文｜邓咏仪

编辑｜苏建勋

发布开源模型 K2 一周后，Kimi 引起的全球热潮还在继续。

7 月 11 日，月之暗面（Moonshot AI）开源了万亿参数的 MoE 模型 Kimi K2。这是一个参数高达 1T，激活参数 32B 的 MoE 模型，包括两款开源模型版本 Kimi-Base 和 Kimi-instruct。

K2 是个 " 偏科 " 选手，擅长编程、智能体类的任务。在 Kimi 公布的测评结果中，Kimi K2 在自主编程、工具调用和数学推理三个维度的表现上，都超过了同为开源模型的 DeepSeek-V3 和阿里 Qwen3。

Hugging Face 数据显示，开源一周后，K2 下载量累计超过 10 万，还在快速攀升中。在大模型权威竞技场 LMSYS 中，K2-Instruct 已经冲到总榜第四，仅次于 GPT-4o、Claude-3.5、Gemini-1.5-Pro。

马斯克在推特上转发了的 OpenRouter 趋势数据显示，K2 的在一周内攀升至全球趋势榜第二，仅次于 Grok 4。

月之暗面这次没有选择大规模营销，而是在用一种全新的方式开源。

K2 发布后，Kimi 的算法工程师、研究员，在推特、小红书、知乎上积极分享 K2 的工作和技术，回复用户疑问；Kimi 的官方推特也在不间断地刷屏，转发社区里对 K2 的赞美和建议。

热情的互动引来了更多的 " 自来水 "。Hugging Face 联合创始人 Thomas Wolf 就对 Kimi K2 大加赞赏，表示开源模型正在挑战最新的闭源权重模型。

发布热闹得像团建，与这家公司过去半年的沉默形成鲜明对比。

过去两年，Kimi 经历了一场过山车般的起伏：几乎是最后一个推出 ChatBot 助手 Kimi，但是凭借着长文本和出圈的策划一炮而红，成为最先出圈的大模型应用产品。

但 2025 年，几乎所有模型厂商，都被横空出世的 DeepSeek 打得失语。追逐 AGI，证明自己还有技术实力，变成了所有厂商要做的证明题。

曾经拥有梦幻开端的 Kimi，在今年来了个猛转弯：To C 的 Kimi 应用停止投流，专心主攻模型。去年曾经试水的 Ohai、Noisee 等其他 C 端应用，以及 Kimi 在多模态上的尝试也迅速暂停。这也让它遭受的质疑更猛烈——是不是放弃了预训练？停止投流后，To C 应用放弃了吗？

蛰伏半年，Kimi 需要一场翻身仗。K2 的发布，就是回归 AGI 主线的一种宣言。

K2 发布，已经引起了全球开发者社区的震动。7 月 16 日，著名的《Nature》杂志发文，表示 K2 的发布为 " 另一个 DeepSeek 时刻 "，足见其赞美。

为什么 K2 的发布如此重要？简单来说，因为 K2 把 DeepSeek 模式再走了一遍：主打高性能、低成本，而且真开源。最重要的是，端出了真的好东西。

K2 是个性能强悍的模型。它很专注，目标清晰——就是为了智能体（Agentic AI）而生。

一位 Kimi 的算法工程师 Justin Wong 在博客里说：Kimi 希望把人与 AI 的交互方式，从 chat-first 变成 artifact-first，即交付一个具体的交付物（比如一个 3D 模型、一个表格），而非交付一段聊天上下文。

用大白话说，就是要真能干活，不只是纯聊天了。

了解了这点，才能理解 Kimi 在模型训练路线上的诸多选择。

DeepSeek R1 发布时，更多注重思考、推理能力，在发布后相当长一段时间才加入工具调用功能。而 K2 并没有像 DeepSeek R1 那样带上推理模式（如展现思考过程），虽然也着重提升了风格化写作能力，但并没有过多强调。

K2 最看重的还是 Agentic（智能体）能力，把提升 " 自主使用工具、完成任务 " 的能力，放到最高优先级。" 这在整个领域里是一个非常罕见的选择。" 一位从业者评论道。

更具体地说，K2 把优化的重点放在了：根据聊天的上下文，调用外部的工具，要让调用速度更快，完成任务的质量更高——比如浏览器、PPT、Excel、3D 绘画软件等等。用户也可以接入 owl、Cline、RooCode 等 Agent/Coding 框架，来自主编程。

所以，在 K2 的使用案例中，你可以看到，直接输入 Prompt，不用怎么等 K2" 思考 "，K2 就迅速生成 3D 旋转地球模型、生成 PPT、生成昼夜循环的山川峡谷 3D 景观、3D 粒子星系、交易看盘等等。

△ Prompt: Create a 3D HTML mountain scene with cliffs, rivers, and day-night lighting. Supports drag/zoom, animated transitions, realistic gradients, and toggleable contour lines... ( 创建一个 3D HTML 山脉场景，包含悬崖、河流和昼夜光照变化。支持拖动和缩放、动画过渡、真实感渐变色，并可切换等高线显示 ... ) 来源：Kimi

把 13 万行的原始数据丢给 Kimi K2，可以帮你分析远程办公比例对薪资的影响，分析显著差异，自动生成统计图表与回归模型解读等等，用统一色调做出小提琴图（violin plot ) 、箱线图（box plot）、散点图（scatter plot）等专业图表，整理成报告。

