这周 AI 圈不缺新闻，但最值得停下来看的，是这一条。OpenAI 亲手投的公司，第一次自己训模型，底座没用 GPT。就在上周，硅谷明星中的明星、估值 110 亿美元的法律 AI 公司 Harvey，官宣了自家首个自有模型 Harvey Tenet，而这个模型的底座，是中国开源模型 Kimi K3。知乎要知道，OpenAI 创业基金领投的是 Harvey 的种子轮，如今「亲儿子」第一个自研模型却选了中国底座，这反差直接让这条新闻炸了锅。
先补一下 Harvey 是谁：它是目前全球估值最高的法律 AI 公司，服务 1300 家机构、超过 10 万名律师，覆盖 60 个国家，Latham & Watkins、汇丰、普华永道、桥水、KKR 都是它的客户。知乎官宣之后，业内还在传它新一轮 155 亿美元估值的融资已经在谈。
这种体量的公司，为什么要自己训模型？答案很直白：账单已经失控了。Harvey 每月要处理 13 万亿 token，每一个都是从别人那里买的。知乎模型厂商说涨价就涨价，应用层毫无还手之力。
更麻烦的是，供应商开始变成竞争对手：OpenAI 挖走了合同管理公司 Ironclad 的创始人去领导自己的法律业务，Anthropic 推出了面向律师的文档审查插件。用 Harvey 联合创始人 Pereyra 的话说，「今天卖你 API 的人，明天就坐在了你客户的会议室里」。知乎
于是 Harvey 决定自己训，而训练过程颠覆了很多人的「造大模型」想象。Tenet 的训练只用了约 150 块 NVIDIA B300，跑了两个月。知乎要知道，从头预训练一个前沿模型动辄几万张卡、花费数亿美元起步，这更像是在别人盖好的摩天大楼里做精装修。
训练方法也值得一说：异步强化学习。不是教模型更多法律知识，而是教它怎么像一个资深律师一样完成工作——请执业律师编案子，虚构并购纠纷、凑一堆合同文件让模型上手干，干完逐条审核，几十条硬杠杠里差一条，整个任务直接判零。
成果摆在台面上：在 Harvey 自建并已开源的法律基准 LAB 上，Tenet 相对 K3 底座全通过率提升 82%，任务完成数接近翻倍，Contracts 子榜做到 SOTA。知乎合作方 Mercor 拿公司法任务测了一轮，Tenet 也比基座高出 15 分拿了第一。
跑起来还便宜：推理成本不到主流前沿模型的四分之一。知乎换句话说，用四分之一的钱，干出了法律场景里最顶的活。
把 K3 自己放到秤上，成绩也站得住：在 Artificial Analysis 独立评测的 Harvey LAB-AA 法律基准上，按最严格的全通过率口径，K3 拿了 26.7%，几乎是 Fable 5（14.2%）的两倍。知乎当然，社区对这类第三方评测的含金量也有分歧，有人直言「AA 没有任何含金量」。知乎分数当参考就好，但方向很明确：在 Harvey 自己出题的法律考试里，开源的 K3 裸考成绩就是最拔尖的那一个。
那为什么是 K3？Harvey 给的理由很买家思维：闭源模型再强，权重锁在 API 后面，你只能调参数、写提示词，碰不到模型骨架；K3 的权重是公开的，Harvey 可以拿 LoRA 深入到 50 万个专家张量里做手术。知乎再加上 100 万 token 的上下文窗口——一个并购案的卷宗动辄几千万 token，窗口不够长的模型连门都进不去。
Kimi K3 本身也值得简单介绍一下：7 月发布、8 月开放权重，2.8 万亿参数 MoE（混合专家架构），100 万 token 上下文，原生多模态，是目前全球参数量最大的开放权重模型。知乎
而且 Harvey 不是第一个。几个月前，AI 编程一哥 Cursor 发布「自研」模型 Composer 2，三天后就被开发者从 API 里扒出模型 ID：kimi-k2p5-rl-0317——底座是 Kimi K2.5，联创后来也认了。知乎AI 搜索龙头 Perplexity 更是在 K2 开源后第一时间启动后训练，连 OpenAI 前 CTO Mira Murati 创办的 Thinking Machines，都把 Kimi K2 Thinking 接进了自家微调产品 Tinker。编程、搜索、法律一路排下来，Kimi 已经悄悄成了海外团队做垂直模型的默认底座。
这一切的大背景，是行业格局正在松动。OpenAI 把发布才三周的 GPT-5.6 Luna 降价 80%；CNBC 报道，中国模型在 OpenRouter 上的美国企业 token 用量一度占到 46%，DoorDash、Airbnb 都在用中国模型控成本。知乎
对 Harvey 来说，平台依然可以接 Claude 和 GPT，Tenet 不是替代品，而是多出来的一个自有选项。而这个选项本身就是筹码：手里有一个自己能改、成本只有四分之一的模型，再去和 API 提供商谈价格，底气完全不同。
