GPT-5來了，Kimi卻掉隊了

導語：經歷了DeepSeek等爆款從橫空出世到增長乏力後，大模型投資人變得謹慎，寧可押注前兩名。腰部以下玩家的生存空間，持續被壓縮。

01 “不是那個節點”

北京時間8月8日凌晨，OpenAI發佈GPT-5。這一代產品將大語言模型與推理模型整合，能智能調度多種子模型，在解決不同任務時調用最優引擎。相比GPT-4o的事實錯誤率也大幅降低。

雖然部分業內人士評價其缺乏顛覆性，但在事實準確率、多輪推理、複雜任務執行上的提升，依然讓它暫時保持在全球頭部的位置。

圖源：OpenAI官網

就在上個月，國內AI大模型“六小龍”之一月之暗面發佈並開源了萬億參數大模型 Kimi K2。

上線48小時，月之暗面官網訪問量達36億次，Hugging Face下載量突破10萬——這種聲勢，甚至在國內外科技媒體的版面上壓過其它大模型。

圖源：Kimi官網

然而，不到一月，熱度如潮水消退。

Kimi的K2，沒能複製DeepSeek今年1月的軌跡。搶跑換來的是短暫曝光，而非扭轉“下坡”的蹣跚。

第三方監測機構 aicpb.com 數據顯示，今年7月，Kimi APP月活躍用戶（MAU）僅居全球第19位，落後於豆包、DeepSeek、騰訊元寶等國內對手，下載量更跌出前20。

圖源：AI產品榜

QuestMobile數據顯示，5月Kimi的月活用戶1408萬，在國內原生AI應用中排名第九；而在去年12月，這個數字曾高達2101萬，位列前三。

圖源：QuestMobile

“大家都在等一個能扭轉局勢的產品時刻，就像DeepSeek R1那樣。但Kimi的K2，並不是那個節點。”一位AI大模型研究者告訴筆者。

02 重金投流

爲何與DeepSeek被業內並稱“絕代雙驕”的Kimi，退步如此之快？

有業內人士認爲，Kimi之前“走紅”，更多是營銷的勝利。

2023年10月，Kimi以 20萬字長文本處理能力橫空出世，幾個月後將上限提升至200萬字，對話框容量一度全球領先。

彼時，長文本處理被視爲AI處理深度任務的門檻：寫一份學術綜述、法律分析或行業研報，用戶不再需要拆分文本、反覆輸入。

可真正讓Kimi實現用戶數量大幅增長並迅速出圈的，並非其技術優勢，而是聲勢浩大的“重金投流”。

業內廣爲流傳，2024年春節，月之暗面在B站（9626.HK/BILI.NASDAQ）投放廣告總額超億元，單用戶獲客成本（CPA）爲30元。

彼時，在B站首頁或視頻推薦區，總能看到“Kimi AI智能助手”推廣鏈接。

Kimi在B站的廣告投放，圖源：嗶哩嗶哩

這一引流策略，短期內製造了“現象級”關注度和下載量，也引發了同行“賽級”模仿。

當時正是AI大模型“羣雄逐鹿”的相對空白期。各大廠模型加速迭代，DeepSeek還在韜光養晦。因此，誰受到的關注多，就看誰的曝光率高。

高成本投放的代價，是壓縮研發與算力預算。

Kimi把長文本處理優勢作爲核心賣點，但技術壁壘卻不高。

上下文擴充達到一定限度，對模型整體能力的提升有限。一旦超越這個閾值，大模型比拼的將是實打實對文本推理能力以及高質量解答能力。

根據QuestMobile對國內各大模型測試顯示，Kimi1.5模型在長文上輸出速度，已遠低於通義、豆包、騰訊元寶和文心一言。

國內各大模型在長文本的性能測試，圖源：QuestMobile

Kimi的長文本獨佔優勢被抹平的同時，專業垂直工具開始“降維打擊”。

Wind（萬得）、知網等在各自領域的應用，把長文本處理與特定知識庫綁定，直接生成研報、綜述、財報摘要。這種垂直場景AI，不僅精度更高，還能保證數據來源可追溯，讓通用型長文本AI的吸引力顯著下降。

圖源：知網官網

行業變化極快。

到2024年中，“百萬tokens”已是主流廠商標配，模型競爭焦點轉向推理能力、交互體驗與多模態。

豆包1.6可以處理文本、圖像、音視頻全鏈路，通義千問支持語音+圖像輸入。

而Kimi的多模態仍侷限在圖片與代碼理解，輸出主要是文字與代碼，缺少語音、視頻等交互能力。

這種差距，已很難再通過投流進行彌補。

03 “三重製約”

如果說產品與市場節奏決定了Kimi眼前的失速，那麼數據、算力、資本三大要素的短板，則限制了它的長期競爭力。

數據不足，是Kimi難以突破的核心原因之一。

國內多家大廠模型能利用自家生態（如阿里的淘寶、字節的抖音與今日頭條、騰訊的微信）作爲中文語料來源，形成持續的模型優化閉環。

受限於生態屏障，Kimi缺乏這樣的數據入口，更多依賴公開網絡數據與合作伙伴提供的有限語料。

算力上的短板，則更爲直接。

自美國禁售英偉達H100、A100等高端芯片，國內公司大多隻能使用性能較低的H20或國產替代方案，如華爲昇騰和寒武紀思元。這使得國內模型與全球頂尖水平存在顯著差距。

算力被“卡脖子”，顯著拖慢了中國AI大模型的追趕步伐。近期國外大模型的表現，明顯超過國內就說明這一點。

此外，背靠阿里雲、百度（9888.HKB/IDU.NASDAQ）智能雲、火山引擎的大廠模型，可以用自有云資源訓練和部署模型，而Kimi需要採購雲服務，成本更高。

國內外各大模型廠商均靠持續融資燒錢輸血來維持發展，錢主要就花在了購買算力硬件上。

資本收緊，則是今年Kimi的新增壓力。

2023年至2024年，月之暗面獲得阿里等數家大廠青睞，估值一度升至33億美元。

但去年8月後，公司再無新融資。去年底，投資人朱嘯虎與創始團隊的股權紛爭與仲裁風波，以及近段時間Kimi用戶側數據明顯下降，或讓潛在投資人態度轉爲觀望。

沒有新資金，投流規模與模型迭代速度都會被迫放緩，形成“融資受阻—創新放緩—用戶流失”的惡性循環。

根據“愛分析”調研統計，2024年AI大模型項目，累計項目金額超過400億人民幣。其中，科大訊飛（002230.SZ）、百度、阿里、騰訊等大廠均獲得億元級訂單。而月之暗面尚無公開的標杆性大單。

圖源：愛分析

業內人士反饋，經歷了DeepSeek等爆款從橫空出世到增長乏力後，AI大模型投資人變得謹慎，寧可集中押注頭部“前兩名”。中腰部以下玩家的生存空間，持續被壓縮。

在互聯網商業史上，從不缺一鳴驚人的公司，但缺的是能把“一鳴”延續成長期鳴響的能力。