上周，月之暗面發(fā)布了全新版本的大模型，Kimi K2。
這是目前世界上第一個(gè)參數(shù)量達(dá)到萬(wàn)億級(jí)別的開源模型，發(fā)布后迅速引爆了圈內(nèi)討論。
它不僅在各種評(píng)估基準(zhǔn)上表現(xiàn)亮眼，也收獲了國(guó)內(nèi)外開發(fā)者社區(qū)的普遍好評(píng)。
在 LMSYS 的開源模型排行榜（LMArena）上，Kimi K2 直接躍升至第一名。
第一列是開源模型內(nèi)的排名，前四都是國(guó)產(chǎn)開源模型，Kimi K2 排在第一名；第二列是所有（開源和閉源）模型中的排名。圖片來(lái)源：https://lmarena.ai/leaderboard/text
但也有不少人質(zhì)疑 Kimi K2 是在「抄襲」DeepSeek。
Kimi 團(tuán)隊(duì)則大方回應(yīng)：確實(shí)是在 DeepSeek V3 的基礎(chǔ)上做了改進(jìn)。
甚至有網(wǎng)友直接對(duì)比了兩者的架構(gòu)，指出了細(xì)節(jié)差異：
Kimi K2 發(fā)布后，網(wǎng)友整理 DeepSeek V3 和 Kimi K2 的模型架構(gòu)區(qū)別，來(lái)源：https://sebastianraschka.com/blog/2025/the-big-llm-architecture-comparison
就在大家還在討論這些差異、參數(shù)規(guī)模、以及模型路線時(shí)，Kimi 今天又放出了一份干貨：Kimi K2 的技術(shù)報(bào)告正式發(fā)布。
我第一時(shí)間打開來(lái)看，快速掃了一遍，關(guān)鍵詞大概是：萬(wàn)億參數(shù)的混合專家模型、讓訓(xùn)練更穩(wěn)定的 MuonClip 優(yōu)化器、不斷被強(qiáng)調(diào)的 Agentic 智能，還有自我批評(píng)式的通用強(qiáng)化學(xué)習(xí)……
直到我翻到附錄，發(fā)現(xiàn)一張有點(diǎn)意思的作者列表，除了看到月之暗面創(chuàng)始人楊植麟的名字，竟然！
Kimi K2 技術(shù)報(bào)告作者頁(yè)面
Kimi K2……自己也是作者之一？
我突然有點(diǎn)恍惚，把你「造」出來(lái)，你還參與了如何「造出你」的論文撰寫？
那我還研究什么，既然它都上作者署名了，直接問(wèn)他就好了！
我就把這份技術(shù)報(bào)告交給 Kimi K2 來(lái)分析一下，看看它能不能講明白，Kimi K2 到底做了什么。
于是，這篇文章就變成了：我，把技術(shù)報(bào)告丟給了 Kimi K2，讓它「揭秘」它自己。
Kimi K2：為「智能體時(shí)代」奠基的萬(wàn)億級(jí)開源大模型——《Kimi K2 Technical Report》深度解讀
從「會(huì)聊天」到「能干活」：為什么需要新一代大模型
過(guò)去兩年，大模型的競(jìng)賽焦點(diǎn)集中在「誰(shuí)能把考試題刷得更高」，但真實(shí)世界的需求正在迅速轉(zhuǎn)向「誰(shuí)能像人一樣干活」。
從自動(dòng)修復(fù)代碼漏洞、跨工具協(xié)同辦公，到自主完成科研實(shí)驗(yàn)，業(yè)界把這種「感知-規(guī)劃-執(zhí)行-反思」的閉環(huán)能力稱為 Agentic Intelligence（智能體智能）。
Kimi K2 正是這種范式切換下的第一個(gè)系統(tǒng)性成果：它不僅要會(huì)做題，更要能在復(fù)雜、動(dòng)態(tài)、多工具環(huán)境中像「實(shí)習(xí)生」一樣自我進(jìn)化。
速看省流版：
技術(shù)層面：MuonClip 優(yōu)化器、稀疏 MoE 架構(gòu)、改寫數(shù)據(jù)策略，共同給出了「高質(zhì)量數(shù)據(jù)稀缺」時(shí)代的超大規(guī)模訓(xùn)練新范式；
數(shù)據(jù)層面：合成+真實(shí)混合環(huán)境的十萬(wàn)個(gè)工具軌跡為社區(qū)提供了可復(fù)現(xiàn)、可擴(kuò)展的智能體數(shù)據(jù)生產(chǎn)線；
