Kimi-VL – 月之暗面开源的轻量级多模态视觉语言模型

Kimi-VL 是月之暗面开源的轻量级多模态视觉语言模型，基于轻量级MoE模型Moonlight（16B总参数，2.8B激活参数）和原生分辨率的MoonViT视觉编码器（400M参数）。Kimi-VL支持单图、多图、视频和长文档等多模态输入，在图像感知、数学、多学科题目、OCR等任务中表现出色，尤其在长上下文（128K）和复杂推理方面有优势。在数学推理、长视频理解等任务中表现优异，超越 GPT-4o 等模型。Kimi-VL推出支持长思考的模型版本 Kimi-VL-Thinking，基于长链推理微调和强化学习，仅2.8B 激活参数，在较高推理难度的基准测试中，部分成绩接近甚至超过超大尺寸的前沿模型。

官网：https://github.com/MoonshotAI/Kimi-VL

立即打开官网