国产大模型超长上下文与 Agent 能力探讨交流纪要

摘要： 本次会议探讨了国产大模型在超长上下文处理、Agent 规划能力及商业化路径上的进展，重点分析了 Kimi 的增长逻辑、技术壁垒及其与 Minimax、智谱、DeepSeek 等竞品的差异化竞争策略。

行业主线：

1. Agent 能力成为核心竞争力：模型竞争已从简单的 Token 规模转向 Agent 的规划与执行能力，特别是针对投资研究等复杂任务的深度分析能力。
2. C 端数据驱动飞轮：通过 C 端效率办公场景积累高频用户数据，用于模型迭代，从而在产品体验和技术实现上形成壁垒。
3. 技术路线分化：上下文能力分为追求极致效果的“无损压缩”（全注意力机制）和追求性价比的“DSA/线性注意力”两种对立方向。

关键变化与分歧：

1. 营收驱动力差异：Kimi 的增长主要由 Agent 通用功能及高级会员订阅驱动，而 Minimax 等竞品在部分阶段更依赖价格优势和服务器代码编程场景获客。
2. 能力侧重垂直化：国内厂商正逐步构建场景壁垒，Kimi 聚焦效率研究，Minimax 侧重聊天与多模态，智谱侧重 B 端政企业务。

受益方向与风险：

1. 受益方向：具备强 Agent 规划能力、拥有 C 端数据闭环以及能有效定义专家能力边界的厂商。
2. 核心风险：互联网大厂（如字节、阿里）凭借资本与人才规模在综合竞争力上可能占据主导；专业高质量数据的获取成本极高。