開源層面：1 T 參數(shù)的 base + instruct 權(quán)重全部放出，相當(dāng)于把一輛 F1 賽車開源給了所有工程師。
模型一覽：萬(wàn)億總參數(shù)、320 億激活的「稀疏巨人」
規(guī)模：總參數(shù) 1.04 T，激活參數(shù) 32 B，MoE（混合專家）架構(gòu)，稀疏度 48（每 token 只激活 8/384 位專家）；DeepSeek V3 的參數(shù)總量是 6710 億，其中激活參數(shù)量為370 億 。
訓(xùn)練數(shù)據(jù)：15.5 T token，涵蓋網(wǎng)頁(yè)、代碼、數(shù)學(xué)、知識(shí)四大領(lǐng)域，全部經(jīng)過(guò)質(zhì)量清洗與「改寫法（數(shù)據(jù)增強(qiáng)技術(shù)，增加數(shù)據(jù)多樣性）」擴(kuò)增。
訓(xùn)練穩(wěn)定：首次在大規(guī)模模型訓(xùn)練過(guò)程中，損失函數(shù)沒(méi)有發(fā)生任何大的波動(dòng)或異常，歸功于新優(yōu)化器 MuonClip。
上下文窗口：128K token，滿足長(zhǎng)文檔、多輪工具調(diào)用的需求。
MuonClip：大規(guī)模模型超高效訓(xùn)練方法
Muon 優(yōu)化器以訓(xùn)練效率高著稱，但在參數(shù)規(guī)模較大時(shí)，可能會(huì)出現(xiàn)注意力權(quán)重爆炸的問(wèn)題，即 logits 值過(guò)大，導(dǎo)致訓(xùn)練不穩(wěn)定。
作者提出 QK-Clip 機(jī)制融合到 Muon 優(yōu)化器中。QK-Clip 能夠在 logit 過(guò)大時(shí)，自動(dòng)進(jìn)行調(diào)節(jié)；同時(shí)，不會(huì)改變網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)模型干預(yù)極小，但作用極大。
注意力權(quán)重爆炸問(wèn)題大多出現(xiàn)在超大規(guī)模的大模型訓(xùn)練中，這也是此次 Kimi K2 萬(wàn)億參數(shù)能夠成功訓(xùn)練的重要突破之一。
沒(méi)有使用 QK-Clip 的 Muon 優(yōu)化器在訓(xùn)練時(shí)，會(huì)無(wú)法控制 logits 數(shù)值，從而導(dǎo)致大模型訓(xùn)練的不穩(wěn)定；而 Kimi K2 的 MuonClip 在整個(gè)訓(xùn)練過(guò)程中都可以很好的控制 logits 。
實(shí)驗(yàn)顯示，MuonClip 在中等規(guī)模，90 億激活參數(shù)時(shí)，就可抑制 logits 超過(guò) 1000，在 K2 全量訓(xùn)練中全程沒(méi)有不穩(wěn)定和優(yōu)化問(wèn)題出現(xiàn)，始終確保了訓(xùn)練的穩(wěn)定性。
文本數(shù)據(jù)：合成數(shù)據(jù)+真實(shí)數(shù)據(jù)雙 buff
高質(zhì)量數(shù)據(jù)越來(lái)越稀缺，而在訓(xùn)練中簡(jiǎn)單多輪重復(fù)讀取容易導(dǎo)致模型的過(guò)擬合。Kimi K2 提出兩套改寫策略：
知識(shí)文本：用 LLM 以不同風(fēng)格、視角重寫維基百科，同時(shí)保持語(yǔ)義一致性自動(dòng)校驗(yàn)，例如把「光合作用」改寫成「植物如何制造養(yǎng)分的偵探故事」；
數(shù)學(xué)文本：按「學(xué)習(xí)筆記」風(fēng)格重寫并多語(yǔ)種翻譯，把奧數(shù)競(jìng)賽題都改寫成「費(fèi)曼式講解」。
數(shù)據(jù)改寫流程，將輸入拆分為保留上下文的小塊，按順序重寫，然后拼接成完整的重寫段落。
