月之暗面

Kimi K3.1 Pro 是 Moonshot AI 的旗舰开放权重多模态推理模型，也是 Kimi K3 的后训练升级版，拥有 100 万 token 的上下文窗口。它专为长周期编程、3D 创作、金融研究以及端到端的智能体知识工作而设计，具备原生图像和视频理解能力。

Kimi K3 是 Moonshot AI 推出的一个 2.8 万亿参数的开权重多模态推理模型。它适用于复杂编码、知识工作和长期智能体工作流，尤其擅长导航大型代码仓库、使用工具、调试，以及根据图像、日志、测试和运行时反馈进行迭代。其架构采用 KDA 和注意力残差（Attention Residuals）以实现计算效率。

MoonshotAI: Kimi K2.7 Code 是 Moonshot AI 的 Kimi K2 系列中专注于编码的模型，旨在长上下文中可靠地完成端到端编程任务。它采用原生多模态专家混合架构，支持文本和图像输入，并始终以思考模式运行，在多轮对话中保留完整推理内容。凭借 256K token 的上下文窗口，它面向长周期编码、智能体任务分解和多轮对话。该模型在约 1T 总参数中激活 32B 参数。

Kimi K2.6 是 Moonshot AI 的下一代多模态模型，专为长程编码、编码驱动的 UI/UX 生成以及多智能体编排而设计。它能够处理跨 Python、Rust 和 Go 的复杂端到端编码任务，并将提示词和视觉输入转换为生产就绪的界面。其智能体集群架构可扩展至数百个并行子智能体，用于自主任务分解——无需人工监督即可一次性交付文档、网站和电子表格。

Kimi K2.5 是 Moonshot AI 的原生多模态模型，提供最先进的视觉编码能力和自驱型智能体集群范式。它基于 Kimi K2 构建，通过对约 15T 混合视觉和文本 token 进行持续预训练，在通用推理、视觉编码和智能体工具调用方面表现出色。

Kimi K2 Thinking 是 Moonshot AI 迄今为止最先进的开放推理模型，将 K2 系列扩展至智能体化、长时程推理领域。它基于 Kimi K2 引入的万亿参数混合专家（MoE）架构构建，每次前向传播激活 320 亿参数，并支持 256k token 的上下文窗口。该模型针对持续的分步思考、动态工具调用以及跨越数百轮交互的复杂推理工作流进行了优化。它将逐步推理与工具使用交错结合，能够支持自主研究、编码和写作，并持续数百个连续动作而不发生漂移。 它在 HLE、BrowseComp、SWE-Multilingual 和 LiveCodeBench 上树立了新的开源基准，同时通过 200–300 次工具调用保持稳定的多智能体行为。它基于采用 MuonClip 优化的大规模 MoE 架构构建，兼具深厚的推理深度和高推理效率，可应对要求严苛的智能体与分析任务。

Kimi K2 0905 是 Kimi K2 0711 的九月更新版本。它是由 Moonshot AI 开发的大规模混合专家（MoE）语言模型，总参数量达 1 万亿，每次前向传播激活 320 亿参数。它支持最长 256k token 的长上下文推理，较之前的 128k 有所扩展。 此次更新提升了智能体编码能力，在多种框架上具有更高的准确率和更好的泛化性，并增强了前端编码能力，为 Web、3D 及相关任务提供更具美感和功能性的输出。Kimi K2 针对智能体能力进行了优化，包括高级工具使用、推理和代码生成。它在编码（LiveCodeBench、SWE-bench）、推理（ZebraLogic、GPQA）和工具使用（Tau2、AceBench）基准测试中表现出色。该模型采用包含 MuonClip 优化器的新型技术栈进行训练，以实现稳定的大规模 MoE 训练。

Kimi K2 Instruct 是由 Moonshot AI 开发的大规模混合专家（MoE）语言模型，总参数达1万亿，每次前向传播激活320亿参数。它针对智能体能力进行了优化，包括高级工具使用、推理和代码合成。Kimi K2 在广泛的基准测试中表现出色，尤其是在编码（LiveCodeBench、SWE-bench）、推理（ZebraLogic、GPQA）和工具使用（Tau2、AceBench）任务上。它支持长达128K token的长上下文推理，并采用新颖的训练栈设计，其中包括 MuonClip 优化器，以实现稳定的大规模 MoE 训练。