離GPT-5最近的一次！中國1萬億參數(shù)開源巨獸突然爆火

新智元報道

編輯：傾傾 桃子

【新智元導(dǎo)讀】Kimi K2 Thinking重磅開源，1萬億「思考Agent模型」在推理、智能體基準上干翻GPT-5。關(guān)鍵，還能連調(diào)300次工具，直出3D模擬。

昨天，月之暗面發(fā)布全新模型Kimi K2 Thinking，一上線就擠爆了服務(wù)器。

思考，是它的核心賣點，自稱是開源的「思考Agent模型」。

它同樣采用了MoE架構(gòu)，總參數(shù)約1萬億，每次激活約320億，上下文256K token。

在各大基準測試中，Kimi K2 Thinking性能表現(xiàn)亮眼。

尤其是，在BrowseComp、HLE測試中，實力完全碾壓GPT-5、Claude Sonnet 4.5。

在Tau2 Bench Telecom基準測試中，K2 Thinking位列第一。

最關(guān)鍵的是，在無人干預(yù)情況下，K2 Thinking可連續(xù)調(diào)用200-300次工具。

國外研究者Nathan Lambert 稱它為：「開源模型距閉源前沿最近的一次。」

這句話在技術(shù)圈廣為流傳，人們也開始重新審視這款模型。

不只是聊天工具，K2 Thinking更像是一個會自己推理、自己動手的智能體。

一款真正會思考的模型

Kimi K2 Thinking沒有強調(diào)算力更大，而是強調(diào)更會「思考」。

這些配置讓它在處理長文本、復(fù)雜任務(wù)時能維持更穩(wěn)定的推理過程。

蘋果大牛Awni Hannun測試后驚嘆道：

1萬億參數(shù)，只用2臺M3 Ultra芯片的Mac電腦即可流暢運行，而且int4壓縮后性能幾乎無損。

通過mlx-lm并行技術(shù)，它生成了大約3500個token，速度每秒15個token。

但真正讓人關(guān)注的，是它的「思考能力」。

如前所述，K2 Thinking可以在一次任務(wù)中連續(xù)執(zhí)行200到300次工具調(diào)用，全程無需人工干預(yù)。

有網(wǎng)友實測「工具調(diào)用」，立即制作出如下的數(shù)學(xué)和物理講解動畫。

不同于其他模型的胡編亂造，它在面對復(fù)雜問題時，會自己拆解步驟、搜索信息、調(diào)用外部工具、再整合結(jié)果。

團隊把這種機制稱為「交替思考」——模型在「思考」和「執(zhí)行」之間循環(huán)往復(fù)，讓推理更連貫。

K2 Thinking在性能上的表現(xiàn)也很亮眼。

在Humanity’s Last Exam（HLE）和 BrowseComp（網(wǎng)頁搜索綜合能力）任務(wù)上，成績已經(jīng)接近甚至超過GPT-5和Claude Sonnet 4.5。

Kimi K2 Thinking與GPT-5、Claude Sonnet 4.5在多項基準測試中的表現(xiàn)

除了推理表現(xiàn)，它在工程落地上也做了不少優(yōu)化。

K2使用量化感知訓(xùn)練（QAT）對MoE模塊進行INT4權(quán)重量化，在保證性能的同時，將生成速度提升了約兩倍。

除了推理和搜索任務(wù)，K2 Thinking在編碼、工具使用、數(shù)學(xué)推理等更細分的測試中表現(xiàn)也很突出。

在SWE-bench、LiveCodeBench、GPQA-Diamond等任務(wù)上，它的成績已經(jīng)超過DeepSeek、GPT-4 Turbo等多個主流模型，顯示出更強的「執(zhí)行力」。

