Quiz połączony z przewodnikiem · Średni Poziom

Quiz AI Kimi i Moonshota

Omówiono pochodzenie Kimi w długim kontekście, projekt Kimi K2 złożony z wielu ekspertów oraz wyjaśniono, dlaczego możliwości kontekstu i modelu różnią się w zależności od wersji.

Powiązane ścieżki prowadząceKimi i Moonshot AI
Pytanie 1 z 8

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

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  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. Jakiej architektury używają późniejsze modele Kimi, takie jak K2, aby zachować wydajność na dużą skalę?
    • Czyste sieci rekurencyjne
    • Drzewa decyzyjne
    • Obsługa maszyn wektorowych
    • Mieszanka ekspertów (MoE)
  5. Co miał ulepszyć Kimi k1.5, wydany na początku 2025 roku?
    • Rozumowanie krok po kroku
    • Skalowanie obrazu
    • Wydajność baterii
    • Renderowanie 3D
  6. Dlaczego długie okno kontekstowe jest praktycznie przydatne?
    • Zmniejsza liczbę parametrów modelu
    • Pozwala modelowi uwzględnić cały długi dokument na raz
    • Eliminuje to potrzebę danych szkoleniowych
    • Gwarantuje rzetelność faktów
  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