AI變天，Kimi怎麼補齊“月之暗面”？

光錐智能2026.09.23 10:15 · 來自廣西全文7430字00:00 / 20:20模型強只是入場券，月之暗面還需要補更多課文 | 光錐智能，作者｜魏琳華，編輯｜劉俊宏AI圈的規則就是用來打破的，市場變化之快，讓公司們經常猝不及防。月之暗面就是其中一個。手拿爽文劇本的月之暗面，曾經靠長文本跑出媲美豆包月活的C端AI助手Kimi，又在路線偏移後，靠Kimi K2、K3兩個模型，一次次證明自己仍然能站在開源模型的第一梯隊。但最近，月之暗面出牌速度“密集得反常”，甚至略顯焦慮。9月，月之暗面先拉起了模型和產品的節奏。先是在模型側，月之暗面於9月11日宣佈K2.

8 Preview全量上線，用接近K3的能力、一半的價格補上自家模型的“性價比”缺口；產品側，Kimi Code Desktop正式發佈，在OpenAI和Anthropic紛紛整合入口的當下，作為獨立App定向吸引開發者群體。同時，月之暗面也在加快探索自身商業化的上限。9月10日，月之暗面官宣啟動“登月計劃”，與五家系統集成商共同合作FDE模式；9月18日，月之暗面的Kimi K3進駐亞馬遜平臺，此前推進的開源模型分成協議終於落地。密集動作的弦外之音，是一個行業級的問題：市場對AI模型公司的要求，變了。2026年，大模型公司們除了要追求智能上限，還需要講出更多產品落地的可能性。

這背後是AI模型早就走過了“智能即價值”、“模型即產品”的階段。當所有頭部公司都能把模型智能做到足夠高，性價比就成用戶/客戶看重的關鍵。“既要又要”就成了當下評價AI模型公司最重要的體系。2026年的市場要的是“可用”——模型要便宜也要強大，公司研發既要追求聰明，也要落地工程化能力，產品要懂用戶，還要夠好用。To B和To C的邏輯也不一樣：B端要穩定、可控、能落地，C端要簡單、好上手。面對市場複雜多元的需求，大模型公司想要只靠一個強模型橫推碾過去，在當下已經不可能。月之暗面是這股浪潮中的一個樣本。

作為一家依然能在大模型第一梯隊的公司，它正在用行動給公司補上更多曾經錯過的課，跟上當下市場的要求。從今年開始，市面上頻頻傳出月之暗面籌備上市的消息。9月，甚至有消息源指出它已秘密遞交上市計劃。提交招股書，意味著月之暗面將不得不揭開“面紗”。在AI圈，“好”不夠，要比一批聰明的頭部公司更好。這就需要月之暗面必須把產品、商業化攤厚，才能講出更精彩的故事。從極致性能轉向性價比、從C端獨大轉向拓展B端，這家公司正在加速補上自己的“月之暗面”。比起聰明，“性價比”更剛需大模型行業有一個共識正在形成：模型夠聰明是門檻，但人們更願意為性價比模型花錢。

用戶要的是用得“爽”，除了模型聰明，還要更便宜、響應要快、能解決實際問題。這一轉變，在模型端和產品端同時發生。於是，2026年AI模型就有了Flash模型的爆發。對比國內開源模型，MiniMax一直把性價比作為戰略主線；智譜的更新頻率更高，GLM-5.3 Flash的定價只有Claude Opus 4.8的四十分之一。當同行紛紛亮起價格屠刀，Kimi K3先是在“賬單”上吃了虧。模型層面，月之暗面仍然站在第一梯隊。K3的發佈證明了這一點。但K3也暴露了一個尷尬的現實——足夠聰明的模型，不一定是用戶用得“舒服”的產品。

從價格看，K3把API價格定在每百萬Token輸入3美元、輸出15美元，雖然定價相當於Claude Opus 5的一半，但後發者的“砍價”來得更快。比如最近階躍星辰的旗艦模型Step 5 Preview，已經把價格砍到Claude Opus 5的八分之一。為什麼Kimi K3被用戶吐槽“又貴又慢”？除了定價貴，從體驗看，光錐智能測試發現，K3模型在思考過程中存在明顯的“內部辯論”、“打草稿”等環節。更嚴謹的思維鏈本是為了更好的結果，但這也導致Token消耗變多、完成任務的用時明顯更長。折算到單個任務，成本又上來了。意識到“性價比模型”的缺失，月之暗面的動作很快。

