Diterbitkan pada: 21 Juli 2025 / Pembaruan dari: 21 Juli 2025 – Penulis: Konrad Wolfenstein
"Momen sputnik" baru? AI Model: Akankah Kimi K3 segera hadir? Mengapa Kimi K2 memilih industri AI? – Gambar: xpert.digital
The Kimi Bang: Model AI dari Cina ini 10 kali lebih murah daripada GPT-4 dan sama pintar.
Terobosan China | AI dengan harga tempur: Saat teknologi menjadi lebih demokratis
Dunia AI berada di bawah kekuasaan dan pemicunya memiliki nama: Kimi K2. Dikembangkan oleh Startup Beijing Moonshot AI, model bahasa baru ini memastikan "kimi bang" yang nyata di industri dan sudah diperdagangkan sebagai "momen deepseek kedua" – yang mengatur ulang keseimbangan kekuasaan dalam kompetisi AI global. Tapi apa yang membuat Kimi K2 begitu istimewa? Ini adalah kombinasi eksplosif dari tiga sifat mengganggu: keterbukaan radikal melalui lisensi bersama yang dimodifikasi, kinerja yang mengesankan yang berlaku dalam tolok ukur dengan raksasa seperti GPT-4, dan model harga yang meremehkan persaingan Barat berdasarkan ukuran.
Metafora "Sputnik Moment" menggambarkan kejutan yang dialami AS pada tahun 1957 ketika Uni Soviet tiba -tiba menembak satelit pertama – Sputnik 1 – ke luar angkasa. Acara ini tiba -tiba membuat Barat sadar bahwa itu telah disusul oleh pesaing di bidang teknologi yang menentukan. Hasilnya adalah panggilan bangun nasional yang mengarah pada investasi besar -besaran dalam sains dan pendidikan dan memicu "Race Into Space".
Ditransfer ke AI, "Kimi Bang" berarti seruan bangun yang serupa untuk dunia teknologi barat: sebuah perusahaan Cina tidak hanya mengembangkan model yang dapat mengikuti kinerja dengan GPT-4 terkemuka, tetapi juga menerbitkannya sebagai model sumber terbuka dan dengan biaya sebagian kecil. Terobosan teknologi dan ekonomi ini mempertanyakan dominasi sebelumnya dari perusahaan -perusahaan AS seperti OpenAai dan menandakan awal dari fase persaingan baru yang diperketat di sekitar kepemimpinan AI global.
Kemajuan ini secara mengesankan membuktikan bahwa model AI yang terbuka dan tersedia secara bebas tidak hanya mengejar teknologi secara teknologi, tetapi juga mengantarkan era baru dalam hal efisiensi dan aksesibilitas biaya. Untuk pemula, peneliti dan perusahaan di seluruh dunia, ini berarti revolusi kemungkinan, sementara pemain mapan seperti OpenAai dan Anthropic berada di bawah tekanan besar. Kami membenamkan diri dalam arsitektur, tolok ukur dan implikasi yang luas dari Kimi K2 dan menganalisis apakah "momen AI sputnik" ini dari Cina akan mengubah masa depan kecerdasan buatan.
Kimi K2 menggabungkan tiga sifat mengganggu:
- Keterbukaan – Moonshot AI menerbitkan file model di bawah lisensi ko -modifikasi.
- Kinerja – Dalam tolok ukur seperti MMLU-Pro, Kimi K2 melebihi model pesaing publik dan mencapai hasil di level GPT-4.
- Biaya – API hanya menuntut $ 0,15 masing -masing token input 1 juta dan $ 2,50 masing -masing 1 juta token output, yang berarti lebih murah daripada model top barat.
Cocok untuk:
Siapa yang mengembangkan Kimi K2 dan apa arti istilah "Kimi Bang"?
AI Moonshot, yang didirikan di Beijing pada tahun 2023, berfokus pada model suara yang sangat besar dan menggambarkan setiap publikasi versi besar secara internal sebagai "Bang". Komunitas mengambil alih istilah ketika Kimi K2 menyerbu daftar patokan pada 11 Juli 2025 dan memimpin grafik unduhan untuk memeluk wajah dalam waktu singkat.
