AI領域再掀波瀾，月之暗面公司推出的Kimi K2 Thinking模型引發全球開發者熱議。這款新銳模型在Humanity's Last Exam、TAU-Bench等權威測試中力壓OpenAI的GPT-5和Anthropic的Claude Sonnet 4.5，其API調用價格卻不足競爭對手的四分之一。Hugging Face聯合創始人Thomas Wolf在社交平臺驚嘆："這難道是中國AI界的又一次DeepSeek時刻？"
在模型發布后48小時內，北京時間凌晨時分，月之暗面三位創始人楊植麟、周昕宇、吳育昕首次集體亮相Reddit問答社區，與海外開發者展開長達數小時的深度對話。這場跨越時區的交流涉及技術路徑、商業模式、AGI發展等數十個核心議題，其中訓練成本問題最受關注。
針對外界盛傳的"460萬美元訓練成本"說法，楊植麟明確否認："研究實驗成本難以精確量化，這個數字并不準確。"他透露團隊采用1萬億參數混合專家架構，通過原生INT4量化技術將推理速度提升兩倍，配合H800 GPU集群的極致優化，在硬件條件不占優勢的情況下實現了成本控制突破。目前模型輸入成本為每百萬token 1-4元，輸出成本16元，性價比優勢顯著。
面對開發者關于模型"過于冗長"的質疑，技術團隊給出了獨特的技術哲學。楊植麟解釋稱當前版本優先保障復雜任務處理能力，后續將通過獎勵機制優化token效率。這種設計使模型能連續調用200-300次工具完成復雜推理，在"思考-工具"交替模式中保持穩定性。聯合創始人吳育昕補充道，實現這種交錯調用模式是開發過程中最具挑戰的技術突破。
在多模態發展路徑上，團隊選擇先聚焦文本模型。楊植麟表示視覺語言模型的訓練需要更多數據積累和參數調整，未來將逐步完善多模態能力。對于備受關注的K3發布時間，他以幽默方式回應："在Sam的萬億級數據中心建成之前"，引發網友對行業巨頭工程進度的調侃。
技術路線選擇方面，月之暗面展現出鮮明特色。針對DeepSeek采用的OCR方案，周昕宇認為特征空間優化更具通用性。團隊正在研發的KDA實驗架構采用3:1混合比例，通過"抓取關鍵信息"的方式優化性能、速度和顯存占用。內部測試的Kimi Linear新結構（基于KDA注意力模塊）已顯示出良好前景，可與稀疏化技術形成協同效應。
當被問及是否會推出更大規模閉源模型時，楊植麟的回答暗含深意："如果變得太危險的話"。這種兼顧技術發展與安全控制的表述，為未來商業化策略留下想象空間。目前該模型在Hugging Face平臺下載量已突破5萬次，成為最受歡迎的開源模型之一，其技術路線選擇和商業模式創新正在重塑AI行業競爭格局。
