根据 @DeepLearningAI，Moonshot AI 推出 Kimi K2 Thinking 与 Kimi K2 Thinking Turbo，这两款模型在推理与工具调用之间循环，常发起数百次调用，并在复杂多步任务上优于其他开源可权重模型。来源：DeepLearning.AI（2025年11月22日）。 根据 @DeepLearningAI，这些模型采用万亿参数的混合专家架构，并以 INT4 精度微调，在更低成本硬件上实现强代理型性能。来源：DeepLearning.AI（2025年11月22日）。 根据 @DeepLearningAI，对于交易者而言，关键数据点是多次调用的代理工作流与在廉价硬件上的 INT4 效率，这些要素直接影响评估AI基础设施相关标的的成本与吞吐假设，包括传统与加密市场的AI赛道。来源：DeepLearning.AI（2025年11月22日）。

据DeepLearningAI报道，总部位于北京的Moonshot AI推出了Kimi K2大语言模型家族，开放了拥有一万亿参数的模型权重，并采用了改进版MIT开源协议。经过微调的Kimi-K2-Instruct在LiveCodeBench上获得53%分数，在AceBench上达到76.5%，性能超越其他主流模型。这一举措有望推动AI创新，助力加密货币市场项目在DeFi、量化交易与区块链分析等领域快速集成强大AI能力（来源：DeepLearningAI）。