刚刚看了个视频，是个我个人认为有点水平的老外（前Twitch工程师）讲为什么Kimi-K2那么重要。主要观点其实就一个：和DeepSeek-R1一样，模型开源，你可以生成出无穷无尽的数据来训练别的模型。DeepSeek-R1让思考模型遍地开花，Kimi-K2可以让其他模型的工具调用有巨大的进步。
我看站内也有佬测试了工具调用，感觉褒贬不一？不过看视频里他夸的是挺厉害的。不知道佬们有什么想法。我个人在Cherry Studio里面做一些需要调用工具的事情的时候，kimi调工具确实挺不错的。
（补充）作者观点如下
但是，有 Kimi 之后，我们直接用 Kimi 就可以生成很多类似的优秀的 tool call 数据来训练别的模型。
等一个开发结果，官网的体验虽然不好，或许能靠大佬们加强完善整出新东西？
早半年出来配这套说法还差不多
支持kimi，国产之光 
理解代码比ds v3强点，别的没看出来
省流：一个基模
嗯，基座不错+开源，信创公司的最爱
能开源就很好了
开源模型迈入T量级参数了
纯小白很好奇，对于工具的调用这方面的训练难度有多大
不低呢。
难度很大
传统的llm训练，训练数据都是随便网上搞的，后面再加上一些代码数据
但是，针对工具调用优化的话，工具调用相关数据不是互联网上直接能搞到的，这就很难了。数据成本很高
kimi干得好啊 
站内喷kimi感觉已经是政治正确了，不管好坏都喷
这个不是思考模型，作为基模来说效果还说得过去，而且还开源
其实这就是这个视频里说的重要性。Kimi K2的tool call十分精准。作者观点如下
让子弹飞一会儿
K2的指令遵循能力确实不错的，工具调用能力在开源模型里的确是最好的。
我感觉输出function call格式的难度不大，只是要数据
比如可以先找人写很多JSON格式的输出数据来做SFT
然后为了让输出json更标准，可以用RL来约束一下，比如json格式对了就有奖励，然后函数名字对了有奖励
不过如果是让agent决定什么时候调用什么工具的话可能有点难（）？
需要一定智力。
比如之前gpt-3.5-turbo就可以function call，但是他不喜欢调用，除非提示词说的很明显
然后我之前做类似小爱同学的，用llm+mcp控制，发现glm-4-air容易对话多了不用工具，但是glm-4-plus就可以
问题是太慢了啊，十几个token/s
问一次问题要等一分多钟，这怎么玩
确实，我感觉调用工具在实际生产中确实很重要。Gemini用来写文字确实很好用，但是调用工具是依托，导致很难只凭借它来解决实际问题。