AI圈的规则就是用来打破的，市场变化之快，让公司们经常猝不及防。

月之暗面就是其中一个。

手拿爽文剧本的月之暗面，曾经靠长文本跑出媲美豆包月活的C端AI助手Kimi，又在路线偏移后，靠Kimi K2、K3两个模型，一次次证明自己仍然能站在开源模型的第一梯队。

但最近，月之暗面出牌速度“密集得反常”，甚至略显焦虑。

9月，月之暗面先拉起了模型和产品的节奏。

先是在模型侧，月之暗面于9月11日宣布K2.8 Preview全量上线，用接近K3的能力、一半的价格补上自家模型的“性价比”缺口；产品侧，Kimi Code Desktop正式发布，在OpenAI和Anthropic纷纷整合入口的当下，作为独立App定向吸引开发者群体。

同时，月之暗面也在加快探索自身商业化的上限。

9月10日，月之暗面官宣启动“登月计划”，与五家系统集成商共同合作FDE模式；9月18日，月之暗面的Kimi K3进驻亚马逊平台，此前推进的开源模型分成协议终于落地。

密集动作的弦外之音，是一个行业级的问题：市场对AI模型公司的要求，变了。

2026年，大模型公司们除了要追求智能上限，还需要讲出更多产品落地的可能性。

这背后是AI模型早就走过了“智能即价值”、“模型即产品”的阶段。当所有头部公司都能把模型智能做到足够高，性价比就成用户/客户看重的关键。“既要又要”就成了当下评价AI模型公司最重要的体系。

2026年的市场要的是“可用”——模型要便宜也要强大，公司研发既要追求聪明，也要落地工程化能力，产品要懂用户，还要够好用。To B和To C的逻辑也不一样：B端要稳定、可控、能落地，C端要简单、好上手。

面对市场复杂多元的需求，大模型公司想要只靠一个强模型横推碾过去，在当下已经不可能。

月之暗面是这股浪潮中的一个样本。作为一家依然能在大模型第一梯队的公司，它正在用行动给公司补上更多曾经错过的课，跟上当下市场的要求。

从今年开始，市面上频频传出月之暗面筹备上市的消息。9月，甚至有消息源指出它已秘密递交上市计划。提交招股书，意味着月之暗面将不得不揭开“面纱”。

在AI圈，“好”不够，要比一批聪明的头部公司更好。

这就需要月之暗面必须把产品、商业化摊厚，才能讲出更精彩的故事。从极致性能转向性价比、从C端独大转向拓展B端，这家公司正在加速补上自己的“月之暗面”。

比起聪明，“性价比”更刚需

大模型行业有一个共识正在形成：模型够聪明是门槛，但人们更愿意为性价比模型花钱。

用户要的是用得“爽”，除了模型聪明，还要更便宜、响应要快、能解决实际问题。这一转变，在模型端和产品端同时发生。

于是，2026年AI模型就有了Flash模型的爆发。

对比国内开源模型，MiniMax一直把性价比作为战略主线；智谱的更新频率更高，GLM-5.3 Flash的定价只有Claude Opus 4.8的四十分之一。当同行纷纷亮起价格屠刀，Kimi K3先是在“账单”上吃了亏。

模型层面，月之暗面仍然站在第一梯队。K3的发布证明了这一点。但K3也暴露了一个尴尬的现实——足够聪明的模型，不一定是用户用得“舒服”的产品。

从价格看，K3把API价格定在每百万Token输入3美元、输出15美元，虽然定价相当于Claude Opus 5的一半，但后发者的“砍价”来得更快。比如最近阶跃星辰的旗舰模型Step 5 Preview，已经把价格砍到Claude Opus 5的八分之一。

为什么Kimi K3被用户吐槽“又贵又慢”？除了定价贵，从体验看，光锥智能测试发现，K3模型在思考过程中存在明显的“内部辩论”、“打草稿”等环节。更严谨的思维链本是为了更好的结果，但这也导致Token消耗变多、完成任务的用时明显更长。折算到单个任务，成本又上来了。

