Вікторина, пов’язана з посібником · Середній Рівень

Кімі та Moonshot AI Quiz

Розглянемо походження Kimi з довгим контекстом, комбінацію експертів у Kimi K2 і чому контекст і можливості моделі відрізняються залежно від випуску.

Пов'язані напрямні шляхиКімі та Місячний постріл AI
Питання 1 з 8

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

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  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. Яку архітектуру використовують пізніші моделі Kimi, такі як K2, щоб залишатися ефективними у великих масштабах?
    • Чисто рекурентні мережі
    • Дерева рішень
    • Опорні векторні машини
    • Суміш експертів (MoE)
  5. Що покращив Kimi k1.5, випущений на початку 2025 року?
    • Поетапне міркування
    • Масштабування зображення
    • Ефективність батареї
    • 3D візуалізація
  6. Чому довге контекстне вікно практично корисне?
    • Це зменшує кількість параметрів моделі
    • Це дозволяє моделі розглядати весь довгий документ одночасно
    • Це усуває потребу в навчальних даних
    • Це гарантує точність фактів
  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