隨着大模型產業進入比拼落地應用與成本控制的深水區，月之暗面（Moonshot AI）旗下的 Kimi 商業化路徑也愈發清晰。近日，月之暗面 Kimi B 端負責人黃震昕在行業峯會上分享了公司的戰略思考:堅持在底層架構上主動創新，而非僅僅做工程上的簡單堆砌。

談及模型定價與商業模式，黃震昕強調，Kimi 的定位始終是高性能模型。儘管全球算力供應緊張推高了模型運行成本，但月之暗面通過技術優化，使 KV-Cache 命中率達到90% 以上，從而有效對衝了成本壓力，並能爲用戶提供高性價比的 Token 服務。他明確表示，評估模型價格不能僅看輸入輸出的基準定價，實際使用中的緩存命中效率纔是決定用戶最終支出成本的關鍵。

在 To B 業務佈局上，Kimi 展現出了一種“有所爲有所不爲”的審慎態度。黃震昕指出，Kimi 不會涉足過重的交付業務，而是將重心放在模型能力的持續攻克上。企業級應用所需的“最後一公里”定製化服務，將主要通過 FDE（端到端）合作伙伴來完成。目前，Kimi 已構建起由底層模型、API 架構及 Agent 產品組成的三層服務體系，並正與亞馬遜雲科技等行業巨頭深化合作，共同推進金融、醫療及製造等垂直領域的解決方案落地。

在技術層面，Kimi 展現了明顯的架構導向特徵。公司已在訓練中引入了二階優化器 Muon，並推出了 Kimi Linear 注意力架構及注意力殘差方案。這些舉措顯著提升了數據使用效率，使得模型在處理長文本任務時更加遊刃有餘。面對“Harness”工程的熱度，Kimi 內部則更傾向於實踐“循環工程”（Loop Engineering），認爲隨着模型基座能力的增強，複雜的外部工程適配需求將逐步降低。

對於未來，月之暗面將繼續在智能體的聰明程度、長上下文處理能力以及多智能體協作能力這三個維度上深耕。隨着 Kimi K2.7等高性能模型陸續登陸雲端平臺，通過技術創新將能源高效轉化爲智能，已成爲這家公司在 AI 產業長跑中的核心目標。