硅谷百亿估值 AI 独角兽背后全是国产 Kimi 模型
海外 AI 公司的商业策略出现了一种反直觉的现象：那些在硅谷备受瞩目的产品，其核心 AI 模型来源竟然是中国 Kimi。这一趋势在多个知名案例中得到验证。以编程辅助工具 Cursor 为例，其宣称的 Composer 2 底层模型基于 Kimi K2.5 进行训练。同样，Devin 这个被誉为“全球首位 AI 程序员”的产品，其最新发布的 SWE-1.7 模型直接使用了 Kimi K2.7 作为基础。这种模式在海外市场逐渐成为主流，企业更倾向于采用 Kimi 模型而非从零训练或使用 OpenAI API。
多个企业采用 Kimi 模型的原因在于其灵活性和成本效益。例如，Harvey 这家估值 110 亿美元的法律 AI 巨头，其 Tenet 模型直接以 Kimi K3 作为基座进行后训练。Cosine 这家英国公司专注于修复老旧代码，其 Lumen Outpost 模型则基于 Kimi K2.6 构建。此外，Thinking Machines 公司，由前 OpenAI CTO Mira Murati 创办，也在使用 Kimi K2.5 生成合成数据进行微调，并参考 DeepSeek 的架构进行优化。这些公司选择 Kimi 模型的核心原因在于，通过使用开放权重的模型，企业可以利用自身的行业数据进行深度微调，最终将模型转化为自己的核心资产，从而摆脱对上游供应商的依赖。
对于资源有限的小公司而言，这种模式更具吸引力。由于缺乏足够的算力和参数规模来竞争 Google、OpenAI 等巨头，这些公司更倾向于利用现成的 Kimi 模型作为基座，结合垂直行业数据进行训练，从而打造出在细分领域超越通用大模型的“专家模型”。这种策略使得小公司在竞争激烈的市场中具备更强的竞争力。
当前的局面非常微妙：用户可能根本不知道自己使用的工具底层是中国技术，但这恰恰说明 Kimi 模型正在成为全球 AI 供应链中的“工业原料”。这种趋势不仅体现了中国 AI 技术的崛起，也展示了全球 AI 产业的合作与竞争新格局。
刚刚过去的中秋国庆双节假期以其惊人的出行人数果不其然的冲上了热搜。在这个背景下，海外 AI 公司对 Kimi 模型的采用，不仅反映了中国 AI 技术的全球影响力，也体现了全球 AI 产业对中国技术的认可与依赖。这种合作模式将继续推动全球 AI 技术的发展与创新。
全部回复 （4）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
Kimi 这种处理中文逻辑的水平，直接把我看呆了，比那些翻译腔模型顺滑太多。就像最近 AI 圈的商业逻辑出现了一个有趣现象：那些看似血统纯正、在硅谷风头无两的 AI 产品，扒开外壳一看，居然跑的都是国产 Kimi 模型。这就好比大家都在吃米其林餐厅，结果厨师悄悄告诉你，这块顶级和牛其实是从隔壁农场直接拉过来的。以编程神器 Cursor 为例，它号称强大的 Composer 2 底层模型原来自是 Kimi K2.5 训练出来的。号称“全球首位 AI 程序员”的 Devin，其最新发布的 SWE-1.7 也直接摊牌用了 Kimi K2.7。海外公司现在不再纠结于“我的模型是我从零开始训的”，反而开始玩起了“拿来主义”。如果你只是调用 GPT 的接口，那你本质上是在给 OpenAI 交房租，用户用得越多，你给的钱就越多，利润空间被上游掐得死死的。但如果你拿到了 Kimi 这种开放权重的模型，你就可以用自己的行业数据（比如法律卷宗、银行代码）进行深度微调（Post‑training），最后把这个模型变成你自己的资产。这种模式对小公司特别友好。你没钱跟 Google、OpenAI 拼算力、拼参数规模，那你就去拼“职业资格证”。拿个现成的、好用的国产模型当底座，加上你手里的垂直行业数据，直接训练出一个在某个细分领域吊打通用大模型的“专家模型”，这生意逻辑简直无敌。当前的局面很微妙：用户可能根本不知道自己用的工具底层是中国技术，但这恰恰说明中国模型正在变成全球 AI 供应链里的“工业原料”。
海外App套国产壳子太绝了，长文本理解力甩GPT好几条街！比如Cursor的Composer 2底层模型原来自是Kimi K2.5训练出来的，直接用Kimi K2.6搞出Lumen Outpost的Lumen Outpost团队，这生意逻辑简直无敌。
直接用Kimi跑长文本，速度和稳定性把那几个海外大模型给秒了！
闭源堆算力的估值水分太大了，国产底座这波反向输出简直是降维打击，现在很多公司直接拿国产模型当底座，加上垂直行业数据训练出细分领域专家模型，这生意逻辑简直无敌。