Kimi K2 Thinking，是月之暗面的「復仇」

Kimi K2 Thinking的發佈，對於月之暗面而言，就像是《基督山伯爵》里那座名為曼治 基斯托的寶藏島，曾被困在伊夫堡的那個「人」回來了，而且帶著一個讓世界措手不及的計劃。

在年末預計發佈的Gemini 3和GPT-5.1，以及DeepSeek的新模型之前，中國大模型廠商月之暗面先拿出了里程碑之作——Kimi K2 Thinking。

該如何形容Kimi K2 Thinking的價值？

或許HuggingFace聯合創始人 Thomas Wolf的評價，反映出大多數人的心聲，「這是又一個‘DeepSeek’時刻麼，開源再次超過閉源。」

彼時，開源的DeepSeek R1超過OpenAI閉源模型旗艦模型o1，如今，Kimi K2 Thinking直接對標GPT-5、Claude 4.5 Sonnet 這樣的頂尖閉源模型，儘管還有一些瑕疵，但是不妨礙月之暗面的成功。

如果說此前的大肆投流商業化以及DeepSeek的成功，讓不少人對月之暗面心有懷疑，還能不能做最有希望的大模型創業企業，此後Kimi K1.5可以視為月之暗面的推理摸索，K2已經讓人感到驚豔，Kimi K2 Thinking則是確定了內外部的信心。

月之暗面證明了自己，仍然有能力站在大模型第一梯隊。

11月11日淩晨，月之暗面創始人楊植麟以及合夥人周昕宇、吳育昕，在海外Reddit社區辦了一場有問必答線上活動，回答關於Kimi K2 Thinking以及大模型相關的問題。

460萬美元成本不重要，K3或有新架構特性

圍繞Kimi K2 Thinking的橫空出世，外界對其訓練方法、工程策略與未來規劃一直充滿好奇，月之暗面從460萬美元訓練成本的真偽，聊到為何大膽採用未經驗證的Muon優化器，再到長鏈推理背後的技術突破，這是一場難得的技術直球交流。

Kimi團隊首先澄清了「460萬美元訓練成本」這一熱門傳聞。團隊表示，這並非官方數字。訓練成本難以量化，尤其是大模型預訓練大量依賴研究、探索和失敗實驗，本身就難以用單純的金錢衡量。

而關於外界最驚訝的一點——為什麼敢在如此大型模型上使用一個幾乎沒人測試過的Muon優化器——團隊解釋得相當直白：Muon雖然未經他人驗證，但他們嚴格遵循了縮放定律的驗證流程，確保它在所有小規模測試中表現穩定。在Muon出現之前，已有幾十種優化器和架構被淘汰，這讓團隊對自己的研究體系建立起了信心。

在硬件方面，Kimi確認他們使用的是Infiniband互聯的H800 GPU，相比美國廠商的高端算力設備並不佔優。但團隊強調：「我們充分壓榨了每一張卡。」在嚴格預算下最大化產出，是這支團隊的一大風格。

談到預訓練期間的核心指標，團隊強調最重要的依然是損失（Loss）、基準測試表現，以及內部穩定性。每一次架構消融都必須在更大規模前通過驗證，不允許跳步。如果模型出現任何異常，擴容會被立刻暫停。

關於數據，Kimi用了一個頗具浪漫氣質的比喻：「找到合適的數據集，是一門藝術。」團隊認為數據之間存在大量交互效應，直覺固然重要，但最終必須以實驗為準。

對於外界關心的方向策略，Kimi也給出了明確態度。選擇先發佈純文本模型，是因為影片模型的數據準備與訓練週期都更長；至於1M上下文窗口，團隊已做過嘗試，只是目前服務成本過高，未來版本中很可能重新引入。

被許多用戶稱道的「K2獨特散文風格」來自何處？Kimi表示，這既來自預訓練階段打下的知識底蘊，也來自後訓練階段的風味調校，甚至不同的強化學習策略都會導致截然不同的「風味差異」。模型性格，某種程度上也反映了團隊本人的喜好。

