AI变天，Kimi怎么补齐“月之暗面”？

AI行业的规则随时会被颠覆，市场变化之迅猛，让企业常常措手不及。

月之暗面便是其中之一。

这家曾凭借“爽文”式发展路径，靠长文本能力打造出能与豆包月活跃用户相媲美的C端AI助手Kimi的公司，在路线调整后，又通过Kimi K2、K3两款模型，持续证明自身仍处于开源模型的第一梯队。

然而最近，月之暗面的动作频率“密集得有些不寻常”，甚至透露出几分焦虑。

9月，月之暗面率先在模型和产品上加快了步伐。

模型侧，9月11日，月之暗面宣布K2.8 Preview全面上线，以接近K3的性能、一半的价格，填补了自家模型在“性价比”方面的空白；产品侧，Kimi Code Desktop正式推出，在OpenAI和Anthropic纷纷整合入口的当下，它选择以独立App的形式，精准吸引开发者群体。

与此同时，月之暗面也在积极探寻自身商业化的上限。

9月10日，月之暗面正式启动“登月计划”，与五家系统集成商合作推行FDE模式；9月18日，其Kimi K3模型登陆亚马逊平台，此前推进的开源模型分成协议也终于落地。

这些密集举措背后，隐藏着一个行业层面的问题：市场对AI模型公司的要求，已经发生了变化。

2026年，大模型公司不仅要追求智能上限，还必须展现出更多产品落地的可能性。

这背后，是AI模型早已跨越了“智能即价值”、“模型即产品”的阶段。当所有头部企业都能将模型智能提升到足够高度时，性价比便成为用户和客户关注的核心。“既要又要”已成为当下评估AI模型公司的最重要标准。

2026年的市场追求的是“可用”——模型既要便宜又要强大，公司研发既要追求聪明，也要具备工程化落地的能力，产品既要懂用户，又要足够好用。To B和To C的逻辑也截然不同：B端要求稳定、可控、可落地，C端则追求简单、易上手。

面对市场复杂而多元的需求，大模型公司试图仅凭一个强大模型横扫一切，在当下已不可能。

月之暗面正是这股浪潮中的一个典型样本。作为一家仍处于大模型第一梯队的公司，它正通过实际行动，弥补过去错过的课程，以跟上当前市场的要求。

从今年开始，市场上频繁传出月之暗面筹备上市的消息。9月，甚至有消息称它已秘密提交上市计划。提交招股书，意味着月之暗面将不得不揭开其“神秘面纱”。

在AI圈，“好”远远不够，必须比一批聪明的头部公司做得更好。

这就要求月之暗面必须将产品和商业化做厚，才能讲出更精彩的故事。从极致性能转向性价比，从C端独大转向拓展B端，这家公司正在加速补齐自己的“月之暗面”。

比起聪明，“性价比”更为迫切

大模型行业正在形成一种共识：模型足够聪明只是门槛，但人们更愿意为性价比高的模型买单。

用户追求的是用得“爽”，除了模型聪明，还需要更便宜、响应更快、能解决实际问题。这一转变，同时在模型端和产品端发生。

于是，2026年AI模型领域迎来了Flash模型的爆发。

对比国内开源模型，MiniMax一直将性价比作为战略主线；智谱的更新频率更高，GLM-5.3 Flash的定价仅为Claude Opus 4.8的四十分之一。当同行纷纷举起价格屠刀时，Kimi K3首先在“成本”上吃了亏。

模型层面，月之暗面仍处于第一梯队。K3的发布证明了这一点。但K3也暴露了一个尴尬的现实——足够聪明的模型，未必是用户用得“舒服”的产品。

从价格来看，K3将API价格定为每百万Token输入3美元、输出15美元，虽然定价仅为Claude Opus 5的一半，但后来者的“砍价”来得更快。例如，最近阶跃星辰的旗舰模型Step 5 Preview，已将价格降至Claude Opus 5的八分之一。

为什么Kimi K3被用户吐槽“又贵又慢”？除了定价较高，从体验来看，光锥智能测试发现，K3模型在思考过程中存在明显的“内部辩论”、“打草稿”等环节。更严谨的思维链本是为了获得更好的结果，但这导致Token消耗增加、完成任务的时间明显更长。折算到单个任务，成本也随之上升。

