開源模型的歷史性突破

就在美國AI巨頭OpenAI因高額支出承諾而備受質(zhì)疑之際，中國開源AI供應(yīng)商正在加速競爭——其中一家甚至在關(guān)鍵的第三方性能基準(zhǔn)測試中趕超了OpenAI的旗艦付費專有模型GPT-5，而且是用一個完全免費的模型。

月之暗面（Moonshot AI）今日發(fā)布的全新Kimi K2 Thinking模型，在推理、編程和智能體工具使用等基準(zhǔn)測試中一舉超越了所有專有和開源競爭對手，登頂榜首。

盡管是完全開源，該模型目前在多項標(biāo)準(zhǔn)評估中的表現(xiàn)已超過OpenAI的GPT-5、Anthropic的Claude Sonnet 4.5（思維模式）以及xAI的Grok-4——這標(biāo)志著開放AI系統(tǒng)競爭力的一個歷史性拐點。

開發(fā)者可以通過 platform.moonshot.ai 和 kimi.com 訪問該模型；權(quán)重和代碼托管在 Hugging Face 上。開源發(fā)布包含了聊天、推理和多工具工作流的API。

用戶可以直接通過其類似ChatGPT的網(wǎng)站以及Hugging Face空間試用Kimi K2 Thinking。

修改版開源協(xié)議：商業(yè)友好

月之暗面在Hugging Face上以修改版MIT協(xié)議正式發(fā)布了Kimi K2 Thinking。

該協(xié)議授予完整的商業(yè)和衍生權(quán)利——這意味著個人研究者和代表企業(yè)客戶工作的開發(fā)者可以免費訪問并在商業(yè)應(yīng)用中使用——但增加了一項限制：

“如果軟件或任何衍生產(chǎn)品的月活躍用戶超過1億，或每月收入超過2000萬美元，部署方必須在產(chǎn)品用戶界面上顯著展示’Kimi K2’標(biāo)識。”

對于大多數(shù)研究和企業(yè)應(yīng)用，這一條款相當(dāng)于一個輕量級的署名要求，同時保留了標(biāo)準(zhǔn)MIT協(xié)議的自由度。

這使得K2 Thinking成為目前可用的最寬松授權(quán)的前沿級模型之一。

新的基準(zhǔn)測試領(lǐng)跑者

Kimi K2 Thinking是一個基于萬億參數(shù)的混合專家（MoE）模型，每次推理激活320億參數(shù)。

它將長程推理與結(jié)構(gòu)化工具使用相結(jié)合，能夠在無需人工干預(yù)的情況下執(zhí)行200-300次連續(xù)的工具調(diào)用。

性能數(shù)據(jù)一覽

根據(jù)月之暗面公布的測試結(jié)果，K2 Thinking取得了：

• 44.9% - Humanity’s Last Exam（HLE），達(dá)到業(yè)界最先進(jìn)水平
• 60.2% - BrowseComp（智能體網(wǎng)絡(luò)搜索和推理測試）
• 71.3% -SWE-Bench Verified 和 83.1% - LiveCodeBench v6（關(guān)鍵編程評估）
• 56.3% -Seal-0（真實世界信息檢索基準(zhǔn)）

在這些任務(wù)中，K2 Thinking持續(xù)超越GPT-5的相應(yīng)得分，并超過了幾周前MiniMax AI發(fā)布的前開源領(lǐng)跑者M(jìn)iniMax-M2。

開源模型超越專有系統(tǒng)

GPT-5和Claude Sonnet 4.5 Thinking仍是領(lǐng)先的專有"思維"模型。

然而在同一基準(zhǔn)測試套件中，K2 Thinking的智能體推理得分超過了兩者：例如在BrowseComp上，開源模型的60.2%明顯領(lǐng)先GPT-5的54.9%和Claude 4.5的24.1%。

K2 Thinking在GPQA Diamond上也略勝GPT-5一籌（85.7% vs 84.5%），并在AIME 2025和HMMT 2025等數(shù)學(xué)推理任務(wù)上與之持平。

只有在某些重度模式配置下——GPT-5聚合多條推理軌跡——專有模型才能重新取得平衡。

月之暗面的全開源權(quán)重發(fā)布能夠達(dá)到或超過GPT-5的得分，標(biāo)志著一個轉(zhuǎn)折點。封閉前沿系統(tǒng)與公開可用模型之間的差距，在高端推理和編程領(lǐng)域已經(jīng)事實上消失。

