国产大模型在全球开发者社区掀起“性价比”与“工程化”风暴。据OpenRouter最新数据，MiniMax M2.5、Kimi K2.5和GLM-5包揽全球调用量前三，展现国产AI在应用落地和开发者偏好上的统治力，凸显国内厂商通过极致效率优势实现突破。
中国AI公司月之暗面完成超7亿美元融资，估值达100-120亿美元，由阿里、腾讯领投。其大模型Kimi带动营收快速增长，展现强劲商业潜力。
2026年春节期间，国产AI大模型在全球开发者生态中表现突出。根据AIbase对OpenRouter平台的数据统计，国产模型在前十名中的总token消耗量占比高达61%，包揽前三名，显示出强大的市场影响力。排名前三的模型分别是MiniMax M2.5、Kimi K2.5和智谱GLM-5，其中MiniMax M2.5以2.45万亿token的调用量位居榜首。
国产大模型月之暗面旗下Kimi K2.5发布近20天累计收入已超2025年全年总额，吸金能力惊人。其业绩神话主要得益于全球化布局，尤其是海外付费用户的爆发式增长成为核心驱动力。
强大的开源Kimi K2聊天平台，通过Kimi AI在编程和数学基准测试中超越GPT-4。企业级Kimi AI，成本降低95%。
Moonshot
$5
输入tokens/百万
$20
输出tokens/百万
32
上下文长度
$8
$32
262
inferencerlabs
Kimi - K2 - Thinking 3.825bit MLX 是一款用于文本生成的量化模型，通过不同的量化方式在测试中取得不同的困惑度表现，其中q3.825bit量化能达到1.256的困惑度。
moonshotai
Kimi K2 Thinking 是月之暗面（Moonshot AI）开发的最新一代开源思维模型，具有强大的深度推理能力和工具调用功能。该模型采用混合专家架构，支持原生INT4量化，拥有256k上下文窗口，在多个基准测试中表现出色。
richardyoung
这是一个高性能的4位量化版本的Kimi K2 Instruct模型，专为使用MLX框架在Apple Silicon（M1/M2/M3/M4）Mac上运行而优化。该模型拥有6710亿参数，支持128K上下文窗口，在质量和效率之间实现了出色的平衡，是大多数实际部署的理想选择。
DevQuasar
这是LLM360/K2-Think模型的量化版本，致力于让知识更加自由地传播，秉持'让知识为每个人所用'的理念。该版本通过量化技术优化了模型大小和推理效率。
Kimi - K2 - Instruct 是一个基于 moonshotai/Kimi - K2 - Instruct 模型的量化版本，旨在让知识更广泛地惠及大众。
Kimi K2 是一款先进的混合专家（MoE）语言模型，拥有 320 亿激活参数和 1 万亿总参数，针对代理能力进行了优化。
unsloth
Kimi K2是一款先进的混合专家（MoE）语言模型，具备320亿激活参数和1万亿总参数，针对智能代理能力进行了优化。
Kimi K2是一款先进的混合专家（MoE）语言模型，拥有320亿激活参数和1万亿总参数，针对智能体能力进行了优化。
Kimi K2 是一款先进的混合专家（MoE）语言模型，拥有 320 亿激活参数和 1 万亿总参数，针对智能体能力进行了优化。
LLM360
K2是一个650亿参数规模的大语言模型，通过完全透明化的训练方案，以35%计算量优势超越Llama 2 70B。
Changgil
基于SOLAR-10.7B-v1.0微调的韩语大语言模型，专注于韩语理解和生成任务
speechcolab
Icefall 是一个基于 k2 框架的自动语音识别（ASR）工具包，专注于高效和灵活的语音识别模型训练与推理。
gagan3012
一个基于T5的模型，能够将输入的关键词转换为连贯的句子。
基于T5的模型，能够将输入的关键词转换为完整的句子。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
