“希望在接下來的十年、二十年的時間，繼續把K4、K5到K100做的更好。”

1月10日，在清華大學基礎模型北京市重點實驗室主辦的AGI-Next前沿峰會上，AI大模型獨角獸月之暗面（Kimi）創始人、CEO楊植麟談到Kimi在未來的發展規劃。

在大模型迎來上市潮流之際，同為大模型獨角獸的Kimi的資本動態受到外界廣泛關注。去年12月31日，楊植麟曾在內部全員信中表示，公司已完成5億美元C輪融資，帳面有超過100億元人民幣的現金儲備。

此外，信中還透露，Kimi全球付費用戶數月增速170%，受K2 Thinking大模型帶動，Kimi在海外的大模型API收入增長4倍。

楊植麟表示，自2019年以來，全球大模型的發展都遵循一個核心規律——Scaling Law，本質上就是“更多算力、更多數據、更大模型參數，能讓AI更聰明、犯錯更少”。這一規律的落地，離不開主流架構Transformer的支撐。

他舉例說明，Transformer與早期的LSTM架構相比，在處理短文本任務時效果相近，但面對長文本、複雜任務時，Transformer能更清晰地記住邏輯關係，就像“看短文章不分上下，讀長篇報告則優勢明顯”，這也成為其適配當下編程、複雜問題求解等場景的關鍵。

基於這一核心規律，Kimi的技術研發聚焦兩大方向：讓AI“學東西更快”和“記東西更久”。為實現這兩個目標，團隊取得了兩項關鍵技術突破。一是推出MUON二階優化器，相較於行業沿用十年的Adam優化器，新優化器讓AI的學習效率翻倍，“原本要讀100份資料才能學會的技能，現在50份就夠，還學得更扎實”。

二是研發Kimi Linear架構，解決了傳統技術“記久了就出錯”的問題，在處理百萬字級長文本時，速度比傳統架構快6-10倍，且邏輯更穩定。

值得一提的是，團隊還攻克MUON優化器訓練中的“Logit爆炸”難題，通過動態QK-clip技術，在不影響效果的前提下，實現萬億參數級Kimi K2模型的穩定訓練。作為中國首個真正意義上的Agent模型，Kimi K2具備兩三百步工具調用能力，能獨立完成複雜編程、難題推導等任務，在核心測試HLE中準確率達到45%，超越了OpenAI同類模型。

楊植麟透露，目前已有多款中國開源模型成為行業測試標準，“中國技術不僅要好用，還要參與制定規則”。面向未來，團隊將持續迭代技術，下一代模型將採用Kimi Delta Attention新型線性注意力機制，進一步提升短長文本任務性能與速度。同時，未來的大模型還將具備更多“審美”和“價值觀”，擺脫同質化發展。

對於公眾關心的AI安全問題，楊植麟分享與Kimi的對話感悟：“AI可能是人類探索未知的鑰匙，能幫我們攻克癌症、解決能源危機、探索宇宙。雖然有風險，但放棄發展就等於放棄人類文明的上限。”

他表示，團隊將在做好風險控制的前提下持續突破，計畫未來十年、二十年內，陸續推出K4、K5直至K100系列模型。（記者注：目前最新版本的Kimi大模型是K2）

來源：中國澎湃新聞