官網(wǎng)飆漲36億！K2究竟能做哪些，有哪些坑？實戰(zhàn)總結(jié)來了：實測Kimi模擬張藝謀助理，震撼解析天龍八部慕容復(fù) 原創(chuàng)
編譯 | 云昭
審校 | 云昭
?出品 | 51CTO技術(shù)棧（微信號：blog51cto）
上周末的晚上，月之暗面發(fā)布了自己的新模型：K2。
據(jù)網(wǎng)友公開的一張截圖顯示，發(fā)布當天，Kimi 官網(wǎng)的訪問量從百千萬量級直接暴漲到了36億。
流量暴漲這么猛，當然是有實力在的。
趁著周末，小編仔細讀了Kimi官方賬號的報道。此外，也做幾個平時會用的幾個實戰(zhàn)測試。
今天趁著剛測完的熱乎勁，談一談感受。
Kimi 正在奪回榮耀
首先，這款新型號的模型不少基準方面的表現(xiàn)可以說都超出了小編的預(yù)期。
在業(yè)界目前卷的最厲害的三個板塊：自主編程、工具調(diào)用和數(shù)學(xué)推理，K2可以說邁出了一大步。
在一眾主流大模型Claude Opus、Deepseek V3、Qwen 23B、OpenAI GPT4.1的對比中，除了SWE-bench 測試取得了兩個第二的成績，以及在一個專門用于評估智能體能力的開源測試基準Ace中輸給了GPT4.1以外，K2在其他五項測試中都取得了第一的成績。
這里還是想強調(diào)的是，數(shù)學(xué)推理一直是Kimi推理模型的優(yōu)勢，半年過去，Kimi也開始在自主編程、工具調(diào)用的方向奪回榮耀。
重要的是，Kimi 上線即開源了這份盛夏的新作品。
讓人上頭的三個關(guān)鍵特性
接下來，說說讓自己的一些“上頭”的一些點。
第一個點，萬億參數(shù)的模型。相信大家都注意到了，雖然萬億參數(shù)模型在我們的概念中已經(jīng)不新鮮，但對于六小虎而言，萬億參數(shù)模型，Kimi是第一家。
同時，雖然模型體量大了，但每次前向推理只激活其中32B，這樣K2的思維就像個大智慧者，但又不會造成你的token“云賬單”爆表。
第二點，K2有點我愿意稱之為“原生智能體”能力。
我不再需要自定義一個編排層，不再需要做一個基于規(guī)則的 planner。只需提供工具 schema，提出個目標，K2就會自己調(diào)用工具。
一位網(wǎng)友的真實案例：用一個模擬的 “file-edit” 工具測試讓它重構(gòu) Swift 包，它不僅寫了修改，還跑了測試，而且在測試失敗后，它還能自動修復(fù)再試！
當然，小編還做了一個有趣的“張藝謀電影風(fēng)格”的工具調(diào)用的視頻腳本的測試，稍后給大家看下。
第三點，這一點容易被大家忽略，即這次K2在預(yù)訓(xùn)練階段使用的MuonClip優(yōu)化器。這一點為什么重要？
因為萬億參數(shù)規(guī)模下，訓(xùn)練的穩(wěn)定性和token的使用效率，關(guān)系著生產(chǎn)環(huán)境下的用戶體驗，而這一“查詢-鍵重縮放”技巧，能夠?qū)⒁酝菀壮霈F(xiàn)的注意力logits失控的問題，有效緩解甚至遏制住。
據(jù)官網(wǎng)介紹，Kimi團隊在超15萬億tokens的預(yù)訓(xùn)練中依舊表現(xiàn)穩(wěn)定，在網(wǎng)友實際測試中，也確實有效。
此外，在人類高質(zhì)量數(shù)據(jù)成為瓶頸的背景下，有效提高Token利用效率，也就意味著找到了新的Scaling空間。
實測下來，有點意外
在展示小編自己的實測前，小編發(fā)現(xiàn)，全球網(wǎng)友對于K2模型的新印象出奇地認可。
據(jù)網(wǎng)友扒來的一張截圖顯示，K2在 EQ-Bench3 和創(chuàng)意寫作中名列SOTA。
而一位網(wǎng)友的帖子也讓小編重新了解了一種大模型的對話用法。
