围剿Kimi，只是大模型“新赛季”play的一环

打擂台容易守擂难。Kimi 这位新秀的亮相固然惊艳，但其他更早问世的 TOP 级基础大模型，也都不是吃素的，很快百度文心一言、阿里通义千问，都宣布跟进长文本能力，直接卷到 1000 万字。

Kimi 突如其来的热度、巨头的积极反扑、长文本赛事的狂飙，无不说明基础大模型已经进入了新赛段。

Kimi 不是来终结比赛的，而是来加入这个家的。而去年仓促备战、紧跟 ChatGPT 的第一梯队厂商，如今也对大模型的商业化前景、落地方向等，有了更成熟的思考。

Kimi 掀起的“长文本之战”，只是大模型“新赛季”paly 中的一环，接下来还会有哪些看点，我们来预测一下。

月之暗面（Moonshot AI）是大模型赛道上，第一波获得较大规模融资的明星创业公司。而相比同时期动作不断的 AI 大厂如 BAT、明星企业如百川，月之暗面直到去年 10 月才交出了第一份成绩单 Kimi，颇有种“谋定而后动”的味道。

从参数上看，Kimi 的长文本能力超越了当时的谷歌 gemini 1.5、Claude3，处于全球领先水平。

从市场动作看，Kimi 的宣传，也不像其他基础通用大模型厂商那样谨慎，而是大规模投流，广告铺天盖地，在 B 站、抖音、小红书等平台都有信息流投放。据媒体报道，Kimi 每天获客成本都在 20 万，正在“烧钱换规模”。

从实际效果看，有大量个人用户和企业开发者在使用 Kimi 后表示，其在中文上的理解、分析、问答能力，确实优于当时主流的国产大模型，上下文衔接更好，总结能力更强。

几重因素叠加，升级后的 Kimi 引爆了资本市场的新一波热情，甚至出现了“Kimi 概念股”。

那么，Kimi 能“乱拳打死老师傅”，一举终结基础大模型的比赛吗？子弹飞了这么久，结果已经很明显了，不能。

一方面，随着用户规模的增多、应用场景和用例的增加，Kimi 的能力局限越来越多地暴露出来，比如有用户提到，Kimi 的编程能力跟 ChatGPT、GLM4、文心一言有很大的差距，ToC 场景下长文本处理的需求并不高频，新鲜感过了之后，感觉没有其他太大用处。

同时，Kimi 视为核心差异化优势的长文本能力，并不构成真正的护城河。从其他巨头很快就跟进并上线了相关能力，就可以看出，长文本处理技术的壁垒并没有很高，能做基础通用大模型的头部厂商，都有相关技术和人才积累。

而过去一年 AI 大厂在多模态大模型、智算基础设施、ToC 应用、Tob 客情关系等多个维度构筑起的壁垒，则是月之暗面很难快速追赶的。比如，目前月之暗面还没有发布多模态大模型，云服务运维跟不上，难以保证B端用户的体验。

目前 Kimi 面向大众免费试用，但其付费 API 的定价，有的版本几乎达到了 GPT-3.5 等领先大模型的数倍，后续付费转化也要打一个问号。

总的来说，Kimi 是月之暗面在大模型技术上的一次成功“秀肌肉”，但别说直接终结比赛，要跻身“可规模落地大模型”这一赛道的 TOP 席位，恐怕为时尚早。

有读者可能会问，既然大厂有做长文本处理的能力，为什么去年不卷，非要 Kimi 火了之后才卷？

所以说，Kimi 爆火是一个很好的契机，标志着中国大模型已经从仓促备战的“遭遇战”，进入到了步步为营的“阵地战”。

简单来说，2023 年 ChatGPT 横空出世，中国的 AI 大厂是在猝不及防的情况下，极短的时间内统筹资源、组织人马，快速跟上 OpenAI 的技术进展，一度出现了“大模型日抛”的局面。这时候最重要的是争取主动，避免中国 AI 在大模型浪潮中缺席。文心一言、讯飞星火、腾讯混元、华为盘古、百川智能、智谱 AI 等一大批基础大模型厂商和初创机构，确实让中国在“遭遇战”中拿下一城。

狂奔一年，无论海内外都对大模型有了更清晰，也更务实的认知。中国的基础大模型厂商，已经开始“高筑墙、广积粮”，逐步进入到充分准备、保障严密、战略稳定的“阵地战”了。

