Kimi-K2-Thinking是开源最强？发现更有趣的是Thinking本身！

Kimi K2 Thinking是开源最强？发现更有趣的是Thinking本身！ Kimi K2 Thinking是开源最强？发现更有趣的是Thinking本身！ Modified November 10, 2025 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002.mp4 · 369.52KB 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002.mp4 · 484.51KB 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002.mp4 · 922.73KB 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002 00:00 Prompt如下： Code block Plain Text 你好，我现在是国航金卡，今天是2025年11月9日，我金卡的保级是截止到2025年11月30日。我日常是个工作很忙的上班族，出去旅游只有周末。 现在我的金卡航段数是22.85/36(完成63.4%)，里程数52179/70000(完成74.5%)， 我未来只有一段行程是11月21日，北京首都飞上海虹桥，W经济舱的机票。 如果我希望在国航现有政策下，完成今年的金卡保级，我有什么飞行的方案去挽救我的保级?要求:周末飞，能快速游玩，最低成本方案。可以接受免签出国的国家，或者日本（有五年签证） 信源要求：航空公司官网，拒绝低质量信源。 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002.mp4 · 1.84MB 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002 00:00 K2先搜索了相关金卡，保级、航段数、里程数等相关内容，然后分析保级的最低成本方案，然后因为W经济舱在信息源里存在信息冲突，又经过了两次校准确认，最终确认半价经济舱。 最终， 回答分析的也很透彻，十分冷静让我不用着急，告诉我激进方案不可取，完全符合降级挽回门槛， 正常出行即可， 当然还是打了电话确认，80%可保，50%可挽。 还有，代码能力还是很强的， 就像K2，第一个适配Claude Code出圈一样， K2 Thinking依旧还是很能打， 比如之前做的N Back实验的Demo，整体审美是很在线的。 No access 0bc3teaq2aab6aadqqartvuvdgodbwmqcdia.f10002 00:00 还有爬虫部分，这个爬虫结果，比较全，而且全程我没有任何一次交互。 No access 0bc3cmbesaacsiahzeyswvuvee6djejqesia.f10002 00:00 不过在依然逃不过蓝紫风格，哈哈哈哈 这里用的是Kimi CLI， Code block Plain Text 没有uv的，需要装一下 curl LsSf https://astral.sh/uv/install.sh | sh 然后 uv tool install python 3.13 kimi cli 再然后，到指定目录，kimi一下就可以了。 kimi 初次登录需要配置api key，配置一下就行 /setup 官方有文档，很详细，https://www.kimi.com/coding/docs/kimi cli.html No access 0b2ehqbiqaacs4al3las6buvepgdra6afcaa.f10002 00:00 还有， 就是你问能不能真打得过Claude，实话实说，还是有点难， 国内的大模型，普遍在真实使用上，比Claude还是有些差距的，当然国外的也不行， 但anthropic不当人呀，国内已经很难用起来了，Trae都不给用了， 所以国产模型Coding还是十分重要的，K2 Think当然也是撑起了国内的一片天，哈哈哈 当然，模型推理很快，主要是推理采用INT4，核心是K2 Thinking这一次后训练直接采用量化感知训练（QAT），也就是原生INT4量化，相较于训练后量化（PTQ），QAT在训练阶段就模拟量化，因此精度损失会更小。 其实GPt OSS就是底比特量化，采用的MXFP4， Kimi的Infra相关人员也有回复，说用INT4，而不是MXFP4/NVFP4等更先进的格式，主要是为了更好地支持非Blackwell架构硬件。 