深度丨K2.5 180億美元，DeepSeek 200億美元，接下來輪到K2.6出牌

DeepSeek的V4還沒等到，Kimi K2.6先來了。

發布之后，最先被點燃的，依舊是 X上的全球開發者圈。

Artificial Analysis 的榜單很快有了新的變化，Kimi K2.6 已強勢重奪全球開源模型的第一的寶座。

硅谷對這款模型的反應已經從早期的“禮貌圍觀”變成了某種帶著急迫感的“硬核審視”。Ruby on Rails 之父 DHH 公開宣稱自己從 K2.5 開始就是其超級粉絲，并用“不可思議”來形容 K2.6 表現出的各項指標 。

緊接著，Abacus AI 首席執行官 Bindu Reddy 更是直截了當地給出了定性判斷：Kimi K2.6 在 agentic coding 方面的表現已達到 Opus 4.7 的水準。

Notion 團隊在評估后發現，Kimi K2.6 在某些子類任務中的表現甚至超越了 GPT-5.2；為此，團隊通過全員沖刺，在發布首日便實現了 K2.6 在 Notion 產品中的正式上線。

更具戲劇性的一幕發生在硬件市場。由于開發者們急于在本地部署并跑通這個能夠對標頂級閉源智能的模型，海外甚至出現了 Mac Studio 和 Mac Mini 全線斷貨的奇觀，測評人 Alex Finn 預言，人們正見證著將私有化超級智能搬上辦公桌的智能爆炸時刻。

這種性能的爆發，本質上是中國大模型正在用極致的工程重構，去對沖算力封鎖帶來的物理上限。這不再僅僅是關于“誰的模型更聰明”，而是在資源受限的特定賽道上，利用更廉價的推理成本——比 Opus 4.7 便宜約 5 到 6 倍的價格——去交付更重、更復雜的業務邏輯 。

在這個節點上，Kimi 的高頻迭代與 DeepSeek V4 呼之欲出的傳聞再次“撞車”。但這絕非簡單的檔期沖突，而是一次關于底層基礎設施的戰略匯流。

水面之下，兩家最具代表性的中國 AI 實驗室正共同面對一個終局命題：在算力紅利邊際遞減的時代，如何通過模型與芯片的垂直咬合，建立中國 AI 的生態王國。

K2.6，不止于代碼

如果只看發布信息，Kimi K2.6的小版本號很容易被歸類為一次“標準升級”，涵蓋了更強的代碼能力、更穩定的執行以及對 Agent 框架的適配。

但在前沿模型集體“卷”基礎能力的背景下，Kimi 的迭代節奏反映出一條清晰的技術路徑：讓模型從“會回答問題”，徹底走向“可以持續執行任務”。

這種提升首先體現在“長程執行”上。官方數據與海外實測均顯示，K2.6 能連續執行超過12小時。

更代差級的形態在于 Kimi 將Agent 集群（Agent Swarm）能力推向了極限。K2.6 不再只是一個執行單元，而進化為一個調度系統，支持多達 300 個子 Agent 同時協作。這意味著模型不再直接給出答案，而是組織一組能力去解決問題。

這也解釋了為何 Notion 團隊會反復強調“工作流（Workflow）”一詞：開發者關注的不再是單個函數的優劣，而是模型能否自主接管從調試到迭代的整個閉環。代碼能力的提升只是副產品，真正被放大的是模型組織生產力的能力。

當模型真的開始大規模干活，另一個根本命題隨之浮現：它要如何“跑得起”？在英偉達 GTC 演講中，楊植麟曾指出舊有的技術路徑正逐漸成為 Scaling Law 持續演進的瓶頸 。這一判斷預示著，現有的技術范式正在限制大模型擴展的經濟性。

Kimi 過去幾個月的技術探索——從 MuonClip 到 Kimi Linear，再到 Attention Residuals——都在指向同一個目標：在不無限堆砌算力的前提下實現持續擴展。

