月之暗面创始人杨植麟：中国技术不仅要好用还要参与制定规则，未来大模型要推出到K100

“希望在接下来的十年、二十年的时间，继续把K4、K5到K100做的更好。”

1月10日，在清华大学基础模型北京市重点实验室主办的AGI-Next前沿峰会上，AI大模型独角兽月之暗面（Kimi）创始人、CEO杨植麟谈到Kimi在未来的发展规划。

澎湃新闻记者 范佳来 摄

在大模型迎来上市潮流之际，同为大模型独角兽的Kimi的资本动态受到外界广泛关注。去年12月31日，杨植麟曾在内部全员信中表示，公司已完成5亿美元C轮融资，账面有超过100亿元人民币的现金储备。

此外，信中还透露，Kimi全球付费用户数月增速170%，受K2 Thinking大模型带动，Kimi在海外的大模型API收入增长4倍。

杨植麟表示，自2019年以来，全球大模型的发展都遵循一个核心规律——Scaling Law，本质上就是“更多算力、更多数据、更大模型参数，能让AI更聪明、犯错更少”。这一规律的落地，离不开主流架构Transformer的支撑。

他举例说明，Transformer与早期的LSTM架构相比，在处理短文本任务时效果相近，但面对长文本、复杂任务时，Transformer能更清晰地记住逻辑关系，就像“看短文章不分上下，读长篇报告则优势明显”，这也成为其适配当下编程、复杂问题求解等场景的关键。

基于这一核心规律，Kimi的技术研发聚焦两大方向：让AI“学东西更快”和“记东西更久”。为实现这两个目标，团队取得了两项关键技术突破。一是推出MUON二阶优化器，相较于行业沿用十年的Adam优化器，新优化器让AI的学习效率翻倍，“原本要读100份资料才能学会的技能，现在50份就够，还学得更扎实”。

二是研发Kimi Linear架构，解决了传统技术“记久了就出错”的问题，在处理百万字级长文本时，速度比传统架构快6-10倍，且逻辑更稳定。

值得一提的是，团队还攻克MUON优化器训练中的“Logit爆炸”难题，通过动态QK-clip技术，在不影响效果的前提下，实现万亿参数级Kimi K2模型的稳定训练。作为中国首个真正意义上的Agent模型，Kimi K2具备两三百步工具调用能力，能独立完成复杂编程、难题推导等任务，在核心测试HLE中准确率达到45%，超越了OpenAI同类模型。

杨植麟透露，目前已有多款中国开源模型成为行业测试标准，“中国技术不仅要好用，还要参与制定规则”。面向未来，团队将持续迭代技术，下一代模型将采用Kimi Delta Attention新型线性注意力机制，进一步提升短长文本任务性能与速度。同时，未来的大模型还将具备更多“审美”和“价值观”，摆脱同质化发展。

对于公众关心的AI安全问题，杨植麟分享与Kimi的对话感悟：“AI可能是人类探索未知的钥匙，能帮我们攻克癌症、解决能源危机、探索宇宙。虽然有风险，但放弃发展就等于放弃人类文明的上限。”

他表示，团队将在做好风险控制的前提下持续突破，计划未来十年、二十年内，陆续推出K4、K5直至K100系列模型。（记者注：目前最新版本的Kimi大模型是K2）