Cuestionario vinculado a una guía · Medio Nivel

Prueba de IA de Kimi y Moonshot

Revisa los orígenes de contexto prolongado de Kimi, el diseño combinado de expertos de Kimi K2 y por qué el contexto y las capacidades del modelo varían según la versión.

Rutas de guía relacionadasKimi y Moonshot AI
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  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. ¿Qué arquitectura utilizan los modelos Kimi posteriores, como el K2, para seguir siendo eficientes a gran escala?
    • Redes puramente recurrentes
    • Árboles de decisión
    • Máquinas de vectores de soporte
    • Mezcla de expertos (MoE)
  5. ¿Para qué estaba diseñado Kimi k1.5, lanzado a principios de 2025, para mejorar?
    • Razonamiento paso a paso
    • Mejora de imagen
    • Eficiencia de la batería
    • renderizado 3D
  6. ¿Por qué es prácticamente útil una ventana de contexto larga?
    • Reduce el recuento de parámetros del modelo.
    • Permite que el modelo considere un documento extenso completo a la vez.
    • Elimina la necesidad de datos de entrenamiento.
    • Garantiza la exactitud de los hechos.
  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