國產模型新盛況！王座易主：Kimi K2 Thinking開源超閉源

機器之心報道

編輯：澤南、+0

很久沒有這樣的盛況了。

昨晚，月之暗面（Moonshot AI）剛剛開源了最新一代大模型 Kimi K2 Thinking，新模型一發布，就掀起了全網的大討論。

作為一款開源模型，它在基準測試上毫無保留，多方面性能直接超越了 GPT-5、Claude Sonnet 4.5 等業界先進閉源模型。

現在，新發布的開源模型不比其他的開源模型，而是直接對標前沿閉源模型了，這不得不說是一種進步。

HuggingFace 聯合創始人 Thomas Wolf 表示，我們正在見證又一次 DeepSeek 時刻：

昨天在正式推出前，Kimi K2 的推理版已經被正式并入了知名大模型推理服務框架 vLLM 的主線。廣大開發者們已經獲得了 Kimi 新模型的性能增益。

這一回，清華特獎得主、vLLM 主貢獻者游凱超親自審核、合并了代碼。

K2 Thinking 模型發布還不到半天，官推的閱讀量已達到 170 萬。這會不會成為國產大模型爆發的拐點呢？

月之暗面表示，Kimi K2 Thinking 模型擅長多輪調用工具和持續思考，它在自主網絡瀏覽能力（BrowseComp）、對抗性搜索推理（seal-0）等多項基準測試中表現均達到 SOTA 水平，并在 Agentic 搜索、Agentic 編程、寫作和綜合推理能力等方面取得全面提升。

智能推理的方面，在人類終極考試（Humanity's Last Exam, HLE）這項超難基準上，Kimi K2 Thinking 取得了 44.9 分，超過了 Grok4、GPT-5、Claude 4.5 等先進模型。如果是 Kimi K2 Thinking Heavy，分數還可以進一步達到 51%。

昨晚八九點，Kimi 的 App 和網站就逐步上線了 Thinking 功能，據介紹其完整的智能體模式很快也將推出：

肉眼可見的特色是這個K2 Thinking 模型可以持續多輪「一邊搜索一邊思考」，這是目前 DeepSeek 也不具備的能力，另外由于 INT 4 量化，萬億級的參數也不用耗費大量資源進行推理。

盡管 K2 Thinking 的參數規模高達萬億，但其運行成本仍然很低。其 API 價格是百萬 token 輸入 0.15 美元（緩存命中）/0.6 美元（緩存未命中），每百萬 token 輸出 2.5 美元，比 GPT-5 的價格低一個數量級。

解決同樣的問題，Kimi K2 Thinking 的準確率比 Claude 4.5 Sonnet 更高，成本還只有六分之一。

首發實測體驗：

測試時間擴展的完全體

新模型上線后，大家都在用各種刁鉆的問題進行測試，我們也試了試。

有趣的是，測試過程中出現了多次算力不足的情況，看來，Kimi K2 Thinking 一發布就吸引了海量用戶同時涌入，熱度高到「擠爆」了服務器。

自主網頁瀏覽能力

我們先來測試一下這次更新提到的「自主網絡瀏覽能力」。我們給出了一個高難度挑戰：閱讀 HuggingFace 前段時間發布的、長達 200 多頁的 Smol 訓練經驗技術博客。要在如此海量且專業的內容中「大海撈針」，對模型是個不小的考驗。

閱讀以下網頁并回答我的問題，SmolLM3 選擇了哪種注意力機制，為什么：
https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook#positional-encodings--long-context

