AI模型Kimi报告:月之暗面,从长文本破圈到K3,前沿模型公司的进化之路

《计算机行业AI模型系列（七）：月之暗面，从长文本破圈到K3，前沿模型公司的进化之路》，报告由广发证券发布。完整版PDF电子版报告下载方式见文末。

研究报告内容摘要如下

[（一）从长文本切入，历经“流量扩张、重回基模、能力变现”。

月之暗面以长上下文切入市场，早期通过Kimi Chat 及集中投流快速建立品牌认知和用户基础。2025 年，公司主动收缩营销投放，将资源重新集中于底层模型研发；2026 年以来，随着K2.5、K2.6、K2.7 Code 及K3 等模型连续发布，增长逻辑逐步转向模型能力驱动的API 调用、专业订阅与海外市场拓展。

（二）C 端应用与B 端开放平台双轮驱动

月之暗面围绕自研模型能力，逐步形成面向C 端用户的AI 原生应用与面向企业、开发者的模型开放平台两类业务。C 端承担用户入口、产品验证与订阅变现功能，B 端则通过API 调用及企业服务拓展模型商业化场景，两类业务共享底层模型与推理基础设施。
C端由ChatBot 向通用Agent 平台演进。早期Kimi 主要围绕长文本阅读、联网搜索和智能问答建立用户认知，随后逐步将产品边界拓展至深度研究、网站搭建、文档处理、PPT 制作、表格分析及软件开发等复杂任务。目前，公司已形成以Kimi 网页端及移动端为通用入口，Kimi Work 和Kimi Code 分别面向知识工作与软件开发场景，并在Kimi 中提供Agent、Agent Swarm 等任务执行模式的多层次产品矩阵。其中，Kimi Work 进一步接入本地文件、外部插件以及可持续更新的组件与仪表盘，Kimi Code 则通过CLI、IDE 插件等形态进入开发者工作流。
C端商业模式主要为分层订阅＋额度计费。Kimi 面向不同使用强度设置免费版及19 美元、39 美元、99 美元和199 美元/月的四档付费会员，并通过Agent 额度、并发任务数、Agent Swarm 调用次数、Kimi Code 额度、上下文长度及模型访问权限形成产品区分。各项功能共用统一额度池，高阶会员获得更多任务额度、更高并发能力和更快执行速度，订阅额度消耗完毕后，用户还可购买额外加油包。此类模式将用户付费与模型推理资源消耗挂钩，有助于缓解重度Agent 用户对算力成本的挤压，并通过Coding、深度研究和多智能体任务提升专业用户ARPU。
B端以模型API 为核心，并向企业级服务延伸。Kimi 开放平台向开发者提供K3、K2.7 Code 及K2.6 等不同能力和价格档位的模型，按Token 模式计费，例如，K3 海外API 缓存命中输入、普通输入和输出价格分别为0.3 美元、3 美元和15 美元/百万Token，官方披露其在Coding 场景下缓存命中率超过90%。除标准API 外，公司还通过工具调用、模型兼容接口、组织管理、成员权限及数据隔离等能力服务企业客户，使商业模式由单纯出售模型调用量，逐步向企业容量、团队账户和组织级AI 基础设施延伸。
C端与B端并非相互独立，而是共同承担模型能力商业化。C 端产品将底层模型封装为用户可直接感知的任务能力，帮助公司验证真实场景、完善产品体验并建立品牌入口；B 端开放平台则将模型能力分发给开发者和企业，由外部生态拓展应用边界。开源模型进一步降低了开发者试用和适配门槛，官方API 再通过模型更新速度、推理性能、缓存效率及服务稳定性承接商业需求。整体看，月之暗面的收入重心正由流量驱动的通用应用，转向专业订阅、Coding、Agent 等高价值场景，C 端与B 端共同构成模型能力规模化变现的双轮驱动体系。

(三、)模型端：从长上下文突破走向前沿智能，模型能力持续进化

Kimi 的模型迭代由早期长上下文突破，逐步转向大规模预训练与高频后训练协同推进。k1.5 验证强化学习与推理时扩展能力，K2 完成万亿参数MoE 底座建设，K2 Thinking、K2.5、K2.6 及K2.7 Code 进一步将底座能力迁移至推理、Coding、多模态与Agent 任务，K3 则通过近3 万亿参数及新一代注意力、残差和MoE 架构，再次抬升了模型能力上限。我们认为，Kimi 模型的核心价值不仅体现在当前旗舰模型的前沿竞争力，还体现在公司已初步形成底座周期性升级、后训练高频迭代及产品快速承接的研发体系。

（四）Coding、Agent 与多模态能力协同演进，进入全球前沿竞争序列

Coding 成为模型能力与商业化落地的首要结合点。一方面，代码任务具有较清晰的运行结果和测试标准，便于通过编译、单元测试和执行反馈建立可验证奖励；另一方面，开发者使用频率较高，复杂工程任务需要持续读取文件、修改代码、执行命令和修复错误，单用户Token 消耗及付费意愿普遍高于普通问答。因此，Coding 是当前大模型率先实现商业落地的场景。

在Coding 方面，K2 初步建立软件工程与工具调用能力；K2 Thinking 进一步融合长链推理与环境交互，在官方评测中SWE-bench Verified 达到71.3%，并支持连续200-300 次工具调用；K2.7 Code 则针对Agentic Coding 进行专项后训练，在提高多项编程评测表现的同时，较K2.6 平均减少约30%的推理Token。（数据来源：Kimi 官网）

K3 进一步将Coding 能力延伸至长程工程任务，可持续理解大型代码库、调用终端工具，并结合运行结果与视觉反馈进行多轮修改，在游戏开发、前端设计、GPU Kernel 优化等复杂任务中展现出更强的持续执行能力。2026 年7 月17 日，Arena.ai 公布的当期Frontend Code Arena 最新评测结果，K3 以1679 分位列第一，较上一代Kimi-K2.6 的第18 名跃升17 位，分别领先Claude Fable 5 和GPT-5.6 Sol 48 分、61 分，并在7 个前端细分场景中的6 项排名第一。（数据来源：Arena）