近日，在 36 氪 WAVES 举办的大会上，一个有趣的环节引发了人们的热议：主办方让 Kimi 与 Minimax 两家的投资人进行了对谈。

随着 DeepSeek 的横空出世，整个中国大模型的牌局已天翻地覆。 行业龙头的格局，从原来的大模型六小龙，逐渐演变成了今天的基模五强。

当六小龙不再是市场的焦点时，安静很久的 Kimi 和 Minimax 在 前不久 不约而同有了新动作： Kimi 开源了编程模型 Kimi -Dev，它的第一个 Agent Kimi -Researcher 深度研究也开启小范围测试。而 Minimax 则开源了首个推理模型 Minimax -M1，并完成连续五天 包含大模型、视频生成、音频生成等多个方向的更加 。

从产品侧来看，Kimi 将重心聚焦到 agent，以深度研究为主要方向，似乎有意向金融、学术等方向发力，这条路线虽然已经有了智谱等竞争者，但远离了以生活服务为主的大厂射程，叠加原本不错的基础模型能力，Kimi 似乎找到了自己的舒适区。

而另一边，Minimax 则似乎想要弥补自身的遗憾，在没有接入 DeepSeek 之后，继续发力全方向的布局。

这似乎也意味着，大模型竞争进入下半场之后，更多的变量正在酝酿之中，而从各项评测来看，Kimi 与 Minimax 的新产品，似乎都有着不错的效果。

在没等来 R2 之后的缓冲期，六小龙中的代表们，正在试图携带着各自的大招，开启下半场。而从报道来看，无论是频繁与 DeepSeek 撞论文的 Kimi，还是曾经和 DeepSeek 赌同一个技术路径的 Minimax，似乎都带着一丝不甘心。

而 在大厂 先后加入 大模型赛道 后 ，六小龙中， Kimi 和 Minimax 正试图 找到自己的生存方式。从某种程度来说，竞争的模式正在发生改变，而 在泡沫消散之后，越来越懂经营的六小龙们，也在期待着下一个周期的开始 。

Kimi 和 Minimax 接连放大招

" 一年前，就是比投放、比用户，现在则回到技术前沿，回到强认知，我相信反而更适合以技术大牛为核心的创业团队。因为比投放，其实是大厂的机会，所以我觉得他们状态还挺好的。 " 在这次对谈上，真格基金合伙人戴雨森在谈到 Kimi 与 Minimax 时如是说。

正如其所言， 近日，相较于在教育、医疗等垂类应用场景中争夺的大厂，Kimi 与 Minimax 似乎更希望在基础技术上展现自身的底色。

6 月 20 日，Kimi 官方发布消息， Kimi -Researcher（深度研究） ，开始小范围灰度测试。 据官方消息透露， 模型即 Agent， Kimi -Researcher 是基于端到端自主强化学习（end-to-end agentic RL）技术训练的新一代 Agent 模型，也是一个专为深度研究任务而生的 Agent 产品。

做为内测用户，可以看到的是，Kimi 这次试图去打造的就是 " 高实用性 " 以及 " 靠谱 " 的产品。

按照官方的数据， 每个任务平均进行 23 步推理，自主梳理并解决需求 ， 平均规划 74 个关键词，找到 206 个网址，由模型判断并筛选出信息质量最高的前 3.2% 内容，剔除冗余、低质信息 。 报告的平均长度在万字以上 ， 平均引用约 26 个高质量、可溯源的信源 。

很明显，Kimi 此次直指需要低幻觉类的垂类赛道。从小红书等社交媒体反馈来看，论文党、甚至如金融、法律等高频需要深度探索的方向，都对 Kimi-researcher 有着不错的评价。

专业评测博主 mactalk 评价道：深度研究不算什么新创新，但 Kimi 生成的内容，在信源和形式上确实不错，Kimi 的深度研究功能，除了给到一份分析报告外，还会生成一个网页。看到网页的那刻，给人的感受是，网页也应该成为一种和文本同等重要的交互方式。

与此同时，Minimax 也用全新的模型在展示自身的肌肉。根据极客公园报道， 作为推理模型， Minimax -M1 在长上下文理解能力上，是目前包括所有闭源和开源模型在内，能力全球前二的模型，且在训练和推理成本上 有 极高的性价比。

