梁文锋和杨植麟为何总在技术路线上“撞车”？

四次“撞车”

首次“撞车”

2025年1月20日，DeepSeek-R1上线后迅速受到关注，Kimi1.5随后发布，二者都采用了“基于结果奖励的强化学习”路线。这一相似选择，显示出他们在技术探索上的某种默契，为后续的多次“撞车”埋下伏笔。

第二次“撞车”

2025年2月18日，梁文锋和杨植麟前后脚发表关于注意力架构的论文。梁文锋提出DeepSeek-NSA架构，杨植麟提出MoBA架构，虽路径不同，但都旨在解决Transformer注意力机制的行业痛点，提升模型实用性。

第三次“撞车”

2025年4月，DeepSeek发布数学推理模型DeepSeek-Prover-V2，月之暗面也上线类似数学推理专项模型，且都采用“自验证”核心方式。当时AI深度推理是难点，二人聚焦此方向，探索AI落地价值。

第四次“撞车”

2025年1月27日，月之暗面发布KimiK2.5，同日DeepSeek上线OCR-2，二者均在视觉理解上取得突破。这源于他们对行业痛点的相似洞察，谁先突破就能在多模态商业化竞争中占主动。

如何翻越视觉理解高山

国内模型的追赶之路

在大语言模型层面，国内模型与海外差距缩小，但在视觉理解方面，国内大模型还处于追赶阶段。如网络测试中，大模型对复杂视觉信息处理仍有困难，而K2.5在视觉理解上有新成果。

K2.5的视觉理解突破

K2.5从视觉理解编码入手，通过联合预训练和构建相关系统提升能力。训练面临多模态数据匮乏等困难，但团队坚持对“技术品味”的追求，降低了开发门槛，让非程序员也能利用其做原型。

DeepSeek的视觉技术创新

DeepSeek的OCR-2模仿人类视觉逻辑，引入全新视觉编码器，打破固定图像扫描顺序。与K2.5不同，它侧重在技术源头创新，补齐视觉理解短板。

集群重新定义Agent

Agent集群功能获认可

K2.5的Agent集群功能受到业内好评。如ClaudeOpus在编程场景表现突出，而K2.5引入的AgentSwarm架构提升了模型能力，任务执行效率最高提升达4.5倍。

实现高效运行的难点与解决方法

实现上百个Agent并发运行存在平衡调度器等难点。月暗团队采用PARL训练方法，引导模型建立稳定偏好，还让模型学习自主通信、动态调整资源分配，确保集群高效运行。

动态分工的优势

K2.5的Agent集群由模型全自动创建与协调，用户无需预定义。子Agent能独立执行任务，拥有各自工作记忆，只在必要时返回结果，实现动态分工，解放了人力。

相关问答

梁文锋和杨植麟为何总在技术路线上“撞车”？

他们对大模型和产业痛点有相似判断，在关键技术路线上“和而不同”地创新，所以常同期发布成果。

K5在视觉理解上有哪些突破？

K5从视觉理解编码入手，通过联合预训练提升能力，能分析图片视频并据此编程解答，还降低了开发门槛。

OCR-2在视觉技术上有什么创新？

OCR-2模仿人类视觉逻辑，引入全新视觉编码器，打破固定图像扫描顺序，从技术源头进行创新。

K5的Agent集群功能有什么优势？

任务执行效率最高提升达5倍，能动态分工，自动创建与协调子Agent，子Agent有各自工作记忆，可独立执行任务。

月暗团队在训练K5的Agent集群时遇到了哪些困难？

平衡调度器是难点，训练初期子Agent可能协同失败，且Agent并发运行会产生通信、算力负载问题。

国内大模型在视觉理解方面与海外模型相比如何？

在大语言模型层面差距缩小，但视觉理解上还处于追赶阶段，如处理复杂视觉信息仍有困难。