Kimi 和 Minimax，爭奪“下一個 DeepSeek”心智

近日，在 36 氪 WAVES 舉辦的大會上，一個有趣的環節引發了人們的熱議：主辦方讓 Kimi 與 Minimax 兩家的投資人進行了對談。

隨著 DeepSeek 的橫空出世，整個中國大模型的牌局已天翻地覆。 行業龍頭的格局，從原來的大模型六小龍，逐漸演變成了今天的基模五強。

當六小龍不再是市場的焦點時，安靜很久的 Kimi 和 Minimax 在 前不久 不約而同有了新動作： Kimi 開源了程式設計模型 Kimi -Dev，它的第一個 Agent Kimi -Researcher 深度研究也開啟小範圍測試。 而 Minimax 則開源了首個推理模型 Minimax -M1，並完成連續五天 包含大模型、視頻生成、音訊生成等多個方向的更加 。

從產品側來看，Kimi 將重心聚焦到 agent，以深度研究為主要方向，似乎有意向金融、學術等方向發力，這條路線雖然已經有了智譜等競爭者，但遠離了以生活服務為主的大廠射程，疊加原本不錯的基礎模型能力，Kimi 似乎找到了自己的舒適區。

而另一邊，Minimax 則似乎想要彌補自身的遺憾，在沒有接入 DeepSeek 之後，繼續發力全方向的佈局。

這似乎也意味著，大模型競爭進入下半場之後，更多的變數正在醞釀之中，而從各項評測來看，Kimi 與 Minimax 的新產品，似乎都有著不錯的效果。

在沒等來 R2 之後的緩衝期，六小龍中的代表們，正在試圖攜帶著各自的大招，開啟下半場。 而從報導來看，無論是頻繁與 DeepSeek 撞論文的 Kimi，還是曾經和 DeepSeek 賭同一個技術路徑的 Minimax，似乎都帶著一絲不甘心。

而 在大廠 先後加入 大模型賽道 后 ，六小龍中， Kimi 和 Minimax 正試圖 找到自己的生存方式。 從某種程度來說，競爭的模式正在發生改變，而 在泡沫消散之後，越來越懂經營的六小龍們，也在期待著下一個周期的開始 。

01 Kimi 和 Minimax 接連放大招

“ 一年前，就是比投放、比用戶，現在則回到技術前沿，回到強認知，我相信反而更適合以技術大牛為核心的創業團隊。 因為比投放，其實是大廠的機會，所以我覺得他們狀態還挺好的。 “在這次對談上，真格基金合夥人戴雨森在談到 Kimi 與 Minimax 時如是說。

正如其所言， 近日，相較於在教育、醫療等垂類應用場景中爭奪的大廠，Kimi 與 Minimax 似乎更希望在基礎技術上展現自身的底色。

6 月 20 日，Kimi 官方發佈消息， Kimi -Researcher（深度研究） ，開始小範圍灰度測試。 據官方消息透露， 模型即 Agent， Kimi -Researcher 是基於端到端自主強化學習（end-to-end agentic RL）技術訓練的新一代 Agent 模型，也是一個專為深度研究任務而生的 Agent 產品。

做為內測使用者，可以看到的是，Kimi 這次試圖去打造的就是“高實用性”以及“靠譜”的產品。

按照官方的數據， 每個任務平均進行23步推理，自主梳理並解決需求 ， 平均規劃74個關鍵詞，找到206個網址，由模型判斷並篩選出資訊品質最高的前3.2%內容，剔除冗餘、低質資訊 。 報告的平均長度在萬字以上， 平均引用約26個高品質、可溯源的信源 。

很明顯，Kimi 此次直指需要低幻覺類的垂類賽道。 從小紅書等社交媒體反饋來看，論文黨、甚至如金融、法律等高頻需要深度探索的方向，都對 Kimi-researcher 有著不錯的評價。

專業評測博主 mactalk 評價道：深度研究不算什麼新創新，但 Kimi 生成的內容，在信源和形式上確實不錯，Kimi 的深度研究功能，除了給到一份分析報告外，還會生成一個網頁。 看到網頁的那刻，給人的感受是，網頁也應該成為一種和文本同等重要的交互方式。

與此同時，Minimax 也用全新的模型在展示自身的肌肉。 根據極客公園報導， 作為推理模型， Minimax -M1 在長上下文理解能力上，是目前包括所有閉源和開源模型在內，能力全球前二的模型，且在訓練和推理成本上 有 極高的性價比。

M1 仍然延續著 MoE 架構，而在注意力機制上和強化學習演算法上的創新讓 M1 鮮明 地 區別於其他推理模型。 模型總參數達到 4560 億參數，原生支援 100 萬 token 的上下文長度輸入，以及目前所有模型中最長的 80ktoken 的輸出長度。

