發布開源模型K2一周后，Kimi引起的全球熱潮還在繼續。
7月11日，月之暗面（Moonshot AI）開源了萬億參數的MoE模型Kimi K2。這是一個參數高達1T，激活參數32B的MoE模型，包括兩款開源模型版本Kimi-Base和Kimi-instruct。
K2是個“偏科”選手，擅長編程、智能體類的任務。在Kimi公布的測評結果中，Kimi K2在自主編程、工具調用和數學推理三個維度的表現上，都超過了同為開源模型的DeepSeek-V3和阿里Qwen3。
Hugging Face數據顯示，開源一周后，K2下載量累計超過10萬，還在快速攀升中。在大模型權威競技場LMSYS中，K2-Instruct已經沖到總榜第四，僅次于GPT-4o、Claude-3.5、Gemini-1.5-Pro。
馬斯克在推特上轉發了的OpenRouter趨勢數據顯示，K2的在一周內攀升至全球趨勢榜第二，僅次于Grok 4。
△圖源：Twitter
月之暗面這次沒有選擇大規模營銷，而是在用一種全新的方式開源。
K2發布后，Kimi的算法工程師、研究員，在推特、小紅書、知乎上積極分享K2的工作和技術，回復用戶疑問；Kimi的官方推特也在不間斷地刷屏，轉發社區里對K2的贊美和建議。
熱情的互動引來了更多的“自來水”。Hugging Face聯合創始人Thomas Wolf就對Kimi K2大加贊賞，表示開源模型正在挑戰最新的閉源權重模型。
發布熱鬧得像團建，與這家公司過去半年的沉默形成鮮明對比。
過去兩年，Kimi經歷了一場過山車般的起伏：幾乎是最后一個推出ChatBot助手Kimi，但是憑借著長文本和出圈的策劃一炮而紅，成為最先出圈的大模型應用產品。
但2025年，幾乎所有模型廠商，都被橫空出世的DeepSeek打得失語。追逐AGI，證明自己還有技術實力，變成了所有廠商要做的證明題。
曾經擁有夢幻開端的Kimi，在今年來了個猛轉彎：To C的Kimi應用停止投流，專心主攻模型。去年曾經試水的Ohai、Noisee等其他C端應用，以及Kimi在多模態上的嘗試也迅速暫停。這也讓它遭受的質疑更猛烈——是不是放棄了預訓練？停止投流后，To C應用放棄了嗎？
蟄伏半年，Kimi需要一場翻身仗。K2的發布，就是回歸AGI主線的一種宣言。
“又一個DeepSeek時刻”
K2發布，已經引起了全球開發者社區的震動。7月16日，著名的《Nature》雜志發文，表示K2的發布為“另一個DeepSeek時刻”，足見其贊美。
為什么K2的發布如此重要？簡單來說，因為K2把DeepSeek模式再走了一遍：主打高性能、低成本，而且真開源。最重要的是，端出了真的好東西。
K2是個性能強悍的模型。它很專注，目標清晰——就是為了智能體（Agentic AI）而生。
一位Kimi的算法工程師Justin Wong在博客里說：Kimi希望把人與AI的交互方式，從chat-first變成artifact-first，即交付一個具體的交付物（比如一個3D模型、一個表格），而非交付一段聊天上下文。
用大白話說，就是要真能干活，不只是純聊天了。
了解了這點，才能理解Kimi在模型訓練路線上的諸多選擇。
DeepSeek R1發布時，更多注重思考、推理能力，在發布后相當長一段時間才加入工具調用功能。而K2并沒有像DeepSeek R1那樣帶上推理模式（如展現思考過程），雖然也著重提升了風格化寫作能力，但并沒有過多強調。
K2最看重的還是Agentic（智能體）能力，把提升“自主使用工具、完成任務”的能力，放到最高優先級。“這在整個領域里是一個非常罕見的選擇。”一位從業者評論道。
更具體地說，K2把優化的重點放在了：根據聊天的上下文，調用外部的工具，要讓調用速度更快，完成任務的質量更高——比如瀏覽器、PPT、Excel、3D繪畫軟件等等。用戶也可以接入owl、Cline、RooCode 等 Agent/Coding 框架，來自主編程。
所以，在K2的使用案例中，你可以看到，直接輸入Prompt，不用怎么等K2“思考”，K2就迅速生成3D旋轉地球模型、生成PPT、生成晝夜循環的山川峽谷3D景觀、3D粒子星系、交易看盤等等。
△Prompt: Create a 3D HTML mountain scene with cliffs, rivers, and day-night lighting. Supports drag/zoom, animated transitions, realistic gradients, and toggleable contour lines... (創建一個 3D HTML 山脈場景，包含懸崖、河流和晝夜光照變化。支持拖動和縮放、動畫過渡、真實感漸變色，并可切換等高線顯示...) 來源：Kimi
把13萬行的原始數據丟給 Kimi K2，可以幫你分析遠程辦公比例對薪資的影響，分析顯著差異，自動生成統計圖表與回歸模型解讀等等，用統一色調做出小提琴圖（violin plot) 、箱線圖（box plot）、散點圖（scatter plot）等專業圖表，整理成報告。
