Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Kimi και Moonshot AI

Αξιολογεί τις μακροχρόνιες προελεύσεις του Kimi, τη σχεδίαση συνδυασμού ειδικών του Kimi K2 και γιατί οι δυνατότητες περιβάλλοντος και μοντέλου διαφέρουν ανάλογα με την κυκλοφορία.

Σχετικές διαδρομές οδηγώνKimi και Moonshot AI
Ερώτηση 1 του 8

What maximum context size did Moonshot announce for the moonshot-v1 API at its January 2024 public beta?

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. What maximum context size did Moonshot announce for the moonshot-v1 API at its January 2024 public beta?
    • Up to 128K tokens
    • Up to 8K tokens
    • Up to 32K tokens
    • Up to 1M tokens
  2. When does Moonshot AI’s official timeline say the company was founded?
    • Spring 2018
    • Spring 2023
    • Fall 2020
    • Winter 2025
  3. Which major investor did Alibaba disclose in its FY2024 annual report?
    • OpenAI, with an approximately 36% equity interest
    • Anthropic, with an approximately 36% equity interest
    • Moonshot AI, with an approximately 36% equity interest reported for that fiscal year
    • DeepMind, with an approximately 36% equity interest
  4. Ποια αρχιτεκτονική χρησιμοποιούν μεταγενέστερα μοντέλα Kimi όπως το K2 για να παραμείνουν αποτελεσματικά σε μεγάλη κλίμακα;
    • Καθαρά επαναλαμβανόμενα δίκτυα
    • Δέντρα απόφασης
    • Υποστήριξη διανυσματικά μηχανήματα
    • Μείγμα εμπειρογνωμόνων (MoE)
  5. Τι σχεδιάστηκε να βελτιώσει το Kimi k1.5, που κυκλοφόρησε στις αρχές του 2025;
    • Συλλογισμός βήμα προς βήμα
    • Αναβάθμιση εικόνας
    • Αποδοτικότητα μπαταρίας
    • τρισδιάστατη απόδοση
  6. Γιατί είναι πρακτικά χρήσιμο ένα μακρύ παράθυρο περιβάλλοντος;
    • Μειώνει τον αριθμό παραμέτρων του μοντέλου
    • Επιτρέπει στο μοντέλο να εξετάσει ταυτόχρονα ένα ολόκληρο μεγάλο έγγραφο
    • Εξαλείφει την ανάγκη για δεδομένα εκπαίδευσης
    • Εγγυάται την πραγματική ακρίβεια
  7. What scale does the Kimi K2 technical report give for total and activated parameters?
    • 70 billion total, with all 70 billion activated
    • 7 billion total, with 32 billion activated
    • 1 trillion total parameters, with 32 billion activated
    • 1 trillion total, with all parameters activated for every token
  8. Why should a comparison of Kimi model capabilities identify the exact release?
    • Every release has identical capabilities
    • The product name alone establishes the model’s benchmark score
    • Version identifiers matter only for billing
    • Context limits, modalities, and tool behavior can differ across model versions