Apa "momen deepseek" pertama?
Ekspresi menggambarkan kejutan ketika Deepseek R1 untuk pertama kalinya mencapai kinerja penalaran sistem kepemilikan sebagai model terbuka pada Januari 2025. Analis membandingkan langkah ini dengan "momen sputnik" untuk open source AI.
Cocok untuk:
Mengapa Anda berbicara tentang momen Deepsek kedua?
Kimi K2 mengulangi dan memperkuat narasi: startup Cina menerbitkan LLM yang dapat diunduh secara bebas yang tidak hanya dapat mengikuti, tetapi juga mendominasi dalam disiplin ilmu – tetapi kali ini dengan arsitektur MOE, fokus penggunaan alat dan lagi biaya operasi yang lebih rendah.
Bagaimana Kimi K2 dibangun?
- Arsitektur: Transformator campuran-ekspert dengan 1 triliun total parameter, 32 miliar per inferensi diaktifkan.
- Jendela Konteks: Token 128 K, dioptimalkan oleh Multi-Head Latent Station (MLA).
- Pengoptimal: Muonclip mengurangi ketidakstabilan pelatihan dan membagi dua pengeluaran aritmatika terhadap ADAMW.
- Tampilan alat: Pos Pemeriksaan Instruksi berisi skema panggilan fungsi yang diimplementasikan asli.
Perangkat keras apa yang dibutuhkan diri sendiri?
Tanpa kuantisasi, bobot berjumlah ≈1 tb. Utas di subreddit /r /localllama menghitung konfigurasi RAM CPU dengan 1,152 GB DDR5 dan RTX 5090 dengan harga di bawah $ 10.000. Untuk latensi yang produktif, GPU Moonshot dengan Tensorrt-Llm atau VLLM-Back-end merekomendasikan.
Bagaimana Kimi K2 melakukannya dalam tolok ukur inti?
MoonShot melaporkan 87,8% pada MMLU, 92,1% pada GSM-8K dan 26,3% Pass@1 di LiveCodebech. VentureBeat mengkonfirmasi 65,8% pada swe-bench diverifikasi, yang dengannya Kimi K2 melebihi banyak sistem kepemilikan.
Model AI manakah untuk perbandingan?
Model AI manakah untuk perbandingan? – Gambar: xpert.digital
Dalam lanskap saat ini dari model AI ada variasi sistem yang mengesankan yang ditandai oleh sifat yang berbeda. Tinjauan komparatif menunjukkan model berbagai penyedia seperti Moonshot, Deepseek, Openaai dan Anthropic, yang masing -masing memiliki fitur arsitektur dan kinerja mereka sendiri.
Model Kimi K2 Moonshot didasarkan pada arsitektur campuran (MOE) dengan total 1 triliun parameter, di mana 32 miliar aktif. Ini menawarkan ruang lingkup konteks 128.000 karakter dan mencapai 87,8% yang luar biasa di patokan MMLU dan 65,8% dalam peringkat terverifikasi-Bet-Bench. Biaya adalah $ 0,15 per juta token input dan token output $ 2,50 per juta.
Model R1-0528 Deepseek menunjukkan karakteristik yang sama dengan arsitektur MOE, 671 miliar total parameter dan 37 miliar parameter aktif. Ini melebihi Kimi K2 dengan 90,8% dalam uji MMLU, tetapi memiliki harga sedikit lebih tinggi dari $ 0,55 per juta token input.
Model-model dari OpenAai dan Anthropic seperti GPT-4O, Claude Sonnet 4, Claude Opus 4 dan pratinjau GPT-4.5 berbeda dari arsitektur padat mereka dan kadang-kadang tidak diterbitkan nomor parameter. Harga yang jauh lebih tinggi sangat mencolok, terutama untuk model pratinjau GPT-4.5 dengan token input $ 75 per juta dan token output $ 150 per juta.
Apa yang sangat terlihat dalam perbandingan?
- Kimi K2 mencapai skor MMLU yang hampir identik seperti GPT-4O, tetapi hanya membutuhkan parameter aktif 32 B per jawaban.
