技术无人区与偏执的审美坚持，这种独特性是月之暗面 Kimi 存在的最大意义。

文｜《中国企业家》记者   孙欣

见习编辑｜李原编辑｜何伊凡

图片来源｜受访者

过去一年里，月之暗面 Kimi（以下简称 "Kimi"）完成了从 "AI 六小虎 " 到全球资本追逐对象的纵身一跃。

2025 年 12 月，Kimi 完成 5 亿美元 C 轮融资，投后估值 43 亿美元。今年 5 月，Kimi 又完成 20 亿美元 D 轮融资，估值来到 200 亿美元。6 月，传闻 Kimi 正洽谈新一轮最高 20 亿美元融资，投前估值达 300 亿美元。

在技术层面，2026 年 1 月 Kimi K2.5 的发布成为关键转折点。这款支持全模态处理的旗舰模型上线不到一个月，Kimi20 天内累计收入便超过 2025 年全年总和，ARR（年度经常性收入）突破 2 亿美元。

此后，Kimi 的产品输出节奏愈发紧凑：2026 年 4 月发布 Kimi K2.6，主打编程和 Agent 集群能力，单次任务最高可调度 300 个专业化子代理并行协作；6 月中旬，又发布了电脑端本地通用 Agent 产品 Kimi Work，以及 K2.7 Code 编程专用模型。

据悉，Kimi K2.7 Code 在基准测试上相较于上一代有极大提升。在长程任务上，K2.7 平均 Token 消耗直接减少 30%，多语言代码生成能力大幅提升。

" 编程能力是 AI 生产力提升的起点，从词元（Token）消耗看，编程占了 90%。但这只是 AI 智能被采纳的开始，通用 Agent 带来的生产力变革将从 3000 万程序员扩展到 10 亿的知识工作者。"Kimi 创始人杨植麟表示。

在他看来，大模型展开的星辰大海更值得期待。" 大模型研发正在发生范式转变，到 2026 年下半年至 2027 年，AI 将会更多地在研究层面发挥主导作用。"

激进的技术野心

回望 2025 年初，DeepSeek 异军突起，一度打乱了 Kimi 的研发节奏。而 2025 年 7 月发布的全球首个万亿参数的开源 MoE 模型 Kimi K2，再度让人们看到了杨植麟的技术底牌。

Kimi K2 发布后，一名 Kimi 内部研究员在博客中写道：" 在（2025 年）年初的反思会上，我提出了一些相当激进的建议，没想到植麟后续的行动比我想的还要激进，比如不再更新 K1 系列模型，集中资源搞基础算法和 K2。"

接近 Kimi 的人士告诉《中国企业家》，K2 诞生于公司的关键时刻，杨植麟放弃 K1 开始做 K2 这个决定，对公司来说至关重要。

而多模态模型 K2.5 的发布，标志着 Kimi 技术路线的进化。其原生多模态架构首次将文本与视觉输入在底层融合，Agent 集群支持 100 个子 Agent 并行协作，单次任务可调用 1500 个步骤。这款 1 万亿参数模型上线后迅速供不应求，直接推动 Kimi ARR 突破 1 亿美元。

4 月，K2.6 将 Agent 集群扩容至 300 子 Agent，且支持 4000 步协调执行，编程能力实现跨越式提升——在 SWE-Bench Pro 上以 58.6% 击败 GPT-5.4，可持续编码 13 小时、修改超 4000 行代码。6 月，K2.7 Code 进一步聚焦垂直场景，推理 Token 减少 30%，Kimi Code Bench V2 提升 21.8%，多语言代码生成大幅优化。

半年三次迭代，Kimi 的产品路径也逐渐清晰：以架构创新打开能力边界，再以 to B 垂直迭代逼近专业场景的精度极限。

据 Kimi 算法研究员分享，产品迭代速度加快的背后，存在一个关键的技术突破：视觉强化学习训练反哺了纯文本能力。杨植麟称之为 " 一个打破行业认知的发现 "。" 之前普遍认为引入视觉能力会降低文本能力，但我们发现二者是可以互相提升的。"

在杨植麟看来，过去 10 年间，Transformer 架构、Adam 优化器、残差连接等构成了深度学习的技术底座，一度被视为行业共识性基础设施。然而，随着模型规模的持续扩张与任务复杂度的不断抬升，这些曾经的 " 标准配置 " 或将成为模型进化的阻碍。

因此，Kimi 的技术路径也表现出了鲜明特征——专挑底层动刀，不仅在现有架构上做工程优化，更是回到 AI 系统最底层的组件，逐个问题解决，对优化器、注意力机制、残差连接等逐一优化，提高算法效率，换取智能上限。

例如，K2 采用的 MuonClip 优化器将 Token 处理效率提升到了 AdamW 的 2 倍；Kimi Linear 混合线性注意力架构在 128K 至 1M 超长上下文中，实现了 5 至 6 倍解码速度提升。K2 对神经网络架构层的改进技术 Attention Residuals，对神经网络中的核心残差连接机制进行了重新设计，在效果相近的前提下，训练计算量减少了约 20%，相当于获得了 1.25 倍的效率优势。