意识到“性价比模型”的缺失，月之暗面的动作很快。它先向下做了一个更具性价比的“Flash”版K3模型。

9月11日，K2.8 Preview上线，随后全量接入Kimi Code、Kimi Work。命名一度让人困惑——K2.8听起来像是K3的倒退，它是一个面向编程和Agent场景的高性价比模型，用更低成本做到接近K3的能力。虽然月之暗面官方未公布具体价格，但我们可以借助WorkBuddy的调用费用来看，K2.8 Preview的价格相当于Kimi K3一半的水平。

所谓性价比，就是把旗舰的本事，打到人人用得起的档位。

同时，月之暗面的新模型承担起了追求智能上限的任务。9月18日，Kimi官方账号在知乎发布了一串以“4159265358……”开头的神秘数字，去掉前两位之后，刚好是π的小数展开。大家几乎立刻把它解构成一个信号——K3.1正在路上。

K2.8守成本、K3.1冲能力，月之暗面当下模型侧的战略十分清晰，它要朝着体验更好的方向“纠偏”。

模型纠偏的同时，产品侧，月之暗面也在打一场硬仗。

先从今年2026年竞争最激烈的AI办公赛道说起。月之暗面的Kimi Work有先发优势，它的动作快于字节、阿里等大厂。但先发不等于先赢，因为这个赛道的竞争规则，还“捏”在大厂手上。相比Agent本身的能力，AI办公的核心比拼是场景能力。

这是大厂在办公赛道上能后来居上的原因。

字节有飞书的全场景沉淀，腾讯有企业微信和文档生态，用户的工作场景本来就长在它们的产品里。此外，大厂和诸多企业的合作沉淀，让它们能够快速接入一些专业工具的能力，比如财务数据处理、CRM系统接入等等。

在设计上，Kimi Work没有WorkBuddy和豆包工作做得更适合小白。

以插件和Skill等技能生态为例，Kimi Work的工作台看起来比较“原始”。但放在腾讯和字节两个大厂这边，无论储备数量还是具体场景的覆盖“应有尽有”，具体功能介绍得生怕用户看不明白。

从上到下分别是Kimi Work和WorkBuddy的技能界面展示

大厂的优势体现在哪里？以“专家”功能为例，这个功能WorkBuddy先上线，字节则做了豆包工作的“伙伴”。它为企业数字员工提供“专家”能力，比如内容创作中涉及小红书、微信公众号、科技报道、爆款稿件拆解等细分功能。

大厂设计这一功能的逻辑很简单——不需要用户明白Agent怎么发挥最大能力，需求和场景本身就是最好的“说明书”。“想要什么就点什么”，AI就能把活干明白。

不过，Kimi Work手里有一张自己的牌——行业knowhow。

它原生接入同花顺、天眼查等数据源，覆盖股票、期货、指数等金融数据和学术资源——相当于把专业流程、数据源和合规要求，直接嵌进Agent的能力里。可以说，月之暗面比同行更早意识到了行业knowhow的价值，并把它沉淀成了产品里的插件和Skill。

但knowhow筑起的墙，挡得住同行，挡不住生态。大厂正在靠密集更新追平垂类场景，而生态恰恰是它们的拿手好戏。所以模型公司靠行业 knowhow筑起来的优势，没人知道能守多久。

在C端领域的竞争，说白了，月之暗面打得是一场不对等竞争。它要用产品对抗大厂的生态，用knowhow对抗大厂的流量。这里的收入和想象空间，长期是一场硬仗。

真正有机会的场景，月之暗面看向了AI Coding。

因为这类产品的体验于模型和自家产品的配合相关。大模型厂商能够靠模型加产品的优化，积累专业开发者用户——这类人也是Token消耗最大、付费意愿最高的用户。

9月21日，Kimi Code Desktop正式发布，macOS和Windows版同步上线。新产品跟进了两个行业标配能力：一是计划模式，影响范围大的任务，Agent先交出执行计划，经审阅、反馈和确认后再动手；二是把思考链“折叠”起来，解决用户常吐槽的等待过长问题。

一个耐人寻味的细节是，它和把Work、Chat集成在一起的Kimi桌面端是分开的。也就是说，Kimi Code是独立产品。这层设计跟OpenAI和Anthropic不太一样——这两家都选择工具整合，希望用同一个流量入口吸引用户体验。但对月之暗面来说，或许是眼下它希望靠分开跑、各吃各的场景，给足产品打磨时间。

