index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
月之暗面发布了其最新的“思考Agent模型”Kimi K2 Thinking，该模型拥有约1万亿参数，在推理和智能体基准测试中表现出色，甚至超越了GPT-5。Kimi K2 Thinking的核心优势在于其强大的“思考”和工具调用能力，能够连续调用200-300次工具而不受干扰，并能自主拆解任务、搜索信息、整合结果。模型采用MoE架构，上下文窗口为256K token，并且在INT4量化压缩后性能几乎无损，仅需少量硬件即可流畅运行。该模型已开源API和模型权重，开发者可直接试用，其在软件编码、数学推理和复杂任务处理方面展现出显著进步，为构建更强大的AI智能体提供了可能。
💡 **强大的思考与推理能力：** Kimi K2 Thinking模型的核心卖点是其卓越的“思考”能力，不同于传统模型，它能够模拟人类的推理过程，在执行复杂任务时，能够自主地拆解问题、规划步骤、搜索信息、调用外部工具，并最终整合结果。这种“交替思考”机制使其在处理长文本和复杂指令时，能维持更稳定、连贯的推理过程，并在多项基准测试中展现出超越GPT-5和Claude Sonnet 4.5的性能。
🛠️ **颠覆性的工具调用与智能体实践：** 该模型最引人注目的技术突破在于其强大的工具调用能力，能够在一次任务中连续调用200-300次外部工具，且无需人工干预。这使得Kimi K2 Thinking能够真正成为一个能“动手”的智能体，不仅能进行推理，还能实际执行任务，例如生成代码、制作数据可视化图表、规划行程，甚至进行复杂的物理和生物模拟。这种工程落地能力使其区别于许多仅停留在理论阶段的模型。
🚀 **高效的工程化与开源普惠：** Kimi K2 Thinking模型在工程化方面进行了大量优化，采用了量化感知训练（QAT）对MoE模块进行INT4量化，在保证性能的同时将生成速度提升约两倍，并且仅需少量硬件即可流畅运行。月之暗面将K2 Thinking的API和模型权重完全开源，并已上线kimi.com供用户直接体验，极大地降低了开发者和研究人员的使用门槛，加速了AI智能体技术的普及和创新。
📈 **多领域性能的显著提升：** 除了在推理和工具调用方面表现突出，Kimi K2 Thinking在软件编码、数学推理、网页搜索等多个细分领域也取得了显著进步。在SWE-bench、LiveCodeBench、GPQA-Diamond等测试中，其成绩超越了DeepSeek、GPT-4 Turbo等主流模型，证明了其在真实世界应用中的强大“执行力”。模型能够根据用户需求，生成详细的行动方案，并逐步执行、验证、修正，确保最终结果的准确性和可靠性。
【新智元导读】Kimi K2 Thinking重磅开源，1万亿「思考Agent模型」在推理、智能体基准上干翻GPT-5。关键，还能连调300次工具，直出3D模拟。昨天，月之暗面发布全新模型Kimi K2 Thinking，一上线就挤爆了服务器。思考，是它的核心卖点，自称是开源的「思考Agent模型」。它同样采用了MoE架构，总参数约1万亿，每次激活约320亿，上下文256K token。在各大基准测试中，Kimi K2 Thinking性能表现亮眼。尤其是，在BrowseComp、HLE测试中，实力完全碾压GPT-5、Claude Sonnet 4.5。在Tau2 Bench Telecom基准测试中，K2 Thinking位列第一。最关键的是，在无人干预情况下，K2 Thinking可连续调用200-300次工具。国外研究者Nathan Lambert 称它为：「开源模型距闭源前沿最近的一次。」这句话在技术圈广为流传，人们也开始重新审视这款模型。不只是聊天工具，K2 Thinking更像是一个会自己推理、自己动手的智能体。
一款真正会思考的模型
Kimi K2 Thinking没有强调算力更大，而是强调更会「思考」。这些配置让它在处理长文本、复杂任务时能维持更稳定的推理过程。苹果大牛Awni Hannun测试后惊叹道：1万亿参数，只用2台M3 Ultra芯片的Mac电脑即可流畅运行，而且int4压缩后性能几乎无损。
