月之暗面 Kimi 系列模型与产品动态：K 系列开源模型、长上下文技术与产品演进的追踪。
Kimi K3 在 Frontend Code Arena 拿了 1679 分，压过 Claude Fable 5，七个前端领域赢了六个。模型有 2.8 万亿参数，支持 1M 上下文，定价是每百万 token 3 到 15 美元，完整权重会在 7 月 27 日前放出来。群友上手后评价两极：有人花 199 元月费让它重做了之前搞砸的粒子特效，效果惊艳；也...
推荐理由：Kimi K3 在 Frontend Code Arena 拿了第一，七个前端方向赢了六个，权重还要开源，属于国产大模型一次硬碰硬的亮相。群聊日报给了分数、参数量、价格和真实用户反馈，信息够用。没打更高是因为来源是社区整理，不是一手官方公告，我会先打个折。
月之暗面在 7 月 17 日推出了新一代 Kimi 模型，在 MATH、HumanEval 等基准测试里，成绩跟 OpenAI o3 和 Anthropic Claude Sonnet 4.5 打平甚至略高。现在通过 Kimi 聊天机器人就能试，API 也已经上线。市场反应很直接——英伟达盘前跌了超过 3%，大家担心这会压降美国 AI 公司的定价空间。...
推荐理由：月之暗面这次发模型，跑分直接叫板 o3 和 Claude Sonnet 4.5，而且不是论文阶段，是已经能用的产品。我会先打个折——没看到模型大小和实际推理成本，光看跑分容易高估。但市场反应很诚实，英伟达股价先跌为敬，说明大家认真在考虑这会不会压降美国公司的定价空间。对国内从业者来说，这至少是个值得上手测一下的信号。
Kimi K3 在 Frontend Code Arena 拿了 1679 分，7 个前端子任务里 6 个第一，压过了 Claude Fable 5 和 GPT-5.6 Sol。模型本身是个 2.8 万亿参数的 MoE 架构，上下文窗口能塞进 100 万 token，大概是一套《三体》三部曲的量。7 月 27 日会开放权重，到时候可以自己部署。API ...
推荐理由：Kimi K3 在 Frontend Code Arena 前端编码榜拿了 1679 分，7 个子任务里 6 个第一，压过了 Claude Fable 5 和 GPT-5.6 Sol。模型是 2.8 万亿参数的 MoE 架构，上下文窗口能塞 100 万 token，7 月 27 日开放权重。这是国产旗舰模型在一个具体编码榜单上直接挑战闭源双巨头，而且马上能自己部署，对前端圈和国内开发者来说是个实打实可验证的信号。
Kimi K2.7 Code 正式上线 GitHub Copilot，这是 Copilot 模型选择器里第一个开源权重的模型，代码可以随便看、自己部署。它跑在微软 Azure 上，按用量计费，价格直接走模型提供商的公开定价。目前先推给 Copilot Pro、Pro+ 和 Max 用户，企业版和管理员需要手动去后台打开开关才能用。公告没给任何跑分数据，...
推荐理由：这是 Copilot 模型选择器里第一个开源权重的模型，对开发者工具链是个实际变化。部署细节（Azure 托管、按用量计费、走模型商公开定价）都是新信息。分数没给更高是因为公告完全没给跑分数据，代码能力没法判断，这点先别太激动。
Kimi 给 K2.7 Code 模型加了个高速通道，模型本身没变，但输出速度拉到常规编程约 180 Token/s、短上下文能冲到 260 Token/s，是普通版的 5-6 倍。代价是 API 调用价格翻倍，Kimi Code Plan 用户消耗按 3 倍算。用的时候必须开思考模式，关掉会报错或退回 K2.6。跟上一代 K2.6 比，K2.7 Co...
