460万美元训练出顶级大模型? 月之暗面杨植麟亲自回应

（文/陈济深 编辑/张广凯）

11月6日，月之暗面发布最新模型Kimi K2 Thinking，在Humanity's Last Exam、TAU-Bench等重要基准测试中，超越GPT-5、Claude 4.5等全球最强开源乃至闭源模型。

在Kimi发布更新的同一天，英伟达CEO黄仁勋关于“中国将赢下人工智能全球竞赛”的最新言论更是让这个中国大模型吸引了全世界的关注。

在专业机构 Artificial Analysis 智能体工具的调用测试中，Kimi K2 Thinking的得分达到93%，是目前第三方机构测量到的最高分；在智能指数中，则以67分排名第3，仅次于GPT5。

K2 Thinking在几个关键领域实现了重大突破：首先是采用了“超稀疏MoE”架构，用极高的效率获得了万亿级模型的强大知识；其次是实现了“原生INT4量化”，在训练中就解决了精度与效率的矛盾，大幅提升了推理速度并降低了硬件门槛；最关键的是，它在“智能体”（Agent）工具调用能力上实现了质的飞跃，在衡量“AI数字员工”能力的TAU-Bench测试中登顶。

在发布后仅仅48小时不到，Kimi K2 Thinking下载量已超过5万，成为人工智能全球最大开源社区Hugging Face最热门的开源模型。

“这是另一个DeepSeek时刻吗？”Hugging Face联合创始人Thomas Wolf在个人社交账号上敲下评论。海外的开源社区和科技媒体上，开发者对Kimi K2 Thinking的赞誉也纷至沓来。

除了性能上的突破，一则传闻的出现更是让Kimi引发了市场的强烈关注。CNBC报道称，Kimi K2的训练成本仅为460万美元。

这也意味着，Kimi仅用了OpenAI训练GPT5不到1%的成本就训练出了不输GPT5的全球顶级大模型，而33亿美元估值的月之暗面比起目前估值突破5000亿，旨在冲击万亿美元市值的OpenAI更是可以忽略不计，而就是这个中国的“小”玩家却用极低的成本搓出了一个顶级模型。

面对这个震撼的对比，K2 Thinking在引发市场关注的同时，也引发了部分人群的质疑，Kimi新模型的训练成本到底是多少？Kimi这次登顶是不是跑分刷榜？Kimi不做多模态模型是不是就是为了刷榜而不是应用？

11月11日深夜，月之暗面月之暗面联合创始人兼CEO杨植麟，以及联合创始人周昕宇和吴育昕，在Reddit举办了一场AMA (Ask Me Anything，问我任何事），回应了诸多外界的关注内容。

从回答阵容来看，杨植麟用了一个叫“ComfortableAsk4494”的账号来直接在线答疑。

对于大家最关心的训练成本问题，杨植麟直接坦言460万美元不实。

他表示：“这不是官方数据。由于训练成本中很大一部分是研究和实验，所以很难量化具体数字。”

而对于优先聚焦文本模型是为了短期刷榜，还是准备持续深耕文本领域的问题，杨植麟则明确表示，“训练视觉语言模型需要时间获取数据和调整训练，所以我们决定先发布一个文本模型。”

甚至有网友问到为什么OpenAI会烧那么多钱，杨植麟更是坦言“我不知道”。

还有网友质疑，Kimi K2 Thinking是否经过专门训练，以在HLE这一基准测试中取得好成绩？它的高分似乎与实际使用中的智能水平不太相符。

杨植麟回应道，Kimi K2 Thinking在提升智能体推理能力方面取得了一些进展，使其在HLE测试中得分较高。月之暗面正在努力进一步提升其通用能力，以便在更多实际应用场景中充分发挥智能的作用。

另有网友问道：“为何K2 Thinking能在一次推理中保持如此长的思维链，而GPT-5不行？”

杨植麟解释道：“我认为推理时间取决于API吞吐，而推理token的数量取决于模型训练方式。我们在训练Kimi K2 Thinking时倾向于使用更多的思考token以获得最佳效果。我们的Turbo API会更快，同时Kimi K2 Thinking原生采用INT4，这也提升了推理速度。

Kimi K2系列模型不阿谀奉承、直接的文风在AI界算是一股清流，有不少网友认可这种风格。吴育昕称，这种写作风格是模型后训练数据和评估的重要组成部分。

月之暗面三位联合创始人还集中回应了与模型服务、开源等相关话题的疑问。

有网友称，Kimi在自己的公司已经成为主要的测试模型，但生产环境会切换到美国本土的模型。这主要是因为领导层担心Kimi是“中国大模型”，可能存在一些风险。

这位网友还分享，自己很喜欢使用Kimi App，自己一位在亚马逊工作的朋友也很喜欢这一应用，但由于亚马逊有规定必须使用自家的AI助手，禁止在工作场合使用其他主流的AI助手App。网友担心，随着Kimi逐渐变得知名，她会不会再也无法在工作场合中使用呢？

吴育昕回应称：“虽然被封禁往往超出我们的控制范围，但开源该模型有望成为消除部分顾虑的有效途径（企业可以自行部署）。我们希望看到一个更加信任的世界，但这需要时间。”

上下文一直是影响AI模型在生产环境应用的重要因素。目前，Kimi K2 Thinking最大支持256K的上下文，有网友反馈这对大型代码库而言并不算大。

杨植麟称，月之暗面应该能在未来的版本中增加上下文长度。

还有网友希望月之暗面能将模型上下文窗口提升到100万个token，周昕宇回复道，月之暗面之前已尝试过100万个token的上下文窗口，但当时的服务成本太高，未来他们会重新考虑更长的上下文窗口。

当被问及有无AI浏览器的开发计划时，周昕宇十分犀利地回复道：要做出更好的模型，并不需要再去套一层新的Chromium壳。

杨植麟称，月之暗面目前将专注于模型训练，但会不断更新kimi.com ，使其包含最新功能。

还有不少网友提到，希望月之暗面能推出规模更小的模型。杨植麟称，Kimi-Linear-48B-A3B-Instruct就是月之暗面发布的小型模型之一，未来他们可能会训练更多模型并添加更多功能。

目前，Kimi已经提供了编程订阅方案，这一计费方式是基于API请求次数，有网友称这种模式导致资源消耗偏高。月之暗面回应称，API请求次数计费能让用户看到费用明细，同时也更符合企业的成本结构。不过，他们会尽快找到更好的方案。

从社区中海外开发者的热烈提问和尖锐反馈可以看出，以Kimi系列为代表的中国模型正受到前所未有的关注。月之暗面此次在Reddit平台的公开问答，集中回应了全球网友对Kimi技术细节的大量兴趣和疑问。这种关注背后，也折射出全球开发者对中国AI创新能力的认可。