月之暗面黄震昕：Kimi 志在挑战海外大模型“御三家”，B 端业务占比持续攀升
月之暗面黄震昕：Kimi 志在挑战海外大模型“御三家”，B 端业务占比持续攀升
在亚马逊云科技中国峰会上，月之暗面企业业务负责人黄震昕透露，Kimi 的 B 端业务占比正稳步提升，覆盖互联网、金融、制造、教育、医疗等多个行业，同时海外业务也在快速扩张。公司仅有 300 余员工，资源高度集中于模型研发，目标是挑战 OpenAI、谷歌和 Anthropic 等海外顶尖模型厂商。此外，Kimi 通过推理优化和 Cache 命中率提升（已超 90%）持续降低 Token 成本，并开源了新一代编程模型 K2.7 Code。
B 端业务扩张与全球化布局
黄震昕表示，月之暗面的企业级服务正在加速落地。当前，Kimi 的 B 端业务占比持续上升，客户覆盖互联网、金融、制造、教育、医疗等关键行业，海外业务也呈现出强劲增长势头。尽管业务面不断拓宽，公司仍保持精简高效——员工总数仅 300 多人，且最高资源配置优先级始终置于模型研发层。
对标“御三家”：以探索智能上限为终极目标
黄震昕直言，月之暗面的最终追求是探索智能的上限，目标是与海外大模型“御三家”——OpenAI、谷歌和 Anthropic——正面竞争。他强调，用户对高性能 Token 具有溢价支付意愿，但模型厂商正通过 Cache 命中率优化、推理优化等技术手段对冲成本，逐步降低 Token 的实际使用成本。目前，Kimi 原厂服务的 Cache 命中率已超过 90%，显著提升了运营效率。
开源编程模型 K2.7 Code：长上下文编程能力再升级
6 月 12 日，月之暗面正式发布并开源了 Kimi K2.7 Code 编程模型。据官方介绍，相较于前代 K2.6 模型，新模型在长上下文编程场景中的指令遵循能力、长程编程任务的表现均有显著提升。更重要的是，它大幅改善了模型在长程任务中的“过度思考”倾向，平均 Token 消耗减少了 30%，从而降低了推理成本和响应延迟。
关键要点
- B 端扩张与全球化：Kimi 企业客户覆盖多行业，海外业务增长迅速，B 端占比持续提升。
- 研发优先，对标顶尖：300 余人团队集中资源于模型研发，目标直接对标 OpenAI、谷歌、Anthropic。
- 成本优化：通过 Cache 命中率超 90%、推理优化等技术，有效降低 Token 实际成本，用户愿为高性能付费。
- 开源模型迭代：Kimi K2.7 Code 在长上下文编程和指令遵循上显著进步，同时减少 30% Token 消耗，提升效率。