對於一些用戶提出的批評，例如模型在戰鬥場景或衝突對話中過於「安全」、略顯「有毒的積極」，Kimi團隊坦言這是長期挑戰，但相信有解決方案。他們也正在探索如何在保持安全的前提下降低不必要的審查力度。至於NSFW內容，團隊並不排斥可能性，但前提是建立可靠的年齡驗證機制並調整服務條款。

關於技術棧，Kimi繼續強調他們在長鏈推理上的獨特優勢。K2 Thinking目前能穩定完成200到300步的工具調用，團隊將其歸功於端到端智能體強化學習訓練方式。再加上INT4推理帶來的速度優勢，使得單次長推理成為可能。

至於未來技術升級路線，Kimi透露他們正在研究新架構KDA（Kernel Attention Dual Architecture），並很可能在K3模型中投入使用。此外，團隊不排斥進一步開源更多組件，包括安全對齊技術棧，但同時強調需要找到機制確保開源細化不會被濫用。

Kimi K2 Thinking強在哪？

按照官方介紹，這是月之暗面目前最強的開源思考模型，擁有1萬億參數規模，採用384個專家混合架構，它以「思考型智能體」為目標打造，能夠在使用工具的同時逐步推理，在 Humanity’s Last Exam（HLE）、BrowseComp 等多個基準測試上取得最新的業界領先成績，在推理、智能體搜索、代碼、寫作以及通用能力等方面都有大幅提升。

當然，對評分不那麼感冒的朋友，更看重實效。Kimi K2 Thinking 能在沒有人工干預的情況下，連續執行 200 到 300 次工具調用， 並在數百步的鏈式推理中保持連貫，解決複雜問題，標誌著在測試時擴展（test-time scaling）上的最新進展，包括擴大思考 token 的規模，以及擴大工具調用的鏈路深度，這是堪比Claude長程規劃和自適應推理能力，Kimi K2 Thinking直接把門檻大幅拉低。

Kimi K2 Thinking 在多項衡量推理、編碼和智能體能力的基準上刷新記錄。它在帶工具的 HLE 中達到 44.9%，在 BrowseComp 上達到 60.2%，在 SWE-Bench Verified 上達到 71.3%，展現了作為頂級思考型智能體模型的強泛化能力。

Kimi K2 Thinking 還能在推理過程中主動調用多種工具，數百步的序列中也能完成規劃、推理、執行與自適應調整，處理一些最具挑戰性的學術與分析類問題。在某次測試中，它通過 23 次交錯進行的推理與工具調用，成功解決了一道博士級數學難題，充分展示了其深度結構化推理能力與長程問題求解能力。

編碼也是體現智能體能力的重點，Kimi K2 Thinking 在編碼和軟件開發任務上表現出顯著提升，尤其在HTML、React 以及組件密集型前端任務上表現突出，能夠將想法轉化為功能完整、響應靈敏的產品。在代理式編碼場景中，它在調用工具的同時進行推理，能夠流暢地融入軟件代理，精確且靈活地執行複雜的多步驟開發工作流。

低比特量化（Low-bit quantization）是減少大規模推理服務器延遲和 GPU 內存佔用的有效方法。然而，思考型模型通常使用過長的解碼長度，因此量化往往會導致顯著的性能下降。

為解決這一挑戰，月之暗面在後訓練階段採用了 量化感知訓練（Quantization-Aware Training, QAT），並對 MoE 組件應用 僅權重的 INT4 量化。這使得 K2 Thinking 能夠支持原生 INT4 推理，在生成速度上大約提升 2 倍，同時仍保持最先進的性能。

總體來看，月之暗面通過K2 Thinking證明其大模型技術能力，也更清晰地印證了當前大模型發展的一個核心趨勢：從追求規模參數轉向追求推理效能和實用化能力。

但其長期競爭力，仍需放在與Gemini、GPT等巨頭模型的持續迭代和更廣泛的市場檢驗中觀察。行業的競爭，已進入一個比拚技術深度、工程效率與生態策略的更為複雜的綜合階段。（文 | TechPulse ，作者 | 張帥，編輯 | 蓋虹達）