推荐大家去看一下月之暗面创始人杨植麟最近的一场演讲。

这是他拿到5亿美元融资后首次公开露面，在一场定向邀请的行业论坛上，把Kimi 2025年的技术路线讲得非常透彻。

今天我就把这场演讲里最重要的几个点整理出来，和大家聊聊。

1️⃣ 第一个重点：大模型的智能上限快要被数据卡住了。

杨植麟开场就点出了一个很残酷的现实：互联网的存量数据就那么多，高质量内容的增长速度早就跟不上模型扩张的胃口了。

换句话说，大家都在同一个池子里捞鱼，谁也别想比谁多捞太多。

那怎么办？
他给出的答案是提升Token Efficiency，翻译成人话就是让每一口数据都吃得更有营养。

打个比方，同样吃一顿饭，有人能把营养全吸收，有人吃完就拉肚子。

模型也一样，同样的数据喂进去，有的能学到精髓，有的只学了个皮毛。

月之暗面为此搞出了一款新的二阶优化器，直接让效率翻倍。
别人用100万条数据才能达到的效果，你用50万条就能搞定。

这玩意儿的价值不在于省钱，而在于突破智能的天花板。
当所有人都把数据榨干的那一天，谁的消化能力强，谁就是最后的赢家。

2️⃣ 第二个重点：AI要学会长记性了。

我们日常用AI经常遇到一个问题，聊着聊着它就忘了前面说过什么。
这不是AI在装傻，而是它的记忆容量确实有限。

杨植麟说，在Agentic智能时代，AI要完成的任务越来越复杂。

比如让它从零开发一个操作系统，可能需要连续执行两三百步操作，中间不能断，也不能忘。
传统架构在这种超长任务面前就有点力不从心了。

于是他们搞出了Kimi Linear架构。
这个架构最牛的地方在于，在百万级上下文长度下，速度能快6到10倍，而且效果还更好。

简单说就是，记得更多，跑得更快，还不容易犯糊涂。
他的原话是：一个优秀的架构，能让AI胜任那些从零开始写完整代码仓库的任务，而不是只能干干翻译这种简单活儿。

3️⃣ 第三个重点：Kimi在一道超难的题上超过了OpenAI。

杨植麟在演讲中提到了一个让人眼前一亮的数据。
在HLE这个极其困难的基准测试上，Kimi K2的准确率达到了45%，超过了OpenAI。

HLE可以理解为大模型界的高考压轴题，能在这道题上拿高分，说明模型真的有两把刷子。

更重要的是，K2是中国第一个完全的Agentic模型。
它能完成连续两三百步的复杂工具调用，去解决那些人类看了都头大的难题。

杨植麟特别提到，中国的开源模型正在成为新的行业标准。
比如英伟达发布新产品的时候，已经开始用中国的开源模型做测试了。

从跟跑到并跑，再到开始定义规则，这个转变挺让人感慨的。

4️⃣ 第四个重点：做模型本质上是在创造一种世界观。

演讲最后，杨植麟聊了点形而上的东西。
他说智能和电力不一样。电是同质的，一度电和另一度电没区别。

但智能是非同质的，每个模型产生的内容都是独一无二的。
所以做模型的过程，其实是在表达你认为一个好的AI应该是什么样。

他还分享了一段和Kimi的对话。

他问Kimi：面对AGI可能带来的风险，是否应该继续开发？
Kimi的回答是：应该继续。 因为放弃开发，就意味着放弃人类文明的上限。

不管这是Kimi真正的想法还是训练出来的价值观，这个答案都挺有意思的。