无论这些战略最终进展如何，起码从模型和产品上，月之暗面今年已经把版图铺开了。接下来，就是商业化验证成果的时刻。

补齐商业化，把吆喝变成收入

比拼模型的同时，随着Token经济的爆发，大模型公司们开始把ARR（年化经常性收入）挂在嘴边。

Token是AI时代的“电费”，当模型能力从“能不能用”跨越到“好不好用”的及格线之后，市场关注的重点自然也在向商业化倾斜。收入，自然成了外部判断AI模型公司实力最直观的指标。

从营收来看，当前在国内大模型公司中，月之暗面处在中游水平。据内部披露，月之暗面的ARR从3月的1亿美元飙升至6月的3亿美元，8月突破10亿美元。据彭博社援引知情人士消息，年底有望达到20亿美元。如果预期成立，这是一条一年二十倍的曲线。

但跟同行一比，差距就出来了：智谱8月ARR已达20亿美元，月之暗面年底的目标是智谱的当下；MiniMax为8亿美元，月之暗面只领先一个身位。

技术在第一梯队，收入在第二梯队。这个位置，配不上月之暗面的技术地位。差距的根源不难理解——此前月之暗面的商业化只迈了一条腿。

从业务结构看，此前月之暗面的布局更多聚焦于C端，相对“没那么功利”。对比来看，智谱有私有部署业务和轻量化模型双轮驱动，MiniMax有AI视频模型产品和海外C端产品，月之暗面只聚焦在推广C端订阅和出海上。

随着K3模型能力的提升，月之暗面的策略带来了收入跃升——ARR从3亿美元到10亿美元的陡增，是K3发布后才发生的，这证明了智能可以直接变成钱。但现状同时也证明，只靠智能变现的天花板不够高。

为了改善商业化渠道，近一段时间可以确认，月之暗面新增了大量项目。同时，月之暗面知道避开AI 1.0时代定制化的坑，把收入结构从一条腿变成三条腿——开源收租、FDE、行业方案。

首先，开源收租依然是AI时代“模型即产品”的思路。月之暗面试图通过修改开源协议，和云厂商进行分成合作的模式，从而让开源从赚吆喝变成一门能有收入的生意。

从K3开源起，月之暗面在模型的开源协议中加入新规则，若使用方以MaaS方式对外提供推理或微调业务，且企业及关联方连续12个月总收入超过2000万美元，需与月之暗面另行签署商业协议。据悉，月之暗面还在与微软、亚马逊、谷歌谈判K3相关服务收入分成，最高可获得30%分成。据第一财经报道，月之暗面此前已和阿里云百炼达成了类似协议。

图片：9月18日，Kimi K3正式上线亚马逊Bedrock

现在，月之暗面和智谱都已经传来了协议分成顺利落地的消息。AI的智能，有了“收租”的变现渠道。

聚焦到企业合作上，月之暗面开始试水FDE（前线部署工程师）模式。9月10日，月之暗面正式启动“登月计划”，以FDE模式与行业系统集成商共建前置部署队伍，首批签约中软国际、金山云、华胜天成、亚康股份、亚信科技等。

需要注意的一点是，FDE模式看似跟AI 1.0时代的定制化项目类似，都是直接面对用户需求。

其中区别是月之暗面做得更轻：只提供技术和产品支持，剩下的工作交给合作商来完成。

这意味着，月之暗面不需要像定制化任务一样事事“亲力亲为”，过往，驻场、定制、交付、验收，公司被“人天”拖重，导致人员规模膨胀，成本飙升。这样的模式，能让月之暗面继续保持当前300-400人的团队规模。毕竟在软件领域里，“人效”代表着一家公司能用人力杠杆，撬动多少倍收入。

但“轻”也有“轻”的代价。只提供技术，相当于议价能力取决于模型是否领先。而在模型竞争激烈的情况下，“领先”很难是一种常态。

企业AI的场景上，月之暗面的行业解决方案正在落地。它的思路是把场景做深，从而靠垂类积累的专业skill、插件优势，和大厂办公类的通用产品拉开差距。

这是一个模型深度产品化的路线。对标大厂卖的是“什么都行”，月之暗面主打的就是“这块我最懂”。

9月17日，月之暗面发布金融行业解决方案，整合10+权威数据源、9项金融技能、5项安全合规措施，覆盖持仓早报、财报点评、项目筛选、深度研究、组合复盘等场景，首批落地客户包括工商银行、中信建投。

