Somaia 認為，從出口管制、超大規模業者數千億美元的投資競賽，到「運算護城河」的投資論點，整個西方共識都建立在一個假設之上：運算能力決定了模型的能力。

然而，資源稀缺反而激發了創新。Moonshot AI 內部開發的 AI 訓練堆疊 Mooncake，正是因為這家新創公司沒有足夠的 GPU 而建立的。Somaia 表示：「一個有品味的小型實驗室，即使負擔不起部署前沿模型，也能壓縮其所需的運算量來打造一個。」

硬體分析公司 SemiAnalysis 創辦人 Dylan Patel 也同意此觀點。他寫道：「他們憑藉一支極具天賦的小團隊，在強化學習、架構和資料方面進行了深入研究，這有助於彌補大量的運算赤字。」不過，Patel 也指出，中國公司可以輕易地在中國境外租用 GPU，這使得部分出口限制變得毫無意義。

一位 Google Deepmind 研究員稱 Kimi K3「好得不可思議」。西方 AI 實驗室經常指責中國公司透過蒸餾（distillation）進行資料竊取，即較小的 AI 模型從較大模型的輸出中學習，本質上是搭便車，威脅到西方 AI 實驗室的商業模式。直到現在，蒸餾一直是解釋中國實驗室如何在運算能力較少的情況下保持競爭力的主要說法。

然而，對於 Kimi K3 來說，這種解釋顯然站不住腳。麻省理工學院和 Google Deepmind 的 AI 研究員 Michiel Bakker 寫道：「這些結果似乎無法單純透過蒸餾來解釋。」他稱該模型「好得不可思議」。與此同時，根據彭博社報導，Google 自家的旗艦模型 Gemini 3.5 Pro 因未能達到性能目標，尤其是在其主要應用場景，程式碼編寫方面，已被延遲數月。

該公司的 AI 策略再次受到批評，Google 在 AI 搜尋領域也面臨監管阻力，特別是來自德國。

OpenAI 戰略未來主管兼前政府顧問 Dean W. Ball 稱 Kimi 是一個「非常好的模型」，在基於代理的程式碼編寫會話中，其表現與「2026 年第一季度最好的公開模型」相匹配。但他同時指出，該模型似乎「非常耗費 token」，這讓他覺得「這個模型的運行成本不見得那麼便宜」。

他所言不虛。根據 Artificial Analysis 的數據，Kimi K3 平均每項任務的成本為 0.94 美元。這與 GPT 5.6 Sol 的 1.04 美元相近，但約為 Opus 4.8 的 1.80 美元的一半。它仍然比頂級西方模型便宜，但與前一版本相比，差距已經縮小，而且比早期的中國開源模型昂貴得多。

Ball 仍然對中國政府允許如此強大的模型以開源形式發布感到驚訝。他將其中 75% 歸因於戰略盲點，稱中共在評估 AI 風險方面「非常像 Yann LeCun」，沒有看到任何生存威脅。

其餘原因則歸結為客戶端推論運算能力的不足，這使得開源策略成為美國出口管制的意外副產品。Ball 聲稱，這些公司也知道，幾乎沒有人會為低於前沿水平的中國模型付費。

Ball 認為，開源模型「本質上是減速主義的」，因為它們會減緩進一步的 AI 投資。一個由開源模型主導的世界可能導致「全面 AI 共產主義」，即 AI 作為由國家提供的數位基礎設施公共財。Ball 稱這就是中國正在提議的，並將這種情景稱為「反烏托邦的地獄」。

當然，OpenAI 戰略家如此尖銳地批評開源模型並非沒有私心。他的公司依賴封閉的商業模式，並面臨來自 Moonshot AI 和 Deepseek 等供應商日益增長的價格壓力。

Ball 預測，川普政府將會圍繞使用中國開源模型製造監管風險。他認為沒有必要禁止開源，稱其為「AI 政策討論中最愚蠢的主題之一」。當局只需要透過「軟法」製造足夠的不確定性，例如讓聯邦儲備委員會發布關於中國 AI 模型潛在後門的警告。其理由甚至不需要有充分根據。

目標是找到一個中間地帶，既能產生足夠的風險來阻止受監管公司使用中國模型，又不會過度嚇跑超大規模業者，導致新創公司轉向聲譽較差的供應商。Ball 預計政府將會推出某種版本的這種策略。

Kimi 的進步不一定意味著所需的運算能力會減少，但如果真的如此，美國科技公司的大規模基礎設施建設將顯得不必要，可能引發股市崩盤。然而，情況更有可能是相反的。傑逢斯悖論（Jevons paradox）表明，更高效的模型會導致更多 AI 的部署，這實際上可能會推動對運算能力的更大需求。

根據 SemiAnalysis 的數據，Kimi K3 擁有 2.8 兆個參數，體積龐大，即使採用 FP4 量化，也無法容納在單個 Nvidia DGX B200 上。它需要更強大的系統，例如 GB300 NVL72 或 B300，每個 GPU 擁有 288 GB 記憶體。

同樣，與 Deepseek 的相似之處顯而易見。當時，懷疑論者預測運算能力將過剩，並一度動搖了市場。然而，隨著推理模型受到關注，對運算能力的需求反而攀升，諷刺的是，部分原因正是 Deepseek 自己的模型所推動。正如 Google Deepmind 執行長 Demis Hassabis 所說：「世界上沒有人知道接下來會發生什麼。」