为什么之前不卷长文本，Kimi 出现又快速集体围剿？恰恰是新赛季“阵地战”开始的信号。

信号一，不打没意义的仗。

国内基础大模型的竞争基本告一段落了。

随着 Sora、Claude3 等开源或闭源大模型都越来越强大，基础通用大模型的投入门槛也更加高昂，不能长期拿出天文数字来卷的都心生退意，转而去挖掘垂直场景和细分行业的机会，这也让头部厂商的认知度和市场认可度更加稳固。

基础大模型厂商也开始精打细算，关注如何从硬件中压榨出更多算力、降低单位推理成本、构建可持续的国产算力、挖掘商业化项目潜力等。而长文本处理要消耗大量的硬件资源，平白无故瞎卷，烧钱费力还未必讨好，确实没必要。

但 Kimi 的爆火，更多是让 ToB 场景，尤其是金融、政务客户，看到了大模型的应用价值，读财报、读合同、做客服，更长的文本确实能在这类知识密集型场景，发挥出更好的效果，减少幻觉问题。这代表了基础模型的底层能力，所以 Kimi 的长文本之战，必须打。

信号二，竞争更加立体复杂。

2023 年末，大模型热度已经开始降温。应用侧落地困难，所谓的杀手级 AI 应用似乎还是没有出现，而投入成本持续加码，基础模型一升级就会覆盖创业者的工作，导致投资市场态度也偏向谨慎。于是，很多人开始质疑这一波大模型只是自嗨，唯一赚钱的只有卖铲子的英伟达，焦虑情绪开始弥漫。

这时候，Kimi 作为一款现象级产品，确实打破了僵局。

作为一个有实际意义的应用层产品，Kimi 让大众再一次感受并认可了大模型的价值。根据产业规律，应用爆发往往会在产业基础平台条件具备之后的一两年内出现，Kimi 正处于这一时间轴的关节上，标志着 AI 应用爆发即将开始。

Kimi 对大模型价值的再度确认，也会让接下来的通用大模型竞争，从卷参数、卷 benchmark 等基础项 PK，进入到更加复杂、多元的能力角斗。

信号三，跑马圈地白热化。

这一竞争阶段，“遭遇战”时的灵活、机动、大干快上，就不太管用了，而需要细致部署、步步为营，跑马圈地。

对 Kimi 的围剿说明各家基础大模型厂商的底层能力，会很快趋同。除非像 OpenAI 那样，技术的飞轮效应极强，跟竞争对手的差距越拉越大，否则，技术天然会扩散，很难长期成为商业秘密与护城河。

坏消息是，国内的基础大模型，想要建立差异化优势越来越难，没有人能获得垄断地位；好消息是，政企客户更希望构建“模型花园”，根据需要调用多个大模型，减少对单一供应商的依赖，所以市场仍在增长，仍然开放，大家都还有机会。

（企业希望引入的模型数量）

a16z 调研了七十多位财富 500 强企业和顶级企业领袖，发现这些公司 2024 年在 AI 上的支出预算比 2023 年增加了 2-5 倍。国内市场的智能化速度也不会逊色，更增强了对基础大模型的需求，所以接下来，会进入到白热化的跑马圈地阶段。

大模型新赛季，正式拉开帷幕。

长文本，是“秀肌肉”的必争之地，但解决政企客户的切实需求，长文本却未必那么实用。从 Kimi 的长短板，我们可以看到目前市场更需要怎样的大模型。

首先说说短板。前面提到了，Kimi 的长文本在很多场景下属于低频需求，再长的 token 只会带来更大的计算量、更高的资源成本，对用户来说性价比不高。对此，吴恩达也认为，快速生成 token，可能比使用更强的模型更重要。长文本处理导致的硬件资源需求、GPU 短缺和云服务能力，也是 Kimi 面临的现实挑战。

而 Kimi 的长板在于，在文本摘要和知识管理等任务中，发挥出了极高的生产力效能，对企业的吸引力很大。应用更友好，企业不需要从头开始训练自己的 LLM。

所以，长文本之战引发的连锁反应，会让一些能力，成为 battle 重点：

1.与云的深度融合。Maas 服务会成为模型购买决策的首要原因之一，继续深化、细化。

2.对 Agent 开发的支撑。基础大模型很难提供所有端到端的解决方案，长文本处理是应用层公司的舞台，通过基础大模型 +Agent 式工作流，去解决客户的专有问题。而 Agent 式推理拼的是 token 生成速度，而非文本有多长。试想一下，如果一个金融客服助手半天憋不出一段话，即使生成的效果再好，用户也不会有耐心等待。所以，长文本能力并非应用型企业选择基座模型的唯一标准，甚至不是最重要的标准。