问AI· Kimi的技术突破如何助推估值飙升？

半年内，月之暗面估值翻 4 倍，融资超 39 亿美元。

文丨程曼祺

编辑丨宋玮

《晚点 LatePost》独家获悉， Kimi（月之暗面）即将完成新一轮 20 亿美元融资，投后估值突破 200 亿美元。本轮融资由美团龙珠领投，中国移动、CPE（中信产业基金）等参投，其中仅龙珠就出手超 2 亿美元。

今年 1 月和 2 月，Kimi 刚密集完成 3 轮融资 ，分别融了 5 亿美元、 7 亿美元和 7 亿美元。算上这笔最新融资，不到半年里，Kimi 融资超 39 亿美元，最新估值相比去年 11 月的约 43 亿美元翻了 4 倍有余。

至此，Kimi 累计融资额已超 376 亿人民币，成为大模型创业公司中累计融资最多的公司。算上 IPO 募资，MiniMax 累计融资约 150 亿人民币，智谱约 130 亿人民币。截至 5 月 6 日午间休市，MiniMax 市值约 2100 亿人民币，智谱约 3470 亿人民币。

完成新融资前夕，Kimi 最新模型 K2.6在 4 月 20 日晚发布并开源。K2.6 强化了编程能力和 Agent 集群能力，可支持最多 300 个子 Agent 协作，Kimi 也开始同步测试 Claw 群组新功能。

在此前的一年多，Kimi 经历了战略、士气和投融资行情的多方面触底反弹。

2025 年 1 月 20 日，Kimi 发布推理模型 Kimi K1.5，对标 OpenAI o1 。同一天， DeepSeek发布并开源 DeepSeek-R1。

尽管 K1.5 在一些 benchmark 上超越了当时的领先模型 GPT-4o 和 Claude 3.5 Sonnet ，但市场注意力几乎全被 DeepSeek 吸引。随后的 2025 年春节，DeepSeek 以 0 投放斩获数千万日活，一举超越 2024 年大额投放的 Kimi，也一度超越了字节豆包。

那是 Kimi 的艰难时期。2025 年春节后，kimi 有了 3 个重要变化：

- 以 “持续拿到 SOTA（模型最佳表现）” 为最优先级目标。

- 大幅减少 C 端投放。

- 从闭源走向开源。

那之后，Kimi 在方向选择和具体技术成果上都有不错的表现。

选定 coding 和 Agent：“生产力优先” 落到了行动

和智谱类似，Kimi 是中国公司中较早开始侧重编程能力的团队，而编程又是通用 Agent 的最核心能力。

这与杨植麟一直说的 “生产力场景优先”、“效率场景优先” 一脉相承。但在 2024 年，Kimi 动作依然发散，也尝试过海外 to C 产品和视频生成。

2025 年后，Kimi 更加聚焦。这一年 7 月开源的 Kimi K2 和 2026 年 1 月至今的 K2.5 与 K2.6 都在持续强化编程和 Agent 能力。

其中，K2 是一款 Kimi 借鉴 DeepSeek 经验，补课预训练能力后的模型，采取了与 DeepSeek-V3类似的 MoE（混合专家模型）与 MLA（Multi-Head Latent Attention，多头潜在注意力）架构，把总参数扩展到 1T（万亿参数），强化了编程和多轮工具调用等 agent 能力。2 个月后，Kimi 推出 Agent 功能 “OK Computer”（后改名 Kimi Agent）。K2.5 则首次引入视觉能力，并开始支持智能体群模式。

Artificial Analysis 的综合智能指数。 Kimi K2.6 低于 OpenAI、Anthropic 和 Google DeepMind 三家公司的新模型，高于 Meta 的 Muse 和 xAI 的 Grok。

K2.5 对编程和 Agent 的优化适用于 OpenClaw（业内称 “龙虾”），Kimi 也迅速在 2 月 15 日推出了云端龙虾 Kimi Claw，支持低门槛的一键部署。

