（图片来源：钛媒体agi编辑林志佳）
钛媒体agi 2月18日消息，有消息称，在deepseek影响下，月之暗面kimi决定暂缓“烧钱”投放。
对此，钛媒体agi从知情人士处了解到，该动作核心原因在于deepseek热潮，带动近期 kimi 智能助手“自然新增用户量猛涨”。这意味着，月之暗面对推广动作进行了相应调整。
另外，钛媒体agi还了解到，近期“大模型六小虎”（月之暗面、百川智能、智谱ai、零一万物、minimax、阶跃星辰）当中，除了阶跃星辰近期投放之外，剩下五家公司都减少或暂停投放广告。
需要注意的是，月之暗面kimi近期并没有新品，不投放广告属于正常现象。例如，minimax只有在去年12月新品发布前后才进行了短暂的投流和推广，而在此之前，minimax基本不会在小红书、抖音等渠道投放。
从小红书平台看，目前，字节跳动豆包、百度文小言（百度文库）均属于重要头部投放广告方，keep等 ai 应用和硬件企业近期也开始逐步投流在小红书、抖音等渠道。
据悉，月之暗面成立于2023年，主要研发国内 ai 大模型和应用。公司创始人、ceo杨植麟于清华大学计算机系毕业、美国卡内基梅隆大学计算机博士，曾在meta ai和google ai研发团队工作过，同时他也是transformer-xl与xlnet两篇重要论文的第一作者，两者均涉及大语言模型领域的核心技术，并且是中国35岁以下nlp（自然语言处理）领域引用量最高的研究者。回国后，他曾带领团队参与盘古大模型的核心技术研发，还带领其联合创立的nlp公司循环智能的产品研发。
产品层面，月之暗面已完成从通用大模型到上层应用的布局。
其中，大模型基础层，月之暗面已训练千亿级别的自研通用大模型，并获得了国内大模型备案审批；应用层，2023年10月，月之暗面推出全球首个支持输入20万汉字的智能助手产品kimi，支持20万汉字的长文本输入，主打无损记忆以及“长文本（long context）”，去年10月月之暗面还发布了最新的数学模型k0-math，对标openai o1系列可公开使用的两个模型：o1-mini和o1-preview。
杨植麟去年10月对钛媒体agi称，ai助手kimi在10月月活超过3600万，而且还在持续更快增长。他同时强调，提升留存是kimi当前最核心的目标。
2月18日，月之暗面宣布推出一款新模型kimi latest，它将对标kimi智能助手当前使用的模型，随智能助手产品更新而同步升级（模型名称始终不变）。据介绍，kimi latest总是使用kimi智能助手产品使用最新的kimi大模型，可能包含尚未稳定的特性；上下文长度为128k，会自动根据上下文长度选择8k/32k/128k模型作为计费模型；支持自动上下文缓存。目前kimi latest仅支持调用kimi普通版模型，kimi k1.5长思考模型暂不支持api调用。
融资方面，阿里、腾讯、蚂蚁接连投资大模型初创公司月之暗面（moonshot ai），截至目前，月之暗面新一轮投前估值已超过33亿美金（约合人民币200亿元），是“大模型六小虎”里面最高估值的企业，但低于deepseek的1500亿美元的估值。
值得注意的是，钛媒体agi此前根据appgrowing平台数据进行统计，目前在整个国内app市场中，去年10月，拼多多的投放广告支出排名第一，高达11.59亿元人民币；抖音投放广告高达9.71亿元，排名第二，但广告创意数量排名第一，远高于拼多多，而kimi排名第16位，大约是拼多多每月投放广告费用的十分之一，高达1.99亿元人民币，但kimi智能助手是免费app应用，目前没有付费方案。
截至去年10月29日，kimi智能助手、字节跳动豆包、腾讯元宝等 ai 应用10月全网广告投放（投流）支出超过3亿元人民币。
不过，随着deepseek热潮来袭，“自来水”的流量推广成为主流，这就让月之暗面对投流进行“反思”。2月17日，月之暗面研究员flood sung在分享中透露，长思维链的有效性其实在一年多前就已经知道了，但为了省钱，他们优先选择攻关长文本而不是长思维链（long-cot）；在去年9月openai o1推出后，月之暗面决定出售长思维链。
flood sung称，他们意识到长上下文的重要性，但优先考虑把文本搞长，对长思维链这件事情不够重视。“主要还是考虑了成本问题”，他表示，长上下文主要做的是长文本输入，有预填充，有mooncake（kimi底层的推理平台，已逐步开源）加持，成本速度可控，而长思维链是长文本输出，成本高很多，速度也要慢很多。在这种情况下，把输出搞长就没有成为一个高优选项。“openai o1发布，震撼，效果爆炸，long-cot的有效让我陷入反思。”
但钛媒体agi了解到，对于知乎、小红书、b站等平台，kimi、豆包和deepseek的讨论热度依然高于其他 ai 产品。
flood sung称，agi（artificial general intelligence，通用人工智能）确实就是近在眼前的事情，如今他重新开始思考asi（artificial super intelligence，超级人工智能）。对于做强化学习（rl）的人来说，从来都不会把实现agi作为目标，现在给ai一个可衡量的目标，然后让ai自己去探索，通过强化学习来提升模型，未来不过是把这一过程不断地复制到更复杂的场景中去。
（本文首发于钛媒体app，作者｜林志佳）
