月之暗面今年以来的技术迭代还在继续。

11 月 6 日晚间，月之暗面旗下 Kimi 大模型发布了 Kimi K2 Thinking，并称其为 "Kimi 迄今能力最强的开源思考模型 "。

Kimi 官方表示，Kimi K2 Thinking 是基于 " 模型即 Agent（智能体）" 理念训练的新一代 Thinking Agent，它原生掌握 " 边思考，边使用工具 " 的能力。

从实测成绩来看，Kimi K2 Thinking 在 " 人类最后的考试 "（Humanity's Last Exam）、自主网络浏览能力（BrowseComp）、复杂信息收集推理（SEAL-0）等多项基准测试中表现达到 SOTA（当前技术水平的最前沿）水平。

自 7 月进入 "K2" 版本之后，Kimi 的升级正在提速。9 月 5 日，Kimi 发布 Kimi K2 模型的最新版本 "0905"，进一步提升其在真实编程任务中的表现。9 月 25 日，月之暗面 Kimi 发布全新 Agent 模式 "OK Computer" 并开启灰度测试。

这也是整个 AI 市场的一个缩影。事实上，AI 市场正进入快速迭代阶段。据 QuestMobile 发布的 2025 年三季度 AI 应用行业报告，以头部互联网集团为例，今年 1 月— 9 月共完成 182 次模型发布 / 更新 / 迭代，平均每 5.7 天就迎来一次模型升级。

模型迭代节奏持续加快，技术竞争正转向应用能力与推理深度的实战较量。

在 " 人类最后的考试 " 中超越 GPT-5（High）

据 Kimi 官方，Kimi K2 Thinking 是 "Kimi 迄今能力最强的开源思考模型 "，这一定位源于其在技术架构、任务执行与评测表现上的系统性突破。

作为基于 " 模型即 Agent" 理念训练的新一代 Thinking Agent，Kimi K2 Thinking 实现了 " 边思考，边使用工具 " 的原生能力融合。该模型可在无人干预的情况下，自主完成多达 300 轮的工具调用与多轮思考，可提升处理复杂问题的连续性与稳定性。

在多项关键能力维度上，Kimi K2 Thinking 均有明显进步，其 Agentic（智能代理）搜索、Agentic 编程、写作与综合推理性能得到进一步强化。

在推理能力方面，该模型在涵盖 100 多个专业领域的 " 人类最后的考试 "（Humanity's Last Exam）中取得了卓越成绩。该测试允许使用搜索、Python 及网络浏览等工具，Kimi K2 Thinking 以 44.9% 的得分达到 SOTA 水平。作为对比，Kimi 公布的同场测试中 GPT-5（High）的成绩为 41.7%。

面对信息过载的复杂搜索场景，Kimi K2 Thinking 同样表现出色。BrowseComp 测试旨在评估 AI 在信息密集环境中的坚持性与创造力。在该项测试中，人类平均得分仅为 29.2%，而 Kimi K2 Thinking 以 60.2% 的成绩刷新了 SOTA 纪录。

此外，该模型在编程相关任务中亦有稳步提升。在多语言软件工程基准 SWE-Multilingual、SWE-bench 验证集以及 Terminal 终端使用等测试中，其表现有了进一步提升。

除了专项能力的突破，Kimi 表示 Kimi K2 Thinking 模型在通用基础能力上也实现同步升级。无论是在创意写作、学术研究，还是在回应个人与情感类问题时，模型都展现出更成熟的理解与表达能力。

为进行对比验证，《每日经济新闻》记者使用与测试 Kimi K2 时相同的提示词，要求 Kimi K2 Thinking 模型以 2025 年北京高考作文题 " 数字闪耀时 " 为例，模拟高中生身份完成一篇一类记叙文。从结果看，文章结构完整、扣题准确，但在切题方式上，该模型与 K2 一样，仍存在表达略显生硬的情况。

使用了长思考模式的 Kimi 撰写的作文图片来源：Kimi 网页版截图

目前，Kimi K2 Thinking 模型的 API（应用程序编程接口）已在 Kimi 开放平台正式上架，支持 256K 上下文长度，定价与 Kimi K2-0905 相同：每百万 Token（大模型处理文本时的最小单位）输入收费 4 元，输出 16 元，若命中缓存，输入费用仅为 1 元。同时，平台也推出了生成速度高达 100 Token/s 的 Turbo API，其每百万 Token 输入为 8 元，输出 58 元，命中缓存的输入同样为 1 元。

Kimi 能否破局 " 红海 " 竞争

然而，技术优势能否成功转化为市场认可，是摆在 Kimi K2 面前的首要挑战。

QuestMobile 数据显示，今年三季度，接近 60% 的原生 App 陷入负增长，对于新入局者或中小应用而言，独立打造一款成功的原生 App 的窗口正在收窄。2025 年，国内大模型竞争已从初期的 " 百花齐放 " 步入 " 巨头主导 " 的新阶段。

Kimi 自身的增长也面临压力。

根据量子位智库 10 月数据，在 AI 助手 APP 新增下载榜上，Kimi 与 DeepSeek 分别以超 420 万和 360 万的下载量位列第三、四位，但相较 9 月，两者的下载量均下滑超过 13%。与此同时，字节跳动的 " 豆包 " 以近 2800 万新增下载稳居第一，腾讯 " 元宝 " 则以超 1300 万下载、环比 14% 的涨幅位列第二。大厂凭借其生态优势，持续挤压着独立应用的生存空间。

并且，更多跨界玩家正依托自身业务场景加速入局。11 月 3 日，美团 LongCat（龙猫）团队宣布推出全新开源大模型 LongCat-Flash-Omni，这也是美团在两个月内第四次发布新模型。

另一个行业信号是 AI 交互成本的下降。

QuestMobile 在报告中表示，人均单次 Token 消耗的下降也标志着 AI 行业进入了一个以 " 效率提升、成本控制、价值驱动 " 为特征的新阶段。这是行业走向成熟和商业化的关键信号。

在此背景下，今年以来的 Kimi 正尝试通过垂类合作探索商业化路径。今年 " 双 11" 期间，《每日经济新闻》记者测试发现 Kimi 更新了 " 导购 " 功能，可根据用户需求推荐商品并附带淘宝或京东链接，不过商品多来自代理店铺，尚未与官方旗舰店打通。相较于字节 " 豆包 + 抖音 "、阿里 " 通义 + 电商 " 的生态闭环，Kimi 暂未形成同等强度的业务绑定。

数据表明，具备清晰场景的垂直类 AI 应用仍具有增长潜力。据 QuestMobile，字节跳动旗下即梦 AI、豆包爱学及蚂蚁集团旗下 AQ 健康管家等垂类应用三季度月活跃用户规模复合增长率分别达 12.1%、15.7% 和 83.4%。

对 Kimi 而言，差异化的核心在于将模型能力转化为用户可感知的价值。其能否在 Agent 搜索、编程助手、深度研究等场景建立起不可替代性，将决定技术升级的市场成效。

Kimi K2 Thinking 展现出的技术纵深，为月之暗面在 " 思考型 Agent" 这一差异化路径上赢得了重要筹码。然而，在白热化的大模型竞争中，技术领先性只是入场券，能否将 " 长思考 "" 强推理 " 的模型能力，转化为用户高频依赖的应用场景，并构建起可持续的商业模式，才是真正的破局关键。

每日经济新闻