推出的产品迭代。国产模型在参数规模、架构效率以及复杂任务处理能力上正逐步接近全球前沿，再次验证了大参数预训练路线的可行性。
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，重点聚焦长程编程、知识工作与复杂推理。定价方面，K3 API已接近海外前沿模型，与友商相比溢价明显收窄：每百万Token缓存命中/输入/输出价格分别为0.3/3/15美元，而GPT-5.6 Sol为0.5/5/30美元。
K3编程能力提升，逼近GPT-5.6 Sol
K3的核心升级包括：长程Coding项目交付能力显著增强，测评表现仅小幅弱于GPT-5.6 Sol；复杂任务拆解与多Agent并行协作能力强化，能将资料获取、分析、制表串联为完整工作流；原生多模态能力提升，可结合截图、视频优化前端开发、游戏、CAD及视频编辑等任务。
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了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的同时控制了单次推理成本，算力约束有所缓解。具体包括：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。
投资结论与风险提示
华泰认为，K3代表的核心趋势包括：模型领先窗口持续缩短，从K2.7 Code到K3仅约一个月，技术储备与工程体系追赶仍是竞争关键；参数Scaling Law仍然有效，但算力约束尚存，K3参数规模达2.8万亿，对通信带宽和内存提出了较高要求，建议部署于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；办公Agent奇点渐近，模型能力进步有望推动Agent渗透加深；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。