- Deepseek R1 mengalahkan Kimi K2 di MMLU, tetapi lebih lemah dalam tolok ukur rekayasa perangkat lunak.
- Dalam hal harga, Kimi K2 adalah faktor 10 di bawah GPT-4O dan faktor 5 di bawah Claude Sonnet 4.
Seberapa radikal perbedaan harganya?
Perbedaan harga antara model AI yang berbeda luar biasa dan menggambarkan perubahan dramatis dalam rasio kinerja biaya. Perhitungan sampel untuk 1 juta token menunjukkan perbedaan harga yang signifikan: sementara model seperti Kimi K2 dan Deepseek R1 sangat murah sekitar $ 2,65-2,74 per juta token, harga untuk GPT-4O pada $ 12,50 soneta 4 pada $ 9,00 dan Claude Opus. Biaya GPT-4.5 pada $ 112,50 per juta token sangat mencolok. Perhitungan ini menggarisbawahi bahwa rasio kinerja biaya semakin bergerak dari Cina demi model MOE terbuka (campuran ahli), yang secara signifikan lebih murah daripada model AI barat yang sudah mapan.
Apa efek ini pada start-up dan penelitian?
Harga token yang menguntungkan memungkinkan jendela konteks yang lebih lama dan lebih banyak iterasi per percobaan, yang membuat penelitian lebih murah. Pada saat yang sama, harga Barat yang tinggi menggusur pengguna margin rendah ke arah infrastruktur Kimi K2, seperti siliconflow atau Groq.
Apa arti Kimi Bang untuk kompetisi transatlantik?
Menurut analis Golem, Moonshot Ai Openaai secara terbuka ternyata dan memaksa perusahaan AS untuk lebih mempercepat langkah harga. Majalah ahli membandingkan efeknya dengan "Ki Sputnik Series" setelah Deepseek memprakarsai narasi. Investor di Eropa memperingatkan bahwa inersia peraturan mengarah pada emigrasi teknologi lebih lanjut.
Bagaimana reaksi pemimpin pasar?
Pada bulan April 2025, Openaai mengumumkan model berat badannya sendiri untuk pertama kalinya untuk melawan cetakan open source. Antropik sekarang menawarkan diskon cache agresif hingga 90%, tetapi tetap di belakang Kimi K2.
Mengapa muonclip penting?
Moonshot dan UCLA menunjukkan bahwa Muonclip meminimalkan ketidakstabilan dalam miliar dolar dan membagi dua konsumsi memori Adamw. Ini memungkinkan pelatihan token 15,5 triliun tanpa istirahat.
Peran apa yang dimainkan oleh desain desain para ahli?
MOE hanya mengaktifkan satu subset ahli khusus per token. Ini mengurangi waktu komputasi dan konsumsi listrik, sedangkan jumlah total parameter tetap tinggi. GPT-4O dan Claude, di sisi lain, menggunakan arsitektur padat dan harus menghitung semua bobot berapa biayanya.
Apa yang dimasukkan lisensi ko-lisensi yang dimodifikasi?
Ini memungkinkan penggunaan komersial, meneruskan dan menuap, tetapi wajib merujuk pada sumber dan lisensi. Ini berarti bahwa Kimi K2 dapat digunakan dalam lingkungan di-prem, yang secara khusus membahas persyaratan perlindungan data Eropa.
Apakah ada sisi gelap?
Para peneliti mengkritik bahwa Kimi K2 memoles peristiwa sejarah dalam sejarah Tiongkok dan dengan demikian memiliki bias. Ada juga takut bahwa keterbukaan membuat aplikasi yang tidak diinginkan lebih mudah, seperti disinformasi otomatis.
Kecerdasan Agen: Apakah Kimi K2 merupakan langkah untuk agen AI otonom?
Ya. Moonshot terlatih secara eksplisit -menggunakan dan panggilan fungsi, sehingga Kimi K2 dapat mengatur secara mandiri. VentureBeat menekankan keterampilan agen sebagai titik penjualan yang unik. Ini membedakan Kimi K2 dari Deepseek R1, yang terutama mengungkapkan penalaran, tetapi membuat penggunaan alat tergantung pada kerangka kerja agen.
