月之暗面划出Kimi商业化边界：用架构优化换成本空间，只做“最聪明”的模型

月之暗面（Moonshot AI）Kimi B端负责人黄震昕近日对外分享了公司的战略思路：坚持在底层架构上主动创新，而不是做简单的工程堆砌。这一表态，让Kimi的商业化路径变得愈发清晰。

黄震昕强调，Kimi的定位始终是高性能模型。全球算力供应紧张推高了运行成本，但月之暗面通过技术优化，将KV-Cache命中率做到了90%以上，有效对冲了成本压力，并能为用户提供高性价比的Token服务。他明确表示，评估模型价格不能只看输入输出的基准定价，实际使用中的缓存命中效率才是决定最终支出成本的关键。

在To B业务上，Kimi展现出一种审慎的姿态。黄震昕指出，公司不会涉足过重的交付业务，而是将重心放在模型能力的持续攻克上。企业级应用所需的“最后一公里”定制化服务，主要通过FDE（端到端）合作伙伴来完成。目前，Kimi已经构建起由底层模型、API架构及Agent产品组成的三层服务体系，并正与亚马逊云科技等行业巨头深化合作，共同推进金融、医疗及制造等垂直领域的解决方案落地。

技术层面，Kimi的架构导向特征明显。训练中已引入二阶优化器Muon，并推出了Kimi Linear注意力架构及注意力残差方案，这些都显著提升了数据使用效率，让模型在处理长文本任务时更加游刃有余。面对“Harness”工程的热度，Kimi内部更倾向于实践“循环工程”（Loop Engineering），认为随着模型基座能力增强，复杂的外部工程适配需求会逐步降低。

对于未来，月之暗面将继续在智能体的聪明程度、长上下文处理能力以及多智能体协作能力三个维度上深耕。随着Kimi K2.7等高性能模型陆续登陆云端平台，通过技术创新将能源高效转化为智能，已经成为这家公司在AI产业长跑中的核心目标。