上周 Kimi K2 Thinking 发布，开源模型打败 OpenAI 和 Anthropic，让它社交媒体卷起不小的声浪，网友们都在说它厉害，我们也实测了一波，在智能体、代码和写作能力上确实进步明显。

刚刚 Kimi 团队，甚至创始人杨植麟也来了，他们在 Reddit 上举办了一场信息量爆炸的 AMA（有问必答）活动。

面对社区的犀利提问，Kimi 不仅透露了下一代模型 K3 的线索、核心技术 KDA 的细节，还毫不避讳地谈论了 460 万的成本，以及与 OpenAI 在训练成本、产品哲学上的巨大差异。

• 460 万美元这个数字不是官方的数字，具体的训练成本很难量化到多少钱
• K3 什么时候来，是看奥特曼的万亿美元数据中心什么时候建成
• K3 的技术将会继续沿用，当前效果显著的 KDA 注意力机制
• 视觉模型还需要我们去采集更多的数据，但目前已经在做了……

我们为你整理了这场 AMA 中最值得关注的几个核心焦点，来看看这家现在算是国产开源老大的 AI 实验室，是如何看待他们的模型，和未来 AI 的发展。

叫板 OpenAI，「我们有自己的节奏」

在这场 AMA 中，火药味最足的部分，大概就是 Kimi 团队对 OpenAI 的隔空回应。

最大的噱头之一：K3 什么时候来？Kimi 团队的回答非常巧妙：「在奥特曼的万亿美元数据中心建成之前。」

很明显这一方面是幽默，因为没有人知道 OpenAI 到底什么时候才能建成那个数据中心，另一方面似乎也在回应外界对于 Kimi 能用更少资源追赶 GPT-5 的赞叹。

当有网友贴脸开大，直接问 Kimi 怎么看 OpenAI 要花这么多钱在训练上时，Kimi 坦言：「我们也不知道，只有奥特曼自己才知道」，并强硬地补充道，「我们有自己的方式和节奏。」

这种自己的节奏，首先体现在产品哲学上。当被问到是否会像 OpenAI 一样发布 AI 浏览器时，团队直言 No：

我们不需要创建另一个 chromium 包装器（浏览器套壳），来构建更好的模型。

他们强调，目前的工作还是专注于模型训练，能力的体现会通过大模型助手来完成。

在训练成本和硬件上，Kimi 也展现了精打细算的一面。社区好奇 K2 的训练成本是否真的是传闻中的 460 万美元，Kimi 澄清了这个数字并不正确，但表示大部分的钱都是花在研究和实验上，很难具体量化。

至于硬件，Kimi 承认他们使用的是 H800 GPU 和 Infiniband，虽然「不如美国的顶级 GPU 好，而且数量上也不占优势」，但他们充分利用了每一张卡。

模型的个性与 AI 的垃圾味

一个好的模型，不仅要有智商，还要有个性。

很多用户喜欢 Kimi K2 Instruct 的风格，认为它「比较少的谄媚，同时又像散文一样，有洞察力且独特」。

Kimi 解释说，这是「预训练（提供知识）+ 后训练（增添风味）」共同作用的结果。不同的强化学习配方（即奖励模型的不同选择）会得到不同的风格，而他们也会有意的把模型设计为更不谄媚。

但与此同时，也有用户直言 Kimi K2 Thinking 的写作风格太「AI Slop 垃圾」，无论写什么话题，风格都太过于积极和正面，导致读起来 AI 味就是很重。他还举例子说，要 Kimi 写一些很暴力很对抗的内容，它还是把整体的风格往积极正面那边去靠近。

Kimi 团队的回答非常坦诚，他们承认这是大语言模型的常见问题，也提到现阶段的强化学习，就是会刻意地放大这种风格。

这种用户体感与测试数据的矛盾，也体现在对 Benchmark（跑分）的质疑上。有网友尖锐地提问，Kimi K2 Thinking 是不是专门针对 HLE 等跑分进行了训练，才会取得如此高分？毕竟这么高的分数，好像和他实际使用中的智能不太匹配。

对此，Kimi 团队解释说，他们在改进自主推理方面取得了一些微小的进展，这刚好让 K2 Thinking 在 HLE 上得分很高。但他们也坦诚了努力的方向，要进一步提升通用能力，以便在更多实际应用场景中和跑分一样聪明。