- 据 Similarweb 数据，Kimi 海外 API 开放平台在 K2.5 发布后日均访问量暴涨 10-20 倍。

MuonClip、 Attention Residuals，技术影响力显现

在具体技术成果上，2025 年年初，Kimi 在 16B 的 Moonlight 模型上验证了 Keller Jordan 2024 年开源的 Muon 优化器（原初版本是在 1.5B 模型上做验证），后来又在 1T 规模的 K2 上提出 Muon 的一个改进版 MuonClip，后被广泛采用。

Kimi 创始人杨植麟曾在多个公开场合提及这一成果，以此作为技术 “taste” 的例子。刚刚发布的 DeepSeek-V4 也使用了 Muon 优化器，并进一步提出了新改进。

Moonlight 共同一作之一 Jingyuan Liu 已于 2025 年年中加入 Meta，目前任职于 Meta 超级智能实验室（MSL）。

2025 年 10 月，Kimi 推出实验性的线性注意力架构模型 Kimi-Liner。该模型在开源的 DeltNet Attention 基础上做了进一步修改。

为更好探索线性注意力，Kimi 从 AI 研究者杨松林发起的 FLA 线性注意力开源社区中招募了贡献颇多的活跃开发者张宇和陈广宇。张宇是苏州大学计算机科学与技术学院博士，陈广宇是一位高中生。

2026 年 3 月，Kimi 提出 Attention Residuals（注意力残差），它引入了 Transformer 中的注意力机制，解决传统残差连接（Residual Connection）的信息稀释、训练不稳定等痛点。残差连接是深度神经网络已使用十几年的一项基础技术。马斯克在推特转发了这个成果，“Impressive work from Kimi”。

Attention Residuals 有三位核心作者：Kimi 从 FLA 社区挖掘的陈广宇和张宇，还有人称 “苏神” 的苏剑林。他是大模型中广泛使用的 RoPE（旋转式位置编码）的作者，独自一人在广州工作。

Attention Residuals 与 DeepSeek 2025 年年底的 mHC（Manifold-Constrained Hyper-Connections 流形约束超连接） 想实现的效果有相似之处。而 mHC 改进的 HC 又是字节跳动 Seed 团队提出的。

HC、mHC、Attention Residuals，这些接连出现的技术改进是中国 AI 人才密度与竞争烈度的产物。

从 “太贵” 到 “好便宜”

2024 年底，《晚点 LatePost》曾在《中国大模型生存战：巨头围剿，创业难熬》里提到，面对 “会跳舞的大象” 字节，中国一批大模型创业公司压力巨大。

18 个月来，两个关键事件使创业公司的 “一线生机” 逐渐打开。

一是 DeepSeek-R1 使开源模型生态真正繁荣、活跃，众多开源模型之间的技术交流加速了大模型进化；二是 Agent 应用加快普及，同期上市的智谱、MiniMax 股价趁势大涨，刺激更多资金涌向大模型行业。

目前，MiniMax 和智谱的市值在 2000~4000 亿人民币之间波动。这让估值约 1400 亿人民币的 Kimi 成为一个热门投资标的。

接下来，这些模型公司面临的重要课题是继续保持模型 SOTA 和验证 “token” 经济的商业模式。

模型能力的核心是人才。2026 年初，Kimi 创始人杨植麟在全员信中提到：2026 年公司平均激励将是 2025 年的 200%，并计划大幅上调期权回购额度 。

2026 年 4 月初，《晚点 LatePost》也报道了 Kimi 给实习生发期权 “穿越计划”。由于 Kimi 估值在数月内就翻了 4 倍多、且尚未上市，它的期权变得有吸引力。

尽管如此，Kimi 现在正面临不小的人才压力，由于其在编程、 agent 等领域的优异表现和这一应用方向的白热化竞争，Kimi 相关人员已成为竞争对手的重点挖角对象。

而在商业模式上，中国大模型创业公司普遍在用两种方式赚取收入：一是通过 API 提供模型，按 token 实际用量来收费；二是基于自己的模型做应用，获取按月/年定额的付费用户。能否及时获得高质量算力，能否以高效推理控制好成本，以及能否用产品体验带来 “溢价” 是证明商业模式的关键。获得足够多的钱是这一切的基础。

题图来源：Rush