炒股配资官网开户阿联酋开源“最快推理模型”，撞名Kimi，基于阿里Qwen，用上全球最大芯片

智东西炒股配资官网开户

编译 | 程茜

编辑 | 心缘

阿联酋的高性能推理模型，刚刚开源！

智东西9月10日消息，今日上午，阿布扎比穆罕默德·本·扎耶德人工智能大学（MBZUAI）联合AI创企G42推出的新低成本推理模型K2 Think，相关论文已arXiv预印本平台发表，昨天下午模型在Hugging Face、GitHub上开源。

K2 Think有320亿个参数，基于阿里巴巴的开源模型Qwen 2.5构建，性能超过参数规模是其20倍的OpenAI和DeepSeek旗舰推理模型。

在复杂数学任务基准测试中，研究人员计算了K2 Think在AIME24、AIME25、HMMT25和OMNI-Math-HARD中的平均得分，超过GPT-OSS、DeepSeek V3.1、Qwen3 235B-A22B等一众开源模型。

技术报告中，研究人员提到K2 Think背后有六大技术创新协同，研究人员通过监督微调扩展基础模型的思维链能力，然后通过可验证奖励强化学习（RLVR）增强推理性能、利用推理时间技术增强模型，最后在部署K2-Think时进行两项速度优化，包括推测解码和Cerebras的晶圆级芯片，同时使用公开可用的开源数据集训练。

值得一提的是，研究人员将K2-Think部署在Cerebras晶圆级芯片WSE系统，WSE每秒可交付约2000个token，相比在NVIDIA H100/H200 GPU等常规部署环境中观测到的标称每秒200个token，性能提升了10倍。

K2-Think背后有两大强力推手：一方是穆罕默德・本・扎耶德人工智能大学（MBZUAI），这是阿拉伯联合酋长国专门设立、聚焦AI研究的机构；另一方是阿布扎比支持的科技集团G42，不仅在2024年拿到微软15亿美元投资，还在阿联酋建造OpenAI、软银等企业联合投资的AI基建 “星际之门”。

该模型的权重、训练数据、部署代码和测试时优化代码已经在Hugging Face、GitHub上开源。

Hugging Face地址：

https://huggingface.co/LLM360/K2-Think

GitHub地址：

https://github.com/MBZUAI-IFM/K2-Think-SFT

https://github.com/MBZUAI-IFM/K2-Think-Inference

K2 Think主页：

https://www.k2think.ai/

技术报告：

https://arxiv.org/abs/2509.07604

一、数学性能领先OpenAI、DeepSeek旗下开源模型，要为数学、科学提供特定用途服务

MBZUAI校长兼首席AI研究员Eric Xing在接受外媒WIRED采访时透露，K2 Think是使用数千个GPU开发的，最终的训练过程涉及200到300块芯片。

K2 Think并非一个完整的大语言模型，是专门用于推理的模型，能够通过模拟推理方式来回答复杂问题，而不是快速综合信息来提供信息输出，Xing提到，他们在未来几个月将K2 Think整合到一个完整的大模型中。

在复杂数学领域，K2 Think在AIME 2024、AIME 2025、HMMT 2025 和 Omni-MATH-HARD四个基准测试中的平均得分为67.99分，超过规模更大的DeepSeek V3.1 671B、GPT-OSS 120B模型。

编程能力上，K2-Think在开源代码能力基准LiveCodeBench上获得63.97分，超越了规模相近的同类模型GPT-OSS 20B、Qwen3-30B-A3B。

在用于评估大模型将复杂科学问题转化为可执行代码能力的SciCode基准测试中，K2-Think获得39.2分排名第二，与第一名的Qwen3 235BA22B仅有0.1分之差。

在科学推理方面，模型在GPQA-Diamond基准测试中的表现为71.08，表现优于除OpenReasoning-Nemotron-32B、GPT-OSS 120B之外的大多数开源模型。

MBZUAI基础模型研究所所长Hector Liu提到，K2-Think的特别之处在于，他们将其视为一个系统，他们的目标不是构建类似ChatGPT的聊天机器人，而是为数学和科学等领域的特定用途提供服务。

二、六项系统级创新，全训练过程均采用开源数据集

K2-Think的技术报告显示，其背后有六大技术创新，包括思维链监督微调、可验证奖励强化学习（RLVR）、推理前的Agent规划、测试时扩展、推测解码和推理优化硬件、仅使用公开可用的开源数据集训练。

基于这种系统化的技术创新，K2-Think通过长链式思维监督微调增强了逻辑深度、可验证奖励的强化学习提高了解决难题的准确率、Agent式规划使模型能够在推理前分解复杂挑战、测试时扩展技术进一步提升了模型的适应性，最终实现性能对标更大参数规模模型。这使得模型能够提供强大的思维链推理能力和近乎即时的响应时间。

在监督微调阶段，K2-Think使用思维链对基础模型进行监督微调。研究人员采用了现有的AM-Thinking-v1-Distilled数据集，该数据集由CoT推理痕迹和指令/响应对组成，提示来自数学推理、代码生成、科学推理、指令遵循和一般聊天等任务。他们评估发现，SFT模型在各个采样预算下均优于基础模型。