它先向下做了一個更具性價比的“Flash”版K3模型。9月11日，K2.8 Preview上線，隨後全量接入Kimi Code、Kimi Work。命名一度讓人困惑——K2.8聽起來像是K3的倒退，它是一個面向編程和Agent場景的高性價比模型，用更低成本做到接近K3的能力。雖然月之暗面官方未公佈具體價格，但我們可以藉助WorkBuddy的調用費用來看，K2.8 Preview的價格相當於Kimi K3一半的水平。所謂性價比，就是把旗艦的本事，打到人人用得起的檔位。同時，月之暗面的新模型承擔起了追求智能上限的任務。

9月18日，Kimi官方賬號在知乎發佈了一串以“4159265358……”開頭的神秘數字，去掉前兩位之後，剛好是π的小數展開。大家幾乎立刻把它解構成一個信號——K3.1正在路上。K2.8守成本、K3.1衝能力，月之暗面當下模型側的戰略十分清晰，它要朝著體驗更好的方向“糾偏”。模型糾偏的同時，產品側，月之暗面也在打一場硬仗。先從今年2026年競爭最激烈的AI辦公賽道說起。月之暗面的Kimi Work有先發優勢，它的動作快於字節、阿里等大廠。但先發不等於先贏，因為這個賽道的競爭規則，還“捏”在大廠手上。相比Agent本身的能力，AI辦公的核心比拼是場景能力。這是大廠在辦公賽道上能後來居上的原因。

字節有飛書的全場景沉澱，騰訊有企業微信和文檔生態，用戶的工作場景本來就長在它們的產品裡。此外，大廠和諸多企業的合作沉澱，讓它們能夠快速接入一些專業工具的能力，比如財務數據處理、CRM系統接入等等。在設計上，Kimi Work沒有WorkBuddy和豆包工作做得更適合小白。以插件和Skill等技能生態為例，Kimi Work的工作臺看起來比較“原始”。但放在騰訊和字節兩個大廠這邊，無論儲備數量還是具體場景的覆蓋“應有盡有”，具體功能介紹得生怕用戶看不明白。從上到下分別是Kimi Work和WorkBuddy的技能界面展示大廠的優勢體現在哪裡？

以“專家”功能為例，這個功能WorkBuddy先上線，字節則做了豆包工作的“夥伴”。它為企業數字員工提供“專家”能力，比如內容創作中涉及小紅書、微信公眾號、科技報道、爆款稿件拆解等細分功能。大廠設計這一功能的邏輯很簡單——不需要用戶明白Agent怎麼發揮最大能力，需求和場景本身就是最好的“說明書”。“想要什麼就點什麼”，AI就能把活幹明白。不過，Kimi Work手裡有一張自己的牌——行業knowhow。它原生接入同花順、天眼查等數據源，覆蓋股票、期貨、指數等金融數據和學術資源——相當於把專業流程、數據源和合規要求，直接嵌進Agent的能力裡。

可以說，月之暗面比同行更早意識到了行業knowhow的價值，並把它沉澱成了產品裡的插件和Skill。但knowhow築起的牆，擋得住同行，擋不住生態。大廠正在靠密集更新追平垂類場景，而生態恰恰是它們的拿手好戲。所以模型公司靠行業 knowhow築起來的優勢，沒人知道能守多久。在C端領域的競爭，說白了，月之暗面打得是一場不對等競爭。它要用產品對抗大廠的生態，用knowhow對抗大廠的流量。這裡的收入和想象空間，長期是一場硬仗。真正有機會的場景，月之暗面看向了AI Coding。因為這類產品的體驗於模型和自家產品的配合相關。

大模型廠商能夠靠模型加產品的優化，積累專業開發者用戶——這類人也是Token消耗最大、付費意願最高的用戶。9月21日，Kimi Code Desktop正式發佈，macOS和Windows版同步上線。新產品跟進了兩個行業標配能力：一是計劃模式，影響範圍大的任務，Agent先交出執行計劃，經審閱、反饋和確認後再動手；二是把思考鏈“摺疊”起來，解決用戶常吐槽的等待過長問題。一個耐人尋味的細節是，它和把Work、Chat集成在一起的Kimi桌面端是分開的。也就是說，Kimi Code是獨立產品。

