本播客将深入探讨 Kimi-VL，一款高效的开源混合专家（MoE）视觉语言模型（VLM）。它在多模态推理、长文本理解和强大的代理能力方面表现出色，同时仅激活语言解码器中的 28 亿参数。我们将讨论其架构、预训练阶段、性能以及未来的发展方向。