Kimi K2 Thinking 的发布，对于月之暗面而言，就像是《基督山伯爵》里那座名为蒙特克里斯托的宝藏岛，曾被困在伊夫堡的那个 " 人 " 回来了，而且带着一个让世界措手不及的计划。
在年末预计发布的 Gemini 3 和 GPT-5.1，以及 DeepSeek 的新模型之前，中国大模型厂商月之暗面先拿出了里程碑之作—— Kimi K2 Thinking。
该如何形容 Kimi K2 Thinking 的价值？
或许 HuggingFace 联合创始人 Thomas Wolf 的评价，反映出大多数人的心声，" 这是又一个‘ DeepSeek ’时刻么，开源再次超过闭源。"
彼时，开源的 DeepSeek R1 超过 OpenAI 闭源模型旗舰模型 o1，如今，Kimi K2 Thinking 直接对标 GPT-5、Claude 4.5 Sonnet 这样的顶尖闭源模型，尽管还有一些瑕疵，但是不妨碍月之暗面的成功。
如果说此前的大肆投流商业化以及 DeepSeek 的成功，让不少人对月之暗面心有怀疑，还能不能做最有希望的大模型创业企业，此后 Kimi K1.5 可以视为月之暗面的推理摸索，K2 已经让人感到惊艳，Kimi K2 Thinking 则是确定了内外部的信心。
月之暗面证明了自己，仍然有能力站在大模型第一梯队。
11 月 11 日凌晨，月之暗面创始人杨植麟以及合伙人周昕宇、吴育昕，在海外 Reddit 社区办了一场有问必答线上活动，回答关于 Kimi K2 Thinking 以及大模型相关的问题。
围绕 Kimi K2 Thinking 的横空出世，外界对其训练方法、工程策略与未来规划一直充满好奇，月之暗面从 460 万美元训练成本的真伪，聊到为何大胆采用未经验证的 Muon 优化器，再到长链推理背后的技术突破，这是一场难得的技术直球交流。
Kimi 团队首先澄清了 "460 万美元训练成本 " 这一热门传闻。团队表示，这并非官方数字。训练成本难以量化，尤其是大模型预训练大量依赖研究、探索和失败实验，本身就难以用单纯的金钱衡量。
而关于外界最惊讶的一点——为什么敢在如此大型模型上使用一个几乎没人测试过的 Muon 优化器——团队解释得相当直白：Muon 虽然未经他人验证，但他们严格遵循了缩放定律的验证流程，确保它在所有小规模测试中表现稳定。在 Muon 出现之前，已有几十种优化器和架构被淘汰，这让团队对自己的研究体系建立起了信心。
在硬件方面，Kimi 确认他们使用的是 Infiniband 互联的 H800 GPU，相比美国厂商的高端算力设备并不占优。但团队强调：" 我们充分压榨了每一张卡。" 在严格预算下最大化产出，是这支团队的一大风格。
谈到预训练期间的核心指标，团队强调最重要的依然是损失（Loss）、基准测试表现，以及内部稳定性。每一次架构消融都必须在更大规模前通过验证，不允许跳步。如果模型出现任何异常，扩容会被立刻暂停。
关于数据，Kimi 用了一个颇具浪漫气质的比喻：" 找到合适的数据集，是一门艺术。" 团队认为数据之间存在大量交互效应，直觉固然重要，但最终必须以实验为准。
对于外界关心的方向策略，Kimi 也给出了明确态度。选择先发布纯文本模型，是因为视频模型的数据准备与训练周期都更长；至于 1M 上下文窗口，团队已做过尝试，只是目前服务成本过高，未来版本中很可能重新引入。
被许多用户称道的 "K2 独特散文风格 " 来自何处？Kimi 表示，这既来自预训练阶段打下的知识底蕴，也来自后训练阶段的风味调校，甚至不同的强化学习策略都会导致截然不同的 " 风味差异 "。模型性格，某种程度上也反映了团队本人的喜好。
对于一些用户提出的批评，例如模型在战斗场景或冲突对话中过于 " 安全 "、略显 " 有毒的积极 "，Kimi 团队坦言这是长期挑战，但相信有解决方案。他们也正在探索如何在保持安全的前提下降低不必要的审查力度。至于 NSFW 内容，团队并不排斥可能性，但前提是建立可靠的年龄验证机制并调整服务条款。
