還記得去年大家都在討論需要多少億美元才能訓練出頂尖的AI模型嗎?Moonshot AI剛剛用實際行動告訴我們:聰明的架構設計,有時比燒錢更重要。
當大多數人還在關注OpenAI和Anthropic的最新動態時,一個由阿里巴巴支持的中國新創公司悄悄地在AI界投下了震撼彈。他們的Kimi K2 Thinking模型,以僅僅460萬美元的訓練成本,在被稱為「人類最後考試」的Humanity's Last Exam上取得了44.9%的突破性成績——這是目前所有AI模型中的最高分,遠遠超越了OpenAI的GPT-5和xAI的Grok-4。
Ewan Mak
什麼讓「人類最後考試」如此特別?
當AI模型在各種基準測試上都開始接近滿分時,研究人員意識到需要一個真正能測試AI極限的評估標準。這就是Scale AI與Center for AI Safety共同開發的Humanity's Last Exam(HLE)誕生的原因。
這不是你在學校見過的那種標準化測試。HLE包含2,500到3,000道橫跨100多個學術領域的高難度問題——從量子力學到哲學推理,從高等數學到跨領域知識整合。更關鍵的是,這些答案在網路上找不到,AI無法靠「死記硬背」通過,必須真正具備推理能力才行。
想像一下這樣的場景:人類專家在這個測試上的正確率能達到近90%,而目前最先進的AI模型普遍只能達到30%以下。這個巨大的差距,正是HLE設計的初衷——在其他基準測試都被AI「考滿分」而失去鑑別度的時代,HLE成為了真正能測試AI推理能力極限的最後防線。
Kimi K2的技術突破:不只是跑分高而已
當我第一次看到Kimi K2的技術規格時,最讓我驚訝的不是它的參數量,而是它的設計哲學。這個擁有1兆參數的模型,採用了混合專家架構(Mixture-of-Experts, MoE),但每次推理時只啟動320億參數。
這種設計有什麼好處?想像你要解決一個程式設計問題,你不需要同時啟動所有的知識和技能,而是根據問題的性質,調動最相關的專業知識。Kimi K2就是這樣工作的——既保持了強大的整體能力,又能在相對標準的硬體上高效運行。
更令人印象深刻的是它的實戰表現:
| 基準測試 | Kimi K2 | GPT-5 | Claude Sonnet 4.5 |
|---|---|---|---|
| Humanity's Last Exam | 44.9% | < 30% | < 30% |
| BrowseComp (瀏覽任務) | 60.2% | 54.9% | 24.1% |
| SWE-Bench Verified (軟體工程) | 71.3% | 資料未公開 | 資料未公開 |
| LiveCodeBench v6 (即時編碼) | 83.1% | 資料未公開 | 資料未公開 |
在我與幾位使用AI程式碼工具的開發者朋友交流後,他們特別提到Kimi K2在真實編碼場景中的表現。一位朋友告訴我,他在配備雙M3 Ultra的設備上運行Kimi K2,達到了每秒約15個token的速度,而256K的超大上下文視窗讓他能輕鬆處理大型專案而不出現任何問題。
開源策略:技術民主化的實踐
Kimi K2最具革命性的地方,不是它有多強,而是它多容易取得。Moonshot AI以修改版的MIT授權條款在Hugging Face上開源了完整的模型權重和程式碼。
這意味著什麼?任何開發者、研究人員,甚至企業都能免費使用它進行商業開發。唯一的限制是:如果你的產品月活躍用戶超過500萬,或月收入超過2,000萬美元,你需要在使用者介面上顯著標示「Kimi K2」。
對於大多數新創公司和中小企業來說,這個條款幾乎等同於完全自由使用。更重要的是,它徹底打破了AI技術長期以來由少數科技巨頭壟斷的局面。
