沒有預熱，也沒有釋出會，月之暗面在2025年7月11日深夜選擇直接開源Kimi K2 。就在當天，Kimi K2模型悄無聲息地出現在Hugging Face上，官網、App和API同步開放，模型引數、訓練細節等資訊也一併放出 。
這次釋出的Kimi K2是一個萬億（1T）引數規模的混合專家（MoE）模型，啟用引數為320億 。其核心能力發生了清晰的轉向，Kimi此前的標籤是長文字，而K2則為智慧體任務（agentic tasks）做了專門最佳化。
官方展示的例子很能說明問題，比如Kimi K2可以接收一個模糊的需求，透過17次工具呼叫，自主完成包含航班和酒店預訂的旅行規劃 ；或是執行16次資料分析指令，完成一份專業的薪資分析報告。
在榜單方面，它在SWE Bench Verified（程式設計）、Tau2（智慧體）、AceBench（工具呼叫）這三項基準測試中是開源模型表現最好的。
在自主程式設計（Agentic Coding）、工具呼叫（Tool Use）和數學推理（Math & Reasoning）這三個能力維度上，Kimi K2也緊逼Claude 4 Opus、OpenAI GPT-4.1等閉源模型。
月之暗面此次開源了兩個版本，一個是適合做後續研究和定製化開發的Kimi-K2-Base基礎模型，另一個是能直接用於通用聊天和智慧體場景的Kimi-K2-Instruct指令微調模型 。
任何模型都有它的取捨和待解問題。那個以超長上下文能力深入人心的Kimi，這次在K2上只配置了128K的視窗雖然以及對錶主流模型，但這背後很可能是在當前階段，優先將資源投入到提升模型的程式碼和Agent能力上。
另一個現實問題是執行門檻。官方部署指南明確指出，在主流H200等平臺上執行Kimi-K2的FP8版本並支援128k上下文，最小硬體需求是一個由16塊GPU組成的叢集 。儘管模型在vLLM、SGLang等主流推理框架上提供了詳細的部署方案，並支援張量並行、專家並行等多種策略來適配不同規模的叢集 ，但這個基礎的硬體門檻，已將絕大多數個人開發者和中小團隊排除在本地化部署之外。這種對大規模、高I/O效能叢集的依賴，是其強大能力背後普通使用者難以企及的成本。
一些開發者已經在自己嘗試把它跑在2個蘋果M3晶片的環境裡，並表示運轉良好。但要提供更好的本地和低資源環境的可用性，還需要Kimi官方的量化版本。
Kimi K2的釋出，是楊植麟在給月之暗面調整方向後，交出的一份重要答卷。
DeepSeek出現證明了開源的價值以及底層模型能力依然是競爭的基石，它甚至會“摧毀”在模型單一能力上最佳化並用在c端產品裡然後快速推廣的競爭策略。
之後Kimi開始在技術上全線轉向預訓練，並步步緊跟DeepSeek。2025年2月，兩家幾乎同時發表論文，挑戰Transformer的注意力效率問題，DeepSeek提出了NSA（原生稀疏注意力）架構，月之暗面則提出了MoBA（混合塊注意力）架構。兩者都試圖解決模型處理長文字時的效率瓶頸。清華大學教授章明星曾對此評論，這說明兩家頂尖團隊對技術演進的方向得出了相似的結論 。但這次K2在文字長度上一般，似乎還沒把MoBA徹底用上。
另外，與MiniMax等對手的做法不太相同的地方在於，Kimi此次的開源模型，架構上選擇了DeepSeek開發和依賴的MLA（多頭潛在注意力），目前技術報告還沒釋出，從Hugging Face的資訊來看，Kimi K2用了結構類似DeepSeek V3的MLA，專家數增加到了384個，啟用專家保持在8個。
在最佳化器上Kimi此前的工作也成了此次模型關鍵。要訓練萬億模型，通用的AdamW最佳化器已面臨挑戰。Kimi此前選擇了在更新的Muon最佳化器上深度投入 ，並針對大規模訓練中的不穩定性，提出了MuonClip技術，最終支撐了K2在15.5萬億token資料量下的平穩訓練。
這些技術投入背後還有一個清晰的技術賭注：“模型即Agent，Agent即模型”的理念。
在K2釋出前，月之暗面就透過Kimi-Researcher產品展示了其對智慧體的理解——追求一種“零結構”的智慧體，不依賴人類預設流程，而是透過端到端的強化學習，讓模型在真實的任務反饋中自主學習如何思考、規劃和使用工具 。為了實現這一點，Kimi K2在可驗證任務（如程式碼和數學）上進行強化學習的同時，還透過引入“自我評價（self-judging）”機制，解決了在開放性、非驗證類任務上的獎勵稀缺問題，從而提升了模型的泛化表現。