意识到“性价比模型”的缺失，月之暗面反应迅速。它首先向下推出了一款更具性价比的“Flash”版K3模型。

9月11日，K2.8 Preview上线，随后全面接入Kimi Code、Kimi Work。其命名一度令人困惑——K2.8听起来像是K3的倒退，但实际上它是一个面向编程和Agent场景的高性价比模型，以更低成本实现了接近K3的能力。虽然月之暗面官方未公布具体价格，但通过WorkBuddy的调用费用可以看出，K2.8 Preview的价格约为Kimi K3的一半。

所谓性价比，就是将旗舰的本事，做到人人都用得起的水平。

同时，月之暗面的新模型也承担着追求智能上限的任务。9月18日，Kimi官方账号在知乎发布了一串以“4159265358……”开头的神秘数字，去掉前两位后，恰好是π的小数展开。外界几乎立刻将其解读为一个信号——K3.1正在路上。

K2.8守住成本、K3.1冲刺能力，月之暗面当前模型侧的战略十分清晰，它正朝着更优体验的方向“纠偏”。

在模型纠偏的同时，产品侧，月之暗面也在打一场硬仗。

先从今年2026年竞争最为激烈的AI办公赛道说起。月之暗面的Kimi Work拥有先发优势，其动作快于字节、阿里等大厂。但先发并不等于先赢，因为这个赛道的竞争规则，仍然掌握在大厂手中。相比Agent本身的能力，AI办公的核心竞争在于场景能力。

这正是大厂在办公赛道上能够后来居上的原因。

字节拥有飞书的全场景积累，腾讯拥有企业微信和文档生态，用户的工作场景本就植根于它们的产品中。此外，大厂与众多企业的合作积累，使它们能够快速接入专业工具的能力，例如财务数据处理、CRM系统接入等。

在设计上，Kimi Work不如WorkBuddy和豆包工作那样对新手友好。

以插件和Skill等技能生态为例，Kimi Work的工作台显得较为“原始”。而腾讯和字节两家大厂，无论是在储备数量还是具体场景的覆盖上，都“应有尽有”，具体功能介绍得生怕用户看不明白。

从上到下分别是Kimi Work和WorkBuddy的技能界面展示

大厂的优势体现在哪里？以“专家”功能为例，该功能由WorkBuddy率先上线，字节则推出了豆包工作的“伙伴”。它为企业数字员工提供“专家”能力，例如内容创作中涉及小红书、微信公众号、科技报道、爆款稿件拆解等细分功能。

大厂设计这一功能的逻辑很简单——不需要用户理解Agent如何发挥最大能力，需求和场景本身就是最好的“说明书”。“想要什么就点什么”，AI就能把事情办妥。

不过，Kimi Work手中有一张自己的牌——行业knowhow。

它原生接入同花顺、天眼查等数据源，覆盖股票、期货、指数等金融数据和学术资源——相当于将专业流程、数据源和合规要求，直接嵌入Agent的能力中。可以说，月之暗面比同行更早意识到行业knowhow的价值，并将其沉淀为产品中的插件和Skill。

但knowhow筑起的壁垒，能挡住同行，却挡不住生态。大厂正通过密集更新来追赶垂直场景，而生态正是它们的强项。因此，模型公司依靠行业knowhow建立的优势，无人知晓能维持多久。

在C端领域的竞争，说白了，月之暗面打的是一场不对等竞争。它要用产品对抗大厂的生态，用knowhow对抗大厂的流量。这里的收入和想象空间，长期来看是一场硬仗。

月之暗面将目光投向了真正有机会的场景——AI Coding。

因为这类产品的体验与模型及自家产品的配合密切相关。大模型厂商能够通过模型加产品的优化，积累专业开发者用户——这类用户也是Token消耗最大、付费意愿最高的用户。

9月21日，Kimi Code Desktop正式发布，macOS和Windows版同步上线。新产品跟进了两项行业标配能力：一是计划模式，对于影响范围较大的任务，Agent先提交执行计划，经审阅、反馈和确认后再执行；二是将思考链“折叠”起来，解决用户常吐槽的等待时间过长问题。

一个耐人寻味的细节是，它和将Work、Chat集成在一起的Kimi桌面端是分开的。也就是说，Kimi Code是独立产品。这种设计与OpenAI和Anthropic不同——这两家都选择工具整合，希望用同一个流量入口吸引用户体验。但对月之暗面来说，或许这是眼下它希望依靠分开跑、各自抢占场景，为产品打磨留出时间。