這位網(wǎng)友表示，“這是迄今為止我用過的最好的創(chuàng)意寫作模型。我建議在文本補全模式下使用它。”
還有一位網(wǎng)友，對于K2的創(chuàng)造力表示驚訝。
這位甚至認為：K2在補全模式下，編碼/常規(guī)任務(wù)的表現(xiàn)甚至勝過了Sonnet和Gemini 2.5 Pro。
眼見未必為實。好，話不多說，來看看小編的實測情況。
第一個，為了測試K2工具調(diào)用的能力，小編設(shè)計了一個“中美網(wǎng)紅文化交流項目執(zhí)行”的測試。
注意： 要完成這個任務(wù)，涉及到：動態(tài)調(diào)用多步工具 + 概念合成 + Agent 結(jié)果反饋鏈路等許多復(fù)雜的推理工作。
題目如下：
背景： 中國此前推出“中美網(wǎng)紅互訪活動”
工具定義：
[
{"name": "select_influencers", "description": "根據(jù)條件篩選網(wǎng)紅", "parameters":{"min_followers":"int","platform":"string"}},
{"name": "plan_trip", "description": "生成行程安排", "parameters":{"cities":"list","days":"int"}},
{"name": "generate_promo_script", "description": "生成宣傳文案", "parameters":{"trip_plan_id":"string"}}
]
任務(wù)：
幫助平臺：
1.選出符合標準的 5 名美國網(wǎng)紅；
2.安排行程覆蓋北京、上海、杭州 7 日游；
3.生成一段 Instagram 宣傳視頻解說腳本。K2給出的答案非常令人滿意：
它不僅真的從從Instagram、Trip等網(wǎng)站上搜集了五名網(wǎng)紅、挖掘了宣傳視頻解說腳本的做法，還按照任務(wù)中定義的工具格式，進行了嚴格的執(zhí)行，而且反饋鏈路也非常復(fù)雜，竟然沒有翻車，這一點非常驚艷。
第二個例子，是小編針對「MuonClip 穩(wěn)定注意力機制」設(shè)計的。這里我從網(wǎng)上找來了金庸老先生的《天龍八部》中最精彩的一段：“燕云十八飛騎 奔騰如虎風(fēng)煙舉”。
這段是全書三主角對戰(zhàn)群雄頂尖勢力的高光時刻，金老先生用了超過8100多字的筆墨用來描述這樣的大場面。
所以，K2 在這么長的文本理解中注意力究竟如何呢？
小編問道：
幫我找出第一次出現(xiàn)慕容復(fù)的段落，并分析其在全文中的作用。
K2順利地找出來了慕容復(fù)首次出現(xiàn)的位置，并對金老先生這樣安排的原因做出了解析：推動劇情從圍困走向車輪戰(zhàn)、深化慕容復(fù)野心與虛偽的性格、串聯(lián)多線沖突。
非常精準。
第三個測試，是一個Agent的模擬測試。既然網(wǎng)上都說K2創(chuàng)意滿滿，小編這次索性讓K2模擬“張藝謀智能導(dǎo)演助理”。
問題如下：
工具定義：
json
[
{"name": "generate_storyboard", "description": "生成分鏡腳本", "parameters":{"scene":"string","style":"string","length":"int"}},
{"name": "render_preview", "description": "生成場景預(yù)覽圖", "parameters":{"storyboard_id":"string"}}
]
任務(wù)：
以張藝謀導(dǎo)演近期常融入傳統(tǒng)文化的風(fēng)格為基礎(chǔ)（熱點參考他新片傳聞），請設(shè)計開場分鏡，描述“敦煌 + 賽博朋克風(fēng)格”，并調(diào)用上述工具生成腳本與預(yù)覽。這個問題的難度小編認為還是極高的：