K2 的另一个核心贡献在于，把模型的训练和使用成本又拉到了一个地板价，同时还保持着接近 Claude 主流模型的性能，主打一个性价比高。

Kimi K2 API 的定价是：每百万输入 tokens 4 元，每百万输出 tokens 16 元；直接和同样主打编程的 Claude 4 Sonnet（每百万输入 3 美元，每百万输出 15 美元）的 API 价格相比，整体成本可以下降超过 75%。

别小看这 75%，如今 AI 编程已经成为创业赛道的 " 明牌 "，赛道里包括 Cursor 等头部 AI 编程公司估值已经迅速起飞。截至 2025 年 6 月，Cursor 的 ARR（年度经常性收入）已突破 5 亿美元大关，相较于 4 月中旬披露的 3 亿美元，短短两个月内飙升了 60%。

开发者会实实在在用脚投票。K2 一出，Hugging Face 的下载量涨得飞快，K2 很快就登上了 OpenRouter 的趋势榜周第二，开发者频频吐槽为什么 API 还这么慢，用不上。

K2 现在并不完美，输出的结果还是会有不足之处，比如 Token 输出比较啰嗦，代码质量和顶尖的 Claude 相比还是有差距——但架不住它性价比高。很多博主的测试案例中，普通程序员写一天代码也就几块钱，大大降低了 AI 编程的算力使用门槛。

性价比高，也源于 Kimi 一些原创性的创新。

Kimi 从训练阶段引入了新的优化器 Muon，取代了原来主流的 AdamW 优化器，在不同 Llama 架构模型上，Muon 的算力需求只有 AdamW 的 52%。

优化器是大模型里的一个核心组件，决定着在训练时的模型参数如何调整。优化器优化得越好，模型在同样的硬件环境下跑得更快、更稳，换种角度说，也更节省了算力。

这可以说是一场技术冒险。Muon 原本是一个比较前沿的优化器方向，甚至没有发表正式论文，以前只在小型模型上训练成功过。但 Kimi 选择将 Muon 扩大到万亿参数去尝试，并且解决了大规模训练下的很多技术难点，让 Muon 成为这次 K2 发布最受尊重的工作之一。

在公司门口放钢琴、公司名字用传奇摇滚专辑命名，这看起来是很朋克。但在巨大的市场压力下，专注在一个方向，把一个新技术架构直接上到万亿参数去训练，用真金白银去试，还成功了。

这才是真的朋克。

从 K2 发布的细节看，DeepSeek 在全球造成的影响仍在持续。

今年 1 月发布的 DeepSeek R1 是全球 AI 叙事的分水岭。在那之前，国内无论是大厂，还是 AI 初创，大家都在卷 AI 应用，抢夺用户和留存。

Kimi 曾经在 2024 年做过一波激进投流，和字节的豆包对打。但投流、增长是在大厂舒适区里的事情，Kimi 很快就显得力不从心。2024 年 11 月，豆包宣布 MAU 过亿，在国内一时风头无两。

很快，这些成果都被 DeepSeek R1 迅速超越。

DeepSeek 之后，无论是大厂还是初创，大家都形成共识：追求模型能力提升才是最重要的事。国内 To C 应用的战场上，几乎就剩下元宝、夸克和豆包在厮杀。

如今商业化已经是个有点遥远，且不是最重要的问题了。面对在模型和应用上都在 All in 的大厂，留给大模型初创的路几乎只有一条：开源，和攻克最难的问题。

前不久的 36 氪 Waves 大会上，真格基金合伙人戴雨森在谈到 Kimi 与 Minimax 时曾说： " 一年前，大家比投放、比用户，比投放，其实是大厂的机会。现在则回到技术前沿，回到强认知，我相信反而更适合以技术大牛为核心的创业团队。 "

六小龙们都做出了自己的选择。DeepSeek R1 的冲击后，各家呈上的答卷，实则表明了一种路线的分野：Kimi 已经有点像 Anthropic，主打提升编程、智能体的能力；Minimax 和阶跃牢牢抓紧多模态；智谱则是走更本土、To B/To G 的路线；百川选择继续做医疗模型；01 早已宣布不再做超大基础模型迭代，转而专注在大模型落地上。

此前，Kimi 在海外知名度有限，但 K2 的爆火已经带来实在的回报：全球开发者圈子里开始关注起 Kimi，有人开始研究 CEO 杨植麟的过往经历。开发者们喜欢这个充满朋克文化的团队—— Kimi 团队成员在小红书、推特展示公司里以传奇乐队命名的会议室，也会在 Twitter 坦承 " 现在 K2 还不完美，infra 还有很多不足，正在加班加点修复。"

而更早之前，在 Kimi 专注提升模型能力，推出包括深度研究等产品后，其实也反哺到了产品上：Kimi 的 Web 端数据从 6 月开始反弹，访问量环比增长 30%。

某种程度上，开源和朋克有着同样的精神内核，自由、开放、尊重技术，这是现在 AI 圈子里最强势的 " 注意力货币 "，不仅能建立名声、展现信仰，还有招揽人才——这才是 AI 初创现在最着急的事。

K2 发布后，一位 Kimi 研究员曾经在博客里提到：" 2025 年，智能的上限仍然完全由模型决定，作为一家以 AGI 为目标的公司，如果不去追求智能的上限，那我一天也不会多呆下去。"

追求 AGI 看似是一条窄路，对还在这条路上的初创公司而言，还是一条康庄大道。

只要足够专注。

封面来源｜视觉中国