【导读】AI大模型龙头月之暗面创始人杨植麟首次完整披露Kimi技术路线图

中国基金报记者 卢鸰

北京时񝮋�日凌晨，月之暗面Kimi创始人杨植麟在主题为《How We Scaled Kimi K2.5》的演讲中首次完整披露Kimi技术路线图，并将焦点对准了大模型中被沿用多年的底层架构。

杨植麟认为，要推动大模型智能上限的持续突破，必须对优化器、注意力机制及残差连接等底层基石进行重构。

据悉，目前月之暗面Kimi正以投前估�亿美元（约合人民�亿元），进行新一�亿美元融资。约一个月前，Kimi刚完成񚉳亿美元的融资，当时估值�亿美元；而在去年底一񙩑亿美元的融资中，其估值�亿美元。

首次完整披露Kimi技术路线图

在正在举行的英伟达GTC 2026大会上，算力基建的规模化（Scaling）已成为行业共识。

继今年 1 月底正式发布Kimi K2.5以后，杨植麟在本次演讲中首次系统性披露了该模型背后的技术路线图。他将Kimi的进化逻辑归纳为三个维度的共振：Token效率、长上下文以及智能体集群（Agent Swarms）。

在杨植麟看来，当前的Scaling不再是单纯的资源堆砌，而是要在计算效率、长程记忆和自动化协作上同时寻找规模效应。如果能将这三个维度的技术增益相乘，模型将表现出远超现状的智能水平。

技术重构是本次演讲的核心。杨植麟提出，行业目前普遍使用的很多技术标准，本质上是八九年前的产物，正逐渐成为Scaling 的瓶颈。

针�年诞生的全注意力机制（Full Attention），杨植麟展示了基于 KDA 架构的Kimi Linear。这是一种混合线性注意力架构，它挑战了“所有层必须使用全注意力”的惯例。

此外，针对已有十年历史的残差连接，Kimi引入了Attention Residuals 方案，将传统的固定加法累加替换为对前序层输出的Softmax注意力。这项工作引发了前OpenAI 联合创始人Karpathy的思考，直言对Attention is All You Need这篇Transformer开山之作的理解仍然不够。xAI创始人马斯克也评论称，Kimi这项工作令人印象深刻。

AI研究范式之变

在演讲的最后，杨植麟深入探讨了智能体集群的扩展。

他认为，未来的智能形态将从单智能体向动态生成的集群进化。Kimi K2.5 引入的Orchestrator机制，能够将复杂的长任务拆解给数十个子Agent并行处理。为了防止协作过程中出现单点依赖导致的“串行塌缩”，团队设计了全新的并行RL奖励函数，激励模型真正学会任务分解与并行执行。

在总结中，杨植麟还谈到了AI研究范式的转变。

他提到，十年前的研究往往更看重新想法的发表，但受限于算力资源，很难通过不同规模的实验来验证这些想法。而现在由于拥有了足够的资源和“缩放阶梯（Scaling Ladder）”，研究者可以进行严谨的规模化实验，从而得出更自信、更可靠的结论。这也是为什么Kimi能够从那些看似“古老”的技术中挖掘出新突破的原因。Kimi 将继续坚持开源路径，将MuonClip、Kimi Linear和 Attention Residuals等底层创新贡献给开源社区。

编辑：杜妍

校对：王玥

制作：鹿米

审核：陈墨

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）