国产大模型在多项基准测试中超越GPT-5

记者丨雷晨

编辑丨张伟贤

近期，月之暗面三位创始人杨植麟、周昕宇和吴育昕同时现身Reddit论坛，进行了一场长达数小时的线上问答活动。

这场技术极客风格的互动，举办在Kimi K2 Thinking模型发布第五天。该模型在“人类最后的考试”等多项基准测试中表现超越GPT-5，引发全球AI社区关注。

在问答过程中，创始人团队不仅回应了训练成本、算力优化、开源策略等核心问题，更直面海外用户对“中国LLM”的使用疑虑。

多项测评成绩领先

11月6日晚，月之暗面推出Kimi K2 Thinking模型，并称其为“Kimi迄今能力最强的开源思考模型”。

这一模型基于“模型即Agent”理念训练，原生掌握“边思考、边使用工具”的能力。在多项权威基准测试中，K2 Thinking达到SOTA水平。

譬如，在被称为“人类最后的考试”的HLE（Humanity’s Last Exam）测试中，K2 Thinking获得了44.9%的成绩，超过GPT-5的41.7%。在自主网络浏览能力BrowseComp基准测试中，Kimi K2 Thinking同样以60.2%的得分，领先GPT-5的54.9%。同时在复杂信息收集推理SEAL-0测试中，其以56.3%的得分超过GPT-5的51.4%。

值得一提的是，该模型无需人类干预，即可凭借持续稳定的深度思考能力自主实现高达300步的工具调用，从而帮助用户解决更复杂的问题。这是月之暗面在Test-Time Scaling（测试时扩展）领域的最新进展，通过同时扩展思考 Token 和工具调用的步数，实现更强的Agent和推理性能。

K2 Thinking最引人注目的特点之一，是其推理性能的全面提升。据悉，该模型能够连续执行200至300次工具调用来解决复杂问题，保证任务连续性。

吴育昕表示，这种支持“思考-工具-思考-工具”的交错执行模式，在大语言模型中仍属较新行为。

月之暗面以HLE测试中一道人文类题目推理过程为例，在示例中，Kimi K2 Thinking经过5次搜索和推理，结合每步搜索到的新信息，层层深入，最终推理出了答案。

而当推理链条变长，如何保持其推理过程中的稳定性？杨植麟表示，团队采用端到端的智能体强化学习训练K2 Thinking，这使模型在数百个步骤的工具调用过程中，包括检索在内的每个中间环节都保持良好性能。

极致压榨算力

在算力资源相对有限的条件下，月之暗面团队展现出了优秀的工程优化能力。

吴育昕在回答中坦言，团队使用的是配备Infiniband的H800 GPU集群，无论在算力规模还是芯片性能上都不占优势。

但他强调，团队“把每张显卡的性能都压榨到了极致”。

针对训练成本问题，杨植麟也做出回应。他强调，所谓“460万美元”的成本并非官方数字，真正的训练成本很难量化，因为主要部分是研究和实验。

关于外界对模型使用较多代币的质疑，杨植麟回应道：“当前版本中，我们优先考虑的是绝对性能而非代币效率。”他表示，后续会尝试将效率纳入奖励机制，以便模型能学习如何简化思考过程。

在工程落地层面，K2 Thinking采用了原生INT4量化技术，对MoE组件应用了INT4纯权重量化，使得生成速度提升了约2倍。

周昕宇补充道，选择INT4是为了更好地兼容“非Blackwell GPU”，同时利用现有的INT4推理marlin内核。

谈及OpenAI的烧钱策略，周昕宇表示：“我们也不清楚OpenAI为何如此烧钱，这恐怕只有萨姆·奥尔特曼本人知道。我们有属于自己的方式和节奏。”

国产大模型突围

值得注意的是，月之暗面所坚持的开源策略，让中国AI大模型得到了更广泛的国际认可。

今年7月，美国知名编程工具Cursor全面禁止中国IP调用Claude等模型。市场迅速做出了选择——平台OpenRouter数据显示，Kimi K2的调用量随即大幅攀升。其API价格仅为Claude Sonnet的五分之一，展现出显著的性价比竞争力。

在交流环节，一位海外用户表示，在其工作场所，Kimi是其主要测试的模型，但生产使用上仍然会用美国本土模型，这主要由于管理层对于“中国LLM”的风险感知。

对此，吴育昕表示，虽然“封禁”风险通常超过控制范畴，但开源模式是消除部分疑虑的好办法。

杨植麟亦表示：“我们之所以支持开源，是因为我们相信开源是一件促进团结而非分裂的事情。当前虽然有一些挑战，但我们非常乐意与大家共同面对。”

从欧洲到北美，从亚洲到非洲，越来越多的开发者正在调试基于Kimi K2 Thinking的应用。

OpenRouter官网显示，在近一周的模型调用榜单上，排名前二十的模型中，中国模型已占据七席。而Kimi K2更与同期发布的Grok4登上增长榜前两名，日处理量突破100亿Token。

（图片来源：OpenRouter官网）

当前，月之暗面已经勾勒出下一代K3模型的发展蓝图。

杨植麟表示：“在OpenAI建成千亿级美元数据中心之前，K3会推出的。”他透露，团队正计划在K3中引入重大的架构变革，“KDA是我们最新的实验性架构，相关想法很可能会在K3中使用。”

据介绍，KDA（Kimi Delta Attention，一种线性注意力模块）在实验中表现出色，杨植麟表示它在所有评估维度上都展现出性能提升，包括长序列输入输出的强化学习场景，同时保持了线性注意力机制的效率优势。

SFC

出品丨21财经客户端 21世纪经济报道

编辑丨黎雨桐

21君荐读