通过mlx-lm并行技术，它生成了大约3500个token，速度每秒15个token。但真正让人关注的，是它的「思考能力」。如前所述，K2 Thinking可以在一次任务中连续执行200到300次工具调用，全程无需人工干预。有网友实测「工具调用」，立即制作出如下的数学和物理讲解动画。不同于其他模型的胡编乱造，它在面对复杂问题时，会自己拆解步骤、搜索信息、调用外部工具、再整合结果。团队把这种机制称为「交替思考」——模型在「思考」和「执行」之间循环往复，让推理更连贯。K2 Thinking在性能上的表现也很亮眼。在Humanity’s Last Exam（HLE）和 BrowseComp（网页搜索综合能力）任务上，成绩已经接近甚至超过GPT-5和Claude Sonnet 4.5。Kimi K2 Thinking与GPT-5、Claude Sonnet 4.5在多项基准测试中的表现除了推理表现，它在工程落地上也做了不少优化。K2使用量化感知训练（QAT） 对MoE模块进行INT4权重量化，在保证性能的同时，将生成速度提升了约两倍。除了推理和搜索任务，K2 Thinking在编码、工具使用、数学推理等更细分的测试中表现也很突出。在SWE-bench、LiveCodeBench、GPQA-Diamond等任务上，它的成绩已经超过DeepSeek、GPT-4 Turbo等多个主流模型，显示出更强的「执行力」。Kimi K2 Thinking在多项编程与数学任务中的表现对比这意味着，K2 Thinking的测试成绩就是它在真实环境下的表现，而非理想化打分。它目前已经在kimi.com上线，并开源API和模型权重，开发者可以直接试用。从实验室到真实场景，这个模型的「思考能力」明显超过了现有的其他模型。
智能体编码一流，300次工具调用
这一次，月之暗面没再让模型停留在论文里。K2 Thinking不是展示品，而是一台真正能被人用起来的智能体。发布当天，团队同步上线了 kimi.com聊天模式、开放了API 接口，还在Hugging Face公布了完整权重。https://huggingface.co/moonshotai/Kimi-K2-Thinking?utm_source开发者不需要等待内测邀请，也不用注册繁琐流程，任何人都能直接使用。K2 Thinking的从训练开始，到优化，再到上线，周期不到半年。在这个动辄以年为单位更新的大模型时代，这个速度意味着它已具备完整的工程化能力。打开kimi.com，就能直接体验到K2 Thinking的思考过程。与一般聊天模型不同，它在生成答案前，会清晰地展示自己的推理链。此外，研究人员特别提到，K2 Thinking在软件和编码任务上进步显著。它在 SWE-Multilingual测试中得分61.1% ，在SWE-Bench Verified测试中得分71.3%，在Terminal-Bench测试中得分47.1%。这无疑证明了，该模型在HTML、React等方面的任务上有了很明显的进步。写代码前，先写计划
当用户输入「分析我发给你的CSV文件，并生成图表来支持你的分析」时，K2不会直接输出代码。他会先列出自己的行动方案：首先，加载数据集，接下来，筛选数据集，然后，分析内容，调用绘图库，最终生成结果。有了行动方案，它才会逐步生成代码，执行、验证、修正。如果出错，它会提示「正在重新规划」，然后自动尝试新方案。整个过程，都能在屏幕上看到。最终，我们能得到K2生成的数据分析图表。仅仅调用14次python，就能生成这样完美的可视化图表、准确的统计数据以及包含详细分析的交互网页。私人定制行程：比管家还靠谱
你是否想过拥有一个完美管家？那K2可以满足你的需求。你只要提出你的需求，比如「我的预算是1000美元，给我规划我的演唱会之旅」。输入之后，K2就会像一位尽职尽责的管家，询问你的喜好、目的、工作安排，甚至查阅你的谷歌邮件。之后，他开始搜索，查机票、看演唱会场次，甚至会考虑到演唱会附近的餐厅。简直比管家还贴心！最后，结合各方数据，交出最适合你的演唱会计划。而做到这些，仅仅调用了17次工具！很难想象如果亲自做计划，要耗时多久。一针见血的数学讲解员
除了长段的提示词，短短几句话，K2 Thinking也能完美运行。比如，对它说「解释二维梯度下降」。它就能调用工具，以最直观、形象的方式向你作出解释：蓝色的等高线越靠近中心，函数值越小；黄色的路径是优化算法从起点到最优点的下降轨迹；红色小箭头表示梯度（∇f）的方向；黄色点表示当前的模型参数位置，它沿着梯度的反方向移动。配合上动图，一目了然。触手可及的「细胞战」
不仅仅是数学，K2 Thinking甚至进军生物学领域！你只要输入「做一个可以调节免疫参数的病毒模拟程序」，就可以得到一个可交互的病毒仿真系统。红蓝两种粒子在屏幕上相互追逐、碰撞、吞噬。拖动滑块，就能调整病毒复制率、免疫细胞数量。对于Kimi K2 Thinking真实表现，你怎么看？https://www.interconnects.ai/p/kimi-k2-thinking-what-it-means https://x.com/Kimi_Moonshot/status/1986449512538513505
文章原文
