Kimi K3.1 Pro
Kimi K3.1 Pro 是 Moonshot AI 的开放权重、原生多模态智能体模型,基于 Kimi K3 后训练,是 K3.1 系列的首个模型。官方模型卡列出的 MoE 架构总参数量为 2.8 万亿、每个 token 激活参数量为 1040 亿,上下文窗口为 1,048,576 tokens。(huggingface.co) 支持文本和图像理解,可用于长文档分析、视觉问答及多步骤推理。 面向…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Kimi K3.1 Pro 是 Moonshot AI 的开放权重、原生多模态智能体模型,基于 Kimi K3 后训练,是 K3.1 系列的首个模型。官方模型卡列出的 MoE 架构总参数量为 2.8 万亿、每个 token 激活参数量为 1040 亿,上下文窗口为 1,048,576 tokens。(huggingface.co) 支持文本和图像理解,可用于长文档分析、视觉问答及多步骤推理。 面向…
Kimi K3.1 Pro Highspeed 是 Kimi K3.1 Pro 的高速版本。官方称其与标准版具备同等智能,输出速度约为标准版的 2–3 倍,面向需要快速响应的交互式任务。K3.1 Pro 是基于 Kimi K3 后训练的 3 万亿级参数模型,支持原生视觉理解及 1,048,576 token 上下文窗口。(kimi.com) 支持长上下文推理、编程、工具调用和多步骤智能体工作流,可…
Moonshot AI 的 K3.1 系列旗舰模型,是基于 Kimi K3 后训练的开放权重、多模态智能体模型,面向长程编程、推理和知识工作。模型采用混合专家架构,总参数约 2.8 万亿,每个 token 激活约 1040 亿参数;上下文窗口为 1,048,576 tokens。(kimi.ai) **编程与智能体:**支持代码生成、修复、项目开发和多步骤工具调用。 **视觉与 3D 创作:**支…
K2.8 Preview 是面向 Kimi Code 编程与智能体工作流的预览模型。官方于 2026 年 9 月 11 日宣布其在 Kimi Code 全量上线;原有模型 ID kimi-for-coding 保持不变。官方称其综合性能接近 K3,编码与智能体能力相较 K2.7 Code 提升,思考效率也有改善;这些对比属于官方定性描述。(kimi.com) **编程与智能体:**适合代码补全、常…
Kimi K3 是面向长程编程、知识工作和推理的开放权重多模态模型。它采用混合专家(MoE)架构,总参数量为 2.8 万亿,每个 token 激活约 1040 亿参数;上下文窗口为 1,048,576 tokens。模型原生支持视觉理解,可处理文本、图像和视频。(kimi.com) **长程编程与智能体任务:**理解大型代码库、使用终端工具,辅助软件开发、GPU 内核优化、编译器开发和科研计算。…
Kimi K2.7 Code 是面向编程和长程软件工程任务的智能体模型,模型权重已公开。官方于 2026 年 6 月 12 日发布。(kimi.com) 适用于代码库重构、跨文件功能开发、调试和多轮编程任务,也可通过 Kimi API 集成到开发工具和智能体工作流。 采用混合专家(MoE)架构,总参数量为 1T,每个 token 激活 32B 参数;上下文窗口为 262,144 tokens。官方…
Kimi K2.6 是 Moonshot AI 发布的开放权重、原生多模态智能体模型,重点面向长程编程、视觉理解和复杂任务执行。模型采用混合专家架构,总参数约 1 万亿,每次激活约 320 亿参数;代码和权重采用 Modified MIT 许可。(kimi.com) 支持文本、图像和视频输入,以及思考和非思考模式;可用于对话、代码生成与修改、工具调用和智能体任务。(linkedin.com) 支持…
Kimi K2.5 是原生多模态、面向智能体任务的开放权重模型,在 Kimi K2 基础上继续使用视觉与文本混合数据进行预训练。它采用混合专家(MoE)架构,官方模型卡列出总参数约 1 万亿、每 token 激活参数约 320 亿,上下文长度为 256K token。(huggingface.co) 支持文本和视觉理解,可根据图像或视频中的信息进行推理、生成代码和视觉调试;提供即时模式与思考模式。…
Kimi K2 Thinking 是 Moonshot AI 于 2025 年 11 月 6 日发布的开源思考模型,定位为能够交替进行推理和工具调用的智能体模型。官方发布公告:Kimi K2 Thinking 模型发布并开源。(platform.kimi.com) **推理与工具使用:**模型可在多步骤推理中调用工具。官方称其在相应任务设置下可连续执行约 200–300 次工具调用,适合多步骤研究…