這層設計跟OpenAI和Anthropic不太一樣——這兩家都選擇工具整合，希望用同一個流量入口吸引用戶體驗。但對月之暗面來說，或許是眼下它希望靠分開跑、各吃各的場景，給足產品打磨時間。無論這些戰略最終進展如何，起碼從模型和產品上，月之暗面今年已經把版圖鋪開了。接下來，就是商業化驗證成果的時刻。補齊商業化，把吆喝變成收入比拼模型的同時，隨著Token經濟的爆發，大模型公司們開始把ARR（年化經常性收入）掛在嘴邊。Token是AI時代的“電費”，當模型能力從“能不能用”跨越到“好不好用”的及格線之後，市場關注的重點自然也在向商業化傾斜。收入，自然成了外部判斷AI模型公司實力最直觀的指標。

從營收來看，當前在國內大模型公司中，月之暗面處在中游水平。據內部披露，月之暗面的ARR從3月的1億美元飆升至6月的3億美元，8月突破10億美元。據彭博社援引知情人士消息，年底有望達到20億美元。如果預期成立，這是一條一年二十倍的曲線。但跟同行一比，差距就出來了：智譜8月ARR已達20億美元，月之暗面年底的目標是智譜的當下；MiniMax為8億美元，月之暗面只領先一個身位。技術在第一梯隊，收入在第二梯隊。這個位置，配不上月之暗面的技術地位。差距的根源不難理解——此前月之暗面的商業化只邁了一條腿。從業務結構看，此前月之暗面的佈局更多聚焦於C端，相對“沒那麼功利”。

對比來看，智譜有私有部署業務和輕量化模型雙輪驅動，MiniMax有AI視頻模型產品和海外C端產品，月之暗面只聚焦在推廣C端訂閱和出海上。隨著K3模型能力的提升，月之暗面的策略帶來了收入躍升——ARR從3億美元到10億美元的陡增，是K3發佈後才發生的，這證明了智能可以直接變成錢。但現狀同時也證明，只靠智能變現的天花板不夠高。為了改善商業化渠道，近一段時間可以確認，月之暗面新增了大量項目。同時，月之暗面知道避開AI 1.0時代定製化的坑，把收入結構從一條腿變成三條腿——開源收租、FDE、行業方案。首先，開源收租依然是AI時代“模型即產品”的思路。

月之暗面試圖通過修改開源協議，和雲廠商進行分成合作的模式，從而讓開源從賺吆喝變成一門能有收入的生意。從K3開源起，月之暗面在模型的開源協議中加入新規則，若使用方以MaaS方式對外提供推理或微調業務，且企業及關聯方連續12個月總收入超過2000萬美元，需與月之暗面另行簽署商業協議。據悉，月之暗面還在與微軟、亞馬遜、谷歌談判K3相關服務收入分成，最高可獲得30%分成。據第一財經報道，月之暗面此前已和阿里雲百鍊達成了類似協議。圖片：9月18日，Kimi K3正式上線亞馬遜Bedrock現在，月之暗面和智譜都已經傳來了協議分成順利落地的消息。AI的智能，有了“收租”的變現渠道。

聚焦到企業合作上，月之暗面開始試水FDE（前線部署工程師）模式。9月10日，月之暗面正式啟動“登月計劃”，以FDE模式與行業系統集成商共建前置部署隊伍，首批簽約中軟國際、金山雲、華勝天成、亞康股份、亞信科技等。需要注意的一點是，FDE模式看似跟AI 1.0時代的定製化項目類似，都是直接面對用戶需求。其中區別是月之暗面做得更輕：只提供技術和產品支持，剩下的工作交給合作商來完成。這意味著，月之暗面不需要像定製化任務一樣事事“親力親為”，過往，駐場、定製、交付、驗收，公司被“人天”拖重，導致人員規模膨脹，成本飆升。這樣的模式，能讓月之暗面繼續保持當前300-400人的團隊規模。

畢竟在軟件領域裡，“人效”代表著一家公司能用人力槓桿，撬動多少倍收入。但“輕”也有“輕”的代價。只提供技術，相當於議價能力取決於模型是否領先。而在模型競爭激烈的情況下，“領先”很難是一種常態。企業AI的場景上，月之暗面的行業解決方案正在落地。它的思路是把場景做深，從而靠垂類積累的專業skill、插件優勢，和大廠辦公類的通用產品拉開差距。這是一個模型深度產品化的路線。對標大廠賣的是“什麼都行”，月之暗面主打的就是“這塊我最懂”。

