中信建投：国产模型Kimi突破长文本能力

中信建投研报指出，KimiChat最高支持20万汉字输入，逐渐破圈。智能助手KimiChat，是国内创业公司月之暗面首个C端产品，目前免费开放。能高效处理约20万汉字上下文，具备智能搜索、高效阅读、整理资料、辅助创作等功能。近期KimiChat出圈，据SimilarWeb，2月网页版访问量291万，环比翻倍；3/2-3/8周度访问量135万，环比+24%。

为什么月之暗面可以打造高关注度应用KimiChat？

原因一：核心团队技术背景深，具有Google、Meta、Amazon等海外大厂的工作经历，仅用一年时间完成无损长上下文窗口的技术突破。

原因二：产品面向C端免费开放，注重产品运营。目前招募更多市场、运营类人才，后续有望推动产品进一步破圈。

大模型长文本能力持续突破，应用场景拓宽。2月Gemini 1.5已支持100万token上下文，对应80万汉字。长文本能力，能将大模型应用场景拓展至长文总结、剧情创作、代码复现等复杂任务，且可以直接基于全文理解进行问答和信息处理，从而缓解大模型“幻觉”问题。

大模型长文本能力持续突破，应用场景拓宽。2月Gemini 1.5已支持100万token上下文，对应80万汉字。长文本能力，能将大模型应用场景拓展至长文总结、剧情创作、代码复现等复杂任务，且可以直接基于全文理解进行问答和信息处理，从而缓解大模型“幻觉”问题。

一、KimiChat最高支持20万汉字输入，逐渐破圈

智能助手KimiChat具备长文本能力，近期访问量显著增加。KimiChat是国内创业公司月之暗面的首个C端产品，于23年11月正式向所有用户免费开放，能高效处理约20万汉字的上下文，完成智能搜索、高效阅读、整理资料、辅助创作等功能。该产品已先后推出网页版、小程序版和APP版本。据Similarweb，2月网页版访问量291万，环比翻倍；3/2-3/8周度访问量135万，环比+24%，屡创新高。据七麦数据，目前App版本排名IOS中国区效率（免费）榜20-30名，呈现上升趋势。

产品具体功能包括：

1）智能搜索：整合并总结互联网信息，并附上相关链接，支持在特定网站内搜索。

2）高效阅读：理解和处理多种文件格式，包括PDF、Word、Excel、PPT、图片等，可以基于长篇幅文本，提取关键信息、回答用户疑问。

3）资料整理：自动识别和提取文档中的关键信息，例如识别发票图片中的关键信息。

4）辅助创作：具备文本创作和代码编写能力，还能快速阅读和理解API文档。

月之暗面同时布局模型和应用，主推C端产品。公司成立于2023年3月，仅用一年时间完成无损长上下文窗口的技术突破，并推出主力产品Kimi智能助手。在模型侧，公司已训练了千亿级别的自研通用大模型，聚焦上下文窗口的突破；在应用侧，除了C端产品Kimi以外，还向B端开放自研模型的API接口，上下文长度8-128k，每1000 tokens价格为0.012-0.06元。据每日经济新闻，公司之所以聚焦C端产品，主要是因为国内市场的B端产品往往需要私有化部署和定制化开发，而基于现有模型的某个版本做私有化部署和定制化的开发，将会导致B端产品的能力和用户体验跟不上模型能力的快速提升。

公司已完成3轮融资，估值25亿美元。据36氪、硅星人，公司分别于成立初期和23年10月获得融资5000万美元、3亿美元；2月公司完成新一轮超10亿美金融资，投资方包括阿里、红杉中国、小红书、美团等，估值25亿美元。

技术人才密度高，发力产品营销。据每日经济新闻，目前团队规模超80人，其中大部分为技术人员。创始人团队技术背景深，其中杨植麟毕业于清华大学、卡内基梅隆大学，学术引用量自2019年起已超2万余次；另外两位联合创始人周昕宇和吴育昕也均出身清华大学，拥有Meta、旷视科技等科技公司工作经验；其余团队成员也具有CMU LTI、Google、Meta、Amazon等海外大厂的工作经历。在产品和运营领域，公司相关人员曾操盘过数亿DAU产品。另据公司官网，目前在招的31个岗位中，其中6个为市场、运营类岗位，包括达人运营、国内广告投放等，反映公司对产品营销和运营的重视程度。

二、长文本能力拓宽大模型应用场景

大模型上下文窗口长度持续突破。文本生成以token作为处理文本的单位，复杂汉字（如“夔”）可能会分解为若干token的组合，“中国”等短且常见的短语则可能使用单个token。通常而言，1个token相当于1.5-2个汉字；最大上下文长度，则指文本输入和输出合计使用的token数量上限。23年上半年发布的GPT-4、Claude-100k上下文长度分别为32k、100k，对应2.5万、8万汉字的上下文；23年下半年发布的GPT-4 Turbo将上下文长度增加至128k，预计对应10万汉字。而24年2月发布的Gemini 1.5，则实现破纪录的100万token上下文。据月之暗面，Kimi Chat在中文上具备显著优势，实际使用效果能够支持约 20 万汉字的上下文，显著多于GPT-4 Turbo。

大模型上下文窗口受限，会制约大模型技术落地。模型参数量影响计算复杂度，上下文窗口则影响大模型的内存空间。内存空间较小时，大模型同时理解和处理的信息量就较小，从而导致模型的应用场景受限。例如：

1）虚拟角色：长文本能力不足时，虚拟角色会在多轮对话后忘记自己的身份；

2）AI+推理游戏：剧本杀类游戏开发，需要将大量剧情设定和游戏规则作为prompt输入模型，若上下文长度不足，则需削减规则和设定，无法达到预期游戏效果。

3）AI Agent：Agent运行需要基于大量历史信息和当前场景，进行多轮规划和决策，上下文长度限制了信息的输入量。

长文本能力增加，能显著拓宽大模型应用场景。以月之暗面为例，公司克服文本内容精准抓取、高算力需求、严重显存压力等困难，研发出首个支持20万字输入的千亿参数LLM产品KimiChat。在长文本能力加持下，该产品具备的能力包括：通过多篇财报进行市场分析、处理超长的法务合同、快速梳理多篇文章或多个网页的关键信息、基于长篇小说设定进行角色扮演。

版权保护力度不及预期，知识产权未划分明确的风险，IP影响力下降风险，与IP或明星合作中断的风险，大众审美取向发生转变的风险，竞争加剧的风险，用户付费意愿低的风险，消费习惯难以改变的风险，关联公司公司治理风险，内容上线表现不及预期的风险，生成式AI技术发展不及预期的风险，产品研发难度大的风险，产品上线延期的风险，营销买量成本上升风险，人才流失的风险，人力成本上升的风险，政策监管的风险，商业化能力不及预期的风险。