关于技术栈，Kimi 继续强调他们在长链推理上的独特优势。K2 Thinking 目前能稳定完成 200 到 300 步的工具调用，团队将其归功于端到端智能体强化学习训练方式。再加上 INT4 推理带来的速度优势，使得单次长推理成为可能。
至于未来技术升级路线，Kimi 透露他们正在研究新架构 KDA（Kernel Attention Dual Architecture），并很可能在 K3 模型中投入使用。此外，团队不排斥进一步开源更多组件，包括安全对齐技术栈，但同时强调需要找到机制确保开源细化不会被滥用。
Kimi K2 Thinking 强在哪？
按照官方介绍，这是月之暗面目前最强的开源思考模型，拥有 1 万亿参数规模，采用 384 个专家混合架构，它以 " 思考型智能体 " 为目标打造，能够在使用工具的同时逐步推理，在 Humanity ’ s Last Exam（HLE）、BrowseComp 等多个基准测试上取得最新的业界领先成绩，在推理、智能体搜索、代码、写作以及通用能力等方面都有大幅提升。
当然，对评分不那么感冒的朋友，更看重实效。Kimi K2 Thinking 能在没有人工干预的情况下，连续执行 200 到 300 次工具调用， 并在数百步的链式推理中保持连贯，解决复杂问题，标志着在测试时扩展（test-time scaling）上的最新进展，包括扩大思考 token 的规模，以及扩大工具调用的链路深度，这是堪比 Claude 长程规划和自适应推理能力，Kimi K2 Thinking 直接把门槛大幅拉低。
Kimi K2 Thinking 在多项衡量推理、编码和智能体能力的基准上刷新记录。它在带工具的 HLE 中达到 44.9%，在 BrowseComp 上达到 60.2%，在 SWE-Bench Verified 上达到 71.3%，展现了作为顶级思考型智能体模型的强泛化能力。
Kimi K2 Thinking 还能在推理过程中主动调用多种工具，数百步的序列中也能完成规划、推理、执行与自适应调整，处理一些最具挑战性的学术与分析类问题。在某次测试中，它通过 23 次交错进行的推理与工具调用，成功解决了一道博士级数学难题，充分展示了其深度结构化推理能力与长程问题求解能力。
编码也是体现智能体能力的重点，Kimi K2 Thinking 在编码和软件开发任务上表现出显著提升，尤其在 HTML、React 以及组件密集型前端任务上表现突出，能够将想法转化为功能完整、响应灵敏的产品。在代理式编码场景中，它在调用工具的同时进行推理，能够流畅地融入软件代理，精确且灵活地执行复杂的多步骤开发工作流。
低比特量化（Low-bit quantization）是减少大规模推理服务器延迟和 GPU 内存占用的有效方法。然而，思考型模型通常使用过长的解码长度，因此量化往往会导致显著的性能下降。
为解决这一挑战，月之暗面在后训练阶段采用了 量化感知训练（Quantization-Aware Training, QAT），并对 MoE 组件应用 仅权重的 INT4 量化。这使得 K2 Thinking 能够支持原生 INT4 推理，在生成速度上大约提升 2 倍，同时仍保持最先进的性能。
总体来看，月之暗面通过 K2 Thinking 证明其大模型技术能力，也更清晰地印证了当前大模型发展的一个核心趋势：从追求规模参数转向追求推理效能和实用化能力。
但其长期竞争力，仍需放在与 Gemini、GPT 等巨头模型的持续迭代和更广泛的市场检验中观察。行业的竞争，已进入一个比拼技术深度、工程效率与生态策略的更为复杂的综合阶段。（文 | TechPulse ，作者 | 张帅，编辑 | 盖虹达）
