月之暗面开源万亿参数 Kimi K2：主打智能体能力，编程跑分超 GPT-4.1

Kimi K2 是月之暗面开源的混合专家（MoE）大语言模型，总参数量达到 1 万亿，每次推理激活 320 亿参数。它不是普通的聊天模型，核心能力放在了自主智能体和写代码上，能够自己调用工具、编写并运行代码，独立完成多步骤的复杂任务。

模型分成了两个版本放开：一个是面向开发者和研究者的基础模型，另一个是针对对话和智能体应用优化的指令微调版本 Kimi K2-Instruct。

评测表现与能力规格

在软件工程评测 SWE-bench Verified 上，Kimi K2 拿到了 65.8% 的成绩，达到了主流商用模型的水平。

在更贴近实战的编程基准 LiveCodeBench 中，Kimi K2 取得了 53.7% 的准确率，超过了 DeepSeek-V3 的 46.9% 和 GPT-4.1 的 44.7%。

在考察数学推理的 MATH-500 测试里，它拿下了 97.4% 的高分，同样高于 GPT-4.1 的 92.4%。

怎么训出万亿参数还稳如泰山

训练万亿参数模型最怕中途崩溃，训练不稳定经常导致昂贵的算力任务重来。

月之暗面这次公布了一个叫 MuonClip 的优化器。它放弃了业内通用的 AdamW 路线，直接通过缩放 Query 和 Key 投影中的权重矩阵来抑制数值爆炸，官方称实现了万亿参数模型训练的零不稳定性。

除了开源权重，月之暗面也同步上线了 API。在缓存命中的情况下，输入 token 每百万收费 0.15 美元，输出 token 每百万收费 2.50 美元，整体调用价格压得很低。

为什么重要

如果你正在开发代码助手、复杂工作流或者需要让 AI 自主跑工具，Kimi K2 很值得拿来测试。它最大的吸引力在于把顶尖的智能体和编程能力以开源形式交到了开发者手里，不再受制于闭源接口。

我们认为，这一步最直接的冲击是打破了高端智能体的定价神话。过去做高阶代码智能体基本只能买昂贵的商业 API，现在开源模型不仅跑分追平甚至反超，还把推理成本大幅打了下来，闭源大厂接下来很难继续维持高溢价。