（圖片來源：鈦媒體agi編輯林志佳）
鈦媒體agi 2月18日消息，有消息稱，在deepseek影響下，月之暗面kimi決定暫緩「燒錢」投放。
對此，鈦媒體agi從知情人士處了解到，該動作核心原因在於deepseek熱潮，帶動近期 kimi 智能助手「自然新增用戶量猛漲」。這意味著，月之暗面對推廣動作進行了相應調整。
另外，鈦媒體agi還了解到，近期「大模型六小虎」（月之暗面、百川智能、智譜ai、零一萬物、minimax、階躍星辰）當中，除了階躍星辰近期投放之外，剩下五家公司都減少或暫停投放廣告。
需要注意的是，月之暗面kimi近期並沒有新品，不投放廣告屬於正常現象。例如，minimax只有在去年12月新品發布前後才進行了短暫的投流和推廣，而在此之前，minimax基本不會在小紅書、抖音等渠道投放。
從小紅書平台看，目前，位元組跳動豆包、百度文小言（百度文庫）均屬於重要頭部投放廣告方，keep等 ai 應用和硬體企業近期也開始逐步投流在小紅書、抖音等渠道。
據悉，月之暗面成立於2023年，主要研發國內 ai 大模型和應用。公司創始人、ceo楊植麟於清華大學計算機系畢業、美國卡內基梅隆大學計算機博士，曾在meta ai和google ai研發團隊工作過，同時他也是transformer-xl與xlnet兩篇重要論文的第一作者，兩者均涉及大語言模型領域的核心技術，並且是中國35歲以下nlp（自然語言處理）領域引用量最高的研究者。回國後，他曾帶領團隊參與盤古大模型的核心技術研發，還帶領其聯合創立的nlp公司循環智能的產品研發。
產品層面，月之暗面已完成從通用大模型到上層應用的布局。
其中，大模型基礎層，月之暗面已訓練千億級別的自研通用大模型，並獲得了國內大模型備案審批；應用層，2023年10月，月之暗面推出全球首個支持輸入20萬漢字的智能助手產品kimi，支持20萬漢字的長文本輸入，主打無損記憶以及「長文本（long context）」，去年10月月之暗面還發布了最新的數學模型k0-math，對標openai o1系列可公開使用的兩個模型：o1-mini和o1-preview。
楊植麟去年10月對鈦媒體agi稱，ai助手kimi在10月月活超過3600萬，而且還在持續更快增長。他同時強調，提升留存是kimi當前最核心的目標。
2月18日，月之暗面宣布推出一款新模型kimi latest，它將對標kimi智能助手當前使用的模型，隨智能助手產品更新而同步升級（模型名稱始終不變）。據介紹，kimi latest總是使用kimi智能助手產品使用最新的kimi大模型，可能包含尚未穩定的特性；上下文長度為128k，會自動根據上下文長度選擇8k/32k/128k模型作為計費模型；支持自動上下文緩存。目前kimi latest僅支持調用kimi普通版模型，kimi k1.5長思考模型暫不支持api調用。
融資方面，阿里、騰訊、螞蟻接連投資大模型初創公司月之暗面（moonshot ai），截至目前，月之暗面新一輪投前估值已超過33億美金（約合人民幣200億元），是「大模型六小虎」裡面最高估值的企業，但低於deepseek的1500億美元的估值。
值得注意的是，鈦媒體agi此前根據appgrowing平台數據進行統計，目前在整個國內app市場中，去年10月，拼多多的投放廣告支出排名第一，高達11.59億元人民幣；抖音投放廣告高達9.71億元，排名第二，但廣告創意數量排名第一，遠高於拼多多，而kimi排名第16位，大約是拼多多每月投放廣告費用的十分之一，高達1.99億元人民幣，但kimi智能助手是免費app應用，目前沒有付費方案。
截至去年10月29日，kimi智能助手、位元組跳動豆包、騰訊元寶等 ai 應用10月全網廣告投放（投流）支出超過3億元人民幣。
不過，隨著deepseek熱潮來襲，「自來水」的流量推廣成為主流，這就讓月之暗面對投流進行「反思」。2月17日，月之暗面研究員flood sung在分享中透露，長思維鏈的有效性其實在一年多前就已經知道了，但為了省錢，他們優先選擇攻關長文本而不是長思維鏈（long-cot）；在去年9月openai o1推出後，月之暗面決定出售長思維鏈。
flood sung稱，他們意識到長上下文的重要性，但優先考慮把文本搞長，對長思維鏈這件事情不夠重視。「主要還是考慮了成本問題」，他表示，長上下文主要做的是長文本輸入，有預填充，有mooncake（kimi底層的推理平台，已逐步開源）加持，成本速度可控，而長思維鏈是長文本輸出，成本高很多，速度也要慢很多。在這種情況下，把輸出搞長就沒有成為一個高優選項。「openai o1發布，震撼，效果爆炸，long-cot的有效讓我陷入反思。」
但鈦媒體agi了解到，對於知乎、小紅書、b站等平台，kimi、豆包和deepseek的討論熱度依然高於其他 ai 產品。
flood sung稱，agi（artificial general intelligence，通用人工智慧）確實就是近在眼前的事情，如今他重新開始思考asi（artificial super intelligence，超級人工智慧）。對於做強化學習（rl）的人來說，從來都不會把實現agi作為目標，現在給ai一個可衡量的目標，然後讓ai自己去探索，通過強化學習來提升模型，未來不過是把這一過程不斷地複製到更複雜的場景中去。
（本文首發於鈦媒體app，作者｜林志佳）
