Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Kimi és Moonshot AI kvíz

Reviews Kimi’s long-context origins, Kimi K2’s mixture-of-experts design, and why context and model capabilities vary by release.

Kapcsolódó útmutató utakKimi és Moonshot AI
kérdés 1 -ból 8

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

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  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. Milyen architektúrát használnak a későbbi Kimi modellek, mint például a K2, hogy hatékonyak maradjanak a nagy méretekben?
    • Tiszta visszatérő hálózatok
    • Döntési fák
    • Támogatja a vektoros gépeket
    • Szakértők keveréke (ME)
  5. Mi volt a 2025 elején megjelent Kimi k1.5 fejlesztése?
    • Lépésről lépésre történő érvelés
    • Képfelskálázás
    • Az akkumulátor hatékonysága
    • 3D renderelés
  6. Miért hasznos a hosszú kontextusablak gyakorlatilag?
    • Csökkenti a modell paramétereinek számát
    • Lehetővé teszi, hogy a modell egy egész hosszú dokumentumot egyszerre vegyen figyelembe
    • Kiküszöböli a képzési adatok szükségességét
    • Garantálja a tények pontosságát
  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