At Kimi gjør det bedre enn Qwen-VI ville virkelig overraske meg. Snarere ville ikke K2-VL gjort det (den er tross alt mye større enn den største Qwen-VL), men Qwen-teamet har nå samlet utrolig ekspertise, forbanna 30B MoE konkurrerer med Gemini. Jeg ønsker dem lykke til.

🚀 Hei, Kimi K2 tenker! Open-Source Thinking Agent-modellen er her. 🔹 SOTA på HLE (44,9 %) og BrowseComp (60,2 %) 🔹 Utfører opptil 200–300 sekvensielle verktøykall uten menneskelig innblanding 🔹 Utmerker seg i resonnement, agentsøk og koding 🔹 256K kontekstvindu K2 Thinking er bygget som en tenkeagent, og markerer vår siste innsats innen skalering av testtid – skalering av både tenketokens og verktøyanropssvinger. K2 Thinking er nå live i chat-modus, med full agentisk modus som kommer snart. Den er også tilgjengelig via API. 🔌 API er live: 🔗 Teknisk blogg: 🔗 Vekt og kode:

Forrige uke deltok resonnementmodellene våre i 2025 International Collegiate Programming Contest (ICPC), verdens fremste programmeringskonkurranse på universitetsnivå. Systemet vårt løste alle 12 av 12 problemer, en prestasjon som ville ha plassert seg først i verden (det beste menneskelige teamet løste 11 problemer). Denne milepælen avrunder en intens 2 måneder med konkurranseprestasjoner av modellene våre: - En andreplass i AtCoder Heuristics World Finals - Gullmedalje i den internasjonale matematikkolympiaden - Gullmedalje i den internasjonale olympiaden i informatikk - Og nå, en gullmedalje, førsteplass i ICPC World Finals. Jeg tror disse resultatene, som kommer fra en familie av generelle resonneringsmodeller forankret i vårt hovedforskningsprogram, kanskje er den klareste målestokken for fremgang i år. Disse konkurransene er flotte selvstendige, tidsboksede tester for evnen til å oppdage nye ideer. Selv før modellene våre var dyktige i enkel aritmetikk, så vi på disse konkurransene som milepæler for fremgang mot transformativ kunstig intelligens. Modellene våre rangerer nå blant de beste menneskene i disse domenene, når de stilles med godt spesifiserte spørsmål og begrenset til ~5 timer. Utfordringen nå går over til mer åpne problemer, og mye lengre tidshorisonter. Dette nivået av resonneringsevne, brukt over måneder og år på problemer som virkelig betyr noe, er det vi er ute etter - automatisering av vitenskapelige oppdagelser. Denne raske fremgangen understreker også viktigheten av forskning på sikkerhet og justering. Vi trenger fortsatt mer forståelse av justeringsegenskapene til langvarige resonneringsmodeller; spesielt anbefaler jeg å gjennomgå de fascinerende funnene fra studiet av intriger i resonneringsmodeller som vi publiserte i dag ( Gratulerer til lagkameratene mine som la ned hjertet sitt for å få disse konkurranseresultatene, og til alle som bidrar til den underliggende grunnleggende forskningen som gjør dem mulig!