{
  "slug": "kimi-yang-zhilin-interview",
  "url": "https://kelewrites.com/posts/kimi-yang-zhilin-interview/",
  "title": "站在无限的开端：杨植麟谈 K2、Agentic LLM 与艰难的泛化",
  "subtitle": "AGI 不是某级台阶，而是一座没有尽头的雪山——问题不可避免，但总能被解决",
  "summary": "月之暗面创始人杨植麟把大模型的前路看成一座无限的雪山：AGI 是方向而非终点。真正的范式跃迁是从「缸中之脑」走向能与世界交互的 Agentic LLM；当下最硬的瓶颈不是推理而是泛化，解法是用更高一层的能力（L4）去解一层（L3）的难题。",
  "date": "2026-06-11",
  "updated": "",
  "tags": [
    "AI",
    "Agent",
    "行业洞察"
  ],
  "series": "",
  "source": {
    "title": "对话 Kimi 创始人杨植麟：K2、Agentic LLM（张小珺商业访谈录）",
    "url": "https://www.bilibili.com/video/BV1hFe1zSEXp/"
  },
  "ai": {
    "summary": "月之暗面创始人杨植麟把大模型的前路看成一座无限的雪山：AGI 是方向而非终点。真正的范式跃迁是从「缸中之脑」走向能与世界交互的 Agentic LLM；当下最硬的瓶颈不是推理而是泛化，解法是用更高一层的能力（L4）去解一层（L3）的难题。",
    "takeaways": [
      "月之暗面创始人杨植麟把大模型的前路看成一座无限的雪山：AGI 是方向而非终点。真正的范式跃迁是从「缸中之脑」走向能与世界交互的 Agentic LLM；当下最硬的瓶颈不是推理而是泛化，解法是用更高一层的能力（L4）去解一层（L3）的难题。",
      "一、范式之变：从「缸中之脑」走向能与世界交互的 Agent",
      "二、K2 的技术信仰：在数据见顶的时代，把每一份 token 榨到极致",
      "三、认知与方法论：把训练模型的逻辑，搬到管理与文明上"
    ],
    "audience": [
      "正在做 AI Agent / 工程实践的工程师",
      "关注 AI 行业演化的从业者"
    ],
    "quote": "一句话总结：AGI 不是某级台阶，而是一座没有尽头的雪山——从「缸中之脑」走向能与世界交互的 Agentic LLM，当下最硬的瓶颈是泛化，而解法是用更高一层的能力去解下一层的难题。",
    "questions": [
      "这篇文章的核心结论是什么？",
      "范式之变：从「缸中之脑」走向能与世界交互的 Agent到底讲了什么？",
      "K2 的技术信仰：在数据见顶的时代，把每一份 token 榨到极致到底讲了什么？",
      "认知与方法论：把训练模型的逻辑，搬到管理与文明上？"
    ],
    "citation": {
      "title": "站在无限的开端：杨植麟谈 K2、Agentic LLM 与艰难的泛化",
      "conclusion": "月之暗面创始人杨植麟把大模型的前路看成一座无限的雪山：AGI 是方向而非终点。真正的范式跃迁是从「缸中之脑」走向能与世界交互的 Agentic LLM；当下最硬的瓶颈不是推理而是泛化，解法是用更高一层的能力（L4）去解一层（L3）的难题。",
      "points": [
        "一、范式之变：从「缸中之脑」走向能与世界交互的 Agent",
        "二、K2 的技术信仰：在数据见顶的时代，把每一份 token 榨到极致",
        "三、认知与方法论：把训练模型的逻辑，搬到管理与文明上"
      ],
      "quote": "一句话总结：AGI 不是某级台阶，而是一座没有尽头的雪山——从「缸中之脑」走向能与世界交互的 Agentic LLM，当下最硬的瓶颈是泛化，而解法是用更高一层的能力去解下一层的难题。",
