前言：

4月的AI圈，月之暗面发布Kimi K2.6开源模型，将Agent集群能力推至300个子Agent并行协同的新高度。

深度求索DeepSeek V4如约而至，把百万级上下文的推理成本压缩至前代的27%。

一周之内，两个总参数超万亿的开源模型先后落地，全球技术社区的讨论热度持续攀升。

过去15个月里，两家公司在关键技术节点上的同步，已经到了让人会心一笑的程度。

从同日发布推理模型、前后脚更新底层架构论文，到互相复用验证过的核心技术、不约而同攻坚Transformer底层基石。

这种被网友戏称[心有灵犀]的默契，早已不是简单的巧合。

作者 | 方文三

图片来源 | 网络

被精准对齐的技术节奏

两家公司的技术演进路径，每一个关键节点的同步，都指向行业最核心的技术命题。

2025年1月，DeepSeek-R1推理模型与Kimi K1.5多模态思考模型同日上线，相隔仅两个小时。

二者均是国内最早复现OpenAI o1思维链技术的团队，直接把国产大模型的复杂推理能力拉到了全球第一梯队。

2025年7月，Kimi发布K2开源模型，被《自然》杂志称为[又一个DeepSeek时刻]。

这个万亿参数模型的技术报告里，明确采用了DeepSeek-V3首创的MLA多隐头注意力机制。

同时首次在万亿级规模上验证了二阶优化器Muon的可行性，替代了行业沿用十年的Adam优化器。

九个月后，DeepSeek V4正式官宣，绝大多数模块改用Muon优化器，完成了对这项技术的进一步优化与落地。

在Transformer底层架构的重构上，两家的动作同样高度同频。

2026年初，DeepSeek推出mHC流形约束超连接技术，改造深度学习网络的残差连接，将训练效率提升30%。

仅两个月后，Kimi发布的注意力残差技术论文，同样针对Transformer的核心结构实现突破。

甚至在长上下文这条核心赛道上，两家也选择了不同解法、同一目标。

Kimi深耕线性注意力机制，将长文本计算复杂度从O(n²)降至O(n)，从理论层面实现极致优化。

DeepSeek则聚焦DSA稀疏注意力架构，把百万级上下文的KV Cache显存占用压缩至原有10%。

这种同步没有陷入同质化内卷，反而形成了清晰的能力互补。

DeepSeek始终聚焦模型底层的效率重构，把训练与推理成本打到极致，用全栈开源建立开发者信任。

Kimi则从长文本能力出发，逐步向长程编码、Agent集群、复杂工程任务落地延伸，解决模型如何真正融入工作流的核心问题。

一个筑牢底层技术底座，一个拓宽产业落地边界，路线看似不同，却共同撑起了国产开源模型的全球竞争力。

默契背后的国产AI路线共识

DeepSeek与Kimi的技术同频，是行业浪潮奔涌到临界点时，技术规律与时代大势共同书写的答案。

经过三年多的摸石过河，中国AI终于走出了一条区别于硅谷的、属于自己的发展道路。

开源生态的正向循环，是这份默契形成的核心基石。

开源从来不是简单的代码开放，而是一套[创新-验证-复用-再创新]的飞轮机制。

当DeepSeek将验证成熟的MLA注意力机制开源，Kimi便跳过了无数试错的深坑，直接在万亿级模型上完成规模化验证。

当Kimi分享Muon优化器的万亿级落地经验，DeepSeek又能在此基础上迭代优化，适配更多产业场景。

与OpenAI、Anthropic等海外巨头将技术锁在闭源黑箱中不同，中国的头部玩家选择把创新变成全行业的公共财富，让单点突破快速裂变成为集体跃迁。

如今，二者已是中国唯二总参数超万亿、权重完全公开的模型，连英伟达GTC大会都用它们来演示下一代芯片性能，这正是开源生态赢得的全球尊重。

行业核心命题的转变，让所有真正的探索者走向了同一条赛道。

当[堆参数]的内卷走到尽头，行业的终极考题变成了：如何在有限的算力约束下，实现模型能力的持续突破，让技术真正转化为生产力。