超越MiniMax-M2：前任開源王者

就在一周半前，VentureBeat報道MiniMax-M2時，它還被譽為"開源LLM新王"，在開源權(quán)重系統(tǒng)中取得了頂尖得分：

• τ2-Bench: 77.2

• BrowseComp: 44.0

• FinSearchComp-global: 65.5

• SWE-Bench Verified: 69.4

這些結(jié)果使MiniMax-M2在智能體工具使用方面接近GPT-5級別的能力。然而Kimi K2 Thinking現(xiàn)在以大幅優(yōu)勢超越了它們。

其BrowseComp結(jié)果60.2%超過M2的44.0%，SWE-Bench Verified的71.3%也勝過M2的69.4%。即使在FinSearchComp-T3（47.4%）等金融推理任務(wù)上，K2 Thinking表現(xiàn)相當(dāng)，同時保持了卓越的通用推理能力。

技術(shù)創(chuàng)新

從技術(shù)角度看，兩個模型都采用稀疏混合專家架構(gòu)以提高計算效率，但月之暗面的網(wǎng)絡(luò)激活了更多專家，并部署了先進(jìn)的量化感知訓(xùn)練（INT4 QAT）。

這種設(shè)計在不降低準(zhǔn)確性的情況下使推理速度翻倍——這對于支持高達(dá)256k上下文窗口的長"思維token"會話至關(guān)重要。

智能體推理與工具使用

K2 Thinking的核心能力在于其顯式推理軌跡。模型輸出一個輔助字段reasoning_content，在每個最終響應(yīng)之前揭示中間邏輯。這種透明性在長時間多輪任務(wù)和多步驟工具調(diào)用中保持了連貫性。

月之暗面發(fā)布的參考實現(xiàn)演示了模型如何自主執(zhí)行"每日新聞報告"工作流：調(diào)用日期和網(wǎng)絡(luò)搜索工具、分析檢索內(nèi)容、生成結(jié)構(gòu)化輸出——同時保持內(nèi)部推理狀態(tài)。

這種端到端的自主性使模型能夠在數(shù)百個步驟中進(jìn)行規(guī)劃、搜索、執(zhí)行和綜合證據(jù)，反映了正在崛起的"智能體AI"系統(tǒng)類別，這些系統(tǒng)以最少的監(jiān)督運行。

效率與訪問成本

盡管規(guī)模達(dá)到萬億參數(shù)，K2 Thinking的運行成本保持適中。月之暗面列出的使用價格為：

• $0.15 / 100萬tokens（緩存命中）
• $0.60 / 100萬tokens（緩存未命中）
• $2.50 / 100萬tokens（輸出）

這些價格甚至優(yōu)于MiniMax-M2的$0.30輸入/$1.20輸出定價——比GPT-5（$1.25輸入/$10輸出）低了一個數(shù)量級。

對比背景：開源權(quán)重加速

M2和K2 Thinking的快速接連發(fā)布，展示了開源研究追趕前沿系統(tǒng)的速度有多快。MiniMax-M2證明了開源模型可以以一小部分計算成本接近GPT-5級別的智能體能力。月之暗面現(xiàn)在將這一前沿推進(jìn)得更遠(yuǎn)，將開源權(quán)重從平衡推向了徹底領(lǐng)先。

兩個模型都依賴稀疏激活來提高效率，但K2 Thinking更高的激活數(shù)（320億 vs 100億活躍參數(shù)）在各個領(lǐng)域產(chǎn)生了更強的推理保真度。其測試時縮放——擴展"思維tokens"和工具調(diào)用輪次——提供了可測量的性能提升，無需重新訓(xùn)練，這是MiniMax-M2中尚未觀察到的特性。

技術(shù)展望

月之暗面報告稱，K2 Thinking支持原生INT4推理和256k token上下文，性能下降微乎其微。其架構(gòu)集成了量化、并行軌跡聚合（“重度模式”）以及針對推理任務(wù)調(diào)優(yōu)的混合專家路由。

在實踐中，這些優(yōu)化使K2 Thinking能夠維持復(fù)雜的規(guī)劃循環(huán)——代碼編譯-測試-修復(fù)、搜索-分析-總結(jié)——跨越數(shù)百次工具調(diào)用。這種能力支撐了它在BrowseComp和SWE-Bench上的優(yōu)異表現(xiàn)，而推理連續(xù)性在這些任務(wù)中至關(guān)重要。

