估值20億的kimi-Chat是什么，它的出現又會帶來什么影響呢？大家一起接著往下看，下邊筆者整理分享的關于kimi-Chat的相關內容，或許會收獲更多內容哦！

我每天都寫文章，并不稀奇。

然而，當涉及商業分析、數據處理相關問題時，不能馬虎處理；這些情況下，必須深入調查。 搜集公開網絡上的分析和財務報告，是一項艱巨的挑戰。

為什么？

準確性至關重要。 如果信源不準，會直接導致分析結論偏差。想必前段時間某大V翻車的事件，給大家諸多啟發。

避免信息過時。 今天的新聞，明天可能就過時了。所以，不停地搜索最新信息、數據，能確保分析、決策不會基于過時的情況發生。

真正了解市場。 光看數據還不夠，市場比較復雜，得深入挖掘才能看到有哪些潛在風險，這也能找到隱藏的不同角度。

所以，我最頭疼的一件事是 看報告、看財報、看數據。

怎么辦？我打算讓AI幫我處理，也遇到一些挑戰。在國內，很難找到有效閱讀PDF和其他文檔格式的高效AI大模型。

于是，我轉向ChatGPT-4。

用近四個月，最大問題是經常遇到長度限制，較大文檔你得切兩半才能上傳，要么，上傳文檔后解析結果不盡人意，這些問題非常困擾，比直接閱讀報告還頭疼。

直到前段時間遇到Kimi-chat，極大減輕了我的分析負擔，仿佛找到一個能理解復雜報告的助手。

一、Kimi-chat是什么呢？

如此卡哇伊的名字，這個答案隱藏在它的口號中： 別焦慮，Kimi幫你整理資料，文件，拖進來；網址，發出來。 一看就是一個有效整理、處理資料的工具；網址是： https://kimi.moonshot.cn。

打開網址，非常簡潔，對話框呈現在眼前，人工智能小人告訴你，可以把網址、文件發給它，可以幫你看看，既然是這樣，我們就一個一個測。

1. 讀文件

根據Kimi-chat官方宣傳，它最多支持20W字上下文輸入，也就是說，我把一篇PDF小說、書籍塞進去都沒問題。

我就試了一下，把自己2021年寫的《復利思維》.PDF塞給它，完全沒問題，這本書共計12萬字。

然而，當我嘗試輸入《信息論40講》時，系統提示我超過了對話長度的175%；而《被討厭的勇氣》這本書，則超出20%。

我輪番測試，把我第二本即將要出的書14萬字world塞給它，它顯示超出36%。 14萬字的百分之36%大約是5萬字； 換句話說，它支持一口氣10萬字以內的內容處理。

為繞過字符限制，我換了方法。

將一份10萬字的文檔分成兩半，分別輸入到Kimi-chat中，結果顯示系統能夠無障礙處理。但是，我注意到處理PDF文檔有個要求：掃描件不行。

我還發了兩篇大約3萬字的文檔給它，也沒問題。

比較驚訝的是，它能夠根據之前我發給它的信息來回答我的問題；也就是說， 不管我問什么，只要在這個對話框里說過，它都能記住，回答得更準確、更有條理。

這個功能對我來說特別有用，尤其是處理長篇大論的時候。

我還測試了表格總結能力，給它多個表格，讓它把重點羅列出來。 它能清楚地按邏輯順序歸納，還能基于提煉的內容，再做成表格，復制到Word、Markdown里都能用。

為了方便，我還讓它幫我基于PDF、Word資料提出50個問題，并把問題做成表格。這也都沒難倒它，真是挺強大的。

話說回來，即使是付費版的GPT-4，它處理上下文時的token數量上限也只是32K。

雖然根據我自己的測試，似乎只能處理大約10萬字。不過，實際上10萬字的處理能力，對于大多數情況來說，也已經足夠了。

2. 讀網頁

我先試了Kimi Chat給的一個示例，就是總結一篇大概3.6萬字的文章，并讓它像個AI專家似得提出三個問題。 Kimi Chat給我找了一篇關于人工智能的文獻，10幾秒分析完，速度挺快。

我分別將虎嗅、36氪、百度、豆瓣等多個網站的鏈接發送給Kimi Chat。它不僅能夠讀取這些鏈接中的內容，還能夠概括出各篇文章主旨，當我需要更深入的細節時，它也能提供。