開發者可以透過platform.moonshot.ai和kimi.com存取這個模型,也可以直接從Hugging Face下載。它支援原生的INT4量化,能在不犧牲品質的情況下將推理速度提升2倍。這種技術民主化的做法,正在改寫數位轉型的遊戲規則。
成本效益:重新定義AI經濟學
讓我們來算一筆帳。Kimi K2的訓練成本是460萬美元,而據報導,OpenAI在類似等級的模型上投入了數十億美元。即使是同為中國開源模型的DeepSeek V3,訓練成本也達到560萬美元。
更有趣的是實際使用成本。在處理超過128K輸出token的任務時,Kimi K2的費用約為0.40美元,而Grok-4則需要5到6美元以上。這種價格優勢,對於需要大量AI運算的企業來說,意義重大。
一些美國公司,包括Airbnb,已經開始重視某些中國AI模型相較於OpenAI的產品,不僅是可行的替代方案,而且往往更具成本效益。這不是崇洋媚外或盲目跟風,而是理性的商業決策。
實戰測試:開發者的真實反饋
理論上的跑分很重要,但實際使用起來呢?我看到Reddit上有位開發者分享了他的使用經驗。他特別提到,雖然在工具調用準確度上,Grok-4達到了完美的100%(Kimi K2是70%),但在首次提示成功率、bug偵測和提示遵循度上,兩者的差距並不大。
更重要的是,Kimi K2的首個token生成速度更快(約0.5秒),這在需要即時回應的應用場景中非常關鍵。雖然完成整體任務的時間較長,但考慮到它只有0.40美元的成本,相較於Grok-4的5-6美元,這個速度差異是完全可以接受的。
有趣的是,多位使用Cursor等AI編碼工具的朋友告訴我,Kimi K2在長時間的程式碼對話中表現特別穩定,不會像某些商業模型那樣在對話後期出現品質下降的情況。
全球AI競賽的新格局
Kimi K2的成功,標誌著全球AI競賽格局的重大轉變。儘管美國對中國企業獲取先進晶片實施了限制,像DeepSeek和Moonshot AI這樣的公司仍然推出了開源且成本遠低於ChatGPT的AI模型。
這讓Nvidia CEO Jensen Huang都公開呼籲美國必須持續努力,應對來自中國的AI發展競爭。但我認為,這種競爭對全球的開發者和企業來說,其實是一件好事。
當AI能力不再是少數科技巨頭的專利,當開發工具和企業能以極低的成本取得頂尖的模型,整個產業的創新速度將會大幅加快。Kimi K2證明了一件事:在AI的世界裡,資源的多寡不再是唯一的決定因素,聰明的架構設計和高效的訓練方法,同樣能創造出世界級的成果。
對企業和開發者的啟示
作為一個長期關注AI產業的觀察者,我認為Kimi K2的出現給我們幾個重要啟示:
- 技術壁壘正在降低:不需要數十億美元的預算,中小型團隊也能訓練出具有競爭力的AI模型。這意味著AI新創的門檻正在下降。
- 開源成為主流:當頂尖的AI模型開始開源,閉源商業模型的優勢將逐漸縮小。企業需要重新思考自己的AI策略。
- 成本效益至關重要:在功能相近的情況下,成本優勢將成為決定性因素。這對於需要大規模部署AI的企業尤其重要。
- 中國AI不容小覷:儘管面臨晶片限制,中國的AI公司正在透過創新的架構設計和訓練方法,縮小與美國的差距。
關於作者
Erik (EKC) 是Tenten的共同創辦人,擁有超過20年的科技產業經驗。他專注於AI技術應用、數位轉型策略,以及新創生態系統的發展。Erik長期追蹤全球AI產業動態,特別關注開源AI模型的發展與商業應用。
在我看來,Kimi K2的出現不只是技術上的突破,更重要的是它向整個產業證明了:AI的未來不應該被少數公司壟斷。當技術變得更加開放、成本變得更加親民,真正的創新才會百花齊放。這也是為什麼Tenten一直致力於幫助台灣企業掌握AI技術,因為我相信,在這個技術民主化的時代,每一家企業都有機會成為AI驅動的贏家。
