460万训练成本挑战万亿OpenAIKimiK2Thinking拆解实测

昨天，英伟达股价又又又跌了。

市值一夜蒸发 1733 亿美元，约合 1.2 万亿人民币。

这已经是近期五连跌。

从 10 月 29 日创下的 5.15 万亿美元历史高点，到现在跌破 4.6 万亿美元，短短几天市值缩水超 5000 亿美元。

英伟达股价五连跌，从历史高点 5.15 万亿美元 跌破 4.6 万亿。

华尔街开始紧张了。

因为上一个让英伟达股价暴跌的，还是今年 1 月 DeepSeek 的突然爆发——用 560 万美元训练成本，打造出媲美 OpenAI o1 的模型，让投资者质疑“烧钱买算力”的路线还能走多久。

而这一次，来自中国的月之暗面，用更少的钱，做了更狠的事。

本周， Kimi K2 Thinking 正式发布并开源。

460 万美元训练成本，在 “人类最后一场测试”（Humanity’s Last Exam，HLE）中拿下 44.9% 的成绩，超过 GPT-5 的 41.7%，吊打 Claude Sonnet 4.5 Thinking 的 32.0%。

Kimi K2 Thinking 在多项测试中超越 GPT-5 和 Claude，尤其是 HLE 和 BrowseComp。

关键还是完全开源的。

海外社区炸了。

推特上，有研究者引用 1969 年 NASA 用 4KB RAM 登月的例子，感叹“约束孕育创造力”（Creativity loves constraints）。

海外研究者感叹：460 万美元的训练成本，就像 1969 年 NASA 用 4KB RAM 登月。

也有人质疑性能是否真的全面超越 GPT-5 ，但无论如何，460 万 vs 数十亿美元的对比，已经让整个 AI 圈开始重新思考 “烧钱买算力” 的路线。

Nathan Lambert 在分析文章中指出：“这是开源模型距离闭源前沿最近的一次。”

VentureBeat 则提出质疑：“如果企业能免费获得与 GPT-5 相当的性能，为什么还要为闭源模型付费？”

这不只是技术突破，这是直接改写了游戏规则。

01｜当 460 万美元碰上万亿野心

我们来算一笔账。

成本方面， Kimi K2 Thinking 的训练仅花了 460 万美元，比 DeepSeek V3 的 560 万还低，更不用说 GPT-5 的数十亿美元了。

差距高达上千倍。

估值端，月之暗面（Moonshot AI）上轮融资后市值约 33 亿美元，而 OpenAI 目前约 5000 亿美元，并计划 IPO 冲击 1 万亿美元。

换句话说，月之暗面的估值只有 OpenAI 的 0.66%。

但性能呢？

在“人类最后一场测试”（HLE）这个横跨物理、化学、数学、人文等 100 多个学科的博士级测试中， Kimi K2 Thinking 拿下 44.9%，一举超过 GPT-5 High 的 41.7% 和 Grok-4 的 41.0%，更是远超 Claude Sonnet 4.5 Thinking 的 32.0%。

在 Agentic 推理和搜索任务上，Kimi K2 Thinking 表现亮眼。

在网页搜索测试（BrowseComp）中，差距更悬殊。

Kimi K2 Thinking 得分 60.2%，领先 GPT-5 的 54.9%，而 Claude Sonnet 4.5 只有 24.1%，甚至人类平均水平也仅有 29.2%。

一个市值只有对手 0.66% 的公司，用不到千分之一的训练成本，在多个关键测试中碾压了估值万亿美元的 OpenAI。

这完全是一场“不对称战争”。

OpenAI 花数十亿美元训练 GPT-5 ，承诺未来十年投入超过 1 万亿美元建数据中心。

月之暗面用 460 万美元，就把游戏规则改写了。

对比强烈。

02｜为什么 Kimi 新模型这么能打？

这次的 Kimi K2 Thinking ，有一个新关键词： 边思考，边调用 。

传统 AI 模型是“先想清楚，再执行”。

K2 Thinking 则是“一边想，一边做，发现错了马上改”。

就像人类解决复杂问题的真实过程。

更狠的是，它能连续执行 200–300 次工具调用，从搜索、输出到验证，一次搞定。

Kimi 展示“一边思考，一边调用”的能力。一个问题，数十次搜索，自动完成。

Kimi 的另一个秘密武器是： 成本控制 。

K2 Thinking 采用“量化感知训练”（Quantization-Aware Training，QAT），在训练时就让模型习惯 INT4 这种低精度运行环境，而不是训练完再压缩。

结果就是：推理速度翻倍，性能几乎无损。

并且，上面提到的所有测试成绩，都是在 INT4 这个压缩版上跑出来的。

有网友仅用两台 Mac Studio（M3 Ultra）就成功运行了这个万亿参数模型。

这在以前，想都不敢想。

Nathan Lambert 评论：“中国实验室发布模型的速度，远超美国同行。当进步节奏很快时，谁迭代更快，谁就更强。”

