全球最快的开源大模型来了——速度达到了每秒2000个tokens！

虽然只有320亿参数（32B），吞吐量却是超过典型GPU部署的10倍以上的那种。

它就是由阿联酋的穆罕默德·本·扎耶德人工智能大学（MBZUAI）和初创公司G42 AI合作推出的K2 Think。

名字是不是有点熟悉？

没错，它和月之暗面前不久推出的Kimi K2在命名上是有点小撞车，不过阿联酋这个多了个“Think”。

但非常有意思的一点是，在K2 Think的背后，确实有“made in China”的味道。

因为从HuggingFace中的Model tree来看，K2 Think是基于Qwen 2.5-32B打造的：

速度依旧保持在了2224.7 tokens/秒，并且给出了正确答案：3个R。

我们再来实测几道AIME 2025的数学题：

Find the sum of all integer bases $b>9$ for which $17_{b}$ is a divisor of $97_{b}$.

可以看到，K2 Think最大特点就是所有问题均能保持在超过2000 tokens/秒的速度，并且就目前实测结果来看，生成的答案均是正确。

但从功能角度来看，目前K2 Think还不支持文档传输，以及多模态等能力。

不过MBZUAI的高级研究员Taylor W. Killian在X上也给出了解释：

这个模型主要为数学推理而开发。

从测试结果来看，K2 Think在多项数学基准测试中，拿下了较为理想的分数，例如AIME’24 90.83分、AIME’25 81.24分、HMMT25 73.75分，以及Omni-MATH-HARD上取得60.73分的成绩。

并且K2 Think团队已经发布技术报告：

从整体来看，K2 Think团队主要从六个方面做到了技术创新：

长链路思维的监督微调（SFT）：通过精心设计的链式推理数据，训练模型逐步思考，而不是直接给答案，使其在复杂问题上更有条理。

可验证奖励的强化学习（RLVR）：模型不是依赖人类偏好打分，而是直接以答案对错为奖励信号，显著提升数学、逻辑等领域的表现。

推理前的智能规划（Plan-Before-You-Think）：先让一个规划代理提炼问题要点，制定解题大纲，再交给模型展开详细推理，就像人类先列提纲再解题一样。

推理时扩展（Best-of-N采样）：对同一问题生成多个答案，再挑选最佳结果，从而提高正确率。

推测解码（Speculative Decoding）：在推理时并行生成和验证答案，减少冗余计算，加速输出。

硬件加速（Cerebras WSE晶圆级引擎）：依托全球最大的单芯片计算平台，实现单请求每秒超2000 tokens的生成速度，使长链路推理也能保持流畅的交互体验。

与此同时，研究团队还对K2 Think进行了系统的安全测试 ，包括拒绝有害请求、多轮对话鲁棒性、防止信息泄露和越狱攻击等，整体达到了较高水平。

体验地址：https://www.k2think.ai/

技术报告：https://k2think-about.pages.dev/assets/tech-report/K2-Think_Tech-Report.pdf

参考链接：

[1]https://www.k2think.ai/k2think

[2]https://x.com/mbzuai/status/1965386234559086943

[3]https://huggingface.co/LLM360/K2-Think

[4]https://venturebeat.com/ai/k2-think-arrives-from-uae-as-worlds-fastest-open-source-ai-model

[5]https://www.youtube.com/watch?v=8C6_B1QeyBo

本文来自微信公众号 “量子位”（ID：QbitAI），作者：金磊，36氪经授权发布。