问题：大模型竞争由“参数规模”转向“可用生产力” 近一段时间，全球大模型产业的竞争焦点正从单纯追求更大训练规模，转向更强调可用性、工具链与落地效率。谁能让模型真实业务中稳定完成复杂任务、明显降低人力投入，谁就更可能在商业化上率先建立优势。在这个背景下，Kimi新模型K2.5的发布与开源引发国际市场关注。有信息显示，该公司在与投资人沟通中提到，海外收入已超过国内；新模型发布后，全球付费用户显著增长。另外，在部分聚合调用平台的榜单上，K2.5的调用热度上升较快，反映出海外开发者与企业客户正持续验证其可用性。 原因：数据增长放缓与算力扩张之间的矛盾，倒逼“测试时扩展”与智能体集群 业内普遍认为，传统依赖互联网海量文本、以“预测下一个词元”为主的扩展路径，边际收益正在下降。一上，高质量数据供给难以跟上算力扩张速度；另一方面，企业客户更关注模型具体流程中的可控性、可复用性与综合成本。Kimi上在海外社区交流中提出，除训练规模外，还可通过“智能体集群”实现扩展：将复杂任务拆解为多个子任务，由多个代理并行执行，再汇总与校验。这类方法可视为一种“测试时扩展”，不完全依赖更大训练规模，而是通过任务编排与并行协作提升完成度与效率，并为后续训练与数据生成提供新的思路。 影响：从单一对话工具走向“可调度的数字劳动力”，办公与研发场景率先受益 从产品能力看，K2.5被介绍为原生多模态架构，覆盖视觉理解、代码生成与多代理协作等方向，并在若干公开基准测试中取得较强表现。更值得关注的是其“团队协作”能力：在应用描述中，模型可调度多达100个智能体并行处理上千步流程，用于大规模信息收集、文献梳理、表格整理、文档批注与修订、报告生成、跨语言翻译与编辑，以及基于录屏或界面理解生成前端代码等任务。若这些能力在企业流程中沉淀为可复用的标准模板，模型的角色将从“回答问题”深入走向“完成任务”，从而带来效率提升与用工结构调整，并有望推动面向中小企业的订阅与API收入增长。海外收入增长快于国内，也从侧面表明跨境开发者生态、API调用习惯与付费意愿，正在成为中国大模型企业的重要增量来源。 对策：以开源扩大生态，以工具链与合规能力构筑商业化护城河 面对激烈竞争，仅靠单点指标难以形成长期优势。其一，持续提升基础模型能力上限仍是核心，但更关键的是把能力转化为稳定、可复现的“任务完成率”。其二，开源策略有助于加速技术扩散与社区共建，吸引开发者在本地或云端部署，带动插件、工作流与行业方案的生态协同；同时也需要补齐模型权重、推理框架、评测方法与安全护栏等配套，避免“能用但不好用”。其三，面向海外市场需加强合规与数据治理能力，包括企业数据隔离、权限与审计、内容安全策略、供应链与服务可用性等，以降低企业客户导入成本。其四，智能体集群越强，对任务编排、错误恢复、成本控制与可解释性的要求越高，需要建立更成熟的监控与评测体系，确保复杂流程可控、可回滚、可审计。 前景：智能体集群或成为大模型落地“第二曲线”，全球化竞争将更看重产品化能力 从产业演进看，大模型的下一阶段更可能是“模型能力+工程系统+应用范式”的综合竞争。智能体集群将单模型能力转化为可调度的协作系统，既能在一定程度上缓解数据与算力约束带来的边际收益递减，也更贴近企业对流程自动化与知识工作提效的需求。与此同时，开源与闭源并行的格局或将长期存在：开源有利于形成标准与生态，闭源更便于端到端控制成本与服务体验。对企业而言，关键在于选择符合自身数据敏感度、成本结构与交付模式的路线。对行业而言，分水岭未必在榜单排名，而在能否在教育、办公、研发、客服、运营等高频场景中形成稳定、可规模化复制的解决方案。
Kimi的崛起不仅反映了中国人工智能技术的进步，也为全球智能工具的发展提供了新的参考。在技术自主与开放合作并行推进的背景下，中国科技企业正以更务实的产品与创新方式参与国际竞争，为数字经济发展提供动力。这也提示行业：人工智能从“能用”走向“好用、可规模化”，关键在于让技术与真实需求持续对齐，才能实现长期发展。