"MuonClip、Kimi Linear、Attention Residuals 本质上都是为了效率，通过算法创新，充分利用现有资源，达到更高的 Token 效率和模型智能水平。" 一位 Kimi 研究员说。

面向下一代模型 K3，杨植麟表示，下一代模型会采用新的模型架构，目标之一是让模型更适配 Agent 长程任务能力，因为这是最关键的能力。

" 未来 Kimi 将持续研究重构底层技术，大量底层技术也将在未来 2 到 3 年内被重新改写。希望 K3 可以成为更与众不同的模型，让用户体验到全新的、其他模型没有定义过的能力。" 杨植麟说。

点击封面订阅全年杂志

克制的组织扩张

与激进的技术野心形成鲜明对比的是，Kimi 在组织扩张上相当克制。

在组织内部，Kimi 维持着灵活的 " 小团队 " 作战状态。作为估值已超 300 亿美元的独角兽，Kimi 全公司约 300 人，也是头部大模型创业公司中人数最少的一家。

" 精锐部队 " 模式也是杨植麟刻意为之，他公开表示：" 这几个大模型创业公司里，我们始终保持人数最少，保持卡和人的比例最高非常关键。我们不希望团队扩那么大，（扩大）对创新有致命性伤害。"

《中国企业家》获悉，Kimi 内部不设 OKR，也没有部门墙，甚至没有传统意义上的部门，公司取消了各种总监、副总裁等职位标签。Kimi 的组织架构极致扁平，几位联创直接对接数十位团队成员。杨植麟的微信签名也只有四个字：直接沟通。

Kimi 创始人杨植麟

接近 Kimi 的人士告诉《中国企业家》，在谈及模型时，杨植麟常反复提及一个词—— " 品味 "（taste）。在算力和数据日益同质化的竞争中，" 品味 " 成为 Kimi 建立差异化壁垒的核心驱动力。

总裁张予彤如此解释 Kimi 的人才理念：Kimi 偏好 " 有抽象能力 " 和 " 有些偏执 "" 会疯狂做事 " 的人，" 你有一个很好的想法，会不会为它尝试 1000 次？绝大部分人可能尝试 10 次就觉得这件事不能做。但也有极少数人会更相信自己的想法，并且在尝试中形成新的认知。"

"Kimi 成立初期聚集了多项 AI 核心技术的发明者，这些人后续又找到更多同路人。" 在杨植麟看来，技术本身仍然是 AI 大模型最大的变量，而 Kimi 对技术人才的吸引力是竞争力的关键。

不被定义的 LLM

2025 年 12 月底，当 MiniMax、智谱相继敲定 IPO 进展时，市场将目光投向 Kimi。杨植麟一度对此冷然处之，他在全员邮件中表示：公司现金流充足，不急于上市。

但大模型行业水流湍急，玩家仍在急剧收敛。

2026 年 5 月 7 日、8 日两天，中国大模型赛道在 48 小时内密集宣布了逾百亿美元的融资消息。媒体评价：" 钱不是在流向行业，而是在流向最后几个玩家。"Kimi 已经证明了自己的技术实力，还需要向市场证明商业变现能力。

K2.5 发布后的 3 月，Kimi 的 ARR 突破 1 亿美元；4 月，这一数字来到 2 亿美元。" 很长一段时间里，K2.5 供不应求。" 接近 Kimi 的人士告诉《中国企业家》。

6 月 12 日，Kimi 发布桌面 AI Agent 产品 Kimi Work，支持 300 个 Agent 并发，且内置了 Cron 调度器。同时，Kimi Work 还实现了金融数据直连，Agent 也可直接读写电脑上的文件，且所有操作在本地完成、数据不出设备。

加速商业化效率之外，算力、人才、资源以及和互联网大厂之间的竞合关系，也都在等待 Kimi 解答。

杨植麟的姿态始终清晰。" 我们不是为了竞争而建立的公司。" 他在一次早期采访中如此表态。2025 年底，他进一步阐释了自己的判断：" 行业发展进入了一个新的阶段，它从一开始有很多公司在做，变成现在少一点的公司在做，接下来大家做的东西会逐渐不一样。"

开源社区中的技术流动，也为这种 " 和而不同 " 的格局提供了注脚。DeepSeek 发布 V4 时，其技术报告中明确致谢了 Kimi 创新并开源的 Muon 优化器。杨植麟对此的回应平静而坦诚：" 这是开源的意义，我们受益于开源技术，也希望把我们的贡献带给社区。"

未来的 Kimi 将会成为谁？杨植麟在 2025 年底的内部信中，表达清晰坚定，也带着自己卓尔不群的 "taste" 和底气。

"2026 年 Kimi 会成为一个‘与众不同’和‘不被定义’的 LLM（大语言模型）。不管是别人没敢押注的技术无人区，还是需要一点偏执的审美坚持，我相信有更多 Kimi-defined 的创新能对人类文明加速发展产生独特贡献。这种独特性是我们存在的最大意义。"

新闻热线 & 投稿邮箱：tougao@iceo.com.cn