事项：
　　11月6日，月之暗面发布Kimi K2 Thinking模型并开源。
　　评论：
　　Kimi K2 Thinking在模型架构上实现了多项技术创新，显著提升了推理和工具使用能力。Kimi K2 Thinking模型采用混合专家架构，总参数量高达1万亿，每次推理激活320亿参数，模型支持256K的上下文窗口，并采用原生INT4量化技术，使推理速度提升约2倍的同时保持了性能领先。特别值得关注的是，该模型实现了“模型即Agent”的设计理念，能够无需人工干预执行200-300次连续工具调用，在解决复杂问题时能通过多轮“思考→搜索→浏览→思考→编程”的动态循环，将模糊的开放式问题分解为可执行的子任务。这些技术进步源于月之暗面在测试时扩展领域的最新探索，通过同时扩展思考Token和工具调用轮次，使模型在Agent和推理性能上实现了质的飞跃。
　　 Kimi K2 Thinking在多项权威基准测试中表现出色，甚至超越了主流闭源模型。根据官方发布的评测结果，该模型在人类最后的考试中取得了44.9%的成绩，在测试自主网络浏览能力的BrowseComp上达到60.2%，这些成绩均刷新了纪录，超越了GPT-5和Claude Sonnet 4.5等闭源模型。在专业领域能力方面，该模型在SWE-Multilingual和LiveCodeBench等编程基准测试中表现优异，能够处理HTML、React等前端任务，将创意转化为功能齐全的产品。此外，Artificial Analysis在τ2-Bench Telecom智能体工具使用基准测试中给予Kimi K2 Thinking 93%的评分，相比之前广受好评的K2 Instruct有了大幅提升，显示出其在智能体场景下的卓越能力。
　　 Kimi K2 Thinking以极低的训练成本实现了顶尖性能，展现出卓越的成本效益。据CNBC转引自机器之心，该模型的训练成本仅为460万美元，与OpenAI投入形成鲜明对比。在定价策略上，Kimi K2 Thinking的API价格具有明显竞争力：缓存命中每百万tokens仅0.15美元，缓存未命中为0.6美元，输出为2.5美元，这一价格远低于GPT-5的1.25美元输入和10美元输出的定价。这种低成本高性能的特点部分源于其采用的量化感知训练和INT4纯权重量化技术，不仅提升了生成速度，还降低了对硬件的要求，使模型对国产加速计算芯片更加友好。该模型采用最宽松的MIT协议开源，允许免费商业使用，但对超大规模部署有署名要求，这大大降低了企业和开发者使用前沿AI技术的门槛。
　　 Kimi领衔开启国产大模型商业化新阶段。Kimi的会员体系通过差异化的定价与服务设计，旨在探索大模型在C端市场的可持续商业化路径。该体系的核心是对高成本功能如“深度研究”和“OKComputer”进行使用次数限制，这直接源于其高昂的单次运行成本。这一分层策略显示了Kimi在平衡用户体验与高昂算力成本方面的努力，或是其实现商业化目标的关键一步。
　　投资建议：建议关注AI细分景气方向：
　　国产算力：寒武纪、海光信息、阿里巴巴、中科曙光、景嘉微、龙芯中科等。
　　企业服务：1）办公：金山办公、合合信息、福昕软件；2）多模态：海康威视、快手、三六零、虹软科技；3）ERP：金蝶国际、用友网络、聚水潭；4）OA：泛微网络、致远互联；5）编程：卓易信息；6）营销：迈富时、明源云。
　　应用场景：1）金融：大智慧、同花顺、恒生电子、第四范式、宇信科技、京北方、中科金财；2）教育：科大讯飞、视源股份、新开普、佳发教育；3）法律：华宇软件、金桥信息；4）医疗：阿里健康、卫宁健康、讯飞医疗科技、晶泰控股；5）电商：焦点科技；6）安全：深信服；7）工业：华大九天、中控技术、中望软件、索辰科技；8）军用：中科星图、太极股份、能科科技等。
　　风险提示：技术进展不及预期；模型落地不及预期；商业落地不及预期。