今天AI圈的核心事件集中在大模型和普通人变现上——OpenAI终于放出GPT-5，国内月之暗面直接甩出2.8万亿参数的开源大模型Kimi K3，而普通人靠AI赚钱的思路也终于从赚快钱转向了做长期生意。
今日大模型动态
OpenAI正式发布GPT-5，虽然官方没公布太多技术细节，但从行业反馈来看，它的多模态能力有了质的提升——比如能直接根据手绘草图生成可运行的前端代码，还能实时分析视频里的产品缺陷。对普通开发者来说，这意味着之前需要多工具配合的工作，现在用GPT-5就能一站式完成，比如做一个电商小程序，从原型到上线的时间能压缩一半以上。
月之暗面推出的Kimi K3是目前全球参数最大的开源大模型，2.8万亿参数的体量直接打破了之前的开源模型天花板。最关键的是它完全开源，开发者可以免费下载部署，甚至能基于它做二次训练。这对中小团队来说是个重大利好——不用再花几百万买大模型API权限，自己搭一个定制化模型的成本能降到原来的1/10，比如做垂直领域的客服机器人，用Kimi K3训练行业数据，效果不比闭源模型差。
普通人AI变现新思路
现在普通人靠AI赚钱的核心思路已经从“跑量代写”转向了两个方向：一是卖知识产品，比如用AI生成某细分领域的课程素材，再自己加工成有个人IP属性的付费课，比如教新手做跨境电商的选品课，AI能快速整理出100个热门品类的数据，自己只需要加上实操经验就能卖；二是用AI撬动流量，比如用AI生成符合平台算法的短视频脚本，再结合真人出镜做账号，比如做职场内容，AI能根据热门话题生成10条不同风格的脚本，比自己想效率高太多，而且账号起号速度能提升3倍以上。
很多人入局AI变现的第一个坑就是盲目砸钱，买各种会员、算力和硬件，但其实AI降低的只是生产门槛，赚钱的门槛一点没降。比如你用AI写了100篇文章，但如果没有精准的受众定位，根本没人看。正确的做法是先找一个自己熟悉的小领域，比如宠物喂养、职场PPT，先用免费AI工具做内容测试，比如用ChatGPT生成宠物喂养指南，发在小红书上看数据，有正向反馈了再考虑付费工具，这样能避免一开始就亏几千块的情况。
创作者效率工具精选
36氪测评团队耗时90天筛选出的10款创作者AI工具，核心优势是能直接提升内容破圈概率。其中有两款值得重点关注：一款是专门做短视频选题的工具VidIQ AI，它能分析平台上近30天的热门内容，结合你的账号定位生成10个高潜力选题，还能给出标题和脚本框架；另一款是做图文排版的工具Canva Magic Design，它能根据你输入的文字内容自动生成符合平台风格的排版，比如小红书的笔记、公众号的推文，比自己排版效率高4倍以上。
海外科技博主整理的2026年Top15 AI工具里，有两款适合国内创作者的工具：一款是AI语音克隆工具ElevenLabs，它能克隆你的声音生成高质量的音频，适合做有声书或者短视频配音，免费版能生成10分钟的音频；另一款是AI数据分析工具Tableau GPT，它能把复杂的表格数据转换成可视化的图表和分析报告，适合做内容里的数据支撑，比如写行业分析文章，输入数据就能自动生成结论。
今日行动建议
今天可以做：打开月之暗面官网，申请Kimi K3的开源模型试用权限，下载测试包体验一下大模型的本地部署流程。
本周可以做：选一个自己熟悉的细分领域，比如母婴用品、职场技能，用ChatGPT生成3篇内容初稿，发在对应平台测试流量数据，记录反馈最好的选题方向。
长期关注：开源大模型的生态发展，尤其是垂直领域的微调工具，未来中小团队的核心竞争力会是基于开源模型的定制化能力。
今日小思考
今天看到Kimi K3开源的时候我突然意识到，大模型的竞争已经从“比参数、比性能”转向了“比生态、比开放”。之前大家都觉得只有巨头能玩得起大模型，但现在开源模型的体量已经追上闭源模型，中小团队甚至个人开发者都能参与进来。而普通人变现的思路转变也很有意思，从一开始想靠AI躺赚，到现在终于明白AI只是工具，真正赚钱的还是你的认知和执行力——就像有人用AI写100篇水文赚不到钱，有人用AI做一个细分领域的付费课能月入过万，核心差的不是AI工具，而是对用户需求的理解。
📌 信息来源：新浪财经、新京报、Beijing International Web Portal、东方财富网、数字中国建设峰会、36氪、中国新闻网、新华网、央广网、新华网客户端
🤖 声明：本文由AI自动收集整理发布，仅供学习参考，不构成投资建议。
国产大模型和芯片的突破，终于轮到独立开发者捡红利了
这周WAIC上的两个消息，我觉得是真的能让独立开发者摸到实在好处的。先是月之暗面的Kimi K3，2.8万亿参数的全球最大开源模型，能力逼近GPT-5.6 Sol这种闭源旗舰，而且是完全开源的。这意味着之前要花大价钱调用闭源API的项目，现在可以考虑本地部署或者用低成本的开源API替代，尤其是做长文本处理、代码生成这类对模型能力要求高的工具，成本能砍一大截。
还有那颗14纳米制程的国产AI芯片，靠架构创新跑出了520万亿次浮点运算的算力，关键是不依赖先进制程。这事儿的意义不止是打破海外算力垄断，更实在的是，后续国内云服务商的算力成本肯定会往下压，小开发者租用GPU训练或者部署模型的门槛会更低，之前因为算力成本不敢碰的大模型微调、多模态项目，现在可以提上日程了。
别光盯着模型参数和算力数字，我建议这周先去HuggingFace上扒一下Kimi K3的部署文档，试试用它做个针对垂直领域的小工具，比如法律合同分析或者学术论文摘要，开源模型的可定制性比闭源API强太多。另外也可以留意一下国内云厂商的新算力套餐，说不定很快就会基于这款芯片推出平价的GPU服务。
对了，还要提一句商汤的SenseNova U1 Pro，这个定位交付级多模态智能体基座的模型，其实是给开发者铺好了做复杂任务的路，比如做一个能看懂设计图、生成施工方案的工程智能体，不用自己从零搭多模态框架，直接基于它做二次开发就行，省下来的时间完全可以用来打磨产品的落地场景。
— 2026年7月20日 星期一 —
微信扫一扫，打赏作者吧～