十分推荐阅读：https://www.zhihu.com/question/1969558404759544488/answer/1970539327902679960 回过头来看K2 Thinking模型的其他细节，K2 Thinking就是在K2的基础上训练的， K2算是把DeepSeek V3的结构发挥到的极致，相同处就不说了， 不同的地方，就是词表变得更大了，MoE更稀疏，从384个专家里选8个， 同时原来DS是前3层的FFN是MLP，后面是MoE，K2变成了仅1层，那么激活参数就更少了，还有就是独特的优化器Muon。 让K2 Think自己比较一下，差不多，哈哈哈，都点到位了。 No access 0bc3deapyaaa34amsviqifuvagod7qmqb7aa.f10002 00:00 不过，又额外发现，K2 Think在Think部分， 也会出现中英混杂 ，但在正常推理中不多见，在数学上的长文会有，这也是国内模型的通病了。 不过， 这个是再翻译成中文，感觉是训练集的问题？PS：这个不是混杂。 如果说去年我只是用kimi来读论文的话， 今年确实让我更常使用了， OK Computer、深度研究、K2本身，都越来越强了， 今年也是开源闭源两条腿走路，从技术深度到产品广度，该有的几乎都有了， 不过，啥时候，多开一下小尺寸模型被，在线祈祷！ 最后的最后， 你会发现， 国内的大模型都是在不断的摸索创新， 整个大模型发展在这一年很快， 开源模型发展，全看中国了 PS：都看到这里，来个 点赞 、 在看 、 关注 吧。 您的支持是我坚持的最大动力！ 欢迎多多关注公众号「刘聪NLP」， 加入交流群 ，交个朋友吧，一起学习，一起进步！ 加入交流群 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002.mp4 · 369.52KB 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002.mp4 · 369.52KB 0bc3eube2aaceyahqoqswbuvejodjusqetia.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002.mp4 · 484.51KB 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002.mp4 · 484.51KB 0bc3cqamoaaabmapfhyqhnuvafgdy4kabrya.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002.mp4 · 922.73KB 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002.mp4 · 922.73KB 0bc3xeaeiaaar4ahdqaq2juvboodis4qaraa.f10002 00:00 Prompt如下： Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002.mp4 · 1.84MB 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002.mp4 · 1.84MB 0bc3mybioaacfmaleyqs5buvezwdq5tafbya.f10002 00:00 K2先搜索了相关金卡，保级、航段数、里程数等相关内容，然后分析保级的最低成本方案，然后因为W经济舱在信息源里存在信息冲突，又经过了两次校准确认，最终确认半价经济舱。 最终， 回答分析的也很透彻，十分冷静让我不用着急，告诉我激进方案不可取，完全符合降级挽回门槛， 正常出行即可， 当然还是打了电话确认，80%可保，50%可挽。 还有，代码能力还是很强的， 就像K2，第一个适配Claude Code出圈一样， K2 Thinking依旧还是很能打， 比如之前做的N Back实验的Demo，整体审美是很在线的。 No access 0bc3teaq2aab6aadqqartvuvdgodbwmqcdia.f10002 00:00 No access 0bc3teaq2aab6aadqqartvuvdgodbwmqcdia.f10002 00:00 还有爬虫部分，这个爬虫结果，比较全，而且全程我没有任何一次交互。 