比如：

我問它，某個文章第一段主要講啥？核心觀點是什么？

它能快速給我總結出來。這樣我就不用自己費勁去翻找了，直接知道文章的要點。特別是我有一堆東西要看的時候，這個功能真的挺省事。

我對Kimi Chat進行了連貫性測試。

先把三篇講差不多東西的文章的鏈接，扔到同一個聊天窗口里，一塊兒發過去，然后問它一些問題。它回答得挺好的，一點兒都不亂。

后來我又換了個招，發三篇完全不同主題的文章，還來自不同網站，結果它照樣能處理得挺順利。

總之，在處理文件和網頁內容方面， Kimi Chat的一個大優點是能上傳多種類型、來自不同網站的內容。 它甚至可以將您的問題和答案整理成表格，方便查看和理解，分析能力很強。

但也有些局限。

比如，它不支持在一個對話框里同時上傳網頁和文件。 而且，盡管官方宣稱它能一次性處理20萬字，實際上我發現它并沒有達到這個標準，也可能是我人工測試的不精準。

說實在，就讀網頁、讀文檔方面，這些功能足夠使用了。

3. 文本搜索

文本搜索，對一個內容創作者，最重要的能力是什么？ 答案是準確性、相關性。

舉個例子：

最近各家都在頻繁出Q3財報，財經類作者需要迅速獲取這些財報的詳細信息，來進行分析； 這種情況下，他們可能會用關鍵詞，如“網易2023Q3財報”進行搜索。

搜索出來后，基于財報簡要、主要財務指標、市場分析的評論、以及其他媒體的報道，然后結合自己的觀點提出不同角度。

那么，大家常規怎么操作的呢？

基于某度、某乎、某氪、或者微信搜索進行搜索，這非常麻煩。我把這個問題，交給了Kimi Chat。

它直接給我事實搜索出，2023年11月16日網易發布的第三季財報內容，并且指出該季度增長如何、業績如何；毛利多少、實現毛利潤多少。

…..

為了更深入了解網易。我讓它給出（資產負債表狀況）公司的資產、負債和股東權益的狀態如何？是否顯示出財務健康和穩定性？

它迅速給我找出5篇資料。

但由于分析過程比較復雜，它沒辦法直接給出結論，最后，它建議我關注流動比率、負債占資產比率、凈資產收益率。

我問它你能幫我找到嗎？

它無法直接找到三個問題同樣的內容，但為我提供了關于負債占資產比率的5篇文章。后來，我把5篇鏈接復制下來給它，讓它分析，它也無法給出占資產比率。

也就是說，

第一，這個工具能提供實時搜索，但它的功能有限。

比如，如果您需要了解占資產比率，但這個信息沒有直接提及在內容中，工具就不能自動計算、提供數據。它不能基于財報進行額外的計算。

第二，聯網搜索和文檔（鏈接）分析是分開的。

如果你已經向它發送任何鏈接、文檔，那么，它就無法再幫您搜索網絡上的內容，不過，要是開啟一個新的對話，它就可以再次聯網搜索；

其三，未聯網下，它的知識庫訓練截止到2021年11月，和ChatGPT-4時間相似。

4. 找資料

文本搜索，就像在網上快速找東西，輸入你想知道的關鍵詞，然后它會給你一堆信息； 但找資料不一樣，它更像你已經知道什么，然后去挖掘背后的故事。

這個觀點誰提出的，什么時候提出。不是簡單搜搜看，更像深入地去研究背后的信息。

舉個例子：

我平時寫認知心理學的內容比較多，所以經常得翻翻誰最先提出某個概念，或者找找相關的學術研究之類的。

于是，我針對“焦慮”一詞，提出了幾個問題，讓它幫我找出來。結果挺讓我吃驚的。

它給我抓取了百度知道、頭條百科、以及學術方面的內容，并且對這些內容進行了詳細的解釋。

繼續我的實驗。

我對它引用的資料：[(1917)焦慮(《精神分析引論》第25講)提出新的問題。我想知道里面提到焦慮分為幾個部分，但它告訴我，對這個知識領域不夠了解，無法給我想要的答案。

于是，我嘗試了另一種方法。

我把它提供的鏈接復制下來，開啟了一個新的對話框，并再次提問焦慮分為哪幾個部分。這次它給了我答案，告訴我焦慮可以分為：

• 現實焦慮（Realangst）
• 神經性焦慮（Neurotischer Angst）
• 道德焦慮（與超我相關）

也就是說， 這個工具自己不能從它給你的鏈接里，再挖東西出來。 如果你想知道更多，得自己復制它給的那個鏈接，再發回去給它，這樣它才能根據這個鏈接找出你要的詳細信息，ChatGPT-4至今也無法做到。

