报道介绍了中国模型公司“月之暗面”（Kimi）在企业级（B端）市场占比持续上升，客户覆盖互联网、金融、制造、教育、医疗等行业且海外业务快速增长。公司员工规模约300余人，资源优先用于模型研发，目标是与OpenAI、谷歌、Anthropic等海外大模型厂商竞争。为降低推理成本，Kimi通过提升Cache命中率（已超90%）和推理优化来压缩Token成本，并于6月12日开源了Kimi K2.7 Code模型，宣称在长上下文编程场景中指令遵循、长程任务性能及Token效率有显著提升，平均Token消耗减少约30%。
6 月 25 日消息，据界面新闻报道，在亚马逊云科技中国峰会上，月之暗面 B 端（企业）负责人黄震昕透露，Kimi B 端业务占比正在持续提升，互联网、金融、制造、教育、医疗等行业，都已经成为公司重要企业客户来源，海外业务同时也在快速增长。
截至目前，月之暗面员工规模只有 300 多人，且资源配置的最高优先级仍然在模型研发层。
黄震昕表示，最终还是希望探索智能的上限，希望能和海外那三家模型公司（IT之家注：海外大模型“御三家”一般指 OpenAI、谷歌和 Anthropic）掰掰手腕。
黄震昕提到，用户对于高性能的 Token 需求有溢价支付意愿，但模型厂商也在通过 Cache 命中率优化、推理优化等技术努力，去对冲成本影响，将 Token 的实际成本往下拉。目前 Kimi 原厂服务的 Cache 命中率已经超过 90%。
6 月 12 日，月之暗面 Kimi 发布并开源 Kimi K2.7 Code 编程模型。据介绍，新模型相比 K2.6 模型显著提升了长上下文编程场景的指令遵循能力、长程编程任务的性能表现，并且大幅改善了在长程任务中的过度思考倾向，平均 token 消耗减少 30%。