无论这些战略最终进展如何，至少从模型和产品上，月之暗面今年已将版图铺开。接下来，就是商业化验证成果的时刻。

补齐商业化，将吆喝转化为收入

在比拼模型的同时，随着Token经济的爆发，大模型公司开始将ARR（年化经常性收入）挂在嘴边。

Token是AI时代的“电费”，当模型能力从“能不能用”跨越到“好不好用”的及格线后，市场关注的重点自然转向商业化。收入，自然成为外部判断AI模型公司实力最直观的指标。

从营收来看，当前在国内大模型公司中，月之暗面处于中游水平。据内部披露，月之暗面的ARR从3月的1亿美元飙升至6月的3亿美元，8月突破10亿美元。据彭博社援引知情人士消息，年底有望达到20亿美元。如果预期成立，这将是一条一年二十倍的增长曲线。

但与同行相比，差距便显现出来：智谱8月ARR已达20亿美元，月之暗面年底的目标只是智谱的当前水平；MiniMax为8亿美元，月之暗面仅领先一个身位。

技术处于第一梯队，收入却在第二梯队。这个位置，与月之暗面的技术地位不相匹配。差距的根源不难理解——此前月之暗面的商业化只迈出了一条腿。

从业务结构看，此前月之暗面的布局更多聚焦于C端，相对“不那么功利”。相比之下，智谱拥有私有部署业务和轻量化模型双轮驱动，MiniMax拥有AI视频模型产品和海外C端产品，而月之暗面只专注于推广C端订阅和出海。

随着K3模型能力的提升，月之暗面的策略带来了收入跃升——ARR从3亿美元到10亿美元的陡增，是在K3发布后才发生的，这证明了智能可以直接转化为收入。但现状也同时表明，仅靠智能变现的天花板不够高。

为了改善商业化渠道，近一段时间可以确认，月之暗面新增了大量项目。同时，月之暗面懂得避开AI 1.0时代定制化的陷阱，将收入结构从一条腿变为三条腿——开源收租、FDE、行业方案。

首先，开源收租依然是AI时代“模型即产品”的思路。月之暗面试图通过修改开源协议，与云厂商进行分成合作，从而使开源从赚吆喝变成一门能产生收入的生意。

从K3开源起，月之暗面在模型的开源协议中加入了新规则：若使用方以MaaS方式对外提供推理或微调业务，且企业及关联方连续12个月总收入超过2000万美元，需与月之暗面另行签署商业协议。据悉，月之暗面还在与微软、亚马逊、谷歌就K3相关服务收入分成进行谈判，最高可获得30%分成。据第一财经报道，月之暗面此前已与阿里云百炼达成了类似协议。

图片：9月18日，Kimi K3正式上线亚马逊Bedrock

现在，月之暗面和智谱都已传来协议分成顺利落地的消息。AI的智能，有了“收租”的变现渠道。

聚焦到企业合作上，月之暗面开始试水FDE（前线部署工程师）模式。9月10日，月之暗面正式启动“登月计划”，以FDE模式与行业系统集成商共建前置部署队伍，首批签约中软国际、金山云、华胜天成、亚康股份、亚信科技等。

需要注意的一点是，FDE模式看似与AI 1.0时代的定制化项目类似，都是直接面对用户需求。

其中的区别在于，月之暗面做得更轻：只提供技术和产品支持，其余工作交由合作商完成。

这意味着，月之暗面无需像定制化任务那样事事“亲力亲为”。过去，驻场、定制、交付、验收，公司被“人天”拖累，导致人员规模膨胀、成本飙升。这种模式能让月之暗面继续保持当前300-400人的团队规模。毕竟在软件领域，“人效”代表着一家公司能用人力杠杆撬动多少倍收入。

但“轻”也有“轻”的代价。只提供技术，意味着议价能力取决于模型是否领先。而在模型竞争激烈的情况下，“领先”很难成为一种常态。

在企业AI的场景上，月之暗面的行业解决方案正在落地。其思路是将场景做深，从而依靠垂直领域积累的专业skill和插件优势，与大厂办公类的通用产品拉开差距。

这是一条模型深度产品化的路线。对标大厂卖的是“什么都行”，月之暗面主打的是“这块我最懂”。

9月17日，月之暗面发布金融行业解决方案，整合了10+权威数据源、9项金融技能、5项安全合规措施，覆盖持仓早报、财报点评、项目筛选、深度研究、组合复盘等场景，首批落地客户包括工商银行、中信建投。