Integrasi ke dalam alur kerja: Bagaimana cara mengintegrasikan Kimi K2 ke dalam pipa openai yang ada?
Moonshot menawarkan titik akhir yang kompatibel dengan openai, di mana suhu yang diminta diskalakan secara internal menjadi 0,6. Pengembang hanya perlu bertukar url basis dan dapat menggunakan alat seperti langchain atau llamaindex tanpa perubahan.
Praktik terbaik apa yang ada untuk panggilan alat?
- Fungsi diserahkan sebagai skema JSON.
- Tahan suhu 0,6 untuk memaksa panggilan alat deterministik.
- Periksa hasil dengan prompt refleksi untuk meminimalkan halusinasi.
Penyedia cloud mana yang menjadi tuan rumah Kimi K2?
Siliconflow, Fireworks AI dan GROQ menawarkan bayar per-tokens dengan throughput hingga 100 K TPM.
Bagaimana Eropa bisa mengejar ketinggalan?
Analis memerlukan "AI Gigafactory" berdasarkan model AS untuk melatih model mereka sendiri dengan catu daya yang menguntungkan. Sampai saat itu, Eropa dapat mengandalkan model terbuka seperti Kimi K2 dan berkonsentrasi pada finetunes vertikal.
Bidang spesifik aplikasi mana yang diuntungkan terlebih dahulu?
- Bantuan Kode: Kimi-Dev-72B menggunakan data Kimi-K2 dan mencapai 60,4% SWE-Bench.
- Analisis Dokumen: 128 K Jendela Konteks Mengaktifkan Opini Panjang.
- Pipa Data: Latensi rendah 0,54 detik token pertama membuat chatbots real-time realistis.
Apa risiko utamanya?
- Bias dan sensor dalam topik kritis.
- Outflow data melalui API publik.
- Biaya perangkat keras untuk inferensi on-prem masih tinggi meskipun MOE.
Akankah Kimi K2 secara permanen menekan harga barat?
Tekanan harga telah digunakan: Openai menurunkan GPT-4O tiga kali dalam waktu kurang dari dua belas bulan. Claude melemahkan tarif sebelumnya oleh mekanisme cache. Analis melihat Kimi K2 sebagai katalis untuk "balapan ke bawah" untuk harga token, mirip dengan AWS membentuk Cloud Market 2010.
Akankah Kimi K3 segera hadir?
Moonshot memberi nama model dunia multimodal dan arsitektur yang meningkatkan diri sebagai tonggak berikutnya. Kebocoran orang dalam berbicara tentang jendela konteks ke 512 K token dan optimasi Pegasus. Namun, perusahaan secara resmi tidak mengomentari peta jalan.
Apa yang tersisa dari "momen deepseek kedua"?
Kimi K2 membuktikan bahwa model terbuka tidak hanya dapat mengikuti, tetapi juga mendominasi dalam hal harga. Pergerakan kekuasaan, mendorong inovasi dan memaksa semua penyedia untuk membuat lebih banyak transparansi. Untuk perusahaan, basis biaya baru dibuat, bidang uji yang kaya untuk para peneliti, dan bagi regulator tekanan untuk mengimbangi kecepatan pengembangan terbuka.
Kimi Bang dengan demikian menandai selubung: mereka yang menggabungkan keterbukaan dan efisiensi di masa depan akan menetapkan standar ekonomi AI.
Cocok untuk:
Transformasi AI Anda, Integrasi AI dan Pakar Industri Platform AI
☑️ Bahasa bisnis kami adalah Inggris atau Jerman
☑️ BARU: Korespondensi dalam bahasa nasional Anda!
Konrad Wolfenstein
Saya akan dengan senang hati melayani Anda dan tim saya sebagai penasihat pribadi.
Anda dapat menghubungi saya dengan mengisi formulir kontak atau cukup hubungi saya di +49 89 89 674 804 (Munich) . Alamat email saya adalah: wolfenstein ∂ xpert.digital
Saya menantikan proyek bersama kita.