將這些線索串聯起來看，Kimi K2的開源更像是楊植麟給Kimi重新定位後交出的第一個答卷。其實看看這一路的各種動作，會發現這個團隊一直有一個明顯的特徵，他們在技術上還是想爭一口氣，這體現在他們總會有一個自己的“賭注”，此前是長文字，今天就是Agent，然後圍繞一個點，做取捨，押注，交卷。
1
實測K2，瞄準Anthropic的Agent能力
此次Kimi選擇先全線上線給使用者使用的策略，我們也第一時間上手測了測它的實際能力。
首先是一個“打字遊戲”。
我們在cline上接入kimi k2模型，並嘗試復現一箇中文版打字遊戲。
prompts：做一個“打字”遊戲，頁面上跳出來一句話，使用者需要在規定時間內，把這句話打出來。
我們在prompts中只簡單描述了一下游戲玩法，而kimi k2自動生成了“需求分析”和“技術方案”，並且針對遊戲功能還進行了補充，如進度條、得分系統等。在遊戲生成後，kimi k2寫了一份簡單的遊戲介紹，包含了操作說明和遊戲特點。
而且，kimi k2的打字遊戲一次生成完成度就很高，可以直接執行，基本沒有bug。
專案網址：https://ddlpmj.github.io/pw_kimik2_test/
此外，瀏覽網頁獲取資訊並作出規劃，也是Agent的重要能力體現之一。
prompts：我喜歡音樂節，我希望你可以幫我找一下今年各大音樂節的名稱、行程等，做成日曆清單，並以html的形式整理出來。
我們嘗試讓kimi k2幫我們做一份“音樂節日曆清單”，並以網頁的形式展現出來。和打字遊戲一樣，kimi k2除了prompts中的要求，還像個助理一樣，補充了音樂節的其他資訊，如地點、是否確認舉辦等。
在成品頁面設計中，kimi k2還做了規劃，如1-3月舉行的音樂節在同一頁面展示，4-6月的在另一頁面展示。滑鼠移動到具體的音樂節上，還會有放大的特效。
能否取得大量資料，並從中做出洞察也是我們考驗的能力之一。我們下載了近5年的上上證指數資料，共1214條，交給kimi k2進行分析。
prompts：@/000001perf.xlsx 這是一份上證指數資料，分析資料並做一份分析報告，報告中要包含圖表
可以發現，kimi k2決定用python進行報告生成，為了讀取表格檔案和生成圖表，它會自動檢查有沒有pyhton相對應的庫，並進行下載。
在指標上，kimi k2會自動挑選有代表性的進行分析，如最高/低日成交額，資料波動等。
從分析報告成品來看，kimi k2先生成圖表，後生成分析報告，最後將二者結合，邏輯比較順暢。此外，kimi k2生成的圖表形式多樣，趨勢線、熱力散點圖等都有。
並且kimi k2基本找出了上證指數的特點。
為了測試K2的風格化文字生成能力，我們選擇了一個具有挑戰性的任務：讓它模仿知名脫口秀演員付航的表演風格，創作一段300字的脫口秀段子。
測試結果顯示，K2確實展現出了一定的風格模仿能力。從表面看，生成的文字在語言節奏和表達方式上有那麼幾分相似，但仔細分析後發現，它並沒有真正捕捉到付航段子的核心特質。
初次生成的內容存在明顯的邏輯混亂問題，讀起來讓人摸不著頭腦，甚至難以理解基本的表達意圖。經過引數調整和prompt最佳化後，第二次的輸出在可理解性方面有了顯著提升，至少能夠清晰地傳達想要表達的內容，但依舊不好笑。
不過值得注意的是，K2在最近的升級中展現出了一個有趣的變化趨勢。它的文字表達風格明顯向R1靠攏，開始頻繁使用一些頗為華麗的比喻和相對複雜的措辭。這很可能也跟Kimi K2在訓練中對合成資料的使用有關。
更多的細節等待它的官方技術報告來揭秘。
在Kimi的英文技術部落格裡，它也直接取名：Kimi K2: Open Agentic Intelligence。在此之前，Anthropic的Claude是把自己和Agent能力捆綁最緊密的模型系列，並且也同樣在聚焦Agent能力同時沒有太多去提高多模態等能力。此次K2對標Claude的思路很明顯，在模型能力上也做了很明顯的取捨。
根據Kimi透露，K2現在已具備複雜指令集解析能力，可以相容Anthropic等的API介面，可以無縫接入Cline，owl等Agent框架。在社群裡，各種對K2的實測也紛紛出現。其中不少開發者也表達了對實測上手K2在Agent能力上的驚豔。甚至已經有人“開發”出把Claude Code裡的Claude模型替換成Kimi K2的方法，並且表示可以用來平替。
接下來可能可以期待Kimi 的產品上，也會像Claude那樣衍生出更多功能，預訓練模型的進展最終真正“反哺”到它C端產品上，然後Make Kimi great again。