看不懂的月之暗面_Kimi_模型_Agent

日期：2026-09-20 15:23:26 | 人气：

放慢脚步，还是另辟路径？

文：胡世鑫编辑：叶锦言

来源：深网·腾讯新闻

“这家公司是我目前最看不懂的。”一位国产大模型上市公司的投资部人士这样评价月之暗面。在他看来，月之暗面的模型能力本身没问题。让人困惑的是，这家公司在行业节奏上的走向。

1月21日，在达沃斯世界经济论坛年会上，月之暗面Kimi总裁张予彤表态：“Kimi很快就会发布一个新模型。”六天后的1月27日，月之暗面发布并开源了Kimi K2.5模型。

这是Kimi迄今能力最为集中的一次更新：视觉理解、代码、多模态输入、思考与非思考模式、Agent及Agent集群能力，被统一封装进同一个All-in-one模型之中。发布***中，杨植麟亲自站台介绍着K2.5。

模型如期亮相，让月之暗面在技术层面给了外界一个明确回应。但在资本与公司化层面，它却走在另一条轨道上。过去一段时间，“AI六小虎”开始分化：智谱、MiniMax先后推进上市。

几乎在同一时间，杨植麟称，公司有100亿元现金，并不着急上市。正是在这种对照下，投资人对月之暗面的“看不懂”，变得更具体。进入行业中场，这是在主动放慢节奏，把筹码继续押在技术路径上，还是不得不承认，已经不在第一梯队？

Kimi K2.5，怎么样？

一位体验过Kimi K2.5的AI创业者表示，该模型给他的直观感受是全面聚焦于“生产力”：核心转向编程、办公与复杂任务协作，而非扩展零散功能。“它不是靠跑分证明自己，而是靠实际产品能力。”他强调，这种在具体任务中的体感差异，***数更有说服力。

K2.5的取向是一次有迹可循的战略聚焦，标志着月之暗面在大模型能力谱系中的位置迁移：其技术标签已从2024年的“长文本”，转向2025年的复杂推理、思考过程与Agent任务协同。

一位接近公司的人士指出，此轮迭代的价值不在榜单排名，而在工程取向——模型围绕Agent任务反向设计，核心目标是稳定地拆解任务、调用工具并保持长链路推理的一致性。

这一取向，与月之暗面近年来强调的效率优先路线相呼应。公司方面在多个场合提到，自身并不具备无限堆砌算力的条件，因此更强调算法与系统层面的效率提升，而非单纯扩大训练规模。

在K2系列训练中，月之暗面使用改进版Muon优化器，实现约2倍Token效率提升，并通过QK-Clip等机制增强大规模训练稳定性；在推理侧，则提出Kimi Linear线性注意力机制，在保证效果的同时提升长上下文处理速度。

张予彤在达沃斯论坛上将这一策略概括为：仅使用美国顶尖实验室约1%的***，完成K2与K2 Thinking的训练。这也意味着，月之暗面对模型能力的验证路径，正转向工程系统导向。

这种变化，同样体现在产品层。自2025年5月起，Kimi密集推出了Researcher、PPT、Kimi Code等Agent功能；9月进一步上线OK Computer，可调用虚拟电脑中的工具完成开发、数据分析、多模态内容生成或制作PPT。Agent被放置在模型能力与商业化之间，逐渐成为关键中间层。

与此同时，月之暗面有意识地将部分能力验证场景放在海外。公开数据显示，K2系列模型发布后，在OpenRouter等模型调用平台上占据一定份额。

市场普遍认为，月之暗面不再追求“大而全”的炫技，而是将筹码押注在“用工程化能力解决实际问题”这一差异化的方向上。这一策略能否成功，关键取决于其Agent集群等核心功能在真实、复杂业务场景中的稳定性和可靠性能否经得起大规模验证。

同时，在面对DeepSeek等同样强劲的竞争对手时，如何平衡顶尖性能、使用成本与商业化速度，将是月之暗面接下来的核心挑战。

双重挤压：

***战与评价体系之变

更早阶段，月之暗面曾是国内较早将重心放在C端通用助手上的大模型公司之一。

成立初期，凭借杨植麟的学术背景，公司在行业内获得较高期待，被部分从业者视作“中国版OpenAI”，月之暗面很早便选择以产品形态承接模型能力。

2023年8月，在首个模型训练进入后期阶段时，月之暗面启动AI助理Kimi项目。当时公司规模约50人，Kimi在内部更像是模型能力的展示窗口。

产品上线后，Kimi月活用户一度保持较高增长，并通过投放完成冷启动，在通用对话类产品中进入头部梯队。QuestMobile数据显示，截至2024年底，Kimi月活用户超过2000万，仅次于豆包。多位从业者将那段时间视为月之暗面在C端最为风光的阶段。

但这种增长，很快就遭遇到了成长的烦恼。进入2025年后，随着字节豆包、腾讯元宝、阿里系产品线同步推进，这一赛道逐渐演变为高度依赖***投入的竞争。对拥有平台入口和分发体系的大厂而言，投放成本可以被内部消化；而对独立创业公司来说，持续投流更像一项难以长期承担的支出。

一位接近月之暗面的人士直言：“创业公司很难跟大厂正面拼投流，比到最后，往往是钱烧得更快，用户却留不住。”

