聽節目（在新分頁開啟原站）連到 张小珺Jùn｜商业访谈录
摘要
訪談月之暗面 CEO 楊植麟，深入探討 K2 模型基於 MoE 架構與 Agentic 能力的研發策略，以及從「缸中之腦」走向操控外部世界的技術路徑。內容涵蓋資料效率最佳化、泛化挑戰與商業模式思考，適合關注大模型演進與 AI 應用落地的讀者。
An interview with Moonshot AI CEO Yang Zhilin discussing the development of the K2 model, Agentic capabilities, and the path from closed systems to interacting with the digital world.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- K2 模型採用 MoE 架構與 Muon 最佳化器，追求極致的資料效率與 token 利用率。
- Agentic 模型的核心挑戰在於泛化能力，需從單純寫碼擴展至操控整個數字世界。
- 技術發展被視為解決新問題的動態過程，而非單純追求 AGI 這一終點。
章節
依話題轉折切分，標題由 AI 產生
- 00:00引用《無限的開端》探討問題可解性
- 24:08論 L1 至 L5 分階與推理能力上限
- 27:07強調 Token 效率與訓練速度非上限
- 30:15針對大規模訓練提出資料剪輯策略
- 36:23K2 專案長期籌備與技術驗證歷程
- 41:16解析 Agent 多輪對話與工具使用特性
- 58:31AI 產品與移動網際網路產品的差異
- 1:04:08Agentic LLM 與算力 Scaling 加速演進
- 1:08:17商業價值分水嶺與技術戰略選擇
- 1:17:21垂直整合優勢與 K2 攀登挑戰
- 1:20:34用 AI 管理團隊的 SFT 與 IL 平衡
- 1:26:33AI 作為人類文明放大器與風險
- 1:31:25關鍵論文回顧與泛化 Agent 之 Bet
- 1:39:34碳基生物侷限與節目結束
提到的工具與公司
- K2
- Agentic
- GPT Three
- Backpropagation
- ResNet
適合誰看
適合對大語言模型技術細節、Agentic 架構及 AI 商業化有興趣的開發者與從業人員。
摘要依據
- 講者
- 张小珺
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.33
- 新鮮
- 0.21
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Kimi Founder Yang Zhilin: K2, Agentic LLMs, Brains in Vats, and the Beginning of Infinity影片 ・ Zhang Xiaojun Podcast ・ 1 小時 40 分（在新分頁開啟原站）
- 118. 对李想的第二次3小时访谈：CEO大模型、MoE、梁文锋、VLA、能量、记忆、对抗人性、亲密关系、人类的智慧影片 ・ Zhang Xiaojun Podcast ・ 2 小時 46 分
- 对话叶奇意：“寻找”月之暗面杨植麟、中国两代AI、十年人才迁徙，与AGI信仰影片 ・ 硅谷101 ・ 1 小時 10 分（在新分頁開啟原站）
- not much happened today文章 ・ AINews（Latent Space／smol.ai）
- 110. 逐段讲解Kimi K2报告并对照ChatGPT Agent、Qwen3-Coder等：“系统工程的力量”Podcast ・ 张小珺Jùn｜商业访谈录 ・ 2 小時 21 分
- E201｜OpenAI挑战通用型AI Agent，聊聊Agent的底层架构、AGI转折点与RL人才分布Podcast ・ 硅谷101 ・ 1 小時 20 分（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）