网友还说，你看马斯克的 Grok 因为做了很多 NSFW (非工作安全) 的工作，生成图片和视频；Kimi 完全可以利用自己的写作优势，让它完成一些 NSFW 的写作，一定能为 Kimi 带来很多用户的。

Kimi 只能笑而不语，说这是一个很好的建议。未来是否会支持 NSFW 内容，可能还需要找到一些年龄验证的方法，也需要进一步做好模型的对齐工作。

很明显，现阶段 Kimi 是不可能支持 NSFW。

核心技术揭秘：KDA、长推理与多模态

作为一家被称为「开源先锋实验室」的公司，而 Reddit 本身就是也是一个非常庞大和活跃的技术社区，Kimi 也在这次的 AMA 中，分享了大量的技术细节。

10 月底，Kimi 在《Kimi Linear: An Expressive, Efficient Attention Architecture》的论文，详细介绍了一种新型混合线性注意力架构 Kimi Linear，其核心正是 Kimi Delta Attention (KDA)。

通俗来说，注意力（Attention）就是 AI 在思考时，决定应该重点关注上下文哪些词语的机制。和常见的完全注意力和线性注意力不同，KDA (Kimi Delta Attention)，是一种更智能、更高效的注意力机制。

在这次 AMA 活动中，Kimi 也多次提到，KDA 在长序列强化学习场景中展现了性能提升，并且 KDA 相关的想法很可能在 K3 中应用。

但 Kimi 也坦言，技术是有取舍的。目前混合注意力的主要目的是节省计算成本，并不是为了更好的推理，在长输入和长输出任务上，完全注意力的表现依然是更好的。

那么，Kimi K2 Thinking 是如何做到超长推理链的呢，最多 300 个工具的思考和调用，还有网友认为甚至比 GPT-5 Pro 还要好？

Kimi 认为这取决于训练方式，他们倾向于使用相对更多的思考 token 以获得最佳结果。此外，K2 Thinking 也原生支持 INT4，这也进一步加速了推理过程。

我们在之前的 Kimi K2 Thinking 文章中也分享了 INT4 的量化训练技术，这是一种高效的量化技术（INT4 QAT），Kimi 没有训练完再压缩，而是在训练过程中，就保持了低精度运算模型。

这能带来两个巨大的优势，一个是推理速度的提升，一个是长链条的推理，不会因为训练完再进行的压缩量化，而造成逻辑崩溃。

最后，关于外界期待的视觉语言能力，Kimi 明确表示：目前正在完成这项工作。

之所以先发布纯文本模型，是因为视觉语言模型的数据获取，还有训练，都需要非常多的时间，团队的资源有限，只能优先选择一个方向。

生态、成本与开放的未来

对于开发者和普通用户关心的问题，Kimi 团队也一一作答。

为什么之前能处理 1M 上下文的模型消失了？Kimi 的回答言简意赅：「成本太高了。」而对于 256K 上下文在处理大型代码库时依然不够用的问题，团队表示未来会计划增加上下文长度。

在 API 定价上，有开发者质疑为何按「调用次数」而非 token 收费。对使用 Claude Code 等其他智能体工具进行编程的用户来说，基于 API 请求次数的计费方式，是最不可控且最不透明的。

在发送提示之前，用户根本无法明确工具将发起多少次 API 调用，或者任务将持续多长时间。

Kimi 解释说，我们用 API 调用，是为了让用户更清楚的知道费用是怎么消耗的，同时符合他们团队的成本规划，但他们也松口表示会看看是否有更好的计算方法。

当有网友提到自己公司不允许使用其他聊天助手时，Kimi 借机表达了他们的核心理念：

我们拥抱开源，因为我们相信通用人工智能应该是一个带来团结而不是分裂的追求。

而对于那个终极问题——AGI 什么时候到来？Kimi 认为 AGI 很难定义，但人们已经开始感受到这种 AGI 的氛围，更强大的模型也即将到来。

和去年疯狂打广告营销的 Kimi 不同，在这场 AMA 力，杨植麟和团队成员的回答；确实能让人感受到在国产开源，逐渐占据全球大语言模型开源市场的背景下，Kimi 也更加有底气，更明确了自己的节奏。