在 專業上下文能力的測評 中，M1 的表現遠超包括 DeepSeek -R1-0528 和 Qwen3-235B 在內的所有開源模型，甚至超越 OpenAI o3 和 Claude 4 Opus，僅小幅落後 SOTA 的 Gemini 2.5 Pro。

除了基礎模型的進展，Minimax 在 agent 以及多模態等多個領域也是亮點頻出。 “ 大家最近刷抖音有沒有看到 ' 吳彥祖教你學英語 ' ？ 其實是 Minimax 在提供背後的技術支援。 我第一次聽的時候，也難以分辨到底是真人還是 AI，直到後來才知道是 Minimax 的客戶，感歎這真的挺厲害的。 “雲啟資本合夥人陳煜提到。

實用性超強的 agent，能力出眾的大模型，Kimi 和 Minimax 試圖開啟的是一場全方位的競速，而從更深層次上來看，兩家公司更希望表達的則是，打破大眾對於大模型賽道的固有心智。

02 渴望一場 DeepSeek 式的勝利

相較於 DeepSeek 的光芒萬丈，不得不說，此刻回頭來看，Kimi 與 Minimax 是兩家曾充滿遺憾的公司。

楊植麟 清華出身， 同時在 卡內基梅隆大學（CMU）語言技術研究所（LTI）讀博，導師是蘋果 AI 負責人 Ruslan Salakhutdinov 和 Google AI 首席科學家 William W. Cohen，這樣的學術背景，在技術可信度上遠超普通創業者。

而且他 在迴圈智慧等方面的創業經歷 ，已經在企業級 AI 落地方面證明過自己。 這 更能 讓資本相信，這個人不只是懂技術，還會做生意。 高頻快速的融資，讓其估值迅速爬升。

技術背景，管理經驗，同時具有大量子彈，這讓楊植麟成為前 DeepSeek 時代的明星。

更重要的是， Kimi 的第一仗還打的漂亮， 把長文本技術提升到了“中國 AGI 突破口”的高度，精準匹配了資本對 其的期待。

但不可否定的是， DeepSeek 的爆火，一定程度上掩蓋了 Kimi 的部分聲量。

不過，即便是到當下，仍然可以看出，Kimi 在技術實力上，仍然不遜於 DeepSeek。 在基礎研究環節， 2 月 18 日， DeepSeek 和月之暗面幾乎同時發佈了他們各自最新的論文，而主題直接「撞車」—— 都是挑戰 Transformer 架構最核心的注意力機制，讓它能更高效的處理更長的上下文。 而更有趣的是，兩家公司的技術派明星創始人的名字 ， 出現在各自的論文和技術報告里。

而在近日，兩者撞車的事件又頻頻發生。 在法律、醫療等方向招聘上的相似，潛移默化的讓外界覺得，似乎 Kimi 仍然是能與 DeepSeek 並駕齊驅的存在。

而另一邊 Minimax 的遺憾，則來的更為直接。 在媒體的報導中，Minimax 其實更早的啟用了與 DeepSeek 相同的技術路線。 2023 年下半年，大部分國內大模型廠商還在繼續反覆運算稠密模型（dense model）之際， Minimax 創始人兼 CEO 閆俊傑就把 80%以上的研發和算力資源 ， 投到了一件不確定的事情上—— MoE（Mixture of Experts 混合專家模型）。

2024 年 1 月， Minimax 上線的 abab6，成為國內首個 MoE 大模型。 此後，MoE 架構徹底取代稠密架構，成了大模型領域技術反覆運算的新方向， 而 年初爆火出圈的 DeepSeek ， 應用的正是 MoE。 雖然無法一概而論的將兩者在此維度上進行比較，但可以驗證的卻是兩者間肉眼可見的落差。

客觀來說，與 DeepSeek 技術實力難分伯仲的 Kimi 與 Minimax，在市場中早已無法得到與之匹配的影響力。

而從這個維度上來看，沒有被大廠打敗，而是被 DeepSeek 超越，也讓兩家在下一個週期即 agent 的爭奪中，渴望著一場真正意義上的翻身仗。

正如戴雨森所言「 我們不是因為大模型投資 Kimi ，而是投資團隊。 現在是技術革命的早期，他們仍然是擁有中國最優秀團隊的 AI 創業公司之一，以及擁有最多資源的 AI 創業公司之一。 如果我們相信 AI 是一件非常大的事，你有最好的團隊，又有最多資源，仍然能夠做出很多有意思的事來。 “ 而 AI 的下半場，是否仍會按照當下大廠主導，DeepSeek 重點突破的模式演繹，似乎仍然是一道謎題。

