对话Kimi付强：别把模型当宠物圈养，追逐AGI就要让模型与人类共同演化

主要观点总结

本文记录了周一笑在AI创造者嘉年华期间，硅星人创始人兼CEO骆轶航与月之暗面（Kimi）技术副总裁付强关于K2模型及Kimi追逐AGI方法的一场对话。对话内容主要涉及Kimi重返预训练的原因、K2模型的特性与优势、预训练的价值与意义、Kimi的开源策略、以及Coding在模型发展中的重要性和价值观。

关键观点总结

关键观点1: Kimi重返预训练的原因是为了在追逐AGI的过程中，通过推出更智能的模型来解决更根本的人工智能问题。

付强表示，Kimi决定重返预训练是因为他们意识到预训练对于构建更智能的模型至关重要。通过不断迭代和优化预训练模型，Kimi希望能够解决更根本的人工智能问题，并朝着实现AGI的目标迈进。

关键观点2: K2模型的特性与优势在于其架构的相似性以及超参数的不同。

付强解释了K2模型与DeepSeekV3架构的相似之处，以及K2在超参数和专家数量等方面的不同。这些差异使得K2模型在部署和测试中发现，因为数据集和超参数的不同，表现有显著差异。

关键观点3: 预训练的价值在于提升模型的智能程度，而不仅仅是降低成本。

骆轶航和付强讨论了预训练的重要性。他们认为，预训练可以帮助模型更好地学习和理解知识，从而提高其智能程度。虽然有一些关于预训练成本的问题，但总的来说，预训练仍然是提高模型性能的重要途径。

关键观点4: Kimi的开源策略是通过开放源代码来推动社区的发展和进化。

付强表示，开源是Kimi的重要策略之一。通过开放源代码，Kimi希望社区能够参与到模型的发展中来，共同解决问题并推动模型的进化。同时，开源也有助于验证模型的能力和展示技术能力。

关键观点5: Coding在模型发展中的重要性及其作为智能标尺的价值观。

骆轶航和付强讨论了Coding在模型发展中的重要性。他们认为，Coding作为模型面向用户的一种形态，能够提供更客观的智能标尺。通过编写代码并运行测试，可以直观地展示模型的智能程度和能力。同时，Coding也是通往AGI的重要途径之一。