GPT-5来了，Kimi却掉队了

导语：经历了DeepSeek等爆款从横空出世到增长乏力后，大模型投资人变得谨慎，宁可押注前两名。腰部以下玩家的生存空间，持续被压缩。

01 “不是那个节点”

北京时间8月8日凌晨，OpenAI发布GPT-5。这一代产品将大语言模型与推理模型整合，能智能调度多种子模型，在解决不同任务时调用最优引擎。相比GPT-4o的事实错误率也大幅降低。

虽然部分业内人士评价其缺乏颠覆性，但在事实准确率、多轮推理、复杂任务执行上的提升，依然让它暂时保持在全球头部的位置。

图源：OpenAI官网

就在上个月，国内AI大模型“六小龙”之一月之暗面发布并开源了万亿参数大模型 Kimi K2。

上线48小时，月之暗面官网访问量达36亿次，Hugging Face下载量突破10万——这种声势，甚至在国内外科技媒体的版面上压过其它大模型。

图源：Kimi官网

然而，不到一月，热度如潮水消退。

Kimi的K2，没能复制DeepSeek今年1月的轨迹。抢跑换来的是短暂曝光，而非扭转“下坡”的蹒跚。

第三方监测机构 aicpb.com 数据显示，今年7月，Kimi APP月活跃用户（MAU）仅居全球第19位，落后于豆包、DeepSeek、腾讯元宝等国内对手，下载量更跌出前20。

图源：AI产品榜

QuestMobile数据显示，5月Kimi的月活用户1408万，在国内原生AI应用中排名第九；而在去年12月，这个数字曾高达2101万，位列前三。

图源：QuestMobile

“大家都在等一个能扭转局势的产品时刻，就像DeepSeek R1那样。但Kimi的K2，并不是那个节点。”一位AI大模型研究者告诉笔者。

02 重金投流

为何与DeepSeek被业内并称“绝代双骄”的Kimi，退步如此之快？

有业内人士认为，Kimi之前“走红”，更多是营销的胜利。

2023年10月，Kimi以 20万字长文本处理能力横空出世，几个月后将上限提升至200万字，对话框容量一度全球领先。

彼时，长文本处理被视为AI处理深度任务的门槛：写一份学术综述、法律分析或行业研报，用户不再需要拆分文本、反复输入。

可真正让Kimi实现用户数量大幅增长并迅速出圈的，并非其技术优势，而是声势浩大的“重金投流”。

业内广为流传，2024年春节，月之暗面在B站（9626.HK/BILI.NASDAQ）投放广告总额超亿元，单用户获客成本（CPA）为30元。

彼时，在B站首页或视频推荐区，总能看到“Kimi AI智能助手”推广链接。

Kimi在B站的广告投放，图源：哔哩哔哩

这一引流策略，短期内制造了“现象级”关注度和下载量，也引发了同行“赛级”模仿。

当时正是AI大模型“群雄逐鹿”的相对空白期。各大厂模型加速迭代，DeepSeek还在韬光养晦。因此，谁受到的关注多，就看谁的曝光率高。

高成本投放的代价，是压缩研发与算力预算。

Kimi把长文本处理优势作为核心卖点，但技术壁垒却不高。

上下文扩充达到一定限度，对模型整体能力的提升有限。一旦超越这个阈值，大模型比拼的将是实打实对文本推理能力以及高质量解答能力。

根据QuestMobile对国内各大模型测试显示，Kimi1.5模型在长文上输出速度，已远低于通义、豆包、腾讯元宝和文心一言。

国内各大模型在长文本的性能测试，图源：QuestMobile

Kimi的长文本独占优势被抹平的同时，专业垂直工具开始“降维打击”。

Wind（万得）、知网等在各自领域的应用，把长文本处理与特定知识库绑定，直接生成研报、综述、财报摘要。这种垂直场景AI，不仅精度更高，还能保证数据来源可追溯，让通用型长文本AI的吸引力显著下降。

图源：知网官网

行业变化极快。

到2024年中，“百万tokens”已是主流厂商标配，模型竞争焦点转向推理能力、交互体验与多模态。

豆包1.6可以处理文本、图像、音视频全链路，通义千问支持语音+图像输入。

而Kimi的多模态仍局限在图片与代码理解，输出主要是文字与代码，缺少语音、视频等交互能力。

这种差距，已很难再通过投流进行弥补。

03 “三重制约”

如果说产品与市场节奏决定了Kimi眼前的失速，那么数据、算力、资本三大要素的短板，则限制了它的长期竞争力。

数据不足，是Kimi难以突破的核心原因之一。

国内多家大厂模型能利用自家生态（如阿里的淘宝、字节的抖音与今日头条、腾讯的微信）作为中文语料来源，形成持续的模型优化闭环。

受限于生态屏障，Kimi缺乏这样的数据入口，更多依赖公开网络数据与合作伙伴提供的有限语料。

算力上的短板，则更为直接。

自美国禁售英伟达H100、A100等高端芯片，国内公司大多只能使用性能较低的H20或国产替代方案，如华为昇腾和寒武纪思元。这使得国内模型与全球顶尖水平存在显著差距。

算力被“卡脖子”，显著拖慢了中国AI大模型的追赶步伐。近期国外大模型的表现，明显超过国内就说明这一点。

此外，背靠阿里云、百度（9888.HKB/IDU.NASDAQ）智能云、火山引擎的大厂模型，可以用自有云资源训练和部署模型，而Kimi需要采购云服务，成本更高。

国内外各大模型厂商均靠持续融资烧钱输血来维持发展，钱主要就花在了购买算力硬件上。

资本收紧，则是今年Kimi的新增压力。

2023年至2024年，月之暗面获得阿里等数家大厂青睐，估值一度升至33亿美元。

但去年8月后，公司再无新融资。去年底，投资人朱啸虎与创始团队的股权纷争与仲裁风波，以及近段时间Kimi用户侧数据明显下降，或让潜在投资人态度转为观望。

没有新资金，投流规模与模型迭代速度都会被迫放缓，形成“融资受阻—创新放缓—用户流失”的恶性循环。

根据“爱分析”调研统计，2024年AI大模型项目，累计项目金额超过400亿人民币。其中，科大讯飞（002230.SZ）、百度、阿里、腾讯等大厂均获得亿元级订单。而月之暗面尚无公开的标杆性大单。

图源：爱分析

业内人士反馈，经历了DeepSeek等爆款从横空出世到增长乏力后，AI大模型投资人变得谨慎，宁可集中押注头部“前两名”。中腰部以下玩家的生存空间，持续被压缩。

在互联网商业史上，从不缺一鸣惊人的公司，但缺的是能把“一鸣”延续成长期鸣响的能力。