△來源：Kimi
K2的另一個核心貢獻在于，把模型的訓練和使用成本又拉到了一個地板價，同時還保持著接近Claude主流模型的性能，主打一個性價比高。
Kimi K2 API的定價是：每百萬輸入tokens 4元，每百萬輸出tokens 16元；直接和同樣主打編程的Claude 4 Sonnet（每百萬輸入3美元，每百萬輸出15美元）的API價格相比，整體成本可以下降超過75%。
別小看這75%，如今AI編程已經成為創業賽道的“明牌”，賽道里包括Cursor等頭部AI編程公司估值已經迅速起飛。截至2025年6月，Cursor的ARR（年度經常性收入）已突破5億美元大關，相較于4月中旬披露的3億美元，短短兩個月內飆升了60%。
開發者會實實在在用腳投票。K2一出，Hugging Face的下載量漲得飛快，K2很快就登上了OpenRouter的趨勢榜周第二，開發者頻頻吐槽為什么API還這么慢，用不上。
K2現在并不完美，輸出的結果還是會有不足之處，比如Token輸出比較啰嗦，代碼質量和頂尖的Claude相比還是有差距——但架不住它性價比高。很多博主的測試案例中，普通程序員寫一天代碼也就幾塊錢，大大降低了AI編程的算力使用門檻。
性價比高，也源于Kimi一些原創性的創新。
Kimi從訓練階段引入了新的優化器Muon，取代了原來主流的AdamW優化器，在不同Llama架構模型上，Muon的算力需求只有AdamW的52%。
優化器是大模型里的一個核心組件，決定著在訓練時的模型參數如何調整。優化器優化得越好，模型在同樣的硬件環境下跑得更快、更穩，換種角度說，也更節省了算力。
這可以說是一場技術冒險。Muon原本是一個比較前沿的優化器方向，甚至沒有發表正式論文，以前只在小型模型上訓練成功過。但Kimi選擇將Muon擴大到萬億參數去嘗試，并且解決了大規模訓練下的很多技術難點，讓Muon成為這次K2發布最受尊重的工作之一。
在公司門口放鋼琴、公司名字用傳奇搖滾專輯命名，這看起來是很朋克。但在巨大的市場壓力下，專注在一個方向，把一個新技術架構直接上到萬億參數去訓練，用真金白銀去試，還成功了。
這才是真的朋克。
六小龍沒有回頭路
從K2發布的細節看，DeepSeek在全球造成的影響仍在持續。
今年1月發布的DeepSeek R1是全球AI敘事的分水嶺。在那之前，國內無論是大廠，還是AI初創，大家都在卷AI應用，搶奪用戶和留存。
Kimi曾經在2024年做過一波激進投流，和字節的豆包對打。但投流、增長是在大廠舒適區里的事情，Kimi很快就顯得力不從心。2024年11月，豆包宣布MAU過億，在國內一時風頭無兩。
很快，這些成果都被DeepSeek R1迅速超越。
DeepSeek之后，無論是大廠還是初創，大家都形成共識：追求模型能力提升才是最重要的事。國內To C應用的戰場上，幾乎就剩下元寶、夸克和豆包在廝殺。
如今商業化已經是個有點遙遠，且不是最重要的問題了。面對在模型和應用上都在All in的大廠，留給大模型初創的路幾乎只有一條：開源，和攻克最難的問題。
前不久的36氪Waves大會上，真格基金合伙人戴雨森在談到Kimi與Minimax時曾說： “一年前，大家比投放、比用戶，比投放，其實是大廠的機會。現在則回到技術前沿，回到強認知，我相信反而更適合以技術大牛為核心的創業團隊。 ”
六小龍們都做出了自己的選擇。DeepSeek R1的沖擊后，各家呈上的答卷，實則表明了一種路線的分野：Kimi已經有點像Anthropic，主打提升編程、智能體的能力；Minimax和階躍牢牢抓緊多模態；智譜則是走更本土、To B/To G的路線；百川選擇繼續做醫療模型；01早已宣布不再做超大基礎模型迭代，轉而專注在大模型落地上。
此前，Kimi在海外知名度有限，但K2的爆火已經帶來實在的回報：全球開發者圈子里開始關注起Kimi，有人開始研究CEO楊植麟的過往經歷。開發者們喜歡這個充滿朋克文化的團隊——Kimi團隊成員在小紅書、推特展示公司里以傳奇樂隊命名的會議室，也會在Twitter坦承“現在K2還不完美，infra還有很多不足，正在加班加點修復。”
△來源：Twitter
而更早之前，在Kimi專注提升模型能力，推出包括深度研究等產品后，其實也反哺到了產品上：Kimi的Web端數據從6月開始反彈，訪問量環比增長30%。
某種程度上，開源和朋克有著同樣的精神內核，自由、開放、尊重技術，這是現在AI圈子里最強勢的"注意力貨幣"，不僅能建立名聲、展現信仰，還有招攬人才——這才是AI初創現在最著急的事。
K2發布后，一位Kimi研究員曾經在博客里提到：“ 2025年，智能的上限仍然完全由模型決定，作為一家以AGI為目標的公司，如果不去追求智能的上限，那我一天也不會多呆下去。”
追求AGI看似是一條窄路，對還在這條路上的初創公司而言，還是一條康莊大道。
只要足夠專注。