Kimi 與 DeepSeek，狹路相逢的對手

圖源：月之暗面GitHub項目

昨天，月之暗面向AI領域放了個大招。

它開源了 Kimi-Dev-72B編程大模型，這個僅有 72 億參數的模型，在 SWE-bench 測試（AI編程能力測試）中以 60.4% 的成績超越了DeepSeek-R1。

圖源：月之暗面GitHub項目

在此之前，5月28日發布的新版DeepSeek-R1憑借其 671 億參數模型，曾是開源編程AI的標桿。如今，全球最強開源編程的寶座到了kimi這里。

這場“以小博大” 的勝利，打破了行業對 “參數即性能” 的固有認知。

Kimi-Dev-72B有這樣的成績，原因在于三個秘密武器。

第一個武器是雙角色設計。

圖源：月之暗面GitHub項目

AI可以同時扮演“Bug 修復者” 與 “測試編寫者”。

簡單說就是能自己檢查代碼，自己驗證修復是否正確。這樣通過強化學習讓模型在自我驗證中進化。

第二個武器是強化學習優化。

AI能通過“試錯”方式訓練，只有真正修復了Bug并通過測試，才會得到獎勵，確保AI的解決方案可靠。

第三個武器是高效的數據訓練。

Kimi-Dev-72B用了1500億條高質量GitHub代碼數據，用定向訓練更讓其直擊實際開發痛點。

通過這三個武器，Kimi-Dev-72B可以在代碼修復、測試編寫的精準度上占據優勢，彌補和DeepSeek-R1在參數量上的差距。

對比kimi，DeepSeek-R1的技術路線更偏向通用編程，在數學推理等領域仍保持優勢，但面對企業級代碼修復需求時，Kimi-Dev-72B 的實戰化訓練明顯更勝一籌。

這種技術路線的差異，本質是“大而全” 與 “專而精” 的戰略分野。

圖源：中國日報

時間撥回 2024 年，Kimi 的崛起堪稱營銷教科書。

一般來說，大模型的應用分為B端和C端，前者是指面向企業或機構的商業應用，后者則是面向普通消費者的個人應用。

當國產大模型扎堆 B 端時，kimi以“200 萬字上下文窗口” 切入 C 端，成為論文翻譯、法律文檔解析的辦公神器，深受個人消費者的青睞。

Kimi的市場優勢，加上一個月就高達1.99 億的廣告投放，終于在去年11月砸出 1282 萬月活，環比增長28%，在百度文心一言、阿里通義千問的夾擊中殺出第三條路，僅次于百度文小言位居行業第二。

但 2025 年 DeepSeek 的橫空出世完全顛覆了游戲規則。

憑借極低的訓練成本和極高的性能表現，DeepSeek爆火出圈、震驚整個行業，零廣告投入卻靠技術口碑實現 1.25 億用戶增長，七天內收割 1 億新用戶，讓行業看清了技術穿透力的真正威力。

此時的DeepSeek被稱為“AI流量黑洞”。

而kimi的挑戰還沒結束。

3月下旬，騰訊元寶宣布完成重磅更新：同時接入DeepSeek V3-0324最新版，以及深度思考模型混元T1正式版。

騰訊財大氣粗，廣告投入比kimi只多不少。

今年一季度，AI產品的全行業投流費用約為18.4億元，而騰訊元寶占比高達76%，僅在3月份，騰訊元寶投放費用達到11億元。

圖源：QuestMobile

QuestMobile 數據顯示，2025 年 3 月 DeepSeek 以 1.9 億月活登頂，騰訊元寶月活規模為0.4億，而 Kimi月活數量僅為0.18億。