Kimi Linear 的指令微调版文本生成模型,采用混合专家(MoE)架构,总参数约 480 亿、每次激活约 30 亿。它结合 Kimi Delta Attention(KDA)与多头潜在注意力(MLA),主要面向高效文本生成和长上下文研究。官方已发布模型检查点,模型卡标注 MIT 许可证。(github.com) 官方标注上下文长度为 1M tokens;部署示例使用 1,048,576…
Kimi-Linear-48B-A3B-Base 是 Kimi Linear 系列的预训练基础语言模型,面向语言模型研究、继续训练和应用开发。模型共有约 480 亿参数,每次推理激活约 30 亿参数;官方同时发布了单独的 Instruct 版本。(github.com) 采用 Kimi Delta Attention(KDA)与多头潜在注意力(MLA)混合架构,官方标注的上下文长度为 100 万…
Kimi K2 的指令模型更新版,面向通用对话和智能体任务,重点加强编程能力。采用混合专家(MoE)架构,总参数约 1 万亿,每个 token 激活约 320 亿参数。(kimi.com) 强化智能体编程、前端代码生成和工具调用,可用于软件开发、代码助手和多步骤任务。 上下文窗口从上一版本的 128K 扩展至 256K tokens,适合长文本和长期任务。 发布时的官方 API 支持自动上下文缓存…
Kimi-K2-Instruct 是 Kimi K2 的后训练指令模型,面向通用对话和智能体应用,侧重工具调用与任务执行,而非长思考模式。API 版本 kimi-k2-0711-preview 于 2025 年 7 月 11 日发布。(kimi.com) 采用混合专家(MoE)架构,总参数约 1 万亿,每个 token 激活约 320 亿参数。0711 版本的上下文窗口为 128K tokens;…
Kimi-K2-Base 是 Kimi K2 系列的预训练基础语言模型,主要面向希望自行微调和构建定制方案的研究人员与开发者。它与面向通用聊天和智能体交互的后训练版本 Kimi-K2-Instruct 不同。(kimi.com) 采用混合专家(MoE)架构,总参数量约 1 万亿,每次前向计算激活约 320 亿参数;官方模型卡标注上下文长度为 128K token。(huggingface.co)…
Kimi-VL-A3B-Thinking-2506 是 Kimi-VL 系列的多模态视觉语言推理模型,面向图像理解、长上下文和智能体任务。采用混合专家(MoE)语言模型、原生分辨率视觉编码器 MoonViT 和投影器;官方列出的总参数量约为 16B,每次激活约 3B,上下文窗口为 128K tokens。(github.com) **视觉理解与推理:**可用于图像问答、图表理解、数学推理、文字识别…
Kimi-Researcher 是面向复杂研究任务的自主智能体模型,基于内部 Kimi k-series 模型,并通过端到端智能体强化学习训练。官方公告发表于 2025 年 6 月 20 日。(moonshotai.github.io) 可进行多步骤规划、推理和工具调用,使用并行实时搜索、文本浏览器及代码执行工具;官方报告称,每个任务平均进行约 23 步推理、探索超过 200…
Kimi-Dev-72B 是面向软件工程问题解决的开源代码大语言模型,以 Qwen2.5-72B 为基础,经过代码相关数据训练和强化学习优化。官方公告发布于 2025 年 6 月 16 日。(moonshotai.github.io) 根据问题描述定位需要修改的文件,生成代码修复,并编写复现问题的单元测试。 可用于辅助处理代码仓库中的软件缺陷、生成补丁和测试,以及软件工程研究。 官方报告其在…
kimi-thinking-preview 是 Moonshot AI 发布的长思考模型预览版。官方将其描述为具备多模态推理和通用推理能力的模型,擅长深度推理,可用于处理复杂代码、数学和工作问题。公告未详细列明全部支持的模态及其接口规格。(platform.kimi.com) API 响应使用 reasoning_content 返回思考内容,使用 content 返回回答;流式输出中思考内容先于…
Kimi-Audio-7B-Instruct 是 Kimi-Audio 音频基础模型的指令微调版本,面向音频理解、生成与对话。官方于 2025 年 4 月 25 日发布了该版本的模型权重和推理代码。(github.com) 支持语音识别、音频问答、音频内容描述、语音情绪识别,以及声音事件和场景分类。 支持端到端语音对话,可根据音频输入生成文本或语音与文本回复;官方示例还展示了多轮音频对话。 可用于…
Kimi-VL-A3B-Thinking 是 Kimi-VL 系列的视觉语言推理模型,侧重复杂文本与多模态推理。它采用混合专家(MoE)架构,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 token。(huggingface.co) 接收图像和文本并生成文本,可用于多图理解、视觉问答和数学推理。 Kimi-VL 系列还支持文档、视频内容理解及智能体相关任务;…