
小插曲:Kimi与DeepSeek或再撞车
4月20日晚间,Kimi宣称“K2.6是我们迄今为止最强代码模型”,并推出开源模型K2.6,距K2.5发布约一个季度。传闻本周DeepSeek V4将发布,若按预期推进,这将是Kimi和DeepSeek的第N次撞车。在底层基础设施层面,Kimi和DeepSeek这两个大模型创业公司,将与国产芯片创业公司共进退。
技术路线与模型迭代
2026年3月,杨植麟在英伟达GTC演讲谈及Kimi技术路线图,指出当前技术标准渐成Scaling瓶颈。为解决问题,Kimi贡献二阶优化器MuonClip、Kimi Linear架构和Attention Residuals。杨植麟认为Kimi进化逻辑包括Token效率、长上下文及智能体集群“合体”,K2.6是该路径下新成果。代码是前沿模型必争之地,Kimi开源模型保持约一季度迭代节奏,小版本号暗示杨植麟或有更多底牌。
K2.6性能亮点
Kimi称K2.6长程编码能力显著提升,测试中可不间断编码13小时,编写或修改超4000行代码,在Kimi Code Bench中成绩比K2.5提升约20%。K2.5曾在OpenRouter 2月霸榜,联合创始人张宇韬貌似很满意。在通用Agent等基准测试上,K2.6对Agent框架核心提升在API调用精准性和长时间运行稳定性。K2.5提出“Agent集群”概念,K2.6进一步放大该能力,最多支持300个子Agent并行完成4000个协作步骤。K2.6亮点包括代码和长程任务能力、Agent集群能力进化及与主流Agent框架适配优化,Agent集群能力最具价值。K2.5被学界研究员评价无短板,可作科研助手,K2.6效果值得期待,在Artifacial Analysis智能榜单中仅次于三家闭源模型,领跑开源模型权重榜单。
新论文与架构探索
3月中旬,Kimi发布Attention Residuals论文,马斯克称是“令人印象深刻的突破”。上周末,Kimi发布新论文提及架构新探索,核心讨论PD分离。PD分离旨在解耦计算和带宽密集型任务,降本增效,但需基于同机房RDMA高速网络。Kimi论文基于混合模型缩减KV缓存体积,将Prefill和Decode解耦到不同异构集群。实验示例显示了集群配置和测试模型,实测结果表明PrfaaS - PD跨数据中心方案吞吐量提升54%,P90 TTFT降低64%,跨数据中心KV缓存传输带宽仅占13%。论文还通过实验证明混合模型架构可将KV缓存传输需求压至普通以太网可承载范围。
Token降本与国产芯片机遇
Kimi官方称“跨数据中心 + 异构硬件”可降低单token成本。此前提到模型、硬件层面有优化空间,胡延平教授强调降本需多方面因素。在预填充即服务论文中,异构硬件启示可用国产卡降本增效。Kimi为中国芯片打开大模型推理大门,但国产算力要接住流量利好仍需解决生态问题。过去中国大模型因生态难题被卡在国产算力之外,且H20已断供一年,推理芯片短期内只有国产选项。随着推理需求暴涨,中国大模型对国产算力依赖增强。很多预测称DeepSeek V4在适配国产算力,Kimi已为中国模型 + 中国芯片结合探索出可行路径,率先伸出橄榄枝,问题交给国产芯片创业公司。黄仁勋曾表示禁售阻挡不了中国芯片进步,DeepSeek和Kimi的下一步给出答案。
781



被折叠的 条评论
为什么被折叠?



