DeepSeek終于丟了開源第一王座，但繼任者依然來自中國
發(fā)布一周后，Kimi K2成為開源新王
幾千人盲投，Kimi K2超越DeepSeek拿下全球開源第一！
歪果網友們直接炸了，評論區(qū)秒變夸夸打卡現(xiàn)場：
今天，競技場終于更新了Kimi K2的排名情況——
開源第一，總榜第五，而且緊追馬斯克Grok 4這樣的頂尖閉源模型。
并且各類單項能力也不差，能和一水兒閉源模型打得有來有回：
- 連續(xù)多輪對話并列第一，o3和Grok 4均為第四；
- 編程能力第二，和GPT 4.5、Grok 4持平；
- 應對復雜提示詞能力第二，和o3、4o位于同一梯隊；
- ……
甚至眼尖的朋友也發(fā)現(xiàn)了，唯二闖入總榜TOP 10的開源模型都來自中國。（DeepSeek R1總榜第8）
當然了，即使拋開榜單不談，Kimi這款新模型過去一周也確實火熱——
K2過去一周真熱啊
公開可查戰(zhàn)績包括但不限于下面這些：
從實打實的數據來看，發(fā)布這一周里，Kimi K2在開源社區(qū)就獲得了相當關注度和下載量。
GitHub標星5.6K，Hugging Face下載量近10萬，這還不算它在中國社區(qū)的應用。
連AI搜索引擎明星創(chuàng)企Perplexity CEO也親自為它站臺，并透露：
Kimi K2在內部評估中表現(xiàn)出色，Perplexity計劃接下來基于K2模型進行后訓練。
甚至由于訪問的用戶太多了，逼得Kimi官方也出來發(fā)公告：
訪問量大+模型體積大，導致API過慢。
……
不過就在一片向好之時，人們關于“Kimi K2采用了DeepSeek V3架構”的質疑聲再度升溫。
對此，我們也找到了Kimi團隊成員關于K2架構的相關回應。
總結下來就是，確實繼承了DeepSeek V3的架構，不過后續(xù)還有一系列參數調整。
p.s. 以下分享均來自知乎@劉少偉，內容經概括總結如下~
一開始，他們嘗試了各種架構方案，結果發(fā)現(xiàn)V3架構是最能打的（其他頂多旗鼓相當）。
所以問題就變成了，要不要為了不同而不同？
經過深思熟慮，團隊給出了否定答案。理由有兩點：
一是V3架構珠玉在前且已經經過大規(guī)模驗證，沒必要強行“標新立異”；二是自己和DeepSeek一樣，訓練和推理資源非常有限，而經過評估V3架構符合相關成本預算。
所以他們選擇了完全繼承V3架構，并引入適合自己的模型結構參數。
具體而言，K2的結構參數改動有四點：
- 增加專家數量：團隊驗證了在激活參數量不變的情況下，MoE總參數增加仍有益于loss下降。
- 注意力頭head數減半：減少head數節(jié)省的成本，剛好抵消MoE參數變大帶來的開銷，且效果影響很小。
- 只保留第一層Dense：只保留第一層為dense，其余都用MoE，結果對推理幾乎無影響。
- 專家無分組：通過自由路由+動態(tài)重排（EPLB）可以應對負載不均衡，同時讓專家組合更靈活，模型能力更強。
最終得到的推理方案就是，在相同專家數量下：
雖然總參數增大到1.5倍，但除去通信部分，理論的prefill和decode耗時都更小。即使考慮與通信overlap等復雜因素，這個方案也不會比V3有顯著的成本增加。
就是說，這是一種更“精打細算”的結構調優(yōu)。
而且這種放棄自己的模型架構路線，徹底走DeepSeek路線的做法，也被國內網友評價為“相當大膽”。
△來源：知乎網友@蛙哥
OK，以上關于Kimi和DeepSeek架構之爭的問題落定后，我們再把目光拉回到這次最新排名。
開源追平or超越閉源ing
一個很明顯的趨勢是：「開源=性能弱」的刻板印象正在被打破，開源模型已經越來越厲害了。
不僅榜單上的整體排名在上升，而且分數差距也越來越小。
仔細看，模型TOP 10總分均為1400+，開源和閉源幾乎可以看成位于同一起跑線。
而且這次拿下開源第一的Kimi K2，總分已經非常接近Grok 4、GPT 4.5等頂尖閉源模型了。
換句話說，以前我們可能還要在模型能力和成本之間作取舍，但隨著開源力量的崛起，多思考一秒鐘都是對開源的不尊重（doge）。
與此同時，越來越多的行業(yè)人士也表達了對開源崛起的判斷。
艾倫人工智能研究所研究科學家Tim Dettmers表示：
開源擊敗閉源將變得越來越普遍。
Perplexity CEO也多次在公開場合表示：
開源模型將在塑造AI能力的全球擴散路徑中扮演重要角色。它們對于因地制宜地定制和本地化AI體驗至關重要。
而在已經逐漸崛起的開源模型領域，TOP 10中唯二開源、且都是國產模型的含金量還在上升。
- 厲害了，智譜造了全球首個手機通用Agent！人人免費，APP甚至直接操控云電腦2025-08-20
- 美國專家來中國轉了一圈：AI比賽已經結束了2025-08-19
- 一張圖0.1秒生成上半身3D化身！清華IDEA新框架入選ICCV 20252025-08-21
- “半路截胡”張益唐，北大出身的中山大學校長這樣做2025-08-21
相關閱讀
??？7B的DeepSeek反超R1滿血版，上海AI Lab周伯文團隊新成果
最優(yōu)的TTS方法高度依賴于具體的策略模型、過程獎勵模型（PRM）和問題難度