03｜实测：看看它到底有多强

是骡子是马，拉出来遛遛。

来实测一波 Kimi K2 Thinking 。

1. 过河难题

一个男人带着儿子去市场，买了一只猴子和一些食物。回家要过河，但小船一次最多只能载两件东西，且必须有人划船。如果男人把儿子单独留在食物旁，儿子会吃掉食物；若把猴子单独留在食物旁，猴子也会吃掉它。请问，这个男人如何才能把儿子、猴子和食物都安全运到河对岸，而不损失任何食物？

这道题比经典的“农夫过河”更狠。

它考察 AI 对于复杂约束条件的处理和长链规划。

Kimi K2 Thinking 的回答完全正确。

它首先抓住了核心：只要父亲在场，儿子和猴子都不敢动食物。

然后给出 7 步完整方案，核心策略是让父亲充当“监督者”，确保食物不与儿子或猴子单独相处。

整个推理过程严谨清晰，每一步都标注了安全性验证。

Kimi 抓住核心，给出七步完整方法，逻辑严谨。

2. 八皇后问题

在 8×8 棋盘上放置 8 个皇后，使得任意两个皇后都不能互相攻击（不在同一行、同一列、同一对角线）。

这是经典的回溯算法问题。

Kimi K2 Thinking 不仅给出了正确解，还主动用 ASCII 字符画出了棋盘布局，标注每个皇后的位置。

它指出这道题共有 92 种不同解法，并解释了回溯算法的核心思路。

最贴心的是，它还提供了第二个解作对比，说明这两个解“无法通过旋转或镜像重合”。

Kimi 不仅给出正确解，还指出 92 种可能解法，甚至连回溯算法原理都讲明白了。

3. 天气卡片

你是一位就职于苹果公司的顶级前端工程师。请创建一个包含CSS和JavaScript的HTML文件，用于生成动画天气卡片。卡片需要以不同动画效果直观展示以下天气状况：- 风力（如：飘动的云朵、摇曳的树木或风线）- 降雨（如：下落的雨滴、形成的水洼）- 晴天（如：闪耀的光线、明亮的背景）- 下雪（如：飘落的雪花、积雪效果）所有天气卡片需要并排显示，背景采用深色设计。所有HTML、CSS和JavaScript代码都需包含在这个单一文件中。JavaScript部分需包含切换不同天气状态的功能（例如通过函数或按钮组），以演示每种天气的动画效果。将前端显示效果优化得更精致流畅，打造出价值20元/月的精品天气应用既视感。

这也是一道经典题目，考察模型前端代码能力和审美。

Kimi K2 Thinking 的表现可以说相当惊艳。

总共 1421 行代码，一次生成，直接运行。

UI 采用深色渐变背景，并排展示天气卡片，每个卡片都有天气动画、毛玻璃效果，甚至还设计了详细的气象数据。

美观又精致。

唯一美中不足的是，缺少了“下雪”的天气卡片。

深色渐变 + 毛玻璃 + 流畅动画，Kimi 这 UI 水准可以的。

4. 深度商业分析

对比英伟达与全球前 10 大车企（特斯拉、丰田、小米、比亚迪等）的市值，验证“一家芯片公司比全球 10 大车企加起来还值钱 50% 以上”的说法。深度分析这种反常识估值背后的逻辑、英伟达护城河的真实宽度，以及如果你是比亚迪王传福会如何应对。

Kimi K2 Thinking 调用了联网搜索工具，分别搜索了 97、239、117、26 条信息源，进行多轮数据验证。

给出的数据：英伟达历史最高市值 5 万亿美元，最新市值 4.6 万亿美元；全球十大车企总和约 2.32 万亿美元。

数字准确无误。

K2 Thinking 通过多步推理和工具调用执行任务。

分析部分框架清晰，融入了多维视角：

英伟达卖的不是芯片，而是 AI 时代的“电力基础设施”

护城河的三重结构：技术壁垒（CUDA 生态）、网络效应（开发者锁定）、先发优势

资本市场的预期心理学：估值是“折现的未来想象力”

深度分析英伟达估值逻辑：卖的不是芯片，而是AI时代的“电力基础设施”。

最后给比亚迪的建议，有点“疯狂”，但又不无道理：

战略转型：比亚迪不应是汽车公司，而应是“物理世界 AI 公司”。不是加大自研投入，而是成为“英伟达在物理世界的应用分发商”。

给比亚迪的“疯狂”建议：不做汽车公司，而是成为“物理世界 AI 公司”。

整份报告 3100 字，耗时仅 30 秒。

一句话总结 Kimi K2 Thinking 在实测中的表现： 有点东西。

结语