Kimi-Dev-72B是月之暗面於2025年6月17日發布的開原始碼大模型，專為軟體工程任務設計，參數規模為72億。該模型在SWE-bench Verified編程基準測試中以60.4%的得分刷新開源模型記錄，性能超越6710億參數的DeepSeek-R1。模型採用BugFixer與TestWriter協同機制，中期訓練階段使用約1500億個高質量真實代碼數據，強化學習階段最佳化代碼定位與編輯能力。其訓練機制設定為僅當測試套件全通過時給予獎勵，確保解決方案的準確性。測試階段可通過自我博弈生成最多40個補丁和測試候選。該模型遵循MIT協定開源，已在Hugging Face和GitHub平台提供模型權重、原始碼及量化版本下載。未來計畫與IDE、版本控制系統及CI/CD流水線深度集成。
基本介紹
- 中文名：Kimi-Dev-72B
- 類別：開原始碼大模型
- 所屬：月之暗面
發展歷史,產品功能,設計理念,下載使用,
發展歷史
2025年6月，月之暗面發布了一款專為軟體工程任務設計的全新開原始碼大模型——Kimi-Dev-72B。
產品功能
該模型在SWE-bench Verified編程基準測試中表現優異，達到了當前全球開源模型中的領先水平。儘管參數量僅為72B，卻已超越了不久前剛剛發布、參數規模達到671B的新版DeepSeek-R1。
這款模型經過大規模強化學習最佳化，具備自主修復Docker中真實倉庫問題的能力。其訓練機制設定為僅當整個測試套件通過時才給予獎勵，從而確保生成解決方案的準確性和穩定性。
設計理念
Kimi-Dev-72B背後的設計理念和技術實現包含多個關鍵環節，如BugFixer與TestWriter的協同機制、中期訓練階段、強化學習策略以及測試階段的自我博弈機制。
其中，BugFixer和TestWriter的結合設計是模型的核心架構之一，使模型在缺陷修復和測試用例生成方面都表現出色。中期訓練階段使用了約1500億個高質量真實數據，大幅提升了模型對實際代碼錯誤修復和單元測試任務的理解能力。而在強化學習階段，模型進一步提升了在代碼定位和編輯方面的綜合表現。
下載使用
Kimi-Dev-72B已在公開平台提供下載與部署支持，包含模型權重及原始碼等內容，方便開發者直接使用和二次開發。
