实测这个火到宕机的 AI 应用，它凭什么在 App Store 免费版挤进前十超过微信

在与 AI 聊天机器人的互动中，你总能从它们身上找到一些人类性格的影子。

GPT-4 显得懒散寡言，Claude 3 热情且注重细节，Grok 则喜欢阴阳怪气，还略显愚蠢。而这些聊天机器人的性格差异，其实也映射了它们在能力上的特长。

虽然大多数模型依然被 GPT-4 无情碾压，但仍有少数大模型放弃追求「面面俱到」，专注于挖掘自己的独特优势。

最近，国内大模型厂商 Moonshot AI（月之暗面）宣布 Kimi 智能助手实现了技术突破，将无损长上下文长度提升至 200 万字，并已启动产品「内测」。

伴随着热度的上升，昨日下午，Kimi 在连续五次扩容之后，依然一度出现宕机的情况。截至发稿前，Kimi 已经飙升至 App Store 免费版应用的第六名，甚至超越了微信。

比罗贯中还懂《三国演义》

那上新后的 Kimi 助手实际测试的效果如何呢？我们也第一时间获得了体验资格。

Kimi 体验地址：https://kimi.moonshot.cn/

我们先让 AI 来测试 AI。 基于原版《三国演义》（80 万字左右）的文本，我们让 ChatGPT 提出了一些测试问题

逻辑和推理：赤壁之战前，周瑜和诸葛亮之间的互动表明了什么样的战略意图和心理战术？

人物关系和事件查询：桃园三结义具体发生在哪一回？

事件时间线：请概述刘备、关羽、张飞三兄弟的结义到关羽被杀这一段历史的时间线。

角色观点与情感：赤壁之战失败后，曹操的心态和情绪如何？他是怎样评价这次失败的？

综合分析：基于全书，分析曹操、刘备、孙权三人的领导风格和政治策略的异同。

向左滑动查看更多内容

我们也帮各位测试过了，如果上传文档超过 200 万字，只会得到解析失败的结果。所以我们只节选了鲁迅全集的第二卷。

接着我们给 Kimi 上亿点点强度，难度也是从低到高。问题如下：

问题：文档中提到，在鲁迅的后园，可以看见墙外有两株树，一株是枣树，那请问另一株是什么树？

为了验证它给出的回答是否是实时联网的，我们需要它指出准确的页面。

问题：请问下文出现在文档中的第几页：在我的后园，可以看见墙外有两株树，一株是枣树，还有一株也是枣树。

我们还设置了一个陷阱，谎称在 199 页（实际在 166 页），不出所料，它成功掉进陷阱。

向左滑动查看更多内容

我们摘录了乔布斯 2005 年在斯坦福大学的演讲文稿，并让其整理为词汇表，看看效果如何?

向左滑动查看更多内容

月之暗面官方也分享了许多实用的玩法。例如，上传一份完整的近百万字中医诊疗手册，让 Kimi 针对问题给出诊疗建议。

上传一个代码仓库里的源代码，让它快速梳理出代码的结构。

「喂给」Kimi 甄嬛传剧本，让它化身「甄学家」。

登月第一步，人类一大步？

Kimi 背后的月之暗面，虽然成立只有一年，但在 AI 创投圈已经颇具名气。

去年六月，The information 盘点了五家最有可能成为中国版 OpenAI 的公司，月之暗面位列其中。

创立之初，月之暗面便完成了首轮融资，筹集资金超过 2 亿美元。最新消息称，该公司完成了新一轮超 8 亿美元的融资，其中阿里投资了 7.9 亿美元，砺思资本投资 1000 万美元，创下了国内 AI 大模型公司单轮融资金额的新高。

与其他大模型创企相比，月之暗面的创始人杨植麟是业界内罕见拥有扎实技术背景的创业者。

他在 2015 年从清华计算机系毕业后，便前往美国卡内基梅隆大学攻读博士学位，并成为了两位 AI 领域巨擘——苹果 AI 研究负责人 Ruslan Salakhutdinov 和 Google 首席科学家 William Cohen 的学生。

在攻读博士学位的过程中，杨植麟以第一作者的身份，成功发表了 Transformer-XL 和 XLNet 这两个重要的研究项目。

前者主要意义在于它显著提升了 Transformer 模型在处理长序列数据时的能力，使其成为了首个在性能上全面超越传统递归神经网络（RNN）的模型，而后者也在 Transformer-XL 的基础上进一步改进，并在多个自然语言处理任务上取得了领先的性能。

