国产AI模型迭代提速：国内竞争白热化，海外技术差距持续缩小

华泰证券最新研报指出，国产大模型在2024年夏季迎来密集迭代期。7月月之暗面推出的Kimi K3，以及二季度智谱GLM系列新模型，均印证了国产模型迭代周期加速的核心逻辑。目前国产闭源模型与海外前沿模型的技术差距已收窄至3-4个月，在高性价比优势的支撑下，能力上限和定价权正持续提升。

模型表现：K3仅小幅落后GPT-5.6 Sol，GLM 5.2对标Opus 4.7

据华泰证券测评，Kimi K3在整体能力上仅略弱于GPT-5.6 Sol，而GLM 5.2发布后可与Opus 4.7比肩。这反映出国产模型在参数规模、架构效率及复杂任务交付能力上正加速逼近全球前沿，进一步验证了大参数预训练路线的有效性。

投资视角：短期竞争加剧，长期Agent渗透打开空间

从投资角度看，国产模型能力的快速提升有望巩固产业链利好趋势。短期而言，尽管模型层面的竞争明显升温，但定价权有所改善；长期来看，Agent渗透率持续提升，有望进一步扩大潜在市场空间。行业核心趋势包括：参数Scaling Law依然有效，前沿算力仍是核心约束；Agent新赛道中，AI办公领域奇点临近，海外Codex和国内WorkBuddy用户数月度环比高速增长，有望释放更多token需求。

Kimi K3深度解析：2.8万亿参数、架构升级与定价策略

7月16日月之暗面发布的Kimi K3，模型总参数达到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，与友商过往价格相比，海外溢价明显收窄：每百万token缓存命中/输入/输出价格分别为0.3/3/15美元，对比GPT-5.6 Sol的0.5/5/30美元。

K3的核心升级体现在三个方面：其一，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；其二，强化复杂任务拆解与多Agent并行协作，能将资料获取、分析、制表等环节串联为完整工作流；其三，原生多模态能力大幅提升，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。

在架构上，K3通过多项创新降低长上下文与大参数规模下的计算和缓存压力。KDA混合线性注意力降低了长上下文场景下的KV Cache需求；Attention Residuals支持模型从多层中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：领先窗口缩短，Agent奇点渐近

华泰证券认为，K3代表的行业核心趋势包括：第一，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的追赶仍是竞争关键。第二，参数Scaling Law依然有效，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，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。第三，办公Agent奇点临近，模型能力加速进步有望推动Agent渗透加深。第四，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。