1. 首頁 > 生活百科 > >

楊植麟摸著DeepSeek過河

荷蘭自動化

楊植麟摸著DeepSeek過河

文章圖片

楊植麟摸著DeepSeek過河

文章圖片


文｜鄧詠儀
編輯｜蘇建勛
發布開源模型K2一周后 ， Kimi引起的全球熱潮還在繼續 。
7月11日 ， 月之暗面（Moonshot AI）開源了萬億參數的MoE模型Kimi K2 。 這是一個參數高達1T ， 激活參數32B的MoE模型 ， 包括兩款開源模型版本Kimi-Base和Kimi-instruct 。
K2是個“偏科”選手 ， 擅長編程、智能體類的任務 。 在Kimi公布的測評結果中 ， Kimi K2在自主編程、工具調用和數學推理三個維度的表現上 ， 都超過了同為開源模型的DeepSeek-V3和阿里Qwen3 。
△圖源：Kimi
Hugging Face數據顯示 ， 開源一周后 ， K2下載量累計超過10萬 ， 還在快速攀升中 。 在大模型權威競技場LMSYS中 ， K2-Instruct已經沖到總榜第四 ， 僅次于GPT-4o、Claude-3.5、Gemini-1.5-Pro 。
馬斯克在推特上轉發了的OpenRouter趨勢數據顯示 ， K2的在一周內攀升至全球趨勢榜第二 ， 僅次于Grok 4 。
△圖源：Twitter
月之暗面這次沒有選擇大規模營銷 ， 而是在用一種全新的方式開源 。
K2發布后 ， Kimi的算法工程師、研究員 ， 在推特、小紅書、知乎上積極分享K2的工作和技術 ， 回復用戶疑問；Kimi的官方推特也在不間斷地刷屏 ， 轉發社區里對K2的贊美和建議 。
熱情的互動引來了更多的“自來水” 。 Hugging Face聯合創始人Thomas Wolf就對Kimi K2大加贊賞 ， 表示開源模型正在挑戰最新的閉源權重模型 。
發布熱鬧得像團建 ， 與這家公司過去半年的沉默形成鮮明對比 。
過去兩年 ， Kimi經歷了一場過山車般的起伏：幾乎是最后一個推出ChatBot助手Kimi ， 但是憑借著長文本和出圈的策劃一炮而紅 ， 成為最先出圈的大模型應用產品 。
但2025年 ， 幾乎所有模型廠商 ， 都被橫空出世的DeepSeek打得失語 。 追逐AGI ， 證明自己還有技術實力 ， 變成了所有廠商要做的證明題 。
曾經擁有夢幻開端的Kimi ， 在今年來了個猛轉彎：To C的Kimi應用停止投流 ， 專心主攻模型 。 去年曾經試水的Ohai、Noisee等其他C端應用 ， 以及Kimi在多模態上的嘗試也迅速暫停 。 這也讓它遭受的質疑更猛烈——是不是放棄了預訓練？停止投流后 ， To C應用放棄了嗎？
蟄伏半年 ， Kimi需要一場翻身仗 。 K2的發布 ， 就是回歸AGI主線的一種宣言 。