杨植麟曾公开阐述过 Moonshot AI 这一公司名称的由来，恰好在公司成立的同一天，Pink Floyd 专辑《Dark Side of the Moon》 迎来了 50 周年纪念日。同时，「月之暗面」象征着神秘、好奇和向往，但登月是一件充满挑战的事情。

大模型「登月计划」的第一步便是长文本技术，杨植麟曾多次在公开场合表达过类似的观点。

在接受媒体采访时，杨植麟将长文本技术比作一种新的计算机内存，在他看来，老的计算机内存在过去几十年涨了好几个数量级，同样的事也会发生在新的计算机上。

它能解决很多现在的问题。比如，现在多模态架构还需要 tokenizer（标记器），但当你有一个无损压缩的 long context 就不需要了，可以把原始的放进去。

进一步讲，它是把新计算范式变成更通用的基础。旧的计算机可以 0、1 表示所有，所有东西可被数字化。但今天新计算机还不行，context 不够多，没那么通用。要变成通用的世界模型，是需要 long context 的。

月之暗面旗下的 Kimi 深刻体现了这一理念。

在一众顶尖模型只能处理十万以内的中文文本输入时，Kimi 就已经可以处理高达 20 万字的超长文本输入。当时，月之暗面还借鉴了「大海捞针」的实验方法，实现了「全绿」的效果。

半年后的今天，Kimi 的处理能力便从 20 万字跃升至 200 万字。

据官方披露的信息，为了达到更好的长窗口无损压缩性能，月之暗面的研发和技术团队从模型预训练到对齐、推理环节均进行了原生的重新设计和开发，不走「滑动窗口」、「降采样」等技术捷径，攻克了很多底层技术难点。

同时在月之暗面的愿景中，大模型无损上下文长度的数量级提升，将极大拓展 AI 应用场景的想象力，包括完整代码库的分析理解、能够自主执行多步骤复杂任务的智能体 Agent、不会遗忘关键信息的终身助理，以及真正统一架构的多模态模型等。

成为专家只需要 10 分钟

综合体验来看，相较于其他大模型，Kimi 的优势在于实时联网功能和文件处理能力。

Google 可以给你 10 万个答案，但是，一个图书管理员可以给你最为精准的答案。

六年前，英国作家尼尔·盖曼如此说道。在信息泛滥的互联网时代，精准定位信息成为了一种稀缺的常态。

如果你是忙于案头工作的打工人，或许对于这一点深有感触。

类似于 Perplexity AI，Kimi 的实时联网功能在搜索中文语料库上表现出色，能够迅速地总结概括信息，并提供参考资料，在上传文件或网址后，Kimi 还会自动关闭联网模式，这一点值得好评。

得益于长上下文技术的加持，Kimi 的文件处理能力则是其第二个优势。

正如 Kimi 主页上反复出现的标语：「别焦虑，Kimi 帮你整理资料。」对于那些需要处理大量文档信息的用户，Kimi 提供了简化工作流程的有效途径。

倘若你是科研工作者，你可以选择将数十篇论文甩给 Kimi，通过提示词让它帮你总结一番，便可以省去你许多功夫。

当然，既然要让 AI 替我们打工，那总结还只是小儿科。 美国作家格拉德威尔曾在《异类》中提出了一万个小时定律：

我们眼中的天才之所以卓越非凡，并非天资超人一等，而是付出了持续不断的努力。1 万小时的锤炼是任何人从平凡变成世界级大师的必要条件。

月之暗面则提出了「Kimi 10 分钟速成定律」。在过去要 10000 小时才能成为专家的领域，现在只需要 10 分钟，Kimi 就能通过「填鸭蛋」式的资料灌输，达到接近任何一个新领域的初级专家水平。

换言之，像 Kimi 这类的生成式 AI 工具的出现，实际上革新了繁琐的「阅读」过程，使得人类能够直接跃升至思考的层面。

1878 年，亚历山大·格拉汉姆·贝尔成功地在波士顿和纽约之间进行了第一次长途电话实验，并取得了成功。 此后电话网络逐渐连接了美国各大城市，乃至跨越大洋。

电话的出现让远距离沟通变得即时而亲切，人们一旦习惯了声音的即时传递，书信的等待与缓慢就显得格外古老。

如今，我们面临的 AI 时代也是如此，当 AI 工具成为了我们手中的「电力」，一旦体验过它的便利，就很难想象回到没有它的生活。