可以看到，Kimi K2 Thinking 不僅在長文中精準地找到了答案，還依據博客內容，清晰闡述了選擇該機制的原因。

代碼能力

首先，我們測試前端可視化能力。

「使用 p5.js 創建一個精彩的動畫」

效果非常驚艷，所有描述的特性都完美呈現，而且運行體驗極其絲滑。還記得之前 GPT-5 做相同的測試直接罷工了，輸出一個黑屏界面。

接下來，是那道著名的「醍醐騎車」SVG 測試。這道題堪稱大模型的「滑鐵盧」之一，許多知名模型都曾在此敗下陣來。

「Generate an SVG of a pelican riding a bicycle」

遺憾的是，Kimi K2 Thinking 在這個測試中也翻車了。

寫作能力

模仿林黛玉的風格，寫一篇吐槽工作的文章；再模仿王熙鳳的風格寫一篇吐槽工作的文章。

兩篇都寫得很好，神形兼備，尤其是第二篇文章的「鳳辣子」味隔著屏幕都能聞到，嗆人！

《臨江仙·早朝有感》

罷了，罷了，又是個天未亮透的時節。我這身子，原比不得那鐵打的筋骨，何苦來哉，每日里被這鬧鐘催命似的趕著，倒像是那黛玉本該葬花，偏叫我去搬石頭——搬的還是那永世填不完的海。

晨起對鏡，鏡中人兒比黃花還瘦三分。想我這一腹不合時宜的詩書，在這格子間里，倒不如會那 excel 表格的實在。上司的面孔，比王夫人還難揣摩三分；同僚的言語，比寶釵還滴水不漏。最可恨那例會，一開了便如那黃河之水，滔滔不絕，直說得我神魂顛倒，卻只道是「對齊顆粒度」。

我本是個「質本潔來還潔去」的性子，如今倒好，每日里在這俗世泥淖中打滾。那薪水微薄得可憐，還不夠我買幾副好藥調理這被氣出來的肝郁。說是「彈性工作」，彈的卻是我這薄命人的最后一根力；道是「扁平管理」，扁的卻是我這傲骨，一寸寸壓成了夾心糕。

罷了，罷了，且去休。明日若再催，我只說：「你可從此都改了罷！」——改這做不完的 ppt，改這叫不醒的職場大夢。

《職場那些破事兒》

呸！什么破差事，也值當我醒這么早？天還沒擦亮，我就得跟那掐了頭的蒼蠅似的往外趕——圖什么？圖那三瓜倆棗的窩囊費！

你們算算這筆賬：一日十二個時辰，倒有九個拴在那破工位上。早上打卡，晚上加班，中間還得陪那幫沒斷奶的項目組過家家。會開得比那老太太的裹腳布還長，結論呢？屁都沒有！我在這頭兒累得像條狗，薪水拿回去，還不夠填家里那幾張嘴的。

最可恨那幫當頭的，本事沒有，派頭比誰都大。今天一個主意，明天一個想法，后天又說要「回歸初心」——我看他初的就是個糊涂心！你跟他談錢，他跟你談理想；你跟他談理想，他跟你談情懷。我呸！我王熙鳳什么場面沒見過，跟我玩這套？老娘賞你一句：少來！

底下那幫小崽子們，也一個個精得跟猴兒似的。能推就推，能躲就躲，活兒全堆到我一個人身上。我若不說兩句狠的，他們還當我這位置是吃素的呢！只是我這一顆心，原該用在刀刃上，如今倒好，全耗在給你們擦屁股上了。

這買賣，虧大發了！明兒我就找個由頭，把這攤子一撂——誰愛伺候誰伺候去！

綜合推理

推理題：請根據以下條件判斷：1、一共有 5 間房子；2、蘇格蘭人住在紅色房子里；3、狗是希臘人的；4、住在綠色房子里的人喝咖啡；5、玻利維亞人喝茶；6、象牙色房子的右邊是綠色房子；7、蝸牛的主人穿著粗革皮鞋；8、穿著橡膠底鞋子的人住在黃色房子里；9、住在正中間房子的人喜歡喝牛奶；10、丹麥人住在第一間房子里；11、穿著勃肯鞋的人住在狐貍主人的隔壁；12、穿著橡膠底鞋子的人住在馬主人的隔壁；13、穿拖鞋的人喜歡喝橙汁；14、日本人穿人字拖；15、丹麥人住在藍色房子的隔壁。請問：喜歡喝水的人是誰？斑馬主人是誰？

Kimi K2 Thinking 的反應迅速，推理過程結合了矩陣演繹法和假設-檢驗法，整個過程沒有出現邏輯跳躍或錯誤推導。每一步都建立在先前已確認的事實或當前假設之上。并且最后給出了正確答案，還附上了完整表格。