而这个节奏很明显，就是在这场烧钱、甚至卷太空的 AI 竞赛中，继续走开源的路，才能推动技术往前走。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

迄今为止最大最好的开源模型，总参数达 1 万亿，屠榜多个基准测试，Kimi K2 Thinking 来了。

一登场就是斩获多个测试榜单的第一名，Kimi 也不玩开源只和开源比那一套，而是直接把 GPT-5、Claude 4.5 Sonnet 这样的闭源模型放一起，非常自信。

除了在工具使用的榜单上拿第一，人类最后考试（HLE）、BrowseComp、还有其他基准测试，Kimi K2 Thinking 基本上都占据了先进模型的前排位置。

无论是对智能体能力要求极高的编程任务、还是通用的推理写作、深度搜索等方面，Kimi K2 Thinking 的性能表现可以说是，目前最接近封闭模型的开源模型。

延续了 7 月份，发布 K2 时，将其定位为自主智能路线图的一部分，Kimi K2 Thinking 也是主打 Agentic Intelligence（智能体智能）。它是一个推理的混合专家（MoE）模型，总参数量 1T，激活参数 32B，上下文长度 256K。

K2 Thinking 能在智能体工具调用中交错思考，同时在保持任务目标的同时，持续进行 200 到 300 次顺序工具调用。尽管工具调用在类似的闭源模型上，已经成为某种程度上的标准，但 K2 Thinking 可能是第一个，具有如此多工具调用能力的开源模型。

对比 K2 0905，K2 Thinking 在具体的任务上的提升，我们总结了 Kimi 的技术博客，有这些亮点。

• 解决需要百步推理的复杂难题：它能将一个庞大的目标分解为数百个子任务，然后像一个项目经理一样逐一执行。官方举例称，它曾通过 23 个交错的推理和工具调用，成功解决了一个博士级的数学难题。
• 更准确的找到详细的信息：通过执行动态的思考 → 搜索 → 浏览器使用 → 思考 → 代码循环，K2 Thinkging 在面对模糊或冷门的搜索需求，能自己上网反复搜索、浏览网页、验证证据，直到找到精准答案。
• 直接把想法变成可用的产品：K2 Thinking 特别擅长前端代码（如 HTML、React），和其他 Vibe Coding 产品一样，能直接把我们的想法写成一个功能完善、响应迅速的网页或软件产品。
• 写出更有人味的文章：逻辑严谨的专业长文，想象力丰富的创意故事，甚至是需要同理心的情感建议，K2 Thinking 在聊天问答这些通用能力上，能做到更扎实、更细腻的推理写作。

目前，Kimi K2 Thinking 已经在 Kimi 官网的聊天模式上线。

但需要注意的是，Kimi 解释说为了保证用户能获得快速、轻量级的体验，当前的网页聊天版本有选择性地减少了部分工具的使用和调用次数。因此，直接在 kimi.com 上聊天，可能暂时无法完全复现上述基准测试中的极限分数。

此外，能充分发挥 Kimi K2 Thinking 能力的完整智能体模式（Full Agentic Mode）将很快更新。开发者也可以通过 Kimi k2 thinking API 来体验。

我们也快速上手，实测了几个常见的项目，一起来看看实际的体验如何。

首先是编程任务，我们先让他做了一个技能五子棋的小游戏，要求是在普通的五子棋规则上，玩家可以使用技能。

速度很快，出乎我的意料，一两分钟的时间，它就实现了全部的代码，并且真的可以使用这些技能。

然后是骑自行车的鹈鹕，这个经典的测试大模型编程能力的项目，检验它的 SVG 代码生成。

虽然 K2 Thinking 写着推理模型，但是它的推理速度非常快，这段动态的 SVG 代码生成也只花了 1 分钟不到。虽然这个鹈鹕好像有点不太对劲。

开启长思考，即 K2 Thinking 的同时，能启用网络搜索，当我们要它完成一个天气卡片时，能看到 Kimi 会一边自动检索网络上的公开资料，一边完成代码的实现。

