受 Kimi K2 团队启发，SGLang RL 团队成功落地了 INT4 量化感知训练（QAT） 流程方案。通过 “训练端伪量化 + 推理端真实量化（W4A16）” 的方案组合，我们实现了媲美 BF16 全精度训练的稳定性与训推一致性，
“免费补贴”在硅谷从来不只是价格标签，而往往是战略指南针。
基于 Kimi K2.5 的能力，Kimi 现在能够提供单个性能的 Kimi Agent 和多个 Agent 协作的 Agent Swarm（多智能体集群），允许多个 AI Agent 并行协作处理复杂任务的架构。
为什么程序员早就有了 Cursor 这种能主动干活的神仙工具，而我们 Office 打工人还在被各种“辅助插件”折磨？
今天凌晨，月之暗面核心团队在社交媒体平台Reddit上举行了一场有问必答（AMA）活动。三位联合创始人杨植麟（CEO）、周昕宇（算法团队负责人）和吴育昕与全球网友从0点聊到3点，把许多关键问题都给聊透了，比如Kimi K2.5是否蒸馏自Claude、Kimi K3将带来的提升与改变，以及如何在快速迭代与长期基础研究之间取得平衡。
Kimi 上线了他们的 K2.5 模型，前端审美非常好，几乎要赶上 Gemini 3 了。
Kimi 年前放大招了。
就在刚刚，月之暗面正式发布并开源了 Kimi k2.5。
最近，小编注意到一位全栈工程师 Rohith Singh 在Reddit上发表了一篇帖子，介绍他如何对四个模型（Kimi K2 Thinking、Sonnet 4.5、GPT-5 Codex 和 GPT-5.1 Codex）进行了实测。
Kimi K2 Thinking训练真的只花了460万美元？杨植麟亲自带队，月之暗面创始团队出面回应了。这不是官方数据。训练成本很难计算，因为其中很大一部分用于研究和实验。他们还透露训练使用了配备Infiniband的英伟达H800，GPU数量也比巨头的少，但充分利用了每一张卡。
