DeepSeek-R1之后，Kimi K2 Thinking又给OpenAI们亿点点震撼

【TechWeb】11月10日消息，“这是又一次DeepSeek式的辉煌时刻吗？开源软件再次超越闭源软件。”国际知名开源平台Hugging Face联合创始人Thomas Wolf在社交媒体上这样评价Kimi K2 Thinking的发布。

11月6日，中国AI初创公司月之暗面（Moonshot AI）推出并开源了其最新生成式人工智能模型——Kimi K2 Thinking。这款模型在多项核心基准测试中超越了OpenAI的GPT-5和Anthropic的Claude Sonnet 4.5。

而更令人震惊的是，媒体援引据一位知情人士透露，Kimi K2 Thinking模型的训练成本为460万美元，这一数字不到GPT-3训练成本的百分之一。

开源大模型正在全球AI领域掀起一场效率革命与成本风暴，而这场风暴的中心，正逐渐转向东方。

训练成本仅460万美元？小成本模型实现大性能突破

Kimi K2 Thinking的出现，彻底刷新了业界对AI模型成本与性能的认知。这个拥有1万亿参数的混合专家模型，每次推理仅激活320亿参数。

在技术设计上，它完美平衡了模型规模与计算效率，支持256k的上下文窗口，并采用原生INT4量化技术。

在权威基准测试中，Kimi K2 Thinking展现出了令人瞩目的实力：在Humanity‘s Last Exam中取得44.9%的优异成绩，在BrowseComp测试中获得60.2%，在SWE-Bench Verified和LiveCodeBench v6两个编码评估中分别达到71.3%和83.1%。

Kimi K2 Thinking模型的核心优势之一是它的Agent能力，能够连续执行200-300次工具调用，无需人工干预即可解决复杂问题。

在编程实践中，开发者只需一句指令，就能生成一个类似Mac OS的网页操作系统，具备文本编辑器、文件管理器、画图工具等完整功能。

如果说性能表现令人赞叹，那么Kimi K2 Thinking的成本控制则堪称革命。460万美元的训练成本，放在动辄数亿美元投入的大模型赛道，几乎是一个可以忽略不计的数字。

这一数字甚至低于DeepSeek V3模型的560万美元，更是与GPT-3等国际同类大模型高达数十亿美元的训练投入形成鲜明对比。

低成本的训练并未牺牲性能，Kimi K2 Thinking在保持顶尖性能的同时，运行成本也大幅降低。

Kimi K2 Thinking团队介绍，这种成本优势源于多方面的技术创新。一方面，模型采用了改进的MuonClip优化器，在长达15.5万亿tokens的预训练过程中实现了 “零损失尖峰” ，意味着训练过程极其稳定。

另一方面，原生INT4量化技术不仅将推理速度提升了约2倍，还显著降低了部署所需的GPU显存，使模型对硬件更加友好。

Kimi K2 Thinking的API调用价格为每百万token输入1元（缓存命中）/4元（缓存未命中），输出为每百万token 16元，相比GPT-5低一个数量级。

月之暗面2025年7月11日发布初代Kimi K2模型；9月5日升级为Kimi K2-0905版本，强化Agentic Coding能力；11月6日发布Kimi-k2 thinking