M1 仍然延续着 MoE 架构，而在注意力机制上和强化学习算法上的创新让 M1 鲜明 地 区别于其他推理模型。模型总参数达到 4560 亿参数，原生支持 100 万 token 的上下文长度输入，以及目前所有模型中最长的 80ktoken 的输出长度。

在 专业上下文能力的测评 中，M1 的表现远超包括 DeepSeek -R1-0528 和 Qwen3-235B 在内的所有开源模型，甚至超越 OpenAI o3 和 Claude 4 Opus，仅小幅落后 SOTA 的 Gemini 2.5 Pro。

除了基础模型的进展，Minimax 在 agent 以及多模态等多个领域也是亮点频出。" 大家最近刷抖音有没有看到 ‘ 吴彦祖教你学英语 ’ ？其实是 Minimax 在提供背后的技术支持。我第一次听的时候，也难以分辨到底是真人还是 AI，直到后来才知道是 Minimax 的客户，感叹这真的挺厉害的。 " 云启资本合伙人陈煜提到。

实用性超强的 agent，能力出众的大模型，Kimi 和 Minimax 试图开启的是一场全方位的竞速，而从更深层次上来看，两家公司更希望表达的则是，打破大众对于大模型赛道的固有心智。

渴望一场DeepSeek 式的胜利

相较于 DeepSeek 的光芒万丈，不得不说，此刻回头来看，Kimi 与 Minimax 是两家曾充满遗憾的公司。

杨植麟 清华出身， 同时在 卡内基梅隆大学（CMU）语言技术研究所（LTI）读博，导师是苹果 AI 负责人 Ruslan Salakhutdinov 和 Google AI 首席科学家 William W. Cohen，这样的学术背景，在技术可信度上远超普通创业者。

而且他 在 循环智能 等方面的创业经历 ，已经在企业级 AI 落地方面证明过自己。这 更能 让资本相信，这个人不只是懂技术，还会做生意。 高频快速的融资，让其估值迅速爬升。

技术背景，管理经验，同时具有大量子弹，这让杨植麟成为前 DeepSeek 时代的明星。

更重要的是， Kimi 的第一仗还打的漂亮， 把长文本技术提升到了 " 中国 AGI 突破口 " 的高度，精准匹配了资本对 其的期待。

但不可否定的是， DeepSeek 的爆火，一定程度上掩盖了 Kimi 的部分声量。

不过，即便是到当下，仍然可以看出，Kimi 在技术实力上，仍然不逊于 DeepSeek。在基础研究环节， 2 月 18 日， DeepSeek 和月之暗面几乎同时发布了他们各自最新的论文，而主题直接「撞车」—— 都是挑战 Transformer 架构最核心的注意力机制，让它能更高效的处理更长的上下文。而更有趣的是，两家公司的技术派明星创始人的名字 ， 出现在各自的论文和技术报告里。

而在近日，两者撞车的事件又频频发生。在法律、医疗等方向招聘上的相似，潜移默化的让外界觉得，似乎 Kimi 仍然是能与 DeepSeek 并驾齐驱的存在。

而另一边 Minimax 的遗憾，则来的更为直接。在媒体的报道中，Minimax 其实更早的启用了与 DeepSeek 相同的技术路线。 2023 年下半年，大部分国内大模型厂商还在继续迭代稠密模型（dense model）之际， Minimax 创始人兼 CEO 闫俊杰就把 80% 以上的研发和算力资源 ， 投到了一件不确定的事情上—— MoE（Mixture of Experts 混合专家模型）。

2024 年 1 月， Minimax 上线的 abab6，成为国内首个 MoE 大模型。此后，MoE 架构彻底取代稠密架构，成了大模型领域技术迭代的新方向， 而 年初爆火出圈的 DeepSeek ， 应用的正是 MoE。 虽然无法一概而论的将两者在此维度上进行比较，但可以验证的却是两者间肉眼可见的落差。