Kimi K2 Thinking在多項編程與數(shù)學(xué)任務(wù)中的表現(xiàn)對比

這意味著，K2 Thinking的測試成績就是它在真實環(huán)境下的表現(xiàn)，而非理想化打分。

它目前已經(jīng)在kimi.com上線，并開源API和模型權(quán)重，開發(fā)者可以直接試用。

從實驗室到真實場景，這個模型的「思考能力」明顯超過了現(xiàn)有的其他模型。

智能體編碼一流，300次工具調(diào)用

這一次，月之暗面沒再讓模型停留在論文里。

K2 Thinking不是展示品，而是一臺真正能被人用起來的智能體。

發(fā)布當天，團隊同步上線了kimi.com聊天模式、開放了API接口，還在Hugging Face公布了完整權(quán)重。

https://huggingface.co/moonshotai/Kimi-K2-Thinking?utm_source

開發(fā)者不需要等待內(nèi)測邀請，也不用注冊繁瑣流程，任何人都能直接使用。

K2 Thinking的從訓(xùn)練開始，到優(yōu)化，再到上線，周期不到半年。

在這個動輒以年為單位更新的大模型時代，這個速度意味著它已具備完整的工程化能力。

打開kimi.com，就能直接體驗到K2 Thinking的思考過程。

與一般聊天模型不同，它在生成答案前，會清晰地展示自己的推理鏈。

此外，研究人員特別提到，K2 Thinking在軟件和編碼任務(wù)上進步顯著。

它在 SWE-Multilingual測試中得分61.1% ，在SWE-Bench Verified測試中得分71.3%，在Terminal-Bench測試中得分47.1%。

這無疑證明了，該模型在HTML、React等方面的任務(wù)上有了很明顯的進步。

寫代碼前，先寫計劃

當用戶輸入「分析我發(fā)給你的CSV文件，并生成圖表來支持你的分析」時，K2不會直接輸出代碼。

他會先列出自己的行動方案：首先，加載數(shù)據(jù)集，接下來，篩選數(shù)據(jù)集，然后，分析內(nèi)容，調(diào)用繪圖庫，最終生成結(jié)果。

有了行動方案，它才會逐步生成代碼，執(zhí)行、驗證、修正。

如果出錯，它會提示「正在重新規(guī)劃」，然后自動嘗試新方案。整個過程，都能在屏幕上看到。

最終，我們能得到K2生成的數(shù)據(jù)分析圖表。

僅僅調(diào)用14次python，就能生成這樣完美的可視化圖表、準確的統(tǒng)計數(shù)據(jù)以及包含詳細分析的交互網(wǎng)頁。

私人定制行程：比管家還靠譜

你是否想過擁有一個完美管家？那K2可以滿足你的需求。

你只要提出你的需求，比如「我的預(yù)算是1000美元，給我規(guī)劃我的演唱會之旅」。

輸入之后，K2就會像一位盡職盡責(zé)的管家，詢問你的喜好、目的、工作安排，甚至查閱你的谷歌郵件。

之后，他開始搜索，查機票、看演唱會場次，甚至?xí)紤]到演唱會附近的餐廳。簡直比管家還貼心！

最后，結(jié)合各方數(shù)據(jù)，交出最適合你的演唱會計劃。

而做到這些，僅僅調(diào)用了17次工具！很難想象如果親自做計劃，要耗時多久。

一針見血的數(shù)學(xué)講解員

除了長段的提示詞，短短幾句話，K2 Thinking也能完美運行。

比如，對它說「解釋二維梯度下降」。

它就能調(diào)用工具，以最直觀、形象的方式向你作出解釋：

藍色的等高線越靠近中心，函數(shù)值越小；黃色的路徑是優(yōu)化算法從起點到最優(yōu)點的下降軌跡；紅色小箭頭表示梯度（?f）的方向；黃色點表示當前的模型參數(shù)位置，它沿著梯度的反方向移動。

配合上動圖，一目了然。

觸手可及的「細胞戰(zhàn)」

不僅僅是數(shù)學(xué)，K2 Thinking甚至進軍生物學(xué)領(lǐng)域！

你只要輸入「做一個可以調(diào)節(jié)免疫參數(shù)的病毒模擬程序」，就可以得到一個可交互的病毒仿真系統(tǒng)。

紅藍兩種粒子在屏幕上相互追逐、碰撞、吞噬。拖動滑塊，就能調(diào)整病毒復(fù)制率、免疫細胞數(shù)量。

對于Kimi K2 Thinking真實表現(xiàn)，你怎么看？

參考資料：

https://www.interconnects.ai/p/kimi-k2-thinking-what-it-means

https://x.com/Kimi_Moonshot/status/1986449512538513505