DeepSeek终于丢了开源第一王座，但继任者依然来自中国
几千人盲投，Kimi K2超越DeepSeek拿下全球开源第一！
歪果网友们直接炸了，评论区秒变夸夸打卡现场：
今天，竞技场终于更新了Kimi K2的排名情况——
开源第一，总榜第五，而且紧追马斯克Grok 4这样的顶尖闭源模型。
并且各类单项能力也不差，能和一水儿闭源模型打得有来有回：
连续多轮对话并列第一，o3和Grok 4均为第四；
编程能力第二，和GPT 4.5、Grok 4持平；
应对复杂提示词能力第二，和o3、4o位于同一梯队；
……
甚至眼尖的朋友也发现了，唯二闯入总榜TOP 10的开源模型都来自中国。（DeepSeek R1总榜第8）
当然了，即使抛开榜单不谈，Kimi这款新模型过去一周也确实火热——
K2过去一周真热啊
公开可查战绩包括但不限于下面这些：
从实打实的数据来看，发布这一周里，Kimi K2在开源社区就获得了相当关注度和下载量。
GitHub标星5.6K，Hugging Face下载量近10万，这还不算它在中国社区的应用。
连AI搜索引擎明星创企Perplexity CEO也亲自为它站台，并透露：
Kimi K2在内部评估中表现出色，Perplexity计划接下来基于K2模型进行后训练。
甚至由于访问的用户太多了，逼得Kimi官方也出来发公告：
访问量大+模型体积大，导致API过慢。
……
不过就在一片向好之时，人们关于“Kimi K2采用了DeepSeek V3架构”的质疑声再度升温。
对此，我们也找到了Kimi团队成员关于K2架构的相关回应。
总结下来就是，确实继承了DeepSeek V3的架构，不过后续还有一系列参数调整。
p.s. 以下分享均来自知乎@刘少伟，内容经概括总结如下~
一开始，他们尝试了各种架构方案，结果发现V3架构是最能打的（其他顶多旗鼓相当）。
所以问题就变成了，要不要为了不同而不同？
经过深思熟虑，团队给出了否定答案。理由有两点：
一是V3架构珠玉在前且已经经过大规模验证，没必要强行“标新立异”；二是自己和DeepSeek一样，训练和推理资源非常有限，而经过评估V3架构符合相关成本预算。
所以他们选择了完全继承V3架构，并引入适合自己的模型结构参数。
具体而言，K2的结构参数改动有四点：
增加专家数量：团队验证了在激活参数量不变的情况下，MoE总参数增加仍有益于loss下降。
注意力头head数减半：减少head数节省的成本，刚好抵消MoE参数变大带来的开销，且效果影响很小。
只保留第一层Dense：只保留第一层为dense，其余都用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）可以应对负载不均衡，同时让专家组合更灵活，模型能力更强。
最终得到的推理方案就是，在相同专家数量下：
虽然总参数增大到1.5倍，但除去通信部分，理论的prefill和decode耗时都更小。即使考虑与通信overlap等复杂因素，这个方案也不会比V3有显著的成本增加。
就是说，这是一种更“精打细算”的结构调优。
而且这种放弃自己的模型架构路线，彻底走DeepSeek路线的做法，也被国内网友评价为“相当大胆”。
△来源：知乎网友@蛙哥
OK，以上关于Kimi和DeepSeek架构之争的问题落定后，我们再把目光拉回到这次最新排名。
开源追平or超越闭源ing
一个很明显的趋势是：「开源=性能弱」的刻板印象正在被打破，开源模型已经越来越厉害了。
不仅榜单上的整体排名在上升，而且分数差距也越来越小。
仔细看，模型TOP 10总分均为1400+，开源和闭源几乎可以看成位于同一起跑线。
而且这次拿下开源第一的Kimi K2，总分已经非常接近Grok 4、GPT 4.5等顶尖闭源模型了。
换句话说，以前我们可能还要在模型能力和成本之间作取舍，但随着开源力量的崛起，多思考一秒钟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：
开源击败闭源将变得越来越普遍。
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扮演重要角色。它们对于因地制宜地定制和本地化AI体验至关重要。
而在已经逐渐崛起的开源模型领域，TOP 10中唯二开源、且都是国产模型的含金量还在上升。