客观来说，与 DeepSeek 技术实力难分伯仲的 Kimi 与 Minimax，在市场中早已无法得到与之匹配的影响力。

而从这个维度上来看，没有被大厂打败，而是被 DeepSeek 超越，也让两家在下一个周期即 agent 的争夺中，渴望着一场真正意义上的翻身仗。

正如戴雨森所言 " 我们不是因为大模型投资 Kimi ，而是投资团队。现在是技术革命的早期，他们仍然是拥有中国最优秀团队的 AI 创业公司之一，以及拥有最多资源的 AI 创业公司之一。 如果我们相信 AI 是一件非常大的事，你有最好的团队，又有最多资源，仍然能够做出很多有意思的事来。 " 而 AI 的下半场，是否仍会按照当下大厂主导，DeepSeek 重点突破的模式演绎，似乎仍然是一道谜题。

AI 公司的生存逻辑正在重构

进入 6 月，AI 圈似乎达到了比以往更为热闹的情景。罗永浩数字人直播带货拿下天量成交，夸克与元宝在高考报志愿竞逐，同时，豆包上线了 AI 播客功能，美团高层点了第一杯 AI 外卖咖啡，AI 的想象力与应用正在不断加速地渗透至生活的各个角落。

这一切的快速演变，似乎让人看到了红杉 AI 峰会中所提到的， 下一轮 AI，卖的不是工具，而是收益。

但与此同时，对于 agent 未来演变的辩论也在持续。拾象 CEO 李广密曾坦言 Agent 与当前模型能力的匹配程度。 他认为， 今天 Agent 80% 的能力依赖于模型这个引擎。比如，GPT 到了 3.5，多轮对话的通用范式出现了，Chatbot 这种产品形态就行得通了。Cursor 的崛起也是因为模型发展到了 Claude 3.5 的水平，它的代码补全能力才得以成立。

而 AI Research Lead 钟凯祺 则认为：通用 Agent 的需求基本上就是信息检索和轻度代码编写这两类，而 GPT-4o 已经完成得非常好了。因此，通用 Agent 市场基本上是大模型公司的主战场，创业公司很难仅仅通过服务于通用需求来做大。而创业公司基本都聚焦在垂直（Vertical）领域。

回到本文的主角： 当 Kimi 用深度研究 Agent 叩开垂类专业场景的大门，当 Minimax 以推理模型 M1 刷新开源能力边界， 两家公司的每一步动作都在印证同一个事实：大模型竞争早已超越 " 参数比拼 " 的初级阶段，进入到 " 心智占领 " 的核心战场。

DeepSeek 的崛起证明，在大厂与创业公司的博弈中，技术突破与市场定位的精准耦合，足以重塑行业认知 —— 而这正是 Kimi 与 Minimax 此刻最迫切的目标。

从技术路径看， Kimi 押注 " 垂直 Agent"，试图用 " 深度研究 " 的专业标签切割出差异化赛道； Minimax 则 试图用 线性注意力机制 打出差异化 ，通过多模态能力构建全场景渗透的想象空间。两者的策略差异，本质是对 "AI 下半场生存法则 " 的不同解读：前者选择在大厂尚未重兵布防的垂类扎根，用 " 高实用性 " 对抗大厂的流量优势；后者则延续 " 全栈布局 " 的野心，试图以技术性价比弥补生态短板。

但这场争夺的关键，或许正如戴雨森所言—— " 投资团队而非模型 "。当 DeepSeek 用技术叙事改写资本逻辑， Kimi 与 Minimax 的核心竞争力，仍在于创始团队对技术趋势的预判能力（如杨植麟对长文本技术的坚持、闫俊杰对 MoE 架构的提前布局）。在大厂凭借资源优势加速内卷的当下，创业公司的破局点从来不是 " 硬碰硬 "，而是像 DeepSeek 那样，在某个技术维度建立不可替代的认知优势，进而占领用户心智。

如今的 AI 下半场，既是技术落地的 " 马拉松 "，也是心智认知的 " 闪电战 "。 Kimi 与 Minimax 的每一次开源、每一个 Agent 的迭代，都是在为 " 下一个 DeepSeek " 的叙事加码。而当行业泡沫逐渐消散，真正能穿越周期的，或许正是那些既能在技术深水区扎根，又能在用户心智中刻下独特标签的团队。这场没有硝烟的战争，才刚刚开始。