每日AI新鲜事·07月19日晚间版：Kimi K3震场与小MoE大能耐

今天AI圈热闹得很，既有一个参数量大得吓人的模型测评刷屏，又有个小得出奇的模型悄悄拿了高分。先说说vibe coding，最近B站上这类内容真的铺天盖地。

对，我今天刷到好几条，感觉vibe coding已经从小众玩法变成全民运动了。

先来说说今天的新闻。B站上有个叫郭柯的博主，在推广他的「AI编程14天直播实战营」，用Claude Code、Trae、Codeium这几个工具带零基础用户做项目。文档写了四万多字，六大案例，从20号连播到月底。

四万字的课程文档，这个量确实认真。不过我更感兴趣的是他选的工具组合——Claude Code加Trae加Codeium，面向的明显是完全不懂代码的人群，不是程序员转型。

对，定位很明确，就是小白带入门。然后还有一条也挺有意思，一个视频标题直接叫「AI半小时搞定我3天的工作」，讲的是一个叫ChatCat的视频剪辑软件。

ChatCat我看了一眼，定位很像是剪映加FindCut的结合体，把转场、特效插件全内置好了。博主说之前见过太多webcoding做出来的自动剪辑工具，实测都不怎么样，但这个他用下来觉得不一样。

这个说法倒是真实，业内做AI剪辑工具的太多了，但真正能用的没几个。不过半小时搞定三天工作这种标题……感觉有点夸张。

夸张肯定是有的，但方向对。视频剪辑这种重复性高、规则清晰的工作，AI确实能大幅提速。

接下来这条我觉得挺有趣，有个设计师分享为什么想让AI「学会品味」。她base在荷兰，做vibe coding项目，然后发现AI生成的界面清一色是蓝紫色渐变——她说这已经成了AI的专属配色了。

这个我完全理解，还有技术原因——Tailwind CSS里有个颜色叫Indigo 500，早期AI生成代码时特别爱用，结果就形成了这个「AI美学」。

所以蓝紫色背后居然是个CSS默认值的锅，这个细节真的没想到。

对，不是AI天生觉得蓝紫色好看，是训练数据里这个颜色出现频率太高。这位设计师想做的事，本质上是在给AI注入审美偏好，技术上挺难的。

还有一条是两个自称「搞钱姐妹」的博主，纯小白视角讲vibe coding踩坑，总结了四个大坑，第一个坑就是——AI天生爱飘移。

「爱飘移」这个描述太准了，就是你让它做A，它做着做着开始自由发挥，改了B改了C，最后你也不知道它动了什么。这对零基础用户来说是最难受的，因为看不懂代码就没法debug。

好了vibe coding就先聊到这儿，最后一条重量级的——B站上有个万人直播间，一群美国软件工程师在实测Kimi K3，87%的观众投票认为它对Fable 5是「毁灭级碾压」。2.8万亿参数，这个数字……

2.8万亿，这个规模确实恐怖。价格从之前的0.72涨到了3.15美元每百万token，涨了快四倍多。但测完之后那些工程师貌似觉得涨价值了。

87%投票碾压Fable 5，这个比例如果是真实反馈的话，还是挺震撼的。当然直播间投票本来就有娱乐成分在。

对，直播间氛围这东西会放大情绪，但能在工程师群体里引发这种反应，说明Kimi K3的实力确实不能小觑。好了，接下来咱聊个我觉得今天技术含量最高的消息。

好了新闻就先聊到这儿，接下来说说今天最火的技术话题——通义千问那个激活只有3B参数的小MoE，在Agent基准上跑出了56分多的成绩。

对，Qwen-AgentWorld-35B-A3B，这个名字信息量很大。总参数35B，但每次推理只激活3B。在AgentWorldBench上拿到了56.39分，这个分数放在这个榜单上真的不低。

等等我要问一下，「激活3B」这个概念，对不懂技术的听众怎么理解？

你想象一个公司有35个员工，但每次接一个项目，只调三个人上阵。MoE就是这个逻辑——Mixture of Experts，混合专家架构。你有很多「专家」模块，每个token过来，路由器决定调哪几个专家处理，其他专家躺平。

