DeepSeek终于丢了开源第一王座，但继任者依然来自中国
DeepSeek终于丢了开源第一王座，但继任者依然来自中国
Kimi K2以开源领域榜首、总榜第五的傲人成绩，与顶尖闭源模型Grok 4、GPT 4.5展开激烈角逐——在连续对话能力上独占鳌头，编程与复杂提示处理能力稳居第二梯队前列。这款源自DeepSeek V3架构却更精于“精打细算”的国产模型，正凭借GitHub 5.6K星标与10万下载量的辉煌战绩，向世界宣告：开源与闭源的性能鸿沟已被彻底打破，中国力量正重塑AI领域的竞技版图。
AI智能生成内容引发热议，数千人盲投之下，Kimi K2力压DeepSeek，一举夺得全球开源模型桂冠！海外网友沸腾了，评论区瞬间变身夸夸盛宴：
今日，竞技场最新排名揭晓——
Kimi K2，开源榜首，总榜第五，紧追马斯克麾下的Grok 4等顶尖闭源劲敌。
其单项能力同样不容小觑，与一众闭源模型展开激烈交锋：
连续多轮对话能力并列第一，o3与Grok 4均屈居第四；
编程能力稳居第二，与GPT 4.5、Grok 4并驾齐驱；
复杂提示词处理能力同样位列第二，与o3、4o同属第一梯队；
……
眼尖的网友还发现，总榜TOP 10中，唯二开源模型均来自中国（DeepSeek R1总榜第八）。
即便抛开榜单光环，Kimi K2新模型在过去一周同样炙手可热：
从实打实的数据来看，发布仅一周，Kimi K2便在开源社区掀起热潮，收获了极高的关注度与下载量。
GitHub标星5.6K，Hugging Face下载量近10万，这还不包括其在中国社区的广泛应用。
就连AI搜索引擎明星创企Perplexity的CEO也亲自为其站台，透露：
Kimi K2在内部评估中表现卓越，Perplexity计划基于K2模型进行后续训练。
由于访问用户激增，Kimi官方不得不发布公告：
访问量过大+模型体积庞大，导致API响应缓慢。
……
然而，在一片欢呼声中，关于“Kimi K2采用DeepSeek V3架构”的质疑声再度甚嚣尘上。
对此，我们找到了Kimi团队成员对K2架构的回应。
总结如下：确实继承了DeepSeek V3架构，但后续进行了一系列参数调整。
p.s. 以下分享均来自知乎@刘少伟，内容经概括总结如下~
起初，团队尝试了多种架构方案，最终发现V3架构最为出色（其他方案顶多与之持平）。
于是问题变为：是否要为了不同而不同？
经过深思熟虑，团队给出了否定答案。理由有二：
一是V3架构已经过大规模验证，无需强行“标新立异”；二是团队与DeepSeek一样，训练和推理资源有限，而V3架构符合成本预算。
因此，他们选择完全继承V3架构，并引入适合自身的模型结构参数。
具体而言，K2的结构参数改动有四点：
增加专家数量：团队验证，在激活参数量不变的情况下，MoE总参数增加有助于loss下降。
注意力头head数减半：减少head数节省的成本，恰好抵消MoE参数增大带来的开销，且对效果影响甚微。
仅保留第一层Dense：仅第一层为dense，其余均用MoE，结果对推理几乎无影响。
专家无分组：通过自由路由+动态重排（EPLB）应对负载不均衡，同时使专家组合更灵活，模型能力更强。
最终得到的推理方案是，在相同专家数量下：
尽管总参数增大至1.5倍，但除去通信部分，理论的prefill和decode耗时均更小。即便考虑与通信overlap等复杂因素，该方案成本也不会比V3显著增加。
这是一种更“精打细算”的结构调优。
这种放弃自身模型架构路线，彻底沿用DeepSeek路线的做法，被国内网友评价为“相当大胆”。
△来源：知乎网友@蛙哥
OK，厘清Kimi与DeepSeek架构之争后，我们再将目光拉回最新排名。
开源追平或超越闭源的浪潮正汹涌而来
一个显而易见的趋势是：“开源=性能弱”的刻板印象正在被打破，开源模型正日益强大。
不仅榜单整体排名上升，而且分数差距也在逐渐缩小。
细看之下，模型TOP 10总分均超1400，开源与闭源几乎站在同一起跑线上。
而此次夺得开源榜首的Kimi K2，总分已非常接近Grok 4、GPT 4.5等顶尖闭源模型。
换句话说，以往我们或许还需在模型能力与成本之间做出取舍，但随着开源力量的崛起，多思考一秒都是对开源的不尊重（doge）。
与此同时，越来越多的行业人士也表达了对开源崛起的判断。
艾伦人工智能研究所研究科学家Tim Dettmers表示：
开源击败闭源将愈发普遍。
Perplexity CEO也多次在公开场合表示：
开源模型将在塑造AI能力的全球扩散路径中发挥关键作用。它们对于因地制宜地定制和本地化AI体验至关重要。
而在已逐渐崛起的开源模型领域，TOP 10中唯二开源且均为国产模型的含金量仍在持续提升。