03 AI 公司的生存邏輯正在重構

進入 6 月，AI 圈似乎達到了比以往更為熱鬧的情景。 羅永浩數位人直播帶貨拿下天量成交，誇克與元寶在高考報志願競逐，同時，豆包上線了 AI 播客功能，美團高層點了第一杯 AI 外賣咖啡，AI 的想像力與應用正在不斷加速地滲透至生活的各個角落。

這一切的快速演變，似乎讓人看到了紅杉 AI 峰會中所提到的， 下一輪 AI，賣的不是工具，而是收益。

但與此同時，對於 agent 未來演變的辯論也在持續。 拾象 CEO 李廣密曾坦言 Agent 與當前模型能力的匹配程度。 他認為， 今天 Agent 80%的能力依賴於模型這個引擎。 比如，GPT 到了 3.5，多輪對話的通用範式出現了，Chatbot 這種產品形態就行得通了。 Cursor 的崛起也是因為模型發展到了 Claude 3.5 的水準，它的代碼補全能力才得以成立。

而 AI Research Lead 鍾凱祺 則認為：通用 Agent 的需求基本上就是資訊檢索和輕度代碼編寫這兩類，而 GPT-4o 已經完成得非常好了。 因此，通用 Agent 市場基本上是大模型公司的主戰場，創業公司很難僅僅通過服務於通用需求來做大。 而創業公司基本都聚焦在垂直（Vertical）領域。

回到本文的主角： 當 Kimi 用深度研究 Agent 叩開垂類專業場景的大門，當 Minimax 以推理模型 M1 刷新開源能力邊界， 兩家公司的每一步動作都在印證同一個事實：大模型競爭早已超越 「參數比拼」 的初級階段，進入到 “心智佔領” 的核心戰場。

DeepSeek 的崛起證明，在大廠與創業公司的博弈中，技術突破與市場定位的精準耦合，足以重塑行業認知 —— 而這正是 Kimi 與 Minimax 此刻最迫切的目標。

從技術路徑看， Kimi 押注「垂直 Agent」，試圖用「深度研究」的專業標籤切割出差異化賽道; Minimax 則 試圖用 線性注意力機制 打出差異化 ，通過多模態能力構建全場景滲透的想像空間。 兩者的策略差異，本質是對「AI 下半場生存法則」的不同解讀：前者選擇在大廠尚未重兵佈防的垂類紮根，用「高實用性」對抗大廠的流量優勢; 後者則延續「全棧佈局」的野心，試圖以技術性價比彌補生態短板。

但這場爭奪的關鍵，或許正如戴雨森所言——“投資團隊而非模型”。 當 DeepSeek 用技術敘事改寫資本邏輯， Kimi 與 Minimax 的核心競爭力，仍在於創始團隊對技術趨勢的預判能力（如楊植麟對長文本技術的堅持、閆俊傑對 MoE 架構的提前佈局）。 在大廠憑藉資源優勢加速內卷的當下，創業公司的破局點從來不是 「硬碰硬」，而是像 DeepSeek 那樣，在某個技術維度建立不可替代的認知優勢，進而佔領用戶心智。

如今的 AI 下半場，既是技術落地的“馬拉松”，也是心智認知的“閃電戰”。 Kimi 與 Minimax 的每一次開源、每一個 Agent 的反覆運算，都是在為 “下一個 DeepSeek ” 的敘事加碼。 而當行業泡沫逐漸消散，真正能穿越週期的，或許正是那些既能在技術深水區紮根，又能在用戶心智中刻下獨特標籤的團隊。 這場沒有硝煙的戰爭，才剛剛開始。  

參考資料：

字母榜，《閆俊傑不甘心》

字母榜，《minimax 的好日子來了？ 》

王智遠，《 Kimi 還能找到月之亮面嗎？ 》

鳳凰網財經，《 Kimi 和 DeepSeek 又撞車？ 》

暗湧，《 一年後，當 Kimi 和 MiniMax 投資人再坐到一起 》

極客公園，《 巨頭博弈下，Agent 的機會和價值究竟在哪裡？ 》

36 氪，《 開源還要 IPO？ MiniMax 不想被遺忘在這個夏天 》

月之暗面，《 模型即 Agent，Kimi-Researcher（深度研究）開啟內測 》

極客公園，《 MiniMax-M1 登場，MiniMax 再次證明自己是一家模型驅動的 AI 公司 》

本文來自微信公眾號 「科技新知」（ID：kejixinzhi），作者：櫻木，36 氪經授權發佈。