标签: Kimi

清除筛选

Kimi K3.1 Pro 技术解读:K3 基座上的大规模联合 RL、幻觉率降至 8.3% 与被主动让出的 9.5 个百分点

10 月 23 日,月之暗面发布 K3.1 系列首批模型 Kimi K3.1 Pro 与 K3.1 Pro Highspeed。官方将其定位为「迄今最强的 3T 级开源权重模型」,上下文窗口 100 万 token,完整权重定于 11 月 4 日放出。与前代 K3 相比,这一代没有更换基座:K3.1 Pro 在 K3 之上做了规模显著更大的后训练,主要增量来…

Kimi K2.7 Code高速版上线:2倍价格换6倍速度

月之暗面(Moonshot AI)6月15日正式上线 Kimi K2.7 Code 高速版(HighSpeed)。同一个模型,输出速度提升5到6倍,价格翻倍。中位数长度输入下可达约180 token/s,短上下文场景最高约260 token/s。 Kimi K2.7 Code 定价 高速版定价 根据 Kimi API 开放平台的定价页面,两个版本的具体价格如…

编程AIKimi

Kimi K2.7 Code 开源:代码基准全面提升,token 消耗降 30%

K2.7 Code 解决的核心问题 K2.6 的长程编程任务有两个痛点:指令遵循在长上下文中衰减,以及过度思考导致 token 浪费。K2.7 Code 针对这两个问题做了定向优化——指令遵循能力提升,平均 token 消耗减少 30%。 Kimi K2.7 Code 发布并开源 基准测试表现 代码能力方面,K2.7 Code 相比 K2.6 全面提升:Ki…

月之暗面改了 Transformer 的残差连接,48B Kimi Linear 跑出约 1.25 倍等效算力优势

月之暗面改了 Transformer 的残差连接,48B Kimi Linear 跑出约 1.25 倍等效算力优势 月之暗面最近放出的 Attention Residuals 技术报告,把注意力放回到了 Transformer 里一块更基础的结构:残差连接。它关心的重点,不是参数量和上下文长度,而是层与层之间的信息怎么传。 论文的核心做法,是把标准残差里“前…