蓝鲸新闻报道，7月12日，经过半年的等待，“大模型六小龙”之一的月之暗面团队成功发布了新一代基座模型Kimi K2。官方透露，Kimi K2是一款在代码处理能力上更为卓越、在通用Agent任务方面表现更佳的MoE架构基础模型。该模型的总参数量高达1万亿，其中激活参数达到了320亿。

7月11日公布并对外共享的模型有两个版本，分别是基础版Kimi-K2-Base和针对通用聊天及智能体任务优化的后训练版Kimi-K2-Instruct。在涉及自主编程、工具运用及数学推理解析等能力的评估中，Kimi K2展现了出色的表现。以SWE-bench Verified、AIME 2025等评测平台为参照，Kimi-K2-Instruct的表现优异，其得分不仅超越了同属开源范畴的DeepSeek-V3、阿里Qwen3，更是接近甚至超越了诸如OpenAI GPT-4.1、Anthropic Claude 4 Opus等业界领先的闭源模型。

观察6月底启动的内测版新智能体“Kimi-Researcher”，我们可以明显看出，关于月之暗面的研究理念正在向“模型即智能体”的方向转变。这个模型本身就具备了自主做出决策和执行任务的能力，能够以智能体的身份处理各种复杂任务。

官方发布的案例显示，用户请求Kimi K2协助安排参与Coldplay乐队巡演的行程。该模型经过17次工具的调用，包括搜索、日程安排、电子邮件、航班查询以及餐厅预订等多个方面，成功制定了一份全面的机票、酒店以及旅游计划，并生成了可视化的报告。

智能体技术正成为全球各大模型制造商争相追求的发展趋势。在本周，马斯克领导下的AI初创企业xAI推出了全新的大规模模型Grok 4，该模型分为单智能体和多智能体两个版本，并具备了运用工具、进行实时搜索等多样化功能。Anthropic在发布Claude 4系列模型的同时，也着重指出，该系列在编程、推理以及Agent领域实现了前所未有的突破，确立了全新的标杆。它具备了应对复杂且持续时间较长的任务的能力。

Kimi K2在其技术博客中探讨了构建开放智能体的智能之道。他认为，预训练构成了智能体智能的基石，赋予模型基本的知识、理解以及推理能力，使得模型在后续的强化学习过程中能够更加高效地学习。然而，"人类数据如同珍贵的‘化石燃料’"，如何在预训练阶段提高对有限数据的利用效率，已成为当前AI领域扩展所面临的关键挑战。

在后续的训练过程中，大型模型不再仅仅依赖于人类提供的数据，而是开始依据自身的行动和所取得的效果来获取奖励，并在此基础上进行自我优化，从而有望达到超越人类能力的水平。

Kimi K2便是在这些深刻见解的基础上得以塑造的，正如月之暗面所指出的。它还着重指出，Kimi K2构成了打造通用Agent的稳固基石，然而，通用Agent还需具备更高级别的技能，例如思维和视觉认知能力。未来，我们计划为这一模型增添这些先进功能。除此之外，Kimi在处理长文本方面曾具备显著优势，然而，Kimi K2所支持的上下文长度仅为128k，这一数据相较于近期推出的某些新型模型而言，显得略逊一筹。

值得注意的是，Kimi K2成为了我国首个公开的万亿参数规模模型。尽管在此之前，诸如腾讯的混元Turbo、MiniMax abab 6.5等厂商已经成功训练出了万亿参数的模型，然而，这些模型均选择了闭源的方式。

在培养Kimi K2这类拥有万亿参数规模的大型模型过程中，月之暗面团队运用了自主研发的Muon优化算法。相较于传统的Adam优化器，Muon在处理token时的效率更高，这使得大型模型能够以更快的速度、更高效的方式学习。为了应对Muon在超大规模训练过程中所遭遇的不稳定性挑战，研究团队创新性地提出了名为MuonClip的稳定性提升技术。这一技术有效地保障了Kimi K2在完成15.5万亿tokens的预训练任务时，没有出现训练损失值的异常波动。

自年初DeepSeek崭露头角，尽管其月之暗面陆续推出了一些技术或产品上的更新，却始终未能恢复外界对其的强烈期待，一度显得相当低调与沉默。然而，此次Kimi K2的问世，使得这家备受瞩目的创新企业终于重返基模领域的聚光灯下，而这场竞争的胜负尚未明朗。