Kimi K2 Thinking训练真的只花了460万美元？杨植麟亲自带队，月之暗面创始团队出面回应了。

这不是官方数据。训练成本很难计算，因为其中很大一部分用于研究和实验。

他们还透露训练使用了配备Infiniband的英伟达H800，GPU数量也比巨头的少，但充分利用了每一张卡。

但不管怎样，Kimi K2模型凭借自身实力和低成本，正在硅谷引发一场“用脚投票”的迁移大潮。

投资人Chamath Palihapitiya透露他的新公司将AI负载迁移到Kimi K2，因为它性能更强，价格也便宜得多。

云端开发平台Vercel CEO也分享了内部测试结果，称Kimi K2比闭源模型快5倍，准确率还高50%。

Claude Code用户也在相互传授把模型改成Kimi K2的设置方法。

特别是Kimi K2 Thinking 被爆料只花了460万美元训练，比年初引发轰动的DeepSeek V3（爆料约560万美元）还要低。

先不论这个数字是否准确，总之是让硅谷陷入一阵反思。

当免费或极低成本的开源模型能提供同等甚至更优的性能时，闭源巨头的高估值，还合理吗？

也有另一面的舆论是：或者该重估月之暗面了。

Kimi是如何做到的？

技术社区的分析指出，Kimi K2 Thinking巧妙地继承并优化了现有开源成果，特别是在架构上与DeepSeek模型一脉相承。

团队将MoE层的专家数量从DeepSeek的256个增加到384个以增强模型的知识容量，同时将每次推理激活的参数量从约370亿减少到320亿来降低推理成本。词汇表从129k扩大到160k，并减少了MoE之前的密集前馈网络块，进一步优化计算效率。

更关键的是工程创新。Kimi K2使用了团队自研的MuonClip优化器，能在训练过程中自动稳定梯度。

得益于此优化器，Kimi K2在长达15.5万亿token的训练过程中实现了”零训练崩溃”，无需人为干预重启，在资金和设备相对有限的情况下也能可靠地训练超大规模模型。

模型还采用了量化感知训练（QAT）方案，实现了原生INT4精度推理。这种方法在训练阶段就让模型适应低精度环境，在大幅降低计算资源消耗、提升推理速度约2倍的同时，将性能损失降至最低。

直面硅谷开发者，月之暗面团队首次公开”答疑”

在此背景下，月之暗面团队在Reddit最活跃的AI社区LocalLLaMA进行了一场长达3小时的“回答一切”（Ask Me Anything）活动，吸引了近200条提问和数千条互动。

答疑的三位主力是杨植麟、周昕宇和吴育昕——月之暗面的三位联合创始人，其中那个“4494”就是杨植麟。

核心信息总结如下：

当被问及下一代架构时，团队解释了最新实验性混合注意力机制KDA（Key-Dependent Attention）的优势，还透露有可能用在下一代K3中。

在同等预训练和强化学习的条件下，采用NoPE MLA的KDA混合模型性能优于采用RoPE的完整MLA模型，不仅能获得更高的基准测试分数，而且速度更快、效率更高。

历史上，混合注意力很难击败完全注意力，特别是在长输入和长输出任务上。KDA在各方面都显示出性能提升，包括长链思维的RL场景，同时保持了线性注意力的效率。相关想法很可能会在K3中采用。

有关未来开发计划，团队还透露：

很快就能体验到类似Claude Code的Kimi Code产品
正在开发视觉语言（VL）模型，但VL数据的获取和训练需要时间，所以优选择发布文本模型
之前尝试过1M上下文窗口，但当时的服务成本太高，未来会重新考虑更长的上下文窗口。
承认目前K2 Thinking的思考过长、效率较低，下一版会把“简化思考过程”写进奖励函数。

Q：为什么Kimi不像其他模型那样过度夸赞用户？

团队解释这是整理数据时的刻意设计。

Q：Kimi独特的写作风格从何而来？

解释说这是预训练和后训练共同作用的结果：预训练编码了相关的先验知识，而后训练则添加了一些品味。看到不同的RL配方如何产生不同的口味是很有趣的。

此外团队还无保留的回答了一些结束细节问题：

最后，关于下一代K3何时到来，团队还开了个小玩笑：

参考链接：
[1]https://www.reddit.com/r/LocalLLaMA/comments/1oth5pw/ama_with_moonshot_ai_the_opensource_frontier_lab/