人工智能月度跟踪：全球最大参数模型Kimi K2发布

全球最大参数模型KimiK2发布
月之暗面（MoonshotAI）于2025年7月11日发布采用MoE架构的大模型KimiK2，总参数量达1万亿，每次推理仅激活320亿参数。该模型在代码能力和通用Agent任务处理上表现突出，并开源，包含Kimi-K2-Base和Kimi-K2-Instruct两个版本。

Kimi发展历程
月之暗面由杨植麟于2023年4月创立，产品迭代轨迹清晰：2023年10月推出首款智能助手Kimi，实现20万汉字输入长文本处理；2024年提升至200万字无损上下文能力，拓展多模态场景及工具调用；2024年底发布k0-math数学模型与k1视觉思考模型，对标OpenAI o1；2025年1月推出k1.5多模态模型，LongCoT模式下能力达OpenAI o1水平，ShortCoT模式下领先GPT-4o和Claude3.5。

KimiK2技术突破

• 框架设计：采用64头注意力+384专家MoE设计，相比DeepSeekV3/R1更具效能，减少自注意力计算负担，加快推理速度，提升128K长文本处理效率，扩展知识覆盖范围和多任务适配性。
• 训练优化：借助MuonClips优化器完成15.5万亿Tokens的高效训练，全程无峰值且持续提升Token利用效率。
• 数据策略：采用大规模Agentic数据合成策略，学习复杂工具调用能力，并通过自我评价机制解决不可验证任务的奖励稀缺问题。

KimiK2性能表现

• 行业领先：在自主编程、工具调用、数学推理等复杂任务上表现突出，代码生成速度与软件开发效率显著提升，数学推理精度加速科研进程，创意写作质量（文学评测SOTA）高居榜首。
• 性能与成本平衡：总参数量达1万亿，每次推理仅激活320亿参数，输入、输出价格分别为0.6$/MillionTokens、2.5$/MillionTokens，相较于GPT-4.5、SparkDesk-v1.1、Llama-3.1等模型更具成本优势。

应用场景
涵盖代码与软件研发、数据推理及科研辅助、创意性写作等领域，为科研人员、开发者及普通用户提供高效AI解决方案。

风险提示

• 先进算力芯片限制加强
• 下游应用需求不及预期
• 国产模型迭代升级迟缓