今天不凑三条，只看两件事。

一件是 Kimi K3 把开放模型又往前推了一步；另一件是 OpenAI 提醒企业，别再拿 token 单价当唯一账本。把它们放在一起看，问题很实际：模型越来越多，普通团队到底怎么选，怎么知道钱花得值不值？

1. Kimi K3 发布：开放模型的选择又多了一张牌

Moonshot/Kimi 发布了 Kimi K3。官方文档列出的重点包括 2.8T 参数、1M 上下文和原生视觉能力，面向长程编程、知识工作与推理；API 已可使用，完整权重计划在 7 月 27 日前开放。

昨天聊开放权重，重点是团队能不能把模型调到自己的资料和任务上。今天 Kimi K3 值得单独写，是因为它把另一笔账摆到了台面上：当大体量、长上下文的开放模型继续出现时，选型不再只是“哪家回答更像人”，还要看你是否需要本地部署、是否要长期处理大批资料，以及能不能承担推理成本和运维成本。

大多数人不必因为一条发布就立刻换模型。先问自己：手里的任务到底需要什么？只是写一段文案，还是要读一堆资料、跑代码、接企业里的数据？牌不一样，模型也不该选成同一张。

2. OpenAI 的新记分牌：别只算调用价

OpenAI CFO Sarah Friar 提出，衡量 AI 投入回报时，不能只盯每百万 token 的价格。更该看的，是 AI 完成了多少真正有用的任务、每个成功任务实际花了多少钱、结果是否可靠，以及规模扩大后同样的预算能换来多少成果。

这句话并不新鲜，但很多团队确实还没把账算到这一步。一个模型单价低，若它经常做错、需要人反复改，最后反而更贵；一个模型看着贵，若能把原来三小时的整理工作稳定压到半小时，账就该重算。

真正麻烦的从来不是“AI 能不能生成”，而是它生成后能不能交付。谁来验收，返工要几次，出了错能不能找到原因，这些成本平时最容易被忽略，月底结账时却会一起冒出来。

我的判断：模型竞争，最后还是会落到交付

这两条新闻放在一起，给我的感觉是：模型层面的选择会越来越丰富，但使用者的题目反而更难了。

过去比较模型，大家爱看榜单。接下来更值得比较的是，它能否把你手里一件明确的活做完，成本是否能控住，结果是否能复查。模型再强，也替你回答不了这些问题。

如果你是个人用户，别把试新模型当成主线任务。挑一个每周都会出现的重复工作，拿两个工具各跑一次，记下时间、返工次数和最后能不能直接用。这个小测试比看十张跑分图更接近真实答案。

可以直接带走：做一张任务账单

给你正在用的 AI 工具写四行就够了：

  1. 它具体替我完成哪一步？
  2. 结果达到什么标准才算能交？
  3. 人工修改和复查花了多久？
  4. 下次还愿不愿意为它付这笔钱？

连续记一周，你会比大多数只追模型新闻的人更清楚：自己手里需要的到底是什么。

其他信号

  • Vercel Plugin now available in Kimi Code CLI：公开价值在开发入口：Vercel 插件进入 VS Code 和 Copilot CLI 后，部署、日志和项目上下文更容易直接接进 AI 编程流程。
  • Chat SDK adds native Slack agent support：公开价值在协作入口：Chat SDK 支持 Slack Agent 后，团队可以把 AI 助手放进已有频道流程里，重点要看权限、消息上下文和人工接管是否清楚。
  • Apple 起诉 OpenAI：诉讼背后是竞争焦虑还是时机博弈？：公开价值在人才和平台竞争：Apple 与 OpenAI 的法律战说明前沿 AI 公司抢人、保密和产品节奏已经绑在一起，用户要关注的是谁能稳定交付能力。
  • Cursor 评估负责人确认 Claude Fable 5 在 CursorBench 达 72.9% 新高：公开价值在高阶模型用法：Fable 指南的重点不是换一个更强模型，而是让用户把探索、验证和不确定问题拆成可执行步骤。
  • Apple targets dozens of OpenAI employees with legal letters：公开价值在人才流动边界：Apple 向 OpenAI 员工发律师函，说明 AI 团队抢人已经进入保密、竞业和内部资料管理的硬碰硬阶段。
  • 苹果与 OpenAI 法律战升级：约 40 名前员工收到苹果律师函：公开价值在数据和商业秘密边界：大公司围绕 AI 训练、人才流动和内部资料起诉，会倒逼团队更认真管理资料权限、离职交接和模型使用证据。