国内AI领域的新星月之暗面，近期推出了其最新的MoE架构基础模型——Kimi K2，该模型参数量高达1万亿，瞬间在行业内引起了广泛关注。Kimi团队内部亲切地将负责K2研发的团队称为“接生群”，而这群研发人员也在知乎上积极分享了K2诞生的幕后故事。
作为月之暗面基础设施侧推理团队的成员，知乎用户刘少伟详细阐述了K2模型结构的设计理念。他指出，K2是在DeepSeek V3结构的基础上进行了优化，通过精心选择参数，使得模型在保持与V3相当的训练和推理成本的同时，实现了更低的loss。刘少伟强调，这些改进使得K2在相同EP数量下，尽管总参数增加到V3的1.5倍，但理论上的预填充和解码耗时却有所减少。
月之暗面的另一位研究员Flood Sung则在知乎上分享了Kimi K2的两大亮点：MuonClip带来的显著loss曲线下降以及卓越的Agent能力。为了实现更好的通用Agent功能，Flood Sung透露，团队构建了一个全自动化的agent数据生产流水线，通过全流程模拟筛选出高质量的Agent轨迹数据。他形象地比喻这个流水线为“一生二，二生三，三生万物”，完美体现了老子的哲学思想。
关于Kimi K2选择开源的决定，月之暗面的研发人员Justin Wong在知乎上给出了答案。他认为，开源能够借助社区的力量来完善技术生态。事实上，K2开源后不到24小时，社区就已经实现了K2的MLX版本和4bit量化等，这些都是月之暗面团队单凭自身人力难以完成的。而另一位研究员Dylan则更为谦逊地表示，K2虽然展现出了一定的潜力，但与许多已经成熟的前沿模型相比，仍有许多明显的不足。他作为后训练团队的一员，希望能在后续的版本迭代中持续挖掘K2基础模型的潜力。
值得注意的是，近年来，越来越多的开发者在发布AI成果的同时，选择在知乎上分享背后的思考和过程。此前，月之暗面发布的一款Agent产品以及开源的MoBA框架，也都由主要研发人员在知乎上亲自解答，引发了业界对相关技术的深入讨论。