这个命题直接决定了技术路线的收敛，用更低的成本，造更强的模型，做更实的落地。

DeepSeek与Kimi的同频，本质上是两家都精准击中了行业的核心矛盾。

他们没有满足于在海外巨头划定的框架里做微创新，而是不约而同地扎进了大模型最硬核的根技术：优化器、注意力机制、残差连接。

选择重构底层框架这条路注定艰难，但正是这份对底层创新的执念，让国产AI第一次拥有了和海外巨头掰手腕的底气。

海外持续升级的算力管制，则是这份路线共识形成的最强外部推力。

无限堆砌高端算力的路径早已被堵死，中国AI必须在算法创新与工程优化上杀出一条血路，用更少的算力，实现更好的效果。

Kimi直言不具备无限算力的条件，因此始终死磕算法与系统效率。

DeepSeek则用极致的工程优化，将模型推理成本降到了行业顶尖水平，V4-Flash的API价格仅为海外同类产品的百分之一。

真正的技术普惠，从来不是喊出来的口号，而是用极致的工程创新，把AI的门槛踩到泥土里，让千行百业都能轻松踏上去，用得起、用得好。

站在行业的坐标系中回望，DeepSeek与Kimi虽选择了不同的突围路径，却正奔赴同一个终点，而中国AI的三大核心共识已清晰成型。

①全面拥抱开源，与美国[闭源为主+高定价]的模式形成鲜明对比。

②锚定自主可控的算力底座，模型的能力上限，终究取决于算力体系的可控底线。

③让应用需求重新定义技术方向，彻底脱离[为参数而参数]的内卷，回归[为价值而创新]的本质。

硅谷在[造墙]，中国在[修路]。

墙的核心是控制与垄断，试图用技术壁垒守住先发优势。

路的核心是连接与开放，用生态的繁荣撬动更长远的未来。

从DeepSeek为华为昇腾重写200多个核心算子，到Kimi K2.6在昇腾、壁仞等国产芯片上快速跑通......

黄仁勋那句[如果DeepSeek先在华为平台发布，对美国将是可怕的结果]，恰恰印证了这条路的力量。

这条路是被逼出来的，但历史无数次证明，被迫的创新往往能打开全新的天地。

全球AI格局发生微妙的变化

2026年一季度，OpenRouter官方数据显示，Kimi K2.6在调用量榜单上冲到全球第一，DeepSeek V3.2排名第四。

这个平台是全球最大的AI API聚合市场，调用量排名反映的是真实的市场选择。

更耐人寻味的是下游应用的变化，Cursor Composer 2发布时，对外宣称是[自研]。

但很快被技术社区扒出底座是Kimi K2.5，不是简单调用API，是直接拿K2.5微调出来的。

Cursor创始人后来接受采访时承认：[Kimi K2.5是我们测试过的最强基座模型]。

日本乐天Rakuten的AI助手也用上了DeepSeek V3作为底座，当一个开源模型的性能足以对标闭源顶级选手时，理性的选择就是用它。

斯坦福大学的一份报告显示，中美顶级AI大模型性能差距已从2024年的17.5%，缩小到2025年的0.3%。这个数字可能有些理想化，但趋势是明确的。

中国AI的新叙事，正在从Copy to China变成Copy from China。

结尾：

十四个月前，梁文锋说：中国AI最需要证明的是[能不能做出一款世界级的基础模型]。

十四个月后，杨植麟说：问题已经变成[在被封锁的算力生态里，能不能持续地做、一起做，让基础能力的跃迁变成常态]。

现在，DeepSeek和Kimi，两个广东年轻人，正在用万亿参数的开源模型，把这句话翻译成现实。

部分资料参考：字母榜：《这一次，梁文锋和杨植麟隔空握手》，机器之心：《翻完DeepSeek报告，我们发现了中国AI的默契》，APPSO：《扒完 DeepSeek V4 报告，我翻出了这个隐藏彩蛋》，凤凰网科技：《两个广东人的五次撞车，撞出最强开源双雄的底气？》，腾讯科技：《中国芯片，DeepSeek与Kimi的隐秘交点》