摘要：
兩個廣東人，撐起中國AI半邊天。
千呼萬喚，4月24日上午，DeepSeek終於扔出重磅炸彈，全新系列模型DeepSeek-V4預覽版正式上線並同步開源，在Agent能力、世界知識和推理性能三大維度宣佈達到國內及開源領域領先水平。從2月8日上線測試版至今，其始終保持著神秘的姿態。
就在四天前的周一晚上，月之暗面同樣發佈並開源了Kimi K2.6模型，主打長程編碼和Agent叢集能力，在多項基準測試中持平甚至優於GPT-5.4、Claude Opus 4.6等閉源模型。
鳳凰網科技統計發現，這已經是Kimi和DeepSeek的第五次“撞車”。
不僅如此，這一次雙方在架構層面有了更多吸納與借鑑。
就連在資本市場，二者也被拿來並列。據Theinformation報導，DeepSeek正在尋求首輪外部融資，在估值方面就參考了Kimi。
一次兩次的撞車或許是巧合，但這兩支中國隊伍顯然已在過去兩年的摸高探索中形成了一種默契。開源策略疊加創新互惠，讓雙方都比既定路線走的更快。
中國最強的兩個開源模型，正以一種心照不宣的方式，從兩個不同的方向合力包抄海外巨頭的腹地。
五次撞車，蛛絲馬跡越來越多
先說前幾天的Kimi K2.6。月之暗面已經有段時間不在單個模型上堆參數了。但從2.5到2.6，模型卻越來越會幹活了。
據稱2.6在單個工程任務中持續12小時、發起4000多次工具呼叫，在官方測試中完成從零建構SysY編譯器到通過140項功能測試的複雜任務——官方估算，這相當於4名工程師兩個月的工作量。
用楊植麟之前概括的三個詞來說，就是Token效率、長上下文、Agent叢集。
DeepSeek V4也有三個關注點，即百萬上下文，兆參數和下半年適配國產算力。在架構層面，V4採用大規模混合專家（MoE）架構，完整版總參數高達1.6兆。創新注意力機制在Token維度進行壓縮，結合DSA稀疏注意力，相比傳統方法大幅降低計算與視訊記憶體需求，1M上下文正式成為DeepSeek所有官方服務的標配。
新模型的看點不展開說了，這次想回顧下幾個巧妙的撞車點。
Kimi和DeepSeek的“撞車史”，最早可以追溯到Kimi 1.5與DeepSeek R1的發佈時間重疊，當時大家還替Kimi惋惜，認為強者遇強者，是一種壓力。此後，兩邊的發佈節奏重疊次數越來越多，鳳凰網科技此前也報導過《Kimi和DeepSeek又又又撞車》。
就拿上下文來說，Kimi其實是國內最早做百萬上下文的，2024年時就提過對應200萬文字，當時長文字一度是Kimi非常亮眼的標籤。不過比較遺憾的是，當時Kimi沒解決成本問題，這次DeepSeek再提長文字，就已經把成本打下來了。
這次V4 API標準費率為輸入每百萬Token 0.30美元，快取命中時低至0.03美元，僅為GPT-4o價格的約1/20至1/50。按照人民幣計價，V4-Flash輸入價格僅為1元/百萬Token（快取未命中）、輸出2元/百萬Token；V4-Pro輸入為12元/百萬Token、輸出24元/百萬Token。
另外，Kimi下一代模型的亮點其實也是長上下文，但在路線上兩者有點不一樣，DeepSeek探索的是稀疏注意力，Kimi探索的事線性注意力。
至此，DeepSeek和Kimi拿出了中國唯二兆已開源模型。
開放原始碼的合力，對壘矽谷三巨頭
在全球的AI競賽裡，有人負責做0-1的創新，有人負責1-100的工程複製，但難的是前者需要全球範圍內那1%的天才，後者更適合軍團作戰的大廠。過去，外界常常說0-1的創新容易發生在美國，後者容易發生在中國。
但從DeepSeek和Kimi開始，0-1的創新開始更多的發生在中國。這給了海外AI廠商巨大壓力。
鳳凰網科技瞭解到，梁文鋒在創立DeepSeek之後，對應用和市場都不是最感興趣的，他更在乎底層創新，2025年初的R1以多頭潛在注意力的架構創新擊穿了深度思考的成本。另有行業人士告訴鳳凰網科技，儘管融資曾打亂Kimi的節奏，但在2025年DeepSeek走紅後，Kimi也回歸技術，繼續鑽研底層創新。