      "url": "https://kelewrites.com/posts/kimi-yang-zhilin-interview/",
      "attribution": "kele · Article Share"
    }
  },
  "headings": [
    {
      "depth": 2,
      "text": "开场"
    },
    {
      "depth": 2,
      "text": "金字塔总览"
    },
    {
      "depth": 2,
      "text": "一、范式之变：从「缸中之脑」走向能与世界交互的 Agent"
    },
    {
      "depth": 3,
      "text": "1.1 两种 test-time scaling：一种闭门苦想，一种与世界交互"
    },
    {
      "depth": 3,
      "text": "1.2 L1-L5 不是台阶，而是可以并行、甚至倒挂的能力"
    },
    {
      "depth": 3,
      "text": "1.3 用 L4 解决 L3：高一层的能力反过来攻克低一层的难题"
    },
    {
      "depth": 2,
      "text": "二、K2 的技术信仰：在数据见顶的时代，把每一份 token 榨到极致"
    },
    {
      "depth": 3,
      "text": "2.1 高质量数据近似常数，胜负手是 token efficiency"
    },
    {
      "depth": 3,
      "text": "2.2 Muon 优化器：十年来第一次认真换掉 Adam"
    },
    {
      "depth": 3,
      "text": "2.3 泛化，才是 Agentic 模型当下最大的挑战"
    },
    {
      "depth": 2,
      "text": "三、认知与方法论：把训练模型的逻辑，搬到管理与文明上"
    },
    {
      "depth": 3,
      "text": "3.1 用 RL 管团队，而不是 SFT"
    },
    {
      "depth": 3,
      "text": "3.2 reward 怎么定，是比执行更难的课题"
    },
    {
      "depth": 3,
      "text": "3.3 AI 是「人类文明的放大器」，所以不能因噎废食"
    },
    {
      "depth": 2,
      "text": "一页速览"
    },
    {
      "depth": 2,
      "text": "一句话收束"
    }
  ],
  "text": "> **一句话总结**：AGI 不是某级台阶，而是一座没有尽头的雪山——从「缸中之脑」走向能与世界交互的 **Agentic LLM**，当下最硬的瓶颈是**泛化**，而解法是用更高一层的能力去解下一层的难题。\n\n---\n\n## 开场\n\n大模型的能力曲线还在快速上探：两年前连一篇文章都写不利索的模型，今天能连续工作几个小时、端到端啃下一个复杂代码任务。强化学习、推理、Agent 这些一年前还模糊的范式，如今路径已渐渐清晰。\n\n但越往上爬，越会发现新问题：你解决了强化学习的一批难题，紧接着冒出评估、验证、泛化的新难题；你刷高了某个 benchmark，模型的真实体验却没变好。**很多人把 AGI 想成一个会在某天被「攻顶」的终点，于是不断追问「还差几年」——这个问法本身可能就错了。**\n\n那么，如果终点根本不存在，技术该往哪走？K2 这样的模型在赌什么？Agent 真正卡在哪一环？\n\n答案是一句话：**AGI 是方向不是终点，技术的本质是「问题不可避免、但总能被解决」的无限攀登；当下的主战场已从「缸中之脑」转向能与世界交互的 Agentic LLM，而它最大的拦路虎是泛化——解法是用更高一层的能力去攻下一层的难题**。下面分三层展开。