现在已经是全民 vibe coding 的时代了，普通用户还是程序员，都能从 K2 Thinking 的编程能力里，更快速地实现自己的想法。

在智能体搜索这个任务上，我们问了他一些专业领域的问题，测试它如何分解复杂问题、主动搜索、并整合难找的网络信息的能力。

可以看到，Kimi 搜索的信息是比较全面的，当我规定了 2025 年以后，它网页搜索的资料，也大多集中在最近这段时间以来的报道。

最后它给出的报告，也详细的提到了三种 2025 的算法，以及主要的公司等内容。

其实工具调用，应该是 Kimi K2 Thinking 非常重要的能力，但是在我们的体验中，发现大多数时候，他只是调用网络搜索工具，而没有看到 200 多个工具流。

我们在输入一个物流逻辑问题时，很明显是可以调用 Python 等代码解释器来辅助计算，但是 Kimi 只是和其他深度思考的模型一样，一步步地推理。

关于 K2 Thinking 的写作能力，我们找了一个表面上看起来是两难的问题给它。

这个回答有够人性化吗。很明显不是空洞的套话，还提供了周到且具体的思考，也帮助我们平衡了原则和现实两个方面，还有可操作的后续步骤。

在 AI 模型军备竞赛的今天，单纯的问答，很明显已经无法满足，我们复杂的专业需求。像人类专家一样，通过一步一步的推理思考，主动使用各种工具，来解决极其复杂的难题，成了所有大模型的标配。

根据 Kimi 官方文档和技术分析的介绍，这次的思考能力突破关键在训练方式，即高效的量化技术（INT4 QAT），这也是一个值得关注的行业亮点。

K2 Thinking 在后训练阶段采用了量化感知训练 (QAT)，让模型能以 INT4 精度本地运行，推理速度提升约 2 倍，同时保持最佳性能。

也就是说，它不是训练完再压缩，而是在训练过程中就贯穿低精度运算模型。这带来了两个巨大优势，一个是推理速度的提升，一个是长链条推理，不会因为量化而造成逻辑崩溃。

此外，它的所有基准测试成绩都是在 INT4 精度下报告的。说白了，这是一种「所见即所得」的性能，而不是实验室精心调制的数据，K2 Thinking 生来就能跑得动。

我们的实测也能看到，Kimi K2 Thinking 确实不仅仅是一个营销噱头，工具调用、量化技术、以及超长规划，让它在智能体方向上，推理速度上，都有不错的表现。

虽然在某些方面，例如稳定的结果输出、以及对提示词更宽松的要求，还是比不上闭源模型。但是开源能做到这样，我的心里只有两个字，佩服。

过去两年，国产模型的竞争大概是从 Qwen、百度这些模型，对 ChatGPT 的疯狂追赶；到横空出世的 DeepSeek 把推理成本降低的同时，还做到了和 o3 等推理模型，相媲美的表现。

让国产 AI 开始走上了，完全不同于国外闭源模型的路线。OpenAI 发布一个 GPT-5 预热了大半年，Anthropic 的 Claude 系列模型发布周期也在长达几个月。

而 Kimi 在今年七月发布了 K2，九月发布了 K2 Instruct，十一月就迎来了 K2 Thinking；更不用说还有智谱、MiniMax、以及前段时间模型七连发的 Qwen。就连还在期待中的 DeepSeek R2，也更新 V3.2、OCR 等广受好评的模型。

并且，这些模型全部开源。在海外社交媒体平台上，一年前大家可能只知道中国有 DeepSeek，而现在，Qwen 已经是 Hugging Face 上模型下载榜单的 Top 10，Kimi 和智谱（Z.ai）的 GLM 系列模型、以及 MiniMax 都成了大多数用户青睐的模型。

K2 Thinking 的发布，我想是一个新的转折点，就是当我们的开源模型，也能拿到和闭源模型一样的基准分数时，闭源模型还可以讲什么样的故事来营销自己呢。

Gemini 3 据说在今年年底前将发布，而 OpenAI 似乎也害怕再像当时的 nano banana 一样，抢走他的市场，计划推出 GPT-5.1。

军备竞赛还在继续，而国产开源的力量，开始让我们看到，一个好用的 AI，不是屠榜多少测试，是在具有真实用户需求的领域，能真正地提供某些东西，并且惠及所有人。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博