No access 0bc3cmbesaacsiahzeyswvuvee6djejqesia.f10002 00:00 No access 0bc3cmbesaacsiahzeyswvuvee6djejqesia.f10002 00:00 不过在依然逃不过蓝紫风格，哈哈哈哈 这里用的是Kimi CLI， 官方有文档，很详细，https://www.kimi.com/coding/docs/kimi cli.html No access 0b2ehqbiqaacs4al3las6buvepgdra6afcaa.f10002 00:00 No access 0b2ehqbiqaacs4al3las6buvepgdra6afcaa.f10002 00:00 还有， 就是你问能不能真打得过Claude，实话实说，还是有点难， 国内的大模型，普遍在真实使用上，比Claude还是有些差距的，当然国外的也不行， 但anthropic不当人呀，国内已经很难用起来了，Trae都不给用了， 所以国产模型Coding还是十分重要的，K2 Think当然也是撑起了国内的一片天，哈哈哈 当然，模型推理很快，主要是推理采用INT4，核心是K2 Thinking这一次后训练直接采用量化感知训练（QAT），也就是原生INT4量化，相较于训练后量化（PTQ），QAT在训练阶段就模拟量化，因此精度损失会更小。 其实GPt OSS就是底比特量化，采用的MXFP4， Kimi的Infra相关人员也有回复，说用INT4，而不是MXFP4/NVFP4等更先进的格式，主要是为了更好地支持非Blackwell架构硬件。 十分推荐阅读：https://www.zhihu.com/question/1969558404759544488/answer/1970539327902679960 回过头来看K2 Thinking模型的其他细节，K2 Thinking就是在K2的基础上训练的， K2算是把DeepSeek V3的结构发挥到的极致，相同处就不说了， 不同的地方，就是词表变得更大了，MoE更稀疏，从384个专家里选8个， 同时原来DS是前3层的FFN是MLP，后面是MoE，K2变成了仅1层，那么激活参数就更少了，还有就是独特的优化器Muon。 让K2 Think自己比较一下，差不多，哈哈哈，都点到位了。 No access 0bc3deapyaaa34amsviqifuvagod7qmqb7aa.f10002 00:00 No access 0bc3deapyaaa34amsviqifuvagod7qmqb7aa.f10002 00:00 不过，又额外发现，K2 Think在Think部分， 也会出现中英混杂 ，但在正常推理中不多见，在数学上的长文会有，这也是国内模型的通病了。 不过， 这个是再翻译成中文，感觉是训练集的问题？PS：这个不是混杂。 如果说去年我只是用kimi来读论文的话， 今年确实让我更常使用了， OK Computer、深度研究、K2本身，都越来越强了， 今年也是开源闭源两条腿走路，从技术深度到产品广度，该有的几乎都有了， 不过，啥时候，多开一下小尺寸模型被，在线祈祷！ 最后的最后， 你会发现， 国内的大模型都是在不断的摸索创新， 整个大模型发展在这一年很快， 开源模型发展，全看中国了 PS：都看到这里，来个 点赞 、 在看 、 关注 吧。 您的支持是我坚持的最大动力！ 欢迎多多关注公众号「刘聪NLP」， 加入交流群 ，交个朋友吧，一起学习，一起进步！ 加入交流群 🔗 原文链接： https://mp.weixin.qq.com/s/NDMXLVxk... https://mp.weixin.qq.com/s/NDMXLVxk... 原创 刘聪NLP 刘聪NLP2025年11月9日 14:44 江苏 大家好，我是刘聪NLP。 就在周四，Kimi 终于更新了。 时隔四个月，K2 Thinking终于练成。 K2是首个开源1T模型，但K2 Think的首个1T开源Think模型被蚂蚁的Ring抢走了，哈哈哈哈！ 上周有点忙，没来得及测试， 周末抽了点时间试了试，K2 Think让我又重新找回了那种， 看模型推理链路时的纯粹快乐。 是的，不是看答案，而是看它怎么想的过程。K2 Thinking的推理链路，让我再次觉得有意思。 上一次还是DeepSeek R1刚刚出来的时候， 比如，之前总测得，小学生作文内容，整个逻辑很清晰，同时理解深层意图也很好，知道人群涉及的一些隐含内容，比如不能过于恶心、字数也有限制。 整体的文风，和一些写法都很像是小时候的样子， DS的思考现在就显得很简单， 还有，“我们来探讨一些问题，Agent内部被流程化，它是Agent还是workflow” 你会发现，貌似K2 Thinking是把deepresearch的一些技能训练到了think里面。 我突然意识到，自己好像一直在评测Think类模型的结果，而忽略了最有趣的部分，思考本身。 还有关于，红绿色盲那道题，K2 Thinking没有在最终回答中，涉及伦理回答，但在思考中进行了比较多的讨论。 测试后的直观感受，K2 Thinking模型的整个思维链的内容更清晰，同时应该是做了很多的中文思维链路的优化。 再看一下边想边搜能力，这个也是K2 Thinking主打的一个功能，说白了就是搜索+总结的能力。 因为国航金卡急需保级，所以把问题丢给K2 Thinking，看看我怎么解决。