Kimi 的滑落不僅是數字變化，更揭示了 C 端市場的底層邏輯變遷：

當 AI 從 “新奇工具” 變為 “基礎設施”，用戶選擇的核心標準已從 “營銷聲量” 轉向 “技術體驗”。

DeepSeek 的殺手锏之一是開源策略。其低成本模型不僅降低了企業接入門檻，更通過開發者生態快速積累用戶。

當 DeepSeek-R1 成為行業標桿時，月之暗面終于在 2025 年 6 月調整策略，以 MIT 協議開源 Kimi-Dev-72B，允許商業使用。

這種轉變揭露了殘酷的現實，在 AI 時代，技術優勢若不能轉化為生態優勢，終將被開源浪潮淹沒。

Kimi 與月之暗面坎坷的發展歷程

月之暗面這家 2023 年 4 月成立的 AI 公司，背后站著豪華的資本陣容。

從 2024 年 B 輪融資 25 億美元，有阿里、騰訊等參投，到 2025 年估值升至 30 億美元，美團、小紅書加入，月之暗面的融資速度堪比火箭。

圖源：虎嗅網

創始人楊植麟作為清華天才少年，帶領曾任職谷歌、Meta 的核心團隊，構建了從長文本處理到多模態推理的技術護城河。

但資本加持也帶來壓力。

當 DeepSeek 以更低成本實現技術突破，月之暗面不得不重新審視商業化路徑。

月之暗面B 端依賴 API 接入、C 端靠打賞模式的現狀亟待改變，其接收小米“Kimi” 商標轉讓、與華為合作搭載鴻蒙系統等動作，就是想在 DeepSeek 的壓力下尋找新的盈利支點。

圖源：天眼查

圖源：月之暗面kimi微博

從 2023 年 10 月支持 20 萬字處理的 Kimi Chat，到 2025 年 1 月超越 GPT-4 的 k1.5 多模態模型，Kimi 的技術進化從未停歇。

但真正的戰略轉向發生在今年：

4 月份內測內容社區，模仿小紅書設計打造 AI 生成內容生態；

在6 月初開源編程模型，試圖通過開發者生態破局。

這種從“工具” 到 “平臺” 的轉型，本質是應對 DeepSeek 沖擊的非對稱策略。

當AI 生成內容（AIGC）成為趨勢，Kimi 不再局限于工具屬性，而是要做內容分發平臺。

在平臺上可以用AI 抓取全網熱點，kimi還邀請了邀請科技財經頻道號入駐，這些動作直指 DeepSeek 技術強大但應用場景單一的短板。

圖源：月之暗面kimi微博

換句話說，kimi的戰略是，既然無法在開源技術上短期超越DeepSeek，就通過應用創新建立差異化優勢。

不僅如此，月之暗面還在經歷一場戰略加減法。

減法是減少廣告投放，將資源從營銷轉向技術。Kimi將模型推理服務降價 83%，用性價比爭奪企業客戶；

加法是聚焦垂直場景。Kimi 被清華北大納入學術誠信工具包，在法律、教育領域深化應用。

但這樣還不夠，尚未盈利的月之暗面需要向投資人證明付費潛力，而 C 端用戶對 AI 工具的付費意愿尚未完全打開。

內容社區能否通過廣告、打賞實現變現？開源模型能否通過企業服務盈利？

這些問題的答案，將決定月之暗面能否在 DeepSeek 與阿里、騰訊等巨頭的夾擊中存活下來。

AI 時代的生存法則

圖源：微博

Kimi 與 DeepSeek 的較量，本質是中國 AI 大模型行業的一個縮影。

在技術突破與商業落地的雙重壓力下，月之暗面的反擊揭示了三個關鍵生存法則：

首先，技術專精度勝過參數規模。

Kimi-Dev-72B 用 72 億參數超越 671 億參數模型的案例證明，誰能解決具體行業痛點，誰就能掌握主動權。

其次，生態構建能力決定生存空間。

DeepSeek 的崛起印證了開源生態的力量，而 Kimi 的反擊也顯示閉源企業必須找到生態破局點。

無論是內容社區還是硬件集成，本質都是在構建“技術 - 應用 - 用戶” 的閉環，單靠技術優勢難以維持長期競爭力。

最后，非對稱創新創造突圍機會。

當 DeepSeek 在技術層面對標 GPT-4，Kimi 選擇從應用層突破，結合了內容社區、硬件集成、行業解決方案，這些非對稱策略讓其在巨頭夾縫中找到生存空間。

AI 行業的競爭從來不是線性比拼，而是多維戰場的立體博弈。

站在 2025 年的時間節點，月之暗面的反擊才剛剛開始。這家年輕的 AI 公司能否完成從 “黑馬” 到 “長跑者” 的蛻變，還有待觀瞻。

而對于整個行業而言，這場較量的終極意義或許在于，倒逼中國 AI 企業跳出 “復制國外路徑” 的慣性，走出一條 “技術創新 + 生態重構 + 商業落地” 的獨特道路。

在這條充滿不確定性的賽道上，唯一能夠確定的是，競爭從未如此激烈，機遇也從未如此臨近。

作者 | 劉峰