“又一個DeepSeek時刻”K2發布 ， 已經引起了全球開發者社區的震動 。 7月16日 ， 著名的《Nature》雜志發文 ， 表示K2的發布為“另一個DeepSeek時刻” ， 足見其贊美 。
為什么K2的發布如此重要？簡單來說 ， 因為K2把DeepSeek模式再走了一遍：主打高性能、低成本 ， 而且真開源 。 最重要的是 ， 端出了真的好東西 。
K2是個性能強悍的模型 。 它很專注 ， 目標清晰——就是為了智能體（Agentic AI）而生 。
一位Kimi的算法工程師Justin Wong在博客里說：Kimi希望把人與AI的交互方式 ， 從chat-first變成artifact-first ， 即交付一個具體的交付物（比如一個3D模型、一個表格） ， 而非交付一段聊天上下文 。
用大白話說 ， 就是要真能干活 ， 不只是純聊天了 。
了解了這點 ， 才能理解Kimi在模型訓練路線上的諸多選擇 。
DeepSeek R1發布時 ， 更多注重思考、推理能力 ， 在發布后相當長一段時間才加入工具調用功能 。 而K2并沒有像DeepSeek R1那樣帶上推理模式（如展現思考過程） ， 雖然也著重提升了風格化寫作能力 ， 但并沒有過多強調 。
K2最看重的還是Agentic（智能體）能力 ， 把提升“自主使用工具、完成任務”的能力 ， 放到最高優先級 。 “這在整個領域里是一個非常罕見的選擇 。 ”一位從業者評論道 。
更具體地說 ， K2把優化的重點放在了：根據聊天的上下文 ， 調用外部的工具 ， 要讓調用速度更快 ， 完成任務的質量更高——比如瀏覽器、PPT、Excel、3D繪畫軟件等等 。 用戶也可以接入owl、Cline、RooCode 等 Agent/Coding 框架 ， 來自主編程 。
所以 ， 在K2的使用案例中 ， 你可以看到 ， 直接輸入Prompt ， 不用怎么等K2“思考” ， K2就迅速生成3D旋轉地球模型、生成PPT、生成晝夜循環的山川峽谷3D景觀、3D粒子星系、交易看盤等等 。
△Prompt: Create a 3D HTML mountain scene with cliffs rivers and day-night lighting. Supports drag/zoom animated transitions realistic gradients and toggleable contour lines... (創建一個 3D HTML 山脈場景 ， 包含懸崖、河流和晝夜光照變化 。 支持拖動和縮放、動畫過渡、真實感漸變色 ， 并可切換等高線顯示...) 來源：Kimi
把13萬行的原始數據丟給 Kimi K2 ， 可以幫你分析遠程辦公比例對薪資的影響 ， 分析顯著差異 ， 自動生成統計圖表與回歸模型解讀等等 ， 用統一色調做出小提琴圖（violin plot) 、箱線圖（box plot）、散點圖（scatter plot）等專業圖表 ， 整理成報告 。
△來源：Kimi
K2的另一個核心貢獻在于 ， 把模型的訓練和使用成本又拉到了一個地板價 ， 同時還保持著接近Claude主流模型的性能 ， 主打一個性價比高 。
Kimi K2 API的定價是：每百萬輸入tokens 4元 ， 每百萬輸出tokens 16元；直接和同樣主打編程的Claude 4 Sonnet（每百萬輸入3美元 ， 每百萬輸出15美元）的API價格相比 ， 整體成本可以下降超過75% 。
別小看這75% ， 如今AI編程已經成為創業賽道的“明牌” ， 賽道里包括Cursor等頭部AI編程公司估值已經迅速起飛 。 截至2025年6月 ， Cursor的ARR（年度經常性收入）已突破5億美元大關 ， 相較于4月中旬披露的3億美元 ， 短短兩個月內飆升了60% 。
開發者會實實在在用腳投票 。 K2一出 ， Hugging Face的下載量漲得飛快 ， K2很快就登上了OpenRouter的趨勢榜周第二 ， 開發者頻頻吐槽為什么API還這么慢 ， 用不上 。
K2現在并不完美 ， 輸出的結果還是會有不足之處 ， 比如Token輸出比較啰嗦 ， 代碼質量和頂尖的Claude相比還是有差距——但架不住它性價比高 。 很多博主的測試案例中 ， 普通程序員寫一天代碼也就幾塊錢 ， 大大降低了AI編程的算力使用門檻 。
性價比高 ， 也源于Kimi一些原創性的創新 。
Kimi從訓練階段引入了新的優化器Muon ， 取代了原來主流的AdamW優化器 ， 在不同Llama架構模型上 ， Muon的算力需求只有AdamW的52% 。
優化器是大模型里的一個核心組件 ， 決定著在訓練時的模型參數如何調整 。 優化器優化得越好 ， 模型在同樣的硬件環境下跑得更快、更穩 ， 換種角度說 ， 也更節省了算力 。
這可以說是一場技術冒險 。 Muon原本是一個比較前沿的優化器方向 ， 甚至沒有發表正式論文 ， 以前只在小型模型上訓練成功過 。 但Kimi選擇將Muon擴大到萬億參數去嘗試 ， 并且解決了大規模訓練下的很多技術難點 ， 讓Muon成為這次K2發布最受尊重的工作之一 。
在公司門口放鋼琴、公司名字用傳奇搖滾專輯命名 ， 這看起來是很朋克 。 但在巨大的市場壓力下 ， 專注在一個方向 ， 把一個新技術架構直接上到萬億參數去訓練 ， 用真金白銀去試 ， 還成功了 。
這才是真的朋克 。