以張藝謀導(dǎo)演近期常融入傳統(tǒng)文化的風(fēng)格為基礎(chǔ)（熱點參考他新片傳聞），請設(shè)計開場分鏡，描述“敦煌 + 賽博朋克風(fēng)格”，并調(diào)用上述工具生成腳本與預(yù)覽。
這次，小編讓ChatGPT和K2來了一次對決。
先看K2和ChatGPT給到我的分鏡腳本：
K2：
{
"name": "generate_storyboard",
"arguments": {
"scene": "黎明時分的敦煌石窟，千年壁畫在霓虹電路侵蝕下蘇醒。賽博飛天機械臂托舉全息曼陀羅，傳統(tǒng)朱砂顏料與全息投影交織，銅制機械駱駝從黃沙中升起。張藝謀式對稱構(gòu)圖，金黃大漠與幽藍電路光形成強烈對比，紅紗蒙面舞者手持光束琵琶，在數(shù)字飛沙中旋轉(zhuǎn)。",
"style": "張藝謀式大色塊美學(xué)，敦煌壁畫朱砂+群青傳統(tǒng)配色融合賽博霓虹，極致對稱構(gòu)圖，長鏡頭運動",
"length": 8
}
}ChatGPT:
{
"name": "generate_storyboard",
"parameters": {
"scene": "開場鏡頭描述：一場沙暴之中，鏡頭穿越風(fēng)沙，莫高窟巨大的佛像隱約顯現(xiàn)。一尊敦煌飛天從壁畫中剝離，變?yōu)榘胪该鞯娜⑼队埃従徤眨箶[如數(shù)據(jù)流般飄散。畫面漸轉(zhuǎn)，一座布滿LED和霓虹刻文的高塔矗立在沙漠中，遠方飛車穿梭、機械駝隊行進。鏡頭拉近，出現(xiàn)一位機械僧人，面容古樸卻嵌有微光線路，他凝視鏡頭，喃喃低語：‘歸來者，皆有前世因緣。’",
"style": "敦煌+賽博朋克，融合張藝謀式寫意與色彩美學(xué)",
"length": 6
}
}遺憾地是，這兩款模型出的了腳本，但不能出視頻，所以小編為了讓大家看出成片，索性讓Vidu Q1上場了。
可以說，兩者的意圖捕捉能力、拆解能力是非常棒的。只是，不知道張大導(dǎo)演怎么看？
遇到的幾個坑
這里，K2 也有一些踩坑，分享給大家。
一、輸出太長會截斷（有時，非經(jīng)常）
它有時候會在輸出 8000+ tokens 后“卡殼”，我不得不給 prompt 加上 “請將回答限制在 3000 tokens 內(nèi)”。
二、工具名沖突會導(dǎo)致混亂
一位網(wǎng)友表示，自己曾注冊了兩個名為 ??open_file?? 的工具，雖然來自不同命名空間，但 K2 有時會亂選，直到其手動改名才恢復(fù)正常。
三、內(nèi)存占用依舊高
雖然只激活320億參數(shù)，但還是建議至少使用 48GB 顯存，或者多 GPU 分布。vLLM 的 CPU offloading 雖然能跑，但速度……慢得像蝸牛。
K2 最適合的使用場景
很明顯，這次月之暗面的新模型，開源，大參數(shù)規(guī)模、快速、穩(wěn)定，同時劍指 Agentic Agent！
自主調(diào)用工具的能力，Kimi K2 可以說名副其實。那么結(jié)合Kimi的在數(shù)學(xué)代碼任務(wù)上的優(yōu)秀表現(xiàn)，建議大家不妨從以下幾個場景上手——
- Agent 化 DevOps：自動修補測試失敗的持續(xù)集成 bot
- 數(shù)據(jù)重分析：K2 連接數(shù)據(jù)倉庫，Jupyter 里一邊提問一邊畫圖，還能導(dǎo)出 PDF 報告
- 垂直行業(yè)助理：在企業(yè)語料上微調(diào) base 模型，接入公司工具，構(gòu)建專屬 AI 助理
如果你只是想閑聊或草擬點內(nèi)容，更小的開源模型延遲會更低。但如果你的 roadmap 包括“推理 + 執(zhí)行”，選 K2 應(yīng)該不會讓你失望。
本文轉(zhuǎn)載自???51CTO技術(shù)棧??，作者：云昭