上周末，Kimi發布了一篇新論文《Prefill-as-a-Service: KVCache of Next-Generation Models Could Go Cross-Datacenter》，通過 Prefill（預填充）與 Decode（解碼）的深層解耦，Kimi 打破了物理空間的限制。

傳統的解耦大多局限在單一數據中心，而 Kimi 借助混合模型架構壓縮 KV Cache 體積，使得計算密集的 Prefill 可以放在遠端高算力集群，而帶寬密集的 Decode 則放在近端。這一變化的深遠意義在于，它打破了大模型推理必須綁定在同一種高端 GPU 上的隱含前提。

這種重構直接重寫了大模型推理的經濟學。Kimi 強調的“Token 降本”不再單純來自模型微調，而是源于模型結構、推理流程與硬件資源重新分配的三重疊加。這是一個關于在受限算力條件下如何繼續擴展的“系統故事”。

中國模型正為國產芯片定制入場券

在 PrfaaS 的演進中，最極具產業殺傷力的詞其實是異構硬件。一旦推理流程實現“分權”，大模型推理就不再必須死磕在某種特定的高端 GPU 上。這意味著高算力芯片負責 Prefill，高帶寬芯片負責 Decode，國產芯片不再只是性能不足時的無奈替代，而是可以在特定環節中成為系統最優解的一部分。

進入 2026 年，約束條件發生了劇變。一方面，高端芯片供給側持續收緊，“有沒有卡”已經壓倒了“好不好用”；另一方面，當 Agent 集群和長程任務成為主流，推理不再是一次性請求，而是持續的系統行為，天然適合通過異構方式分攤壓力。國產算力正從“可選項”迅速轉變為“必選項”。

Kimi 通過重構推理系統，讓使用不同芯片在工程上變得既合理又必要。正如開發者在 X 上驚嘆，Kimi 通過 Zig 語言重寫推理過程等硬核優化，在特定硬件上跑出了遠超主流方案的吞吐量 。這種通過系統工程改變問題、再順勢給出答案的做法，為國產芯片的規模化入場推開了大門。

至此，Kimi 與 DeepSeek 的交匯變得清晰。表面上是跑分與產品節奏的競爭，深層里則是被推理成本、算力缺口和系統效率等宏觀約束所塑造。

無論是 Kimi 的工業級 Agent 協作，還是 DeepSeek 呼之欲出的新架構，最終都要進入“自主算力”這條河流。模型與芯片不再是簡單的上下游買賣，而是共同決定系統能否成立的命運共同體。

在物理極限下，完成模型與芯片的咬合

Kimi K2.6 的發布，實質上劃定了一道分水嶺：大模型正式從單一的“對話框”，跨向工業級的“生產系統” 。

而今天，K2.6 所展現的架構創新——從PD 分離到異構算力的深度協同——其背后蘊含的商業想象空間，顯然比單純的能力提升更為巨大。這不再只是一個更聰明的模型，而是一套更高效的生產組織方式 。

這種長程執行力將原本隱藏在跑分背后的成本壓力，徹底推向了臺前 。Kimi 正在通過底層的系統重構證明：在算力受限的真實環境下，通過架構層面的創新，依然能實現對頂級閉源模型的性價比壓制 。這不僅是技術的勝利，更是對大模型推理經濟學的重新定義。

這正是中國 AI 突圍的真實底色：不再單純追趕參數規模，而是在主動重構系統去適配底座算力。芯片不再是可有可無的背景板，而是決定系統生死的一號工程。

就在今天傍晚，據外媒報道，阿里等大廠正以超過200億美金的估值投資DeepSeek，而這一數字據稱是參考了Kimi當前的180億美金。回看兩個月前，K2.5的橫空出世憑借落地能力的質變，讓Kimi估值在短短 60 天內飆升了 4 倍，接下來，又輪到K2.6出牌的節奏。

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生