诚然，收租、FDE、行业方案这三条路线可能都不能算是“商业模式创新”。但对于月之暗面而言都是有力的变现手段：把智能变成B端的收入。这也是AI领域所有玩家的初衷——用技术加速人类世界的发展。

冲刺IPO，把技术的船票尽早兑现

把视角先切到资本市场。

当下，AI标的正在从稀缺走向泛滥。智谱、MiniMax已经上市，OpenAI、Anthropic等公司正在加速赶来。当市场可选标的充裕，AI溢价就要被稀释。

资本市场的变化，只用了一年的时间。

往前推一年，国内市场上能叫得出名字的大模型公司，几乎全在一级市场。投资人想押注AI，可选标的屈指可数，人人都只求份额。月之暗面就是在这种氛围里，把估值从2025年底的43亿美元一路推到了500亿美元。

但到了2026年下半年，情况不一样了。二级市场上，投资者能选的AI标的越来越多。稀缺性一消失，估值的泡沫就开始被挤压。

挤泡沫的过程，在已上市公司的股价走势上格外明显。智谱上市初期，市场把它当“中国版Anthropic”来炒，市值一度冲破万亿元。

但热度退去之后，当市场把目光落回财报表现上，智谱和MiniMax经历了一轮股价腰斩：

以智谱为例，财报显示，智谱上半年营收同比增长420%，但净亏损反而扩大了85%，原因很直接：算力成本吃掉了收入的大头。到9月中旬，智谱的股价已经从高点跌去了56%，市值蒸发超过600亿港元。

这些账一算，答案就变得清晰了——AI商业化的兑现周期，比市场最初预想的要长得多。股价的回落，本质上是市场从技术回归到财报表现。

这就是月之暗面选择在这个节点冲刺IPO的大背景。

2025年底，杨植麟还在内部公开信里说“不缺钱”。“相比于二级市场，我们判断还可以从一级市场募集更大量资金……所以我们短期不着急上市，也不以上市为目的。”——月之暗面创始人杨植麟在内部公开信中写道。

可就是这样一家不差钱、也说过不着急的公司，9个月后却启动了VIE架构拆除，9月初以保密形式向港交所递交了申请。核心原因只有一个：当窗口期收窄，留给它膨胀估值的时间不多了。

月之暗面需要在技术状态最好的时候，通过IPO，拿到持续兑换留在第一梯队的支票。而这张支票，最终要兑换成算力，让自己持续站在第一梯队。

智谱的管理层算过一笔账：约300亿元人民币投入，相当于10万P（PFLOPS）算力，其中40%是训练、60%是推理——大模型公司当下的融资额，大部分投入在算力上。

K3发布后48小时请求量逼近集群承载极限，导致官方暂停C端订阅。旗舰模型的推理需要海量算力，训练下一代模型同样需要算力。

为了避免被算力“卡脖子”，智谱开始通过自研、和收购国产算力芯片等方式加码算力，实现把单位Token推理成本较年初下降80%，单位算力对应的收入提升14倍。

月之暗面也面临着一样的问题，此前，它大量租赁云厂商的算力，但K3之后开始加速自购。但自购芯片是一条长线投入，短期不可能一蹴而就。

所以，月之暗面缺的不是钱，而是一条能持续、低成本兑换算力的资金通道——企业AI的故事要讲，下一代模型的算力要囤，而一级市场的钱只会越来越挑剔。

这就意味着月之暗面必须赶在K3的技术红利窗口关闭之前，把IPO这个故事推向高潮。

上市之后，一切都会轻松许多。就像是智谱在股价腰斩之后，转头又融了50亿美元。毕竟，没有投资者愿意看到，一家技术实力足够强的公司“变得窘迫”。

月之暗面的IPO冲刺，不是缺钱的信号，而是抢时间的动作。它要在AI标的还没泛滥、估值泡沫还没完全挤干、技术红利窗口还在的时候，把自己送到二级市场的牌桌上。

智能上限的竞赛还在继续，但正如行业所展现的那样，模型强只是入场券。

不过在商业化和产品还刚刚起跑的阶段，月之暗面要让“暗面”也发光。

编｜刘俊宏