核心观点：国产模型能力快速攀升，海外差距持续收窄

华泰证券最新研报指出，7月发布的Kimi K3模型与二季度上线的GLM新版本再次验证了国产大模型的核心发展逻辑——迭代周期正在进一步缩短。与海外闭源模型相比，当前国产技术差距已缩小至3至4个月，在保持高性价比优势的同时，能力上限和定价权也在稳步提升。根据华泰的测评结果，K3的综合表现仅略逊于GPT-5.6 Sol，而GLM 5.2发布后已可对标Opus 4.7。

从投资视角来看，华泰认为国产模型的快速迭代将进一步巩固产业链的利好趋势；短期而言，尽管定价能力有所改善，但模型层面的竞争明显加剧；长期看，Agent渗透率的持续提升有望打开更大的潜在市场空间。

行业趋势：模型迭代提速，算力瓶颈仍存

华泰证券梳理了行业两大核心趋势：其一，参数Scaling Law依然有效，前沿算力仍是关键约束因素，K3后续需加强国产适配，投资重点可能进一步向产业链上游倾斜；其二，从Agent新赛道观察，AI办公领域奇点渐近——海外Codex与国内WorkBuddy的用户数量保持月度环比高速增长，有望释放更多token需求。

模型追赶效应明显，关注密集迭代窗口

市场反馈显示，行业难以形成长期稳定的SOTA厂商，三季度建议重点关注智谱、互联网大厂以及MiniMax即将陆续推出的产品迭代。国产模型在参数规模、架构效率及复杂任务交付能力上正进一步靠近全球前沿，再次印证了大参数预训练路线的逻辑。

Kimi K3发布：Agent议价权改善，编程能力显著提升

月之暗面于7月16日发布的Kimi K3模型总参数达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场景。定价方面，K3 API已接近海外前沿模型，与过往友商价格对比，海外溢价幅度明显收窄：每百万token缓存命中/输入/输出价格分别为0.3/3/15美元，而GPT-5.6 Sol则为0.5/5/30美元。

K3核心升级：大参数+架构优化，提升推理效率

K3的核心升级主要包括三方面：一是长程Coding项目交付能力显著增强，华泰测评认为其表现仅小幅弱于GPT-5.6 Sol；二是强化了复杂任务拆解与多Agent并行协作，能够将资料获取、分析、制表等环节串联为完整工作流；三是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。

在架构层面，K3通过多处创新降低了长上下文与大参数规模下的计算和缓存压力，在延续Scaling Law的同时控制了单次推理成本，算力约束得到一定缓解。具体包括：KDA混合线性注意力——降低长上下文场景下的KV Cache需求；Attention Residuals——支持模型从前序多层中选择性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所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，架构升级源于前期系列论文积累，技术储备与工程体系的追赶仍是竞争焦点；第二，参数Scaling Law仍然有效，但算力约束问题尚存——K3参数规模达2.8万亿，对通信带宽和内存要求极高，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奇点渐近——Agent行业具有供给创造需求的特征，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，行业难以形成长期稳定的SOTA厂商。

风险提示：模型迭代进展不及预期；算力基建限制模型发展；用户渗透情况低于预期。