国际 AI 资讯

杨植麟亮相GTC 2026:Kimi技术路线聚焦Token效率、长上下文与Agent集群

月之暗面创始人杨植麟在英伟达GTC 2026大会上首次系统性披露Kimi K2.5背后的核心技术路线,将大模型进化归纳为Token效率、长上下文与智能体集群三个方向的协同,并提及今年1月底发布的Kimi K2.5在代码与视觉理解上的表现及思考模式切换能力。

海宇数科 · 事件日期 · 更新于 · 约 2 分钟 · 1 次阅读

杨植麟亮相GTC 2026:Kimi技术路线聚焦Token效率、长上下文与Agent集群 配图
杨植麟亮相GTC 2026:Kimi技术路线聚焦Token效率、长上下文与Agent集群 配图

大模型规模扩张的路径正在被重新审视。

在3月18日举行的英伟达GTC 2026大会上,月之暗面创始人杨植麟首次系统性地对外说明Kimi K2.5模型背后的核心技术路线,围绕“后Scaling时代”的大模型演进提出新思路。

据其演讲内容,要进一步提升智能上限,优化器、注意力机制及残差连接等底层技术需要被重新设计,而非在原有框架上继续叠加。

杨植麟将Kimi的进化路径拆解为三个相互关联的维度:一是Token效率,强调避免计算资源空转,追求更高的计算能效比;二是长上下文,继续强化Kimi在长程记忆方面的能力,以处理超大规模信息;三是智能体(Agent)集群,即智能形态从单兵作战转向动态生成的“数字集群”。

在他看来,当前的Scaling已演变为在效率、记忆和自动化协作上寻找规模效应,若三个维度的技术增益能够相乘,模型智能水平将超出当前状态。

关于Kimi K2.5本身,参考今年1月底的发布信息,该模型被描述为月之暗面迄今最强大的开源模型,采用原生多模态架构,在代码与视觉理解方面取得state-of-the-art(SOTA)表现,并支持在“思考”与“非思考”模式之间灵活切换,以适配Agent任务场景。

上述产品信息来自此前发布资料,并非本次GTC演讲中的实测数据。

随着月之暗面技术路线对外披露,大模型赛道的竞争焦点正从“参数量”转向“智能密度”。

在Agent集群被视为未来智能形态的设想下,Kimi能否沿着杨植麟提出的“三维相乘”逻辑实现跨越式进化,成为行业关注的方向。

← 返回AI 资讯