← 全部模型

Kimi-VL-A3B-Instruct

发布时间 发布主体 Moonshot AI

模型定位

Kimi-VL-A3B-Instruct 是面向高效推理的视觉语言指令模型,采用混合专家(MoE)语言模型、原生分辨率视觉编码器 MoonViT 和投影层。官方列出的总参数量约为 160 亿,激活参数量约为 30 亿,上下文窗口为 128K。(huggingface.co)

能力与用途

模型可结合文本和视觉信息完成多模态理解,适用于图像问答、多图理解、OCR、长文档和视频内容理解,以及操作系统界面等智能体场景。视频应用的具体输入处理方式取决于部署实现。(huggingface.co)

限制与部署

  • 对较复杂的文本或多模态推理任务,官方建议考虑同系列的 Thinking 版本;不能将该版本的能力或评测成绩直接视为本模型的成绩。(huggingface.co)
  • 模型输出可能出错,OCR、视觉识别和智能体操作结果应按应用风险进行核验。
  • 官方模型仓库提供权重,模型卡标注 MIT 许可证;自行部署仍需承担计算、存储及运维成本。(huggingface.co)

价格

截至 2026-11-18,查询官方国内和国际平台后,均未核实到专门适用于 Kimi-VL-A3B-Instruct 的托管 API 输入或输出价格。不能将其他 Kimi 模型的人民币或美元报价用于本模型,也不能据此认定官方提供或不提供该模型的托管服务。(platform.kimi.com)

发布日期与官方来源