月之暗面公司近日宣布推出革命性的新型注意力架构——Kimi Linear，这一突破性技术有望重塑下一代智能体大语言模型（Agent LLM）的基础架构。团队同步发布技术报告《KIMI LINEAR：一种高表达力且高效的注意力结构》，并开源核心代码与预训练模型，相关验证已在内部完成严格测试。
传统Transformer模型在处理长序列任务时面临两大核心挑战：其一，softmax注意力机制的计算复杂度与序列长度的平方成正比，当文本长度从千级扩展至百万级时，计算量将呈百万倍增长；其二，自回归生成过程中需缓存全部历史token的键值对（KV缓存），显存消耗随序列长度线性攀升，严重制约实时交互能力。尽管线性注意力通过数学变换将复杂度降至线性，但表达能力长期弱于标准注意力机制，尤其在短序列场景下性能差距显著。
Kimi Linear采用创新的3:1混合层级结构，每三层Kimi Delta Attention（KDA）线性注意力层后接入一层多头潜在注意力（MLA）全局层。这种设计使模型在保持长序列处理效率的同时，通过周期性全局层捕捉远程依赖关系。实验数据显示，该架构在百万token上下文场景下，KV缓存占用较纯MLA模型降低75%，解码吞吐量提升达6倍，且在数学推理、代码生成等复杂任务中表现全面超越传统架构。
架构设计的核心突破在于KDA模块的两大创新：首先，引入对角化门控矩阵实现通道级遗忘控制，使每个特征维度可独立调整信息保留速率，这种精细化调控机制赋予模型类似旋转位置编码（RoPE）的动态位置感知能力；其次，开发硬件高效的块处理算法，通过约束对角加低秩（DPLR）结构将计算量减少50%，并充分利用GPU张量核心实现并行优化。测试表明，KDA算子效率较标准DPLR提升近一倍，在长序列合成任务中准确率显著高于基础Gated DeltaNet。
技术报告特别强调全局注意力层的"无位置编码"（NoPE）设计，所有位置信息处理责任由KDA层承担。这种分工使MLA层可专注于内容关联，避免传统位置编码对训练长度的过拟合问题。在128k上下文基准测试中，Kimi Linear平均得分较MLA基线提升4.4%，在代码理解任务RepoQA中优势更为明显。强化学习场景下的数学推理测试显示，其训练准确率增速较纯MLA模型快37%，测试集性能提升幅度达15%。
效率对比数据显示显著优势：百万token解码场景下，单token生成时间从MLA的11.48ms压缩至1.84ms，支持批处理规模提升4倍；预填充阶段速度提升2.9倍，显存占用控制在纯MLA模型的25%水平。在1.4万亿token预训练后，模型在MMLU-Pro、Ceval等20余项基准测试中全面领先，数学推理任务AIME 2025得分较基线提升12%。
目前，开发团队已开源KDA模块的CUDA核心实现、vLLM集成方案及480亿参数模型的训练检查点。技术文档指出，该架构通过混合设计释放了循环神经网络（RNN）的潜在能力，其通道级衰减门控机制可视为数据驱动的动态位置编码，为解决长文本外推问题提供新思路。实验证明，精心设计的线性注意力与全局注意力混合模式，首次在性能与效率维度同时超越纯全注意力架构。