\n\n---\n\n## 金字塔总览\n\n---\n\n## 一、范式之变：从「缸中之脑」走向能与世界交互的 Agent\n\n### 1.1 两种 test-time scaling：一种闭门苦想，一种与世界交互\n\n过去一年最重要的范式跃迁，是模型学会了在「推理时」继续投入算力（test-time scaling），而它有两条互不相同的路径。\n\n| 范式 | 形态 | 比喻 |\n\n| 强思考推理 | 单轮内反复「提出猜想 → 自我验证」，纯思考、不与外界交互 | **缸中之脑**：一个脑子泡在鱼缸里独自想 |\n| Agentic 强化学习 | 多轮调用搜索 / 浏览器 / 代码等工具，靠外界反馈推进下一步 | 走出鱼缸，与真实世界交互 |\n\n前者把 `pass@k` 变成 `pass@1`——等价于在脑内试了好几次再给答案；后者则让模型像人一样「边做边调」，把一个代码仓库克隆下来、翻译、调试、修 bug 直到跑通，几小时内无需人介入。**两者本质都是在「预测时」消耗更多 token 去换更复杂任务的完成能力。**\n\n### 1.2 L1-L5 不是台阶，而是可以并行、甚至倒挂的能力\n\nOpenAI 的 L1-L5（对话 → 推理 → Agent → 创新 → 组织）常被理解成一级级往上爬。杨植麟的判断是：**它们更像几个重要的技术里程碑，并不必然串行**。\nAgent 的上限取决于强推理，但你也可以先做出 Agent、再补推理——Claude 路线就偏后者：推理分数不算顶尖，Agentic 表现却极强。\n真正关键的拐点，是模型何时能参与到「下一代模型的研发」里——比如让 K2 去参与 K3 的开发，这需要很强的 Agentic 能力。\n组织层（multi-agent）也已在并行萌芽：一个 agent 可以 fork 出多个，分头写测试、写文档、做架构，再合并。\n\n### 1.3 用 L4 解决 L3：高一层的能力反过来攻克低一层的难题\n\n最反直觉、也最关键的一句：**今天 Agent（L3）的泛化做不好，是因为还缺乏 L4（创新）层的能力——所以要用 L4 的方法去解 L3 的问题**。\n\n靠人工定义任务、再去拟合，模型只会在见过的 task 上刷分，换到没见过的工具就崩。真正的出路是让 AI 参与训练 AI（更好的对齐研究、更 AI-native 的数据与评估），从「种瓜得瓜」里跳出来。\n\n> **金句**：AGI 不是某级台阶，而是一座无限的雪山——**真正的跃迁是走出缸中之脑，用更高一层的能力去攻克下一层的难题**。\n\n---\n\n## 二、K2 的技术信仰：在数据见顶的时代，把每一份 token 榨到极致\n\n### 2.1 高质量数据近似常数，胜负手是 token efficiency\n\n文本的「智商」上限由高质量数据决定，而高质量数据的增长极慢、近乎一个常数。训得更快只是省时间，并不抬高智能上限。所以 K2 的核心设计目标变成一句话：**同样吃下一份数据，让脑子长得更多**。\n\n| 思路 | 提升的是什么 | 能否抬高智能上限 |\n\n| 训练效率（训得更快） | 时间成本 | 否——token 还是那么多 |\n| token efficiency（学得更透） | 单位数据产出的智能 | **是** |\n\n### 2.2 Muon 优化器：十年来第一次认真换掉 Adam\n\n业界训练大模型十年来几乎都在用 Adam。K2 用的是 Muon——它不把矩阵参数逐个独立看待，而是考虑参数间的依赖（矩阵正交化），学习效率更高。\n实测在 compute-optimal 下约有 **两倍**提升：学一份数据约等于用 Adam 学两份，30T 高质量 token 等价变成 60T。\n代价是规模化时遇到了 max logit 爆炸等小规模实验复现不出的新坑，团队用新的 clipping 等手段把它压住——这些 know-how 都写进了公开的技术报告。\n这也是一个「非共识」赌注：在他们做出来之前，几乎没人在万亿级模型上认真换掉 Adam。\n\n此外，团队还用已有模型对高质量数据做 rephrase 改写，让有限语料带上一定泛化、避免反复学同一份数据导致的过拟合。\n\n### 2.3 泛化，才是 Agentic 模型当下最大的挑战\n\nK2 想做的不只是好的 base model，更是有好 Agentic 能力的通用模型。而 Agentic 的最大瓶颈不在单点指标，而在泛化——这比对话模型时代严重得多。\n现在的 RL 很多是「单点」的：训 SWE-bench 就提 SWE-bench，分数上去了，模型的真实泛化未必变好。