与此同时，行业对“好模型”的判断标准也在发生变化。2025年初，DeepSeek等模型的崛起重塑了行业的选择标准：其几乎零大规模推广、纯靠技术口碑驱动增长的现象，在业内引发了强烈震动。

一位月之暗面员工曾回忆，那段时间公司内部感受到的压力是双重的，投流层面打不过大厂，技术声量又被DeepSeek抢走。

但这种冲击，也促成一次内部认知转向。公司层面逐渐意识到，对技术型创业公司而言，C端通用助手的用户规模，并不天然构成技术壁垒。相比讲用户故事，更重要的是在模型能力上形成真实差距。

上述投资人将这种变化概括为：“过去是先占用户，再补模型；现在是模型能力决定你还能不能留住用户。”

在这一判断下，杨植麟更倾向于将规模视为阶段性结果，而非优先目标。在模型能力尚未形成稳定差距前，过早放大用户规模，反而可能放大***消耗与路径误判的风险。

2025年，月之暗面开始对C端业务做出明显收敛。产品层面，公司逐步停止大规模投流，收缩泛娱乐方向，先后暂停或放缓Ohai、Noisee等多条C端产品线；技术层面，***重新集中到基座模型训练与推理能力；市场层面，重心从国内用户规模竞赛中抽离，转向海外开发者生态与专业用户场景；战略层面，公司从闭源转向开源，并将产品与商业化的主要增量方向放到海外。

整体来看，这是一次主动退出C端正面战场、更换赛场的选择。但收缩的代价同样存在。上述投资人表示，从其了解的情况看，公司目前“基本只剩下大模型和Kimi这一条主线”，不少其他产品线已经被放弃，“甚至有多个产品线负责人后来离职创业”。

分水岭时刻：

当上市成为同行的标准答案

战略上的主动收缩与聚焦，也让月之暗面在资本路径的选择上，展现出与同业公司截然不同的节奏。

成立初期，月之暗面展现出极强的融资能力。

公司成立仅三个月后即完成超2亿美元天使轮融资，投后估值约3亿美元；同年7月完成Pre-A轮融资。2024年进入融资高峰期：2月完成超10亿美元A+轮融资，估值升至25亿美元；8月完成超3亿美元B轮融资，估值提升至33亿美元。2025年底，月之暗面完成5亿美元C轮融资并实现超募，投后估值约43亿美元。

表：月之暗面融资时间线

然而，与强劲的融资表现形成鲜明对比的是，月之暗面在上市进程上的“按兵不动”。在多家同梯队公司相继启动上市进程的背景下，月之暗面并未同步推进 IPO。对于一家已具备上市条件、且身处高关注赛道的公司而言，这一选择并不常见。

上述投资人提到，随着智谱、MiniMax 进入二级市场，大模型公司的评估标准正在发生变化：相比一级市场更强调愿景与潜力，二级市场更关注成本结构、毛利率水平与商业化兑现节奏。近期多家公司推动上市，本质上仍是现金流压力下的融资选择，而非成功与否的标志。

例如，继 H 股上市后，智谱仍在推进 A 股上市进程。中国证监会***显示，其辅导机构中金公司已于 2026 年 1 月 15 日递交辅导报告。这意味着，“大模型第一股”并未止步于单一资本市场。

不同公司间的现金状况，正在成为决定其战略节奏的关键变量。

进入2025年底，行业格局进一步分化：12月中旬，同为“AI六小虎”的智谱和MiniMax相继通过港交所聆讯并开始招股。就在几天后的12月31日，久未公开露面的杨植麟内部信曝光，披露公司仍持有约100亿元现金，并直言“不急于上市”。

此后不久，2026年1月13日百川智能创始人王小川也在媒体沟通会上透露，公司账上存有30多亿元现金。三天后的1月26日，阶跃星辰完成超50亿元新一轮融资，印奇出任董事长。

然而，充足的现金并未消除压力。在看似从容的“不上市”宣背后，杨植麟、王小川和印奇实则面临着一个共同的难题：仅凭手中的资金，在技术爆炸的窗口期内建立起真正的护城河。

实际上，除了对外部技术竞赛的焦虑，对月之暗面来说，公司历史“旧账”也构成了另一种维度的压力。

有观点认为，月之暗面早期分拆相关的股权与仲裁问题尚未完全尘埃落定，在这一状态下贸然启动 IPO，本身就存在合规与信息披露层面的复杂性；相比之下，留在一级市场继续推进技术与产品演进，操作成本更低。

上述投资人补充道，他对月之暗面的判断依然复杂。公司能够持续推出模型、持续完成大额融资，说明其在技术能力与资本市场层面具备较强说服力；但月之暗面仍未向外界清晰回答产品形态如何确立、商业化如何展开、稳定用户从何而来等更基础的问题。

在他看来，月之暗面更像是一家技术能力已被验证，但公司形态仍在形成中的企业。这种技术先行、商业轮廓尚未完全浮现的状态，也在一定程度上映射了当前国产大模型行业所处的整体阶段。

*免责声明：本文章为作者独立观点，不代表i黑马立场。

黑马精选

返回搜狐，查看更多

产品中心

看不懂的月之暗面_Kimi_模型_Agent

联系我们

在线客服