Kimi K2 也在多個(gè)實(shí)驗(yàn)進(jìn)行了測(cè)試，結(jié)果顯示一次改寫+單輪訓(xùn)練的準(zhǔn)確率（28.94%）優(yōu)于原始文本反復(fù)讀取十輪（23.76%）。
智能體數(shù)據(jù)：2 萬(wàn)工具、10 萬(wàn)軌跡
要讓模型會(huì)調(diào)用工具，最難的是「可擴(kuò)展的真實(shí)環(huán)境」。作者搭建了混合管線：
工具庫(kù)：3000+ 真實(shí) MCP 工具，2 萬(wàn)+ LLM 合成工具，覆蓋金融、城市物聯(lián)網(wǎng)、軟件開發(fā)等 20 余領(lǐng)域；
「任務(wù)-智能體-評(píng)估」三元組自動(dòng)生成智能體訓(xùn)練樣本：每條生成的軌跡（即模型的輸入、輸出、決策過(guò)程、以及所采取的每一步行動(dòng)）由 LLM Judge 打分，通過(guò)率 <10% 時(shí)，采用拒絕采樣方法；確保只選擇符合要求的樣本進(jìn)行進(jìn)一步的訓(xùn)練或評(píng)估；
真實(shí)智能體任務(wù)數(shù)據(jù)補(bǔ)充：例如代碼類任務(wù)直接扔給開源的容器編排平臺(tái)，執(zhí)行任務(wù)并測(cè)試，保證反饋真實(shí)。
工具庫(kù)使用的數(shù)據(jù)合成流程，工具來(lái)自真實(shí)世界的工具和LLMs；智能和任務(wù)從工具庫(kù)中生成。
最終產(chǎn)出超過(guò) 10 萬(wàn)的高質(zhì)量軌跡，用于監(jiān)督微調(diào)與強(qiáng)化學(xué)習(xí)。
強(qiáng)化學(xué)習(xí)框架：可驗(yàn)證獎(jiǎng)勵(lì) + 自我批評(píng)
可驗(yàn)證獎(jiǎng)勵(lì)的強(qiáng)化學(xué)習(xí)：對(duì)于數(shù)學(xué)、代碼、邏輯題等任務(wù)，直接跑單元測(cè)試或數(shù)值驗(yàn)證，客觀評(píng)估模型表現(xiàn)；
自我批評(píng)獎(jiǎng)勵(lì)：而對(duì)于非客觀任務(wù)（比如寫詩(shī)等），模型用 30 多條標(biāo)準(zhǔn)（清晰、客觀、對(duì)話流暢、安全等指標(biāo)）給 Kimi K2 的回答打分，實(shí)現(xiàn)無(wú)參考答案的對(duì)齊；
預(yù)算控制：拒絕「廢話連篇」，強(qiáng)制用最少 token 解決問(wèn)題（節(jié)省推理費(fèi)）。
成績(jī)匯報(bào)：開源第一，逼近閉源
所有對(duì)比均為「非思考」模式，不考慮測(cè)試時(shí)計(jì)算資源的差異。
Kimi K2 在代碼、數(shù)學(xué)、工具使用和長(zhǎng)文本四項(xiàng)關(guān)鍵能力上均取得或逼近當(dāng)前開源模型的最優(yōu)成績(jī)，并在多項(xiàng)任務(wù)上超越閉源標(biāo)桿。
詳細(xì)結(jié)果圖，從上至下依次是代碼、工具、理工科以及通用任務(wù)。
局限與展望
多步復(fù)雜推理場(chǎng)景下輸出過(guò)長(zhǎng)，可能被截?cái)啵?/p>
在多輪任務(wù)中，如果觸發(fā)了錯(cuò)誤工具，或者工具調(diào)用失敗，會(huì)拉低表現(xiàn)；
Kimi K2，是「Agentic-aware」模型（接受過(guò) agent 任務(wù)訓(xùn)練），但還不是一個(gè)「完整 Agent 框架」系統(tǒng)。在長(zhǎng)流程開發(fā)任務(wù)中的一次成功率，Kimi K2 仍然低于那些完整 Agent 框架驅(qū)動(dòng)下的系統(tǒng)。
Kimi K2 后續(xù)將圍繞推理效率、工具自我評(píng)估、長(zhǎng)過(guò)程推理規(guī)劃繼續(xù)迭代。
Kimi K2 的意義不止于又刷新了幾個(gè) benchmark?？梢灶A(yù)料，隨著開源社區(qū)在此基礎(chǔ)上繼續(xù)改進(jìn)，2025 下半年將出現(xiàn)一批「比 K2 更會(huì)干活」的垂直智能體，真正把大模型從「聊天框」帶進(jìn)「生產(chǎn)線」。