但这里要说一句最关键的话，也是我这篇最想泼的冷水：企业用的 Kimi K3，和个人用的 Kimi K3，基本是两回事。企业拿到的是「可改的权重」，用自己的数据和专家反馈精调，把成本干到四分之一；个人拿到的是「租来的额度」，而这个额度背后，有几件事是订阅用户不会主动告诉你的。
第一，算力是真的紧张。Kimi 官方 7 月就发过说明：K3 发布之后，用户请求量大幅超出预估，并且逼近现有集群的承载极限。小红书所以想订阅的话，先看一眼订阅入口现在开没开。
第二，套餐的小字很坑。Kimi 的订阅分 Andante 49 元、Moderato 99 元、Allegretto 199 元、Allegro 699 元四档，但四个套餐的介绍里根本不提哪个套餐能用哪个模型。小红书唯一的提示，是藏在角落里的一行灰色小字——「开通 99 一个月的套餐及以上才能用」。不少人想体验 K3，顺手就误充了最便宜的那档。
第三，额度消耗比你想象的快。有个十人团队开了两个 699 元档的账号，kimi 这个月总共烧掉了大约 48~50 亿 Token，加油包前前后后充了 3800 元。小红书他们复盘的经验是：AI 剪辑这种大消耗场景先砍掉，重复性的定时任务让模型写成本地脚本跑。
还有一位拿 Kimi 自动跑 1200 套数据集仿真的工科生，7 天额度又又又用完，工作被迫暂停——但同样是这套工具，几分钟干了我一周的活。小红书额度烧得飞快，干的活也是真多，这就是当下用 Agent 模型的双重性。
第四，一个容易踩的误区：不少人以为选 k3-256k 版本能省额度，实测下来，k3-256k 实际上和 k3 的输入输出价格完全相同，并不像官方说的那样减半。小红书
当然，K3 强的地方也是真的强。在法律场景里，它跑出来的东西有目录、有分级标题、法条是全文单独成段援引的，结尾还附一张把引用过的法律法规和条文号一条条列出来的表。知乎能做到这么规整，是因为 Kimi 家的模型跟法律数据库有合作，订阅额度里就包含数据库调用——所以它连今年六月底刚施行的新司法解释都能引，不是记性好，是它真的去查了。
社区实测的口径也基本一致：K3 在前端设计这块基本就是国模一哥，复杂编程任务的完成度实际体验高于 GLM 5.3 和 DeepSeek V4 Pro；长文写作则不如 V4 Pro 和千问 3.8 Max 好使。知乎
吐槽集中在两处。一是额度消耗真的快，前两档套餐但凡拿来干活基本都不够用，丐版套餐两天就能给干完了，到了 199 这一档才算勉强能用。知乎二是它非常「吃 Harness」，模型内置了大量子 Agent 调度和工具调用，只对自家网页端和 Kimi Code CLI 友好，接到第三方框架里感觉只能发挥六七成功力，这点不如 DeepSeek 那种放哪都能用的万金油。
所以这个订阅到底值不值得掏？我的建议分人群。如果你还没把 AI 用起来：先别订阅。去 DeepSeek 官网注册一个号，充几块钱拿到 API，接进你手上任意一个 AI 软件就能开始用了。知乎把这点额度用完，你就知道 AI 能干什么、什么时候开始胡说八道，这种体感比十篇教程都值，而且完全没有额度焦虑。
如果你有固定交付场景——法律文书、前端页面、复杂编程——可以订 Kimi，但先确认订阅名额：官方从 7 月起暂停 C 端新用户订阅，承诺随着新算力陆续到位，逐步开放更多订阅名额直至全面恢复。小红书档位上听过来人的，想试的话别一上来买最贵的档，从便宜的那档订起。知乎跑几份真实任务，一个下午就知道合不合手感，合适了再往上加。
如果你已经订了别家：也别急着换。现在开源竞争是每周轮流坐庄的节奏，国产的、海外的、大厂的、垂类的，每周都有新的冒出来，每个都说自己最强。知乎只有当你的场景正好压在 K3 的强项上，才值得付迁移成本。
最后一条，可能最实用：千万别年付。每家的年付页面都会替你算省多少钱，但这个行业的格局三个月一变，上个月的最强，这个月就可能掉队。月付是贵那么一点，但你买到的是随时能走的自由。知乎等格局真的稳了、你确定一年都离不开它，再考虑年付不迟。
最后，放几个我会持续盯的信号，也供你跟进：
Kimi 的算力扩容和订阅恢复节奏。官方口径是随着新算力陆续到位，逐步开放更多订阅名额直至全面恢复正常订阅。小红书这是影响订阅体验的最大变量；
Harvey 的下一步：把算力从 1000 卡扩到 10000 卡，做全参数微调，还要尝试更多开放底座。知乎这条路如果跑通，医疗、金融这些垂直行业都会跟进；
OpenRouter 上中国模型的用量占比，这是观察海外企业真用了多少中国开源模型最直接的体温计；
闭源阵营的价格动作。这次是 OpenAI 先降的价，如果降价继续，开源底座的性价比优势只会更明显。
一句话总结：企业在囤权重，个人在租算力。Harvey 的选择证明，Kimi K3 的开源权重配得上全球估值最高的法律 AI 公司的底座；但对你我来说，这个订阅值不值，别看跑分——看你的场景，从最低档试起，让真实任务替你投票。