推荐理由：Kimi K2.7 Code 高速版是个推理加速通道，模型本身没换，靠堆资源把输出拉到 5-6 倍速，价格也翻倍。对用 Kimi 写代码的人是个实用更新，但算不上行业级事件。H 和 K 都踩中了，R 没到，分数维持 featured 没问题。
Kimi 在 Product Hunt 上发了新桌面工具 Kimi Work，定位是给知识工作用的本地智能体。它能直接读你电脑里的文件，通过 WebBridge 插件自动操作浏览器，还支持定时任务，可以设好时间让它在后台自己跑。比较特别的是它有个“智能体集群”模式，最多能同时拉起 300 个智能体并行干活，最后把结果输出成 PPT、Excel、Word...
推荐理由：月之暗面给Kimi加了个桌面工具，定位是知识工作用的本地智能体。WebBridge插件和300个智能体并行是实打实的新机制，不是换皮。但信息全来自Product Hunt页面，正文没披露集群模式下任务怎么协调、出错怎么处理，也没给出任何实测延迟或成功率数据，所以判断先保守一点。
Kimi 正在进行一笔 20 亿美元（约 136 亿人民币）的融资，已接近收尾。新股东名单里出现了国智投、北京人工智能基金等国资机构，以及中国移动这样的央企。今年 1 月和 2 月，Kimi 已经密集完成了三轮融资，分别拿了 5 亿、7 亿和 7 亿美元。加上最新这笔，不到半年融资总额超过 39 亿美元，估值比去年 11 月的约 43 亿美元翻了四倍多...
推荐理由：Kimi 这轮融资还没完全 close，所以先不打满分。但国智投和中国移动出现在股东名单里，加上半年估值从不到 10 亿跳到 40 亿左右，说明国资在加速给头部模型公司兜底。我会先打个折：正文没披露具体估值计算方式和交割时间，这点先别太激动。
Cursor 把 Composer 模型升级到了 2.5，说它在处理长任务、理解复杂指令上比之前强了不少，同等能力下效率能高出 10 倍。这次升级主要靠三件事：训练规模更大、强化学习环境搞得更复杂，还加了一套文本反馈机制，让模型能根据文字反馈自己调整。底层架构跟 Moonshot 的 Kimi K2.5 是同一套。另外 Cursor 正跟 SpaceX...
推荐理由：Cursor 发了 Composer 2.5，说同等能力下效率能提 10 倍，还提到用了更大的训练规模、更复杂的强化学习环境和文本反馈来调模型。我会先打个折：10 倍这个数目前只有厂商自己说，正文没给基准测试、没给价格、也没法复现验证，所以别太激动。但如果是真的，对用 Cursor 写代码的人来说确实挺省钱省时间。这条消息来自单一社交来源，信息量够让从业者关注，但缺硬数据支撑，所以分数定在 82，放在 featured 里提醒大家留意后续实测。
Cursor 推出了 Composer 2.5，一个专门做长代码任务的模型。官方说在连续几十甚至上百步的复杂编程里，效率最高能到之前的十倍。技术上的关键是用了文本反馈来训练，解决了十万 token 级别超长轨迹的学习问题，让模型能稳定跟完一长串指令。底座还是拿 Moonshot 的 Kimi K2.5 继续训出来的。另外 Cursor 宣布要和 Spa...
推荐理由：Cursor 发 Composer 2.5，说长任务效率最高能提 10 倍，背后是用 Kimi K2.5 做二训、处理十万 token 级轨迹。我会先打个折——10 倍是官方说法，没看到独立评测，实际效果还得等用户跑起来再看。但 Cursor 本身是编程工具里的头部产品，这次更新又绑定了 Moonshot 的模型，对开发者选工具和模型都有参考价值。正文没披露二训具体用了多少样本、成本如何，这点先别太激动。整体信息量够、时效性强，给 82 分放在 featured 里合理。
Cursor 把代码助手 Composer 升级到了 2.5 版，底层还是基于月之暗面的 Kimi K2.5 开源模型。这次主要做了三件事：一是用“文字反馈强化学习”，在模型犯错的地方直接插一句提示（比如“提醒：可用工具有这些”），让模型在那个点上学会纠正，而不是靠最后的总分去猜哪里做错了；二是把合成训练数据的量提到了上一代的 25 倍，并且动态生成更...
