Perplexity采用月之暗面Kimi K2大模型优化AI搜索性能

美国AI搜索初创公司Perplexity首席执行官阿拉温德（Aravind Srinivas）近日公开表示，将采用月之暗面（Moonshot AI）最新发布的Kimi K2大模型进行后续训练，以优化其AI系统的性能表现。这一决策基于K2模型在多项基准测试中展现出的卓越能力，尤其是在处理复杂Agent任务和代码生成方面的突出表现。

Kimi K2是月之暗面于7月11日推出的万亿参数开源模型，其技术亮点包括创新的通用强化学习框架。该框架不仅适用于代码、数学等可验证任务，还通过引入自我评价机制（self-judging）解决了不可验证任务的奖励稀缺问题。目前开源社区已发布两个版本：基础预训练模型Kimi-K2-Base和通用指令微调版本Kimi-K2-Instruct，相关权重文件已在Hugging Face平台开放下载。

值得注意的是，Perplexity此前曾采用深度求索（DeepSeek）的R1模型进行训练。阿拉温德在社交媒体上强调，K2模型展现出的工具调用能力和128K长上下文处理优势，使其成为提升AI搜索质量的重要技术选项。行业分析认为，这一技术路线选择体现了Perplexity对前沿模型的前瞻性布局，有望在AI搜索领域构建更强大的解决方案。

随着K2模型API服务的全面上线，其严格的ToolCall格式保障能力已开始服务于金融分析、软件开发等专业场景。业内人士指出，开源生态与商业API的协同推进，为像Perplexity这样的技术公司提供了更灵活的技术集成方案。