Kimi K2这波操作，让我重新思考什么叫领先

昨晚 Kimi 发布了 K2 Thinking 模型，其实我有点被惊到了。

之前看到预告我以为只是一个小的升级，没想到又发长cot的思考模型。因为这个模型本来就很难，而他们只用了两三个月的时间，就又完成了这次升级

从结果看，K2 -thinking模型在 HLE 上sota，多个核心指标在全球权威榜单上超过了 GPT-5 和 Claude Sonnet 4.5

但是别忘了，他们的投入对比open ai 简直可以说是四舍五入不要钱，这是一个规模两三百人的中国团队用两个月的时间完成的成绩

（据外媒报道，K2 的训练预算大约是 460 万美元。仅有用 OpenAI、Anthropic 约 1% 的成本，在这个行业，这几乎只是“一个实验的零头”，可这样点“节制的投入”，还产出了一个能连续推理 200~300 轮的sota模型。）

这件事情让我在想起之前yangzhiling的采访，那个采访我没看完，大概就看了几个点，token effiency很重要，管理组织的rl和sft的平衡很重要。

在国外模型押注算力与规模时，kimi更像是在押注“理解力”和“思维结构”——从所谓的堆叠智能转向组织智能。

什么才是AI模型竞赛的终点？如果过去的阶段是“比谁更快更大”，我觉得那下一个阶段，也许是“比谁更懂得思考”。包括模型运作的方式，也包括如何在更少的资源的时候做更大的事情

一切的一切都关乎思考与判断。
而“thinking”这个名字本身，其实也像是一种声明：真正的智能，不在于能调用多少工具，而在于能否在不确定中保持连续的推理与判断。

海外的反应也很微妙。

像Deedy，是MenloVentures合伙人、X上的大V，就认为Kimi K2 Thinking是当前全球最佳大模型，开源+宽松授权，可以说是AI模型的一个转折节点

Nathan Lambert也觉得，中国AI模型的突破会给美国实验室带来压力，后续还会有更多拐点

我只觉得，当外界开始认真分析这种效率时，某种意义上，kimi已经赢了。

这时候，再回头看Kimi只用了open ai.大概1%的预算、仅有open ai.0.5%的估值，以及模型连续登上各种权威榜单sota的热度。

这种被低估，也是一种领先。

#月之暗面 #KimiK2 #大模型思考#AI异类弗兰克 #AI