推荐理由：HKR 三项都踩中了：Cursor 本身就是编程助手的核心入口，文章又给了 Moonshot 基座、25 倍合成数据、文本反馈 RL 和分片 Muon 这些实打实的训练细节。我会先打个折——正文没给基准测试、没提价格，也没说用户端能力边界，所以分数卡在 78–84 这个区间是合理的。
这个月开源模型扎堆更新，DeepSeek V4、Gemma 4、Kimi K2.6、MiMo 2.5、GLM-5.1 全来了。CAISI（美国 AI 标准与创新中心）用 9 个基准测了 DeepSeek V4，给出的结论是开源模型跟美国闭源前沿差距在拉大，尤其在 CTF 安全挑战、ARC-AGI-2 和他们的私密基准 PortBench 上 V4 得分...
推荐理由：这条消息把五款开源模型的新版本打包在一起，还挂了个 CAISI V4 评估的钩子，对关注模型选型的人挺有吸引力。我会先打个折：正文只说用了这套框架测试，分数一个没给，所以目前只能当个发布清单看，没法横向比较。这点先别太激动。不过模型名字和版本号都明确，开源阵营的密集更新本身就能影响团队的部署和成本判断，所以整体还是值得推。
Kimi 上线了“网页桥接”浏览器扩展，装在 Chrome 上后，AI 智能体可以直接在网页里搜索、滚动、点击、打字，像人一样走完一整套网站操作流程。它支持 Kimi Code CLI、Claude Code、Cursor、Codex 和 Hermes 这几个开发工具，意味着你写代码或跑任务时，AI 能直接去网页上干活，不用再手动切来切去。扩展已在 K...
推荐理由：Kimi 发了个浏览器桥接扩展，让模型能直接操作网页：搜索、滚动、点击、输入都行，还接入了 Claude Code、Cursor 等一堆外部编程工具。我会先打个折，这属于工具层面的更新，不是模型能力升级，正文也没披露安全策略和实际性能数据。但它的钩子够直接——一个扩展跨多个开发环境干活，对正在搭智能体工作流的人挺实用，所以放在 featured 里，分数给到 74。
Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。
推荐理由：Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。
月之暗面（Moonshot AI）又拿钱了，这次大约融了 20 亿美元，估值直接拉到 200 亿美元。标题说美团是领投方，但正文没披露具体投资人名单、各自投了多少、出让了多少股份，也没说钱打算怎么花。这个估值信号很直接——市场对中国 AI 创业公司的胃口还很大，但信息缺口也不小，先别急着下结论。
推荐理由：Bloomberg 的消息，Moonshot AI 拿了约 20 亿美元，估值干到 200 亿，标题说美团领投。我会先打个折：正文没写美团之外还有谁、股权怎么分、资金用途也没提，所以这轮到底多“美团”还看不清。但不管怎样，这个估值数字本身就说明资本还在往头部模型公司猛灌，对国内 AI 圈的资金流向和算力竞争是个明确注脚。
Reddit 用户 cjami 拿小米的 MiMo-V2.5-Pro 在《血染钟楼》里做了自主对局测试。模型扮演好人阵营时胜率 88%，扮演坏人时胜率掉到 48%，说明它更擅长合作推理，搞欺骗和伪装还差点意思。每局平均输出 18.3 万 token，成本 0.99 美元，工具调用出错率只有 0.4%，这个错误率很低，说明模型能稳定按规则调用游戏功能。对...
