月之暗面Kimi K2 Thinking：中国效率再震硅谷

• 月之暗面近期推出了其新一代模型Kimi K2 Thinking，引发了广泛关注。除了它在数学推理和代码理解上的进步，人们还特别关注其背后的训练成本——460万美元。
• 相较于估值高达5000亿美元的AI巨头OpenAI，中国的初创公司在资源上显然处于劣势，但它们通过创新和效率找到了自己的出路。
• 月之暗面代表着一种新型的AI力量——它们可能不是最豪华的，但却可能是最高效的；它们不一定拥有最多的资源，但却更懂得如何使资源发挥最大价值。

在10月的最后一个工作日，雪豹财经社走访了月之暗面的北京办公室。我们注意到，月之暗面的会议室都以乐队命名：Pink Floyd、The Rolling Stone、Queen、The Beatles、Radiohead......

阿里有“光明顶”，百度有“昆仑”，它们强调秩序与修炼；而月之暗面则像一支正在排练的乐队，崇尚自由、创新和反叛。摇滚乐在诞生之初，就是一种“低投入门槛”的音乐：它不需要复杂的录音室或昂贵的乐器，一把破吉他、一套架子鼓就能表达强大的力量。

就在那次拜访后一周，11月6日，月之暗面发布了新一代模型“Kimi K2 Thinking”。随之引起热议的，不仅是模型在数学推理和代码理解上的进步，还有其背后的一个数字——460万美元的训练成本。

在大型AI模型动辄需要几千万美元和几亿算力小时的时代，这个数字显得几乎不真实。但它确实发生了——而且，类似的故事正在中国反复上演，它们共同指向一个事实：中国的AI产业正在进入一个高效期：模型越来越强，但花的钱越来越少。

问题是，这意味着什么？

“中国效率”再次震撼硅谷

CNBC关于Kimi K2 Thinking训练成本的报道犹如巨石投入水面，在业界引起了巨大反响。

460万美元，还不到GPT-4训练成本的8%，甚至低于DeepSeek披露的V3训练成本（租赁价，正式训练阶段）560万美元。

在性能上，Kimi K2 Thinking在Humanity‘s Last Exam、BrowseComp等部分权威基准测试中，取得了与GPT-5和Claude 4.5等顶级模型相媲美甚至超越的表现。

长期以来，人们普遍认为AI能力与天价资本支出之间已形成了线性关系：更强大的模型理应对应更庞大的投入。

但Kimi K2和DeepSeek的出现打破了这一逻辑，重新定义了传统认知。

尽管月之暗面的创始团队后来回应称：“这不是官方数据。训练成本很难计算，因为其中很大一部分用于研究和实验。”但在巨大的成本差异面前，这一解释并未削弱业界的惊叹。

Hugging Face联合创始人Thomas Wolf甚至提出了一个灵魂拷问：“我们是否每隔几个月就要经历一次‘DeepSeek时刻’？”

与之形成鲜明对比的是，OpenAI首席执行官山姆·奥尔特曼（Sam Altman）在今年8月表示，未来公司将投入数万亿美元来夯实AI基础设施。而在Kimi K2发布后的两天，甲骨文一笔高达180亿美元的数据中心融资交易的消息公布。

海外媒体开始反思中美两国在AI基础设施投入和发展模式的差异。

CNBC预计，到2027年，美国将在数据中心上投入近7000亿美元，而中国的主要玩家包括阿里巴巴、腾讯、字节跳动和百度，合计预期投入不到800亿美元。也就是说，资本支出差距高达10:1，但系统性能却基本相当。

当美国玩家通过私人信贷和债券市场为庞大的数据中心融资时，中国同行正在靠效率取胜——使用更便宜的芯片、开源模型以及需要更少资本投入的精简基础设施。

据一家国际媒体估算，Kimi K2 Thinking的API价格比OpenAI和Anthropic的同类模型便宜6到10倍，可能对企业的采用模式造成冲击。

Thomas Wolf表示，Kimi K2 Thinking发布后，已成为该平台上最受开发者欢迎的模型。

Kimi K2 Thinking 为何“炸场”？

Kimi K2 Thinking之所以大受欢迎，原因很简单：更聪明且价格更低。

以每百万Token的API调用成本来对比，K2 Thinking的输入和输出成本分别为0.15和2.5美元 ，而GPT-5分别为1.25和10美元。

市场的认知已经被重塑：最实用的模型≠最贵的模型。

...（以下部分保持不变）