所以对用户来说，体验是3B的推理成本，但享受的是35B规模训练出来的能力？

基本上是这个意思。当然实际没这么简单，但核心优势就是——便宜、快、还挺能打。这也是为什么MoE这两年在工业界这么火，从DeepSeek的MoE架构，到MiniMax M3，再到现在这个，大家都在往这个方向走。

那56.39分在AgentWorldBench上大概是什么水平？能比较一下吗？

这个基准专门测Agent能力——就是模型在复杂任务里做规划、用工具、多步骤推理的能力。56分多对于一个激活参数只有3B的模型来说，是相当炸裂的成绩。你要知道很多激活参数大得多的模型在这个榜上也没这个分。

那这背后是什么原因？是纯靠架构设计，还是有其他因素？

几个方面叠加。第一是MoE架构本身的效率优势，第二应该是专门针对Agent任务做了训练上的优化，毕竟名字里就带「AgentWorld」。Qwen团队这几年在Agent方向投入很大，这个模型感觉是专项特训的产物。

专项特训，这个角度挺有意思。就是说不追求通用最强，而是在特定赛道上打穿。

对，这其实是我觉得2026年最值得关注的趋势之一。大模型军备竞赛跑了这么久，参数越堆越大，但真正落地的时候，专项能力强、推理成本低的模型才是企业愿意买单的。

你说的让我想起B站评论区里有人讨论这个，有条评论说——小模型大能耐这件事，比大模型更多能耐更让人兴奋，因为前者意味着普通开发者也能玩得起。

这个观点我非常同意。激活3B意味着什么，意味着一张普通的消费级GPU就能跑。不是人人都有H100集群，但如果一个Agent任务用3B的推理成本就能跑出很好的效果，这件事的普及意义完全不一样。

但我有个反驳——光看benchmark分数的话，是不是也有点片面？比如AgentWorldBench测的任务，跟真实业务场景可能有差距。

这个质疑完全合理，benchmark gaming是老问题了。不过AgentWorldBench相对来说设计得比较贴近真实Agent场景，它不是那种刷填空题的榜，是真的让模型去完成多步骤任务。当然跟你自己的业务场景还是有距离，实测永远比榜单重要。

对，实测最重要。那你觉得这个模型对行业的影响是什么？

我觉得有几个影响。第一，它给了开发者一个新的参考点——做Agent任务不用非得上最大的模型，专项优化的小MoE可能更划算。

第二，它会推着其他厂商也跟进——Kimi K3在大参数上打擂台，Qwen在高效小MoE上突破，这两条路其实不矛盾，但会倒逼各家在各自的技术路线上加速。

两条路并行，一个拼天花板，一个拼性价比。我感觉现在这个时间节点，性价比路线反而更有意思，因为Agent真正落地靠的是成本控制。

你说到点上了。Agent落地最大的卡点不是「模型不够强」，而是「推理成本控不住」。一个Agent任务可能要调用模型几十次甚至上百次，如果每次都用顶级大模型，成本直接爆炸。小MoE把这个问题打开了一个口子。

所以从产品视角看，这件事其实比Kimi K3那个2.8万亿参数的怪物更实际一点，对吧。

对于大多数想做Agent产品的开发者来说，确实更实际。当然Kimi K3那种顶级模型也有它的用武之地，比如需要极强推理能力的复杂任务。两者是互补关系，不是竞争关系。

这个角度挺好，我之前老是把它们放在同一个维度比，其实根本就是两个不同的产品定位。一个是旗舰机，一个是高性价比中端机，目标用户就不一样。

对，而且有意思的是，现在这两种路线都在中国公司手里跑得很快。Kimi是月之暗面的，Qwen是阿里的，这在一两年前很难想象。

这话说得我突然有点感慨。好，今天就聊到这儿，Kimi K3的恐怖参数量和Qwen小MoE的高效路线，一大一小，今天都挺值得关注的。

对，AI这行确实没有一天安静的，明天肯定又有新东西蹦出来。

那就明天见，保持关注。