推荐理由：这条帖子来自 Reddit 个人测试，不是官方模型发布，权威性要打个折。但 HKR 三项都站得住：有具名基准、有胜负率、有 token 消耗和成本对比，还有工具调用错误率，信息量够放进 featured 档。
Reddit 用户 ai-infos 用 32 块 AMD MI50 32GB 显卡（分两台机器，每台 16 卡，走 10G 网线）跑 Kimi K2.6 的 int4 量化版。处理 1.4 万多字的输入时，预处理速度能到 264 token/秒；生成 136 个字的回答时，速度掉到 9.7 token/秒。空载功耗 640W，跑推理时峰值 4,800...
推荐理由：这条帖子本身是个 Reddit 上的野路子基准测试，不是官方发布，所以分数不会给太高。但它的钩子很强——用 32 张二手 MI50 攒出一台能跑 Kimi K2.6 的机器，还给出了吞吐、功耗和网络拓扑的实测数据，对想低成本自建推理集群的人有直接参考价值。我会先打个折，因为正文没披露精度损失的具体对比、延迟抖动和长时间稳定性，这些对生产环境很关键。不过就凭它把 AMD 老卡 + vLLM 分布式栈的可行性摆上台面，加上功耗和 PCIe 带宽这两个真实痛点，74 分放在 featured 里是合理的。
月之暗面推出了 Kimi K2.6，一个总参数 1 万亿的混合专家模型，每次推理激活 320 亿参数，支持 25.6 万 token 的上下文窗口。它主打的是长时间、多步骤的智能体任务，官方宣称能连续跑 12 小时以上、调用超 4000 次工具、并行管理 300 个子智能体。在 SWE-Bench Pro 编程基准上得分 58.6，HLE 带工具得分 ...
推荐理由：我会先打个折：SWE-Bench Pro 58.6 这个数正文没给对比基线，不知道和 Opus 4.6 的差距到底多大，这点先别太激动。但 Kimi K2.6 真正值得盯的不是基座跑分，而是它把 agent 执行时长拉到 12 小时、能并行跑 300 个子代理，这在开源模型里算往前拱了一步。国内大模型旗舰发布本身就自带信号，加上抢在 DeepSeek v4 前出牌，对关注开源模型进展的人有信息差价值，所以给到 P1。
Moonshot 提出一种叫“预填充即服务”的玩法，把大模型推理拆成预填充和解码两个阶段，分别跑在不同数据中心甚至不同硬件上。核心靠的是他们 Kimi Linear 模型，KV 缓存体积小到可以跨机房传。用放大 20 倍的模型测，吞吐量提到 1.54 倍，P90 首 token 延迟降了 64%。不过帖子本身被 Reddit 安全策略挡了，正文没披露具...
推荐理由：HKR 三项都站得住：跨数据中心传 KV Cache 这个点够新，文章也拿出了 1.54 倍吞吐和 P90 TTFT 降 64% 的具体数字，预填充与解码解耦的机制也交代了。我只给 80 分，因为目前还是二手摘要，成本基准、确切规模和复现细节正文都没披露，得等 arXiv 论文出来再看。
Kimi 这次发布的重点不是 K2.5 模型本身，而是它同时推出了一个基于该模型的智能体应用，直接在官网上线了。这跟 Manus 的做法正好相反：Manus 用的是 Anthropic 的 Claude 模型，自己只做上层的智能体产品，属于分层开发。Kimi 走一体化路线，把底层模型和上层应用打包发布。文章实测了 K2.5 智能体的“视觉编程”功能，上...
推荐理由：这篇值得看，因为它讲的是产品形态的转向，而不只是模型跑分。Kimi 这次把 K2.5 模型和 Agent 模式一起塞进官网切换入口，等于告诉用户“你不用管底下是什么，直接用就行”。1500 步操作和 100 个 Agent 并发的数字，说明他们在长任务和并发上做了工程投入；视觉编程那条路，是从设计稿或录屏直接出页面，想法挺直接。但我会先打个折：正文没写价格、上下文长度和 API 条件，这些才是工程落地的硬指标。另外消息源本身是评论性质，不是一手技术报告，所以判断要留余地。整体来说，它把“一体化还是分层”这个老问题又拉回台面上，对做 Agent 产品...