看起來，在基準成績領先之外，Kimi K2 Thinking 最大的特點在于思維方式：它就像一個嚴謹的思考者，總是不斷追問下一個問題，拒絕接受第一個答案，追根究底，直到找到真相。

能力提升的背后：

INT4 量化、持續交互、Agent 驅動

Kimi K2 Thinking 是迄今為止最大的開放權重模型之一，總參數量達 1 萬億（1T），其中的 320 億（32B）為激活參數。它也是 Kimi K2 系列的首個推理模型（此前月之暗面分別在 7 月和 9 月發布了 lnstruct 模型）。

在架構和總參數量上，K2 Thinking 與此前的 K2 模型完全一致，它被構建為一個有思考能力的智能體，無需人工干預即可執行多達 200 – 300 次連續工具調用，并在數百個步驟中進行連貫的推理，以解決復雜的問題。K2 Thinking 在訓練后階段采用了量化感知訓練（QAT），對 MoE 組件應用進行 INT4 權重量化。這使得 K2 Thinking 能夠在原生支持 INT4 推理的同時，將生成速度提升約 2 倍，并達到目前最先進的性能。

它標志著月之暗面在測試時擴展方面的最新努力，通過擴展思考 token 和工具調用步驟，實現了更加高水平的智能。

據 CNBC 報道，Kimi K2 Thinking 模型的訓練成本為 460 萬美元。

模型發布后，知名 AI 學者 Sebastian Raschka 分析了新模型的結構，他表示其中包含更多專家，更少的人為干預，這讓模型實現了更多的思考。

K2 Thinking 的上下文長度應為 256K。

另一個重點在于，K2 Thinking 在思考的過程中，會一直不斷地與外界信息進行交互。

月之暗面的創始人楊植麟曾表示，基于多輪的 Agent（智能體）強化學習范式，或者通過強化學習技術訓練出來的 Agentic 模型，其特點是會跟外界做很多交互。比如邊思考邊去做一些操作，可能做很多輪操作，一會兒調用一個搜索，一會兒使用一下瀏覽器，一會兒寫幾行代碼，通過多輪解決一個問題。

這樣，AI 就不再是「缸中之腦」，而是跟外界保持著交互——它的下一步行為，是根據交互得到的反饋，和外界持續更新的狀態息息相關。

沒有超強的感知，就不會有超級智能。

AI 的臨界點提前來了？

Kimi K2 Thinking 發布后，知名 AI 基準測試機構 Artificial Analysis 發表了長文介紹新模型的能力，表示該模型的位置已經可以放在 GPT-5 之前。

這不由得讓我們回想到今年 7 月，Grok 4 發布的時候。xAI 的科學家們當時表示，在 HLE 成績上，OpenAI 的深度研究、Gemin 2.5 Pro 和 Kimi-Reseracher 都是重要的發展節點。如今，Kimi K2 Thinking 作為一款開源大模型，成績已經大幅超越了閉源的 Grok 4，我們又邁上了一個新的臺階。

或許用不了多久，AI 社區就需要設計一款新基準了。

而對于普通人來說，有這樣一款高智商速度又快的大模型存在，意味著很多以前無法想象的 AI 應用方式會成為現實。

最后，我們知道 Kimi K2 Thinking 是開源的：月之暗面已在 Hugging Face 上正式發布了該模型，并采用了修改后的 MIT 許可證。該許可授予完整的商業和衍生權利——這意味著不論是開發者、研究人員還是公司，都可以自由訪問并將其用于商業應用，這使得 K2 Thinking 成為了目前授權最寬松的前沿模型之一。

但增加了一項限制：

「如果該軟件或任何衍生產品每月活躍用戶超過 1 億，或每月收入超過 2000 萬美元，則部署者必須在產品的用戶界面上明顯位置標上『Kimi K2』?！?br/>

未來的爆款 AI 應用上，會有這樣的「免費廣告」出現嗎？

文中視頻鏈接：https://mp.weixin.qq.com/s/3moInkppc2ylejXZPyCNYg