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。
△图源：Kimi
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。
△图源：Twitter
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。
“又一个DeepSeek时刻”
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。
△来源：Kimi
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。
六小龙没有回头路
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。”
△来源：Twitter
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
👇🏻 扫码加入「智涌AI交流群」👇🏻
欢迎交流
本文来自微信公众号“智能涌现”，作者：邓咏仪，36氪经授权发布。