六小龍沒有回頭路從K2發布的細節看 ， DeepSeek在全球造成的影響仍在持續 。
今年1月發布的DeepSeek R1是全球AI敘事的分水嶺 。 在那之前 ， 國內無論是大廠 ， 還是AI初創 ， 大家都在卷AI應用 ， 搶奪用戶和留存 。
Kimi曾經在2024年做過一波激進投流 ， 和字節的豆包對打 。 但投流、增長是在大廠舒適區里的事情 ， Kimi很快就顯得力不從心 。 2024年11月 ， 豆包宣布MAU過億 ， 在國內一時風頭無兩 。
很快 ， 這些成果都被DeepSeek R1迅速超越 。
DeepSeek之后 ， 無論是大廠還是初創 ， 大家都形成共識：追求模型能力提升才是最重要的事 。 國內To C應用的戰場上 ， 幾乎就剩下元寶、夸克和豆包在廝殺 。
如今商業化已經是個有點遙遠 ， 且不是最重要的問題了 。 面對在模型和應用上都在All in的大廠 ， 留給大模型初創的路幾乎只有一條：開源 ， 和攻克最難的問題 。
【楊植麟摸著DeepSeek過河】前不久的36氪Waves大會上 ， 真格基金合伙人戴雨森在談到Kimi與Minimax時曾說： “一年前 ， 大家比投放、比用戶 ， 比投放 ， 其實是大廠的機會 。 現在則回到技術前沿 ， 回到強認知 ， 我相信反而更適合以技術大牛為核心的創業團隊 ?！?br /> 六小龍們都做出了自己的選擇 。 DeepSeek R1的沖擊后 ， 各家呈上的答卷 ， 實則表明了一種路線的分野：Kimi已經有點像Anthropic ， 主打提升編程、智能體的能力；Minimax和階躍牢牢抓緊多模態；智譜則是走更本土、To B/To G的路線；百川選擇繼續做醫療模型；01早已宣布不再做超大基礎模型迭代 ， 轉而專注在大模型落地上 。
此前 ， Kimi在海外知名度有限 ， 但K2的爆火已經帶來實在的回報：全球開發者圈子里開始關注起Kimi ， 有人開始研究CEO楊植麟的過往經歷 。 開發者們喜歡這個充滿朋克文化的團隊——Kimi團隊成員在小紅書、推特展示公司里以傳奇樂隊命名的會議室 ， 也會在Twitter坦承“現在K2還不完美 ， infra還有很多不足 ， 正在加班加點修復 。 ”
△來源：Twitter
而更早之前 ， 在Kimi專注提升模型能力 ， 推出包括深度研究等產品后 ， 其實也反哺到了產品上：Kimi的Web端數據從6月開始反彈 ， 訪問量環比增長30% 。
某種程度上 ， 開源和朋克有著同樣的精神內核 ， 自由、開放、尊重技術 ， 這是現在AI圈子里最強勢的\"注意力貨幣\" ， 不僅能建立名聲、展現信仰 ， 還有招攬人才——這才是AI初創現在最著急的事 。
K2發布后 ， 一位Kimi研究員曾經在博客里提到：“ 2025年 ， 智能的上限仍然完全由模型決定 ， 作為一家以AGI為目標的公司 ， 如果不去追求智能的上限 ， 那我一天也不會多呆下去 。 ”
追求AGI看似是一條窄路 ， 對還在這條路上的初創公司而言 ， 還是一條康莊大道 。
只要足夠專注 。
封面來源｜視覺中國
歡迎交流

    推薦閱讀