對AI生態(tài)系統(tǒng)的巨大影響

開放和封閉模型在高端的趨同，標(biāo)志著AI格局的結(jié)構(gòu)性轉(zhuǎn)變。曾經(jīng)完全依賴專有API的企業(yè)，現(xiàn)在可以部署匹配GPT-5級別推理的開源替代方案，同時保留對權(quán)重、數(shù)據(jù)和合規(guī)性的完全控制。

月之暗面的開放發(fā)布策略遵循了DeepSeek R1、Qwen3、GLM-4.6和MiniMax-M2設(shè)定的先例，但將其擴展到完整的智能體推理。

對于學(xué)術(shù)和企業(yè)開發(fā)者來說，K2 Thinking提供了透明性和互操作性——檢查推理軌跡和針對特定領(lǐng)域智能體微調(diào)性能的能力。

戰(zhàn)略時機：對AI投資模式的挑戰(zhàn)

K2 Thinking的到來表明，月之暗面——這家2023年成立、獲得中國一些最大應(yīng)用和科技公司投資的年輕初創(chuàng)公司——已經(jīng)準(zhǔn)備好在日益激烈的競爭中一展身手，而這正值A(chǔ)I行業(yè)最大玩家的財務(wù)可持續(xù)性受到越來越多審視之際。

就在一天前，OpenAI首席財務(wù)官Sarah Friar在WSJ Tech Live活動上表示，美國政府可能最終需要為該公司超過1.4萬億美元的計算和數(shù)據(jù)中心承諾提供"后盾"——這一評論被廣泛解讀為呼吁納稅人支持的貸款擔(dān)保，引發(fā)了爭議。

盡管Friar后來澄清OpenAI并未尋求直接的聯(lián)邦支持，但這一事件重新點燃了關(guān)于AI資本支出規(guī)模和集中度的辯論。

隨著OpenAI、微軟、Meta和Google都在競相確保長期芯片供應(yīng)，批評者警告說，這是一場不可持續(xù)的投資泡沫和"AI軍備競賽"，更多是由戰(zhàn)略恐懼驅(qū)動，而非商業(yè)回報——如果出現(xiàn)猶豫或市場不確定性，可能會"爆炸"并拖垮整個全球經(jīng)濟，因為現(xiàn)在已經(jīng)有太多交易和估值是基于對AI持續(xù)巨額投資和巨額回報的預(yù)期。

在這種背景下，月之暗面和MiniMax的開源權(quán)重發(fā)布給美國專有AI公司及其支持者帶來了更大壓力，要求他們證明投資規(guī)模和盈利路徑的合理性。

商業(yè)邏輯的根本性挑戰(zhàn)

如果企業(yè)客戶從免費開源的中國AI模型中獲得的性能可以與付費專有AI解決方案（如OpenAI的GPT-5、Anthropic的Claude Sonnet 4.5或Google的Gemini 2.5 Pro）相當(dāng)甚至更好——他們?yōu)槭裁催€要繼續(xù)付費訪問專有模型？

硅谷的標(biāo)桿企業(yè)如Airbnb已經(jīng)引起關(guān)注，因為它們承認(rèn)大量使用阿里巴巴的Qwen等中國開源替代方案，而非OpenAI的專有產(chǎn)品。

對于投資者和企業(yè)來說，這些發(fā)展表明，高端AI能力不再等同于高端資本支出。最先進(jìn)的推理系統(tǒng)可能不是來自建造超大規(guī)模數(shù)據(jù)中心的公司，而是來自優(yōu)化架構(gòu)和量化以提高效率的研究團隊。

從這個意義上說，K2 Thinking的基準(zhǔn)主導(dǎo)地位不僅僅是一個技術(shù)里程碑——它是一個戰(zhàn)略里程碑，到來的時機正值A(chǔ)I市場最大的問題已經(jīng)從"模型能變得多強大"轉(zhuǎn)變?yōu)?誰能負(fù)擔(dān)得起維持它們"。

對企業(yè)的前瞻意義

在MiniMax-M2崛起后的幾周內(nèi)，Kimi K2 Thinking已經(jīng)超越了它——以及GPT-5和Claude 4.5——在幾乎每一個推理和智能體基準(zhǔn)測試中。

該模型證明，開源權(quán)重系統(tǒng)現(xiàn)在可以在能力和效率上達(dá)到或超越專有前沿模型。

對于AI研究社區(qū)來說，K2 Thinking不僅僅是又一個開源模型：它是前沿已經(jīng)變得協(xié)作化的證據(jù)。

今天可用的性能最佳的推理模型不是封閉的商業(yè)產(chǎn)品，而是任何人都可以訪問的開源系統(tǒng)。

原文來源: VentureBeat

整理：周華香