近日，月之暗面核心团队在海外社交平台Reddit上发起了一场深度互动问答活动，联合创始人兼CEO杨植麟等多位技术负责人就模型研发、技术路线选择及开源生态建设等热点问题展开回应。此次活动吸引了大量海外开发者参与，问题覆盖模型性能优化、技术架构创新及商业化路径等多个维度。
针对Kimi K2 Thinking模型训练成本的网络争议，杨植麟明确否认"460万美元"的传言。他指出，模型研发成本难以简单量化，研究实验阶段的投入占比显著。同时透露团队已启动视觉-语言（VL）版本研发，但纯文本模型优先发布是因正确数据获取与训练需要更长时间。对于用户反馈的推理时间过长问题，他解释当前版本优先保障绝对性能，后续将通过奖励机制优化token使用效率。
在技术架构层面，混合线性注意力架构Kimi Linear成为讨论焦点。该架构在短上下文、长上下文及强化学习扩展等场景首次超越传统全注意力机制，其核心模块KDA已被纳入下一代模型规划。杨植麟透露，KDA在长思维链强化学习场景中展现出高效优势，未来可能结合扩散模型进行创新，但文本扩散应用仍面临先验不足的技术挑战。算法负责人周昕宇进一步说明，KDA混合架构在预训练和强化学习阶段均优于传统方案，成本效益显著提升。
面对模型实际体验与榜单成绩的差异质疑，杨植麟承认现阶段存在通用能力不足的问题。他以HLE基准测试为例，表示团队正在通过提升智能体推理能力来改善实际应用表现。对于用户提出的100万token上下文窗口需求，周昕宇坦言此前尝试因服务成本过高暂停，但未来会重新评估技术方案。在模型部署方面，针对企业用户对"中国大模型"的安全顾虑，联合创始人吴育昕强调开源策略可消除部分担忧，企业自主部署能提升信任度。
关于AI浏览器开发计划，周昕宇直言无需通过Chromium套壳实现模型优化，团队将专注核心模型训练并持续更新kimi.com功能。在商业化层面，针对编程订阅方案API计费模式引发的资源消耗争议，团队表示将探索更优解决方案，同时强调当前计费方式符合企业成本结构且透明度高。对于小型模型需求，杨植麟透露已发布Kimi-Linear-48B等轻量化版本，未来将扩展更多功能模型。
这场持续数小时的技术对话，不仅展现了月之暗面在混合注意力架构、强化学习等领域的创新突破，更通过坦诚回应海外开发者关切，彰显了中国AI团队的技术自信与开放态度。从模型性能优化到开源生态建设，从技术路线选择到商业化实践，这场跨越时区的问答揭示了中国AI创新正在获得全球技术社区的深度关注。