诚然，收租、FDE、行业方案这三条路线可能都不能算是“商业模式创新”。但对于月之暗面而言，它们都是有力的变现手段：将智能转化为B端收入。这也是AI领域所有玩家的初衷——用技术加速人类世界的发展。

冲刺IPO，尽早将技术的船票兑现

先将视角切换到资本市场。

当下，AI标的正从稀缺走向泛滥。智谱、MiniMax已上市，OpenAI、Anthropic等公司正加速赶来。当市场可选标的充裕时，AI溢价将被稀释。

资本市场的变化，只用了一年时间。

往前推一年，国内市场上能叫得出名字的大模型公司，几乎全在一级市场。投资人想押注AI，可选标的屈指可数，人人都只求份额。月之暗面正是在这种氛围中，将估值从2025年底的43亿美元一路推至500亿美元。

但到了2026年下半年，情况发生了变化。二级市场上，投资者能选的AI标的越来越多。稀缺性一旦消失，估值泡沫便开始被挤压。

挤泡沫的过程，在已上市公司的股价走势上格外明显。智谱上市初期，市场将其视为“中国版Anthropic”来炒作，市值一度冲破万亿元。

然而，热度退去后，当市场将目光落回财报表现上，智谱和MiniMax经历了一轮股价腰斩：

以智谱为例，财报显示，智谱上半年营收同比增长420%，但净亏损反而扩大了85%，原因很直接：算力成本吞噬了收入的大头。到9月中旬，智谱的股价已从高点下跌56%，市值蒸发超过600亿港元。

这些账一算，答案便变得清晰——AI商业化的兑现周期，比市场最初预想的要长得多。股价的回落，本质上是市场从技术回归到财报表现。

这就是月之暗面选择在这个节点冲刺IPO的大背景。

2025年底，杨植麟还在内部公开信中表示“不缺钱”。“相比于二级市场，我们判断还可以从一级市场募集更大量资金……所以我们短期不着急上市，也不以上市为目的。”——月之暗面创始人杨植麟在内部公开信中写道。

然而，就是这样一家不差钱、也说过不着急的公司，9个月后却启动了VIE架构拆除，并于9月初以保密形式向港交所递交了申请。核心原因只有一个：当窗口期收窄，留给它膨胀估值的时间不多了。

月之暗面需要在技术状态最好的时候，通过IPO，拿到持续兑换留在第一梯队的支票。而这张支票，最终要兑换成算力，让自己持续站在第一梯队。

智谱的管理层算过一笔账：约300亿元人民币投入，相当于10万P（PFLOPS）算力，其中40%用于训练、60%用于推理——大模型公司当下的融资额，大部分投入在算力上。

K3发布后48小时内，请求量逼近集群承载极限，导致官方暂停C端订阅。旗舰模型的推理需要海量算力，训练下一代模型同样需要算力。

为了避免被算力“卡脖子”，智谱开始通过自研和收购国产算力芯片等方式加码算力，实现了单位Token推理成本较年初下降80%，单位算力对应的收入提升14倍。

月之暗面也面临同样的问题。此前，它大量租赁云厂商的算力，但K3之后开始加速自购。但自购芯片是一条长线投入，短期内不可能一蹴而就。

因此，月之暗面缺的不是钱，而是一条能持续、低成本兑换算力的资金通道——企业AI的故事要讲，下一代模型的算力要囤，而一级市场的钱只会越来越挑剔。

这意味着，月之暗面必须在K3的技术红利窗口关闭之前，将IPO这个故事推向高潮。

上市之后，一切都会轻松许多。就像智谱在股价腰斩之后，转头又融了50亿美元。毕竟，没有投资者愿意看到，一家技术实力足够强的公司“变得窘迫”。

月之暗面的IPO冲刺，不是缺钱的信号，而是抢时间的动作。它要在AI标的尚未泛滥、估值泡沫尚未完全挤干、技术红利窗口仍在的时候，将自己送到二级市场的牌桌上。

智能上限的竞赛仍在继续，但正如行业所展现的那样，模型强只是入场券。

而在商业化和产品还刚刚起步的阶段，月之暗面需要让“暗面”也发光。

编｜刘俊宏

本文来自微信公众号“光锥智能”（ID：guangzhui-tech），作者：魏琳华 ，36氪经授权发布。