在近日举办的英伟达GTC大会上，月之暗面创始人杨植麟作为本届唯一受邀现场演讲的中国独立大模型公司创始人，发表题为《How We Scaled Kimi K2.5》的演讲，首次完整披露Kimi K2.5背后的技术路线图。

他提出通过“Token效率、长上下文与智能体集群”三维共振实现模型能力跃升。

针对传统优化器瓶颈，团队研发MuonClip优化器，在万亿参数训练中成功抑制数值爆炸，使token处理效率较AdamW提升一倍。

在长上下文领域，Kimi Linear架构采用混合注意力机制，将128K至1M范围内的解码速度提升5至6倍，实现了从“支持长文本”到“高效利用长文本”的转变。

此外，月之暗面Kimi团队重构了沿用十年的残差连接，提出Attention Residuals机制，使深层网络能按需检索信息而非简单堆叠，该成果已开源并获Andrej Karpathy等专家高度评价。

杨植麟还指出，多模态视觉强化学习可反向增强纯文本推理能力。未来Kimi将从单智能体转向动态生成的智能体集群（Agent Swarms），通过并行协作大幅缩短复杂任务执行时间，重塑人工智能规模化应用范式。