9月17日，月之暗面發佈金融行業解決方案，整合10+權威數據源、9項金融技能、5項安全合規措施，覆蓋持倉早報、財報點評、項目篩選、深度研究、組合覆盤等場景，首批落地客戶包括工商銀行、中信建投。誠然，收租、FDE、行業方案這三條路線可能都不能算是“商業模式創新”。但對於月之暗面而言都是有力的變現手段：把智能變成B端的收入。這也是AI領域所有玩家的初衷——用技術加速人類世界的發展。衝刺IPO，把技術的船票儘早兌現把視角先切到資本市場。當下，AI標的正在從稀缺走向氾濫。智譜、MiniMax已經上市，OpenAI、Anthropic等公司正在加速趕來。當市場可選標的充裕，AI溢價就要被稀釋。

資本市場的變化，只用了一年的時間。往前推一年，國內市場上能叫得出名字的大模型公司，幾乎全在一級市場。投資人想押注AI，可選標的屈指可數，人人都只求份額。月之暗面就是在這種氛圍裡，把估值從2025年底的43億美元一路推到了500億美元。但到了2026年下半年，情況不一樣了。二級市場上，投資者能選的AI標的越來越多。稀缺性一消失，估值的泡沫就開始被擠壓。擠泡沫的過程，在已上市公司的股價走勢上格外明顯。智譜上市初期，市場把它當“中國版Anthropic”來炒，市值一度衝破萬億元。

但熱度退去之後，當市場把目光落回財報表現上，智譜和MiniMax經歷了一輪股價腰斬：以智譜為例，財報顯示，智譜上半年營收同比增長420%，但淨虧損反而擴大了85%，原因很直接：算力成本吃掉了收入的大頭。到9月中旬，智譜的股價已經從高點跌去了56%，市值蒸發超過600億港元。這些賬一算，答案就變得清晰了——AI商業化的兌現週期，比市場最初預想的要長得多。股價的回落，本質上是市場從技術迴歸到財報表現。這就是月之暗面選擇在這個節點衝刺IPO的大背景。2025年底，楊植麟還在內部公開信裡說“不缺錢”。“相比於二級市場，我們判斷還可以從一級市場募集更大量資金……所以我們短期不著急上市，也不以上市為目的。

”——月之暗面創始人楊植麟在內部公開信中寫道。可就是這樣一家不差錢、也說過不著急的公司，9個月後卻啟動了VIE架構拆除，9月初以保密形式向港交所遞交了申請。核心原因只有一個：當窗口期收窄，留給它膨脹估值的時間不多了。月之暗面需要在技術狀態最好的時候，通過IPO，拿到持續兌換留在第一梯隊的支票。而這張支票，最終要兌換成算力，讓自己持續站在第一梯隊。智譜的管理層算過一筆賬：約300億元人民幣投入，相當於10萬P（PFLOPS）算力，其中40%是訓練、60%是推理——大模型公司當下的融資額，大部分投入在算力上。K3發佈後48小時請求量逼近集群承載極限，導致官方暫停C端訂閱。

旗艦模型的推理需要海量算力，訓練下一代模型同樣需要算力。為了避免被算力“卡脖子”，智譜開始通過自研、和收購國產算力芯片等方式加碼算力，實現把單位Token推理成本較年初下降80%，單位算力對應的收入提升14倍。月之暗面也面臨著一樣的問題，此前，它大量租賃雲廠商的算力，但K3之後開始加速自購。但自購芯片是一條長線投入，短期不可能一蹴而就。所以，月之暗面缺的不是錢，而是一條能持續、低成本兌換算力的資金通道——企業AI的故事要講，下一代模型的算力要囤，而一級市場的錢只會越來越挑剔。這就意味著月之暗面必須趕在K3的技術紅利窗口關閉之前，把IPO這個故事推向高潮。上市之後，一切都會輕鬆許多。

就像是智譜在股價腰斬之後，轉頭又融了50億美元。畢竟，沒有投資者願意看到，一家技術實力足夠強的公司“變得窘迫”。月之暗面的IPO衝刺，不是缺錢的信號，而是搶時間的動作。它要在AI標的還沒氾濫、估值泡沫還沒完全擠幹、技術紅利窗口還在的時候，把自己送到二級市場的牌桌上。智能上限的競賽還在繼續，但正如行業所展現的那樣，模型強只是入場券。不過在商業化和產品還剛剛起跑的階段，月之暗面要讓“暗面”也發光。