而Kimi從K2到K2.5，其底層架構與DeepSeek V3一脈相承，本質上是在後者基礎上的規模化擴展。到了2026年， DeepSeek團隊在1月連續發佈的兩篇論文mHC與Engram中，開始大量參考Kimi此前開放原始碼的最佳化器、注意力架構等研究成果。
這種中國開源模型在底層技術的你追我趕，讓中國的底層創新形成了良性循環，最終帶動了國內開源陣營的集體逆襲。
MIT與Hugging Face聯合發佈的報告顯示，過去一年中國開源模型的全球下載量佔比達到17.1%，首次反超美國的15.86%。全球頭部AI模型API聚合平台OpenRouter的資料則顯示，2026年2月，中國AI模型的呼叫量三周大漲127%，全球前五中佔據四席——包括MiniMax、Kimi、智譜和DeepSeek。一年前，這個數字還不到2%。
DeepSeek撬開矽谷視野時，Kimi的市場空間也被打開了；當Kimi在長文字和Agent領域持續突破時，DeepSeek在推理效率上的極致追求又給整個行業帶來了新的參照系。
一位業內人士對鳳凰網科技表示，Kimi與DeepSeek的撞車早就已經不是內卷，而是一種“惺惺相惜”——“兩個最強的中國開源模型交替衝鋒，合力圍剿的是海外閉源巨頭。”
4月24日凌晨，OpenAI面向付費使用者上線GPT-5.5並官宣API計畫，標準版API定價為每百萬Token輸入5美元、輸出30美元，較前代GPT-5.4翻倍，Pro版更達到輸入30美元、輸出180美元。
2026年初，史丹佛HAI發佈的《AI指數報告》顯示，截至年初，美國頂級AI公司Anthropic最先進模型的性能僅領先中國最強競爭對手2.7個百分點。美國私人AI投資高達2859億美元，是中國的23倍。但“用23倍的資本砸出2.7%的差距”，這可能已經不是美國AI的優勢，而是中國AI的護城河。
無論是K2.6還是DeepSeek V4，可能都是分水嶺等級的產品。
兩者選擇了不同的技術路徑，Kimi深耕長程執行和Agent叢集，DeepSeek聚焦推理效率和極致性價比——但在底層邏輯上又高度一致：用開源打破閉源壟斷，用效率避險算力限制。
AGI雙雄格局初現
去年輝達帶火了中國AI的御三家，其中就有Kimi和DeepSeek，在輝達GTC大會上，Kimi和DeepSeek也是被用來Benchmark 晶片性能的兩家中國開源模型。
近期，鳳凰網科技訪談了多位年輕前沿科學家，也多認為DeepSeek和Kimi有著相似的組織形態與創新環境，都是員工數不多，但人才密度極高。都是從底層技術出發探索AGI，也有著相似的技術前瞻性。
他們也都願意吸納年輕人，DeepSeek的核心研究員有非常多年輕人，Kimi也廣納賢才，下放到本科生，甚至是高中生。
Kimi與DeepSeek開始有越來越多相似的軌跡，另一個值得關注的維度是晶片。楊植麟在2026年3月的輝達GTC演講台上坦言，“目前普遍使用的很多技術標準，本質上是八九年前的產物，逐漸成為Scaling的瓶頸。”Kimi為此給開源社區貢獻了二階最佳化器MuonClip和Kimi Linear架構。DeepSeek V4則直接選擇了用華為晶片做推理，共同為國產算力生態發展做努力。
據楊植麟判斷，大模型的本質是“將能源轉化為智能”，而規模化不是暴力堆砌算力與能源，而是以提升效率為核心。
這可能也會是中國開源模型的集體敘事轉變，不再執著於與GPT-5.4、Claude Opus 4.7等對手在benchmark上死磕，而是定義一種全新的價值體系——低成本、高可及性、自主可控。
第五次撞車或許不會是中國開源模型最後一次在時間線上的“巧合”。
從K1.5借鑑DeepSeek R1的強化學習路線，到DeepSeek V4沿用Kimi的長上下文研究成果，中國的開源力量正在用自己的方式證明：最高效的競爭，是讓對手成為自己生態的一部分。
AI競賽的下半場，規則正在由中國開源模型重新書寫。而Kimi和DeepSeek們，無疑是這段歷史最核心的註腳。 (鳳凰網科技)