最后，我又測試了一下它的自語言處理能力（NLP）。

什么是自語言？

簡單來說，個人在不太正式的情況下，用最自然、最習慣的方式表達的語言，這包括用方言、非?？谡Z化的方式表達出來的想法。

它實際反應一個人的思考模式和內心狀態。

比如：

一個人面對困難時，可能會對自己說，加油，你能行；這種語言往往非常直接、真實，并且表達用詞非常個人化，有口頭禪、自創詞匯。

這種在沒有旁聽者的情況下，用來鼓勵自己的言行，就是一種自語言。

日常我和客戶訪談居多。最近，嘗試了一個新方法：

將我和一位高管的訪談對話轉錄成文字，然后交給了Kimi-chat，看看它能否理解這些內容，并生成一個剔除那些非正式或口語化表達（俗稱“口水話”）的文本。

結果，它的能力還是令我挺吃驚地。 我能完全理解采訪的實質內容，還能生成更加有邏輯、清晰的形式，這對于整理采訪記錄、提煉重點信息來說，非常有幫助。

綜合來看，我總結了它的4個優點：

• 快速享應
• 高可用性
• 不漏信息
• 學習長文本

它用來起挺方便的，不需要代理。而且給它一大堆文字也不用怕丟失，回答快，準確性高，就算你丟給它一個超大文件，也能把里面所有信息炒出來，一個不漏。

講真，國產大模型我也測試了很多，目前能做到這個地步，還算不容易；當然，評價一款軟件，首先看它好不好用，長期堅持使用一款軟件，我更關心它會不會跑路。

二、該公司背景

該公司創始人叫，楊植麟。他是一位90后的AI天才，曾是清華大學的學生，師從IEEE Fellow唐杰。

本科畢業后，他就去了自語言處理（NLP）研究全球排名第一的卡耐基基梅隆大學攻讀博士學位。攻讀期間發表關于Transformer-XL和XLNet的兩篇論文，主要給AI大模型技術提供了突破性基礎。

后來自己創立名叫“月之暗面”（MoonShot AI）公司，發布一款千億參數的大模型moonshot，用來承載Kimi Chat，至今估值20億美金。

這個公司有兩位聯合創始人，分別為周昕宇、吳育昕，他們在大模型的工程、算法開發方面都有豐富的經驗。目前公司的團隊規模超過50人，成員多來自于谷歌、Meta、亞馬遜等全球科技巨頭，是一個國際化的團隊。

我比較好奇，為什么叫月之暗面？

于是，我就去找了找原因。這個名字來源于創始人個人喜歡的一張專輯Pink Floyd的《Dark Side of the Moon》。

意思是，月球的暗面始終背對地球，處在地球人的視線外，象征神秘與未知。

公司想在人工智能領域探索這種未知，就像月球暗面一樣，充滿神秘和挑戰；因此，他將公司民命為月之暗面。

這個軟件為什么內容比較精準、且處理長文本呢？楊植麟認為市場的大模型有三種：

• 金魚型
• 蜜蜂型
• 蝌蚪型

金魚比較健忘，就像滑動手機窗口一樣，模型會基于窗口，自動把之前的內容扔掉，只關注最新輸入的東西，所以它沒法完全懂整篇文章的意思，處理不了跨好幾篇文檔的對比。

好比，我有10萬字訪談記錄，它就不一定能從里面找出來最重要的10個觀點、問題是什么。

蜜蜂型處理方式，像蜜蜂采花那樣，只關注一小塊，不管整體。它會在給的文本里搜尋、增強信息，但只專注于其中一部分。

就好比，假設你給它10份簡歷，它能幫你找出每份簡歷的重點，但就做不到更深入地挖掘每個細節。

蝌蚪型，就像是個還沒長大的小蝌蚪，能力還沒完全長成。為了讓它處理更長的文字，就得減少一些參數，比如只用百億個。

這就像是，想讓一個人走更遠的路，就讓他的背包輕一些，因為書少了，做的事情也就少了。

因此，楊植麟認為，對于‘月之暗面’這個項目來說，成功的第一步是解決‘長文本’處理的挑戰。

例如，要通過分析多篇財務報告、處理多份法律合同、或者匯總多篇文章，才能有效地找到關鍵信息。這種能力對于深入理解、處理大量復雜數據至關重要。

話說回來，長文本能力的提升，不僅讓AI工具在日常工作流中更好用，還能更好地輔助人類進行跨領域、跨學科主題發散思考。這難道不是好事嗎？

嗯，至少從我的角度來說，挺好的，你可以試試。

三、總結

AI的記憶力，越來越好了。

估值20億的kimi-Chat真香，這家年輕的公司已經展現出巨大潛在價值， 它能否像open-AI一樣，成為國內的巨頭，就看如何把握機遇，應對挑戰了。