\n根因是**缺乏好的 benchmark**：能用的 Agentic benchmark 不多，且分数往往片面，无法反映真实体验，优化它反而把能力「坍缩」到几个单点上。\n目标是不要过拟合到某些工具 / 环境 / 任务，让模型能泛化到从没见过的长尾工具上——这样通用 Agent 加几个定制工具，就能顶替大量垂直 Agent。\n\n> **金句**：在数据见顶的时代，胜负手是**让每一份 token 长出更多智能**；而 Agent 真正的天花板，是**泛化**而非单点刷分。\n\n---\n\n## 三、认知与方法论：把训练模型的逻辑，搬到管理与文明上\n\n### 3.1 用 RL 管团队，而不是 SFT\n\n杨植麟把训练范式直接映射到了组织管理上：**管团队要用 RL（给目标、给奖励），而不是 SFT（手把手教每一步）**。\n\n| 方式 | 做法 | 风险 |\n\n| SFT 式管理 | 直接告诉「这样这样做」 | 团队失去主观能动性，无法创新 |\n| RL 式管理 | 给清晰目标与奖励，让人自己探索 | 容易被 **reward hacking**：指标好看，实际没变好 |\n\n实践中两者要平衡：以 RL 为主，掺一部分 SFT（类似训练里的 pt-x loss）当「鲜艳」，防止团队「飞太远」或遗忘关键约束——但要管住自己的手，SFT 一多创造力就没了。\n\n### 3.2 reward 怎么定，是比执行更难的课题\n\n无论训模型还是管组织，最难的都不是执行，而是**奖励的定义**。\n若只盯着「把所有 benchmark 刷高」，所有人都会不择手段把分弄上去，弄完模型却没变好——这就是 reward hacking。\n解法是建立更多观测指标、尽量不过拟合，并且**真正理解细节如何运作**，才能定出抗 hack 的好奖励。\n这也呼应了「好的科研」：知识不是从经验里直接读出来的，而是「提出猜想 → 设计实验验证」——和强化学习同构。\n\n### 3.3 AI 是「人类文明的放大器」，所以不能因噎废食\n\n把镜头拉到最远，杨植麟引用《无限的开端》里那句「刻在石头上」的话：**问题不可避免，但问题总能被解决**。\n在任何前沿学科，人要花二三十年才能摸到知识边界，而 AI 可能一夜学会，再往下做新突破——它会成为一门 meta-science，是文明的巨大杠杆。\n风险确实存在，但放弃 AI 等于放弃人类文明的上限；该做的是更安全的对齐与更好的社会机制，用一二十年缓慢过渡。\n而创造、体验与爱里，体验和爱无法被替代——人的独特价值会持续存在。\n\n> **金句**：把训练模型的逻辑搬进现实——**用奖励而非教条去激发创造，因为 AI 是放大文明的杠杆，而非取代人的对手**。\n\n---\n\n## 一页速览\n\n| 层级 | 内容 | 一句话核心 |\n\n| **核心结论** | 站在无限的开端 | AGI 是方向不是终点，问题不可避免但总能被解决 |\n| **主论点一** | 范式之变 | 从缸中之脑走向能与世界交互的 Agentic LLM |\n| 1.1 | 两种 scaling | 闭门苦想 vs 多轮工具交互，都是 test-time scaling |\n| 1.2 | L1-L5 | 不是台阶，可并行甚至倒挂 |\n| 1.3 | 用 L4 解 L3 | 用高一层能力攻克下一层的泛化难题 |\n| **主论点二** | K2 的技术信仰 | 数据见顶，胜负手是 token efficiency |\n| 2.1 | 数据近常数 | 同份数据让脑子长得更多 |\n| 2.2 | Muon 优化器 | 十年来第一次认真换掉 Adam，约两倍效率 |\n| 2.3 | 泛化 | Agentic 最大瓶颈，benchmark 失效是根因 |\n| **主论点三** | 认知与方法论 | 把训练模型的逻辑搬到管理与文明 |\n| 3.1 | RL 管团队 | 给目标而非手把手，防 SFT 扼杀创造力 |\n| 3.2 | reward 定义 | 定不好就被 hack，比执行更难 |\n| 3.3 | 文明放大器 | AI 是 meta-science，不能因噎废食 |\n\n---\n\n## 一句话收束\n\n> **不要问 AGI 还差几级台阶——这是一座无限的雪山，问题永远会冒出来，而我们永远能再往上爬几百米。**"
}