依意思最接近的 18 筆
Kimi Code 正式上線 K3.1 Pro 系列，旗艦版為 3T 引數、1M 上下文的思考模型，同步推出速度約 2–3 倍、但額度消耗約 2 倍的 K3.1 Pro Highspeed。該系列僅支援思考模式，關閉思考的請求會被拒絕；1M 上下文需 Plus 及以上新套餐，舊套餐則需 Allegretto 及以上。官方建議在新會話中啟用，並優先呼叫原生 Responses、Chat Completions 或 Anthropic 相容介面，避免代理轉換協議導致行為差異。
Kimi K3.1 Pro 正式發布，是 K3.1 系列首個模型，也是目前規模最大的 3T 級開源權重模型，支援 100 萬 token 上下文。同步推出速度提升 2–3 倍的 Highspeed 版本，兩者已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上線，完整權重將於 11 月 4 日前公開。
Kimi 發布最強模型 Kimi K3，引數規模 2.8T，具備原生視覺與 100 萬 token 上下文，並稱其為全球首個開源的 3T 級模型。官方承認整體效能仍落後於 Claude Fable 5 與 GPT 5.6 Sol，但在自家評測中穩定優於其他被測模型。該模型即日上線 Kimi.com、Kimi Work、Kimi Code 與 Kimi API，預設使用最高思考強度；完整權重將於 2026 年 7 月 27 日前開放。
Arena.ai 的 Code Arena 程式設計對戰中出現兩個匿名模型 Kibitz 與 Kalmia，社群普遍認為分別是月之暗面的 Kimi K3.1 和阿里 Qwen 4。有人發現 Kimi 官方域名配置介面曾返回切換目標 k3.1（當晚即被撤回），且 Kibitz 對 11 個用於識別 Moonshot 模型的特殊 token 均出現亂碼，與以往 Kimi 模型表現一致。成本上，Kibitz 完成同樣任務的 token 成本約為 GPT-6 Astra 的 1/14；
Kimi 開源最新模型 K2.6，主打編碼、長程執行與 agent swarm，已上線 Kimi.com、App、API 和 Kimi Code。官方稱其在 Mac 上本地部署 Qwen3.5-0.8B 並用 Zig 實現推理最佳化，經 4000+ 次工具呼叫、12 小時、14 輪迭代，吞吐從約 15 提升到約 193 tokens/s，比 LM Studio 快約 20%；另以 13 小時重構 8 年曆史的 exchange-core，中等吞吐提升 185%。
有使用者在 Reddit 發帖討論對 Kimi K3.5 的期待，稱 K3 已是令人喜愛的模型，好奇 K3.5 會有多強。帖主回顧稱 K2 已經不錯，K2.5 憑藉持續學習階段提升到全新水平，據其記憶使用了超過 20-25T token。該帖未提供 K3.5 的發布時間、引數或官方資訊。
Kimi K2.5 發布，官方稱其為迄今最強開源模型，原生多模態，在 K2 基礎上用約 15T 視覺與文字混合 token 繼續預訓練。其 Agent Swarm 可自行組織最多 100 個子智慧體、執行最多 1500 次工具呼叫，相比單智慧體執行時間最多縮短 4.5 倍。模型已上線 Kimi.com、App、API 和 Kimi Code；
Kimi 官方發布 Kimi Work 系列教程第 3 期，演示如何把 Kimi 接入日常工作流：可跨本地專案、瀏覽器和電腦操作；用 Swarm 拆解複雜任務，並在 Goal 模式下反覆迭代；還能通過 Plugins、AGENTS.md 和 Dashboard 自訂 Kimi 的工作方式。官方在評論區徵集下一期主題。
MiniMax 正式發布 M3.1 Flash，官方稱其在 agentic 任務、coding、Computer Use 與網路安全上全面提升，使用成本較上一代降低 70%，線上推理速度提升近 3 倍。定價為每百萬 tokens 輸入 0.15 美元、輸出 0.60 美元、快取輸入 0.015 美元，日常輸出可達 200+ TPS（P50 170+ TPS）。
k10s 是 Go 與 Bubble Tea 寫的可點選 Kubernetes 終端 UI：滑鼠可點選行與面板，ctrl+p 統一搜尋資源型別與物件，啟動時不註冊任何 watch，informers 按需懶載入。它內建 AI，ctrl+a 用自然語言提問時會自動注入當前 context、名稱空間、資源型別與選中物件，回答針對該物件；同時相容 k9s 風格的 plugins.yaml 自訂動作。
MiniMax 正式發布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）。Agents' Last Exam 得分 29.6%，位列國產模型第一；DeepSWE v1.1 拿到 73.7%，BankerToolBench 以 76.2 分與 Claude Opus 5 並列第一。
OpenAI 產品負責人 Tibo Sottiaux 發帖預告未來模型會更擅長刪除和簡化程式碼，並在評論中確認 Astra 6.1「coming soon」。負責 coding post-training 的研究員 Rajan Agarwal 轉發該帖，並公開徵集使用者遇到的 sloppy code 與程式碼品質問題。《華爾街日報》此前報導，Astra 6.1 原計劃 10 月發布，因內部安全測試中在權限邊界上表現不穩而被臨時叫停。
MiniMax M3.1 Flash 已在 Ollama 上線，可通過 Ollama Cloud 用 ollama run minimax-m3.1-flash:cloud 直接呼叫。官方稱該模型在美國託管、零資料保留，主打快速編碼與 agentic 工作流，支援影像理解和 100 萬 token 上下文視窗。它也能以 ollama launch claude 或 ollama launch codex 指定該模型，接入 Claude Code 與 Codex 使用。
Black Forest Labs 發布 5.6B 引數的開源權重模型 FLUX 3 Image Klein，支援文生圖、影像編輯和最多 10 張參考圖的多參考生成，並保留原生 4K 與邊界框控制。INT8 版本可在 8GB 視訊記憶體的 NVIDIA RTX 顯示卡上通過 ComfyUI 或 Diffusers 執行，蒸餾模型在 RTX 5090 上約 4 秒生成一張 1MP 影像，RTX 4070 上不到 9 秒。
微軟發布第三代自研 AI 晶片 Maia 300，將其定位為微軟產品與服務的主要 AI 推理系統，計劃 2027 年開始投入生產部署。微軟雲業務執行副總裁 Scott Guthrie 表示，相比主流的 GPU 系統，Maia 300 每兆瓦可多輸出 40% 的 token，並更能應對最新的推理模型與 agentic 任務。該晶片的設計目標是提升雲端 AI 工作負載的成本與效率，減少對 Nvidia GPU 的依賴。
Krea 發布影像編輯模型 Krea 3，官方稱比 Nano Banana Pro 快 4 倍、便宜 3 倍。對比頁給出的資料是：Krea 3 單次 2K 編輯約 8 秒、約 0.06 美元，Nano Banana Pro 約 26.8 秒、0.135 美元，GPT Image 2.5 約 39.9 秒、0.21 美元，官方註明這是預生成輸出而非即時基準測試。
llama.cpp 發布建置 b11604，為 KleidiAI 加入 SME2 指令集的 Q4_K 與 Q6_K 矩陣乘支援，補丁編號 #29219，提交者來自 Arm。SME2 屬於 Armv9 的矩陣擴充套件，這項改動面向支援該指令集的 Arm CPU，用於加速這兩種常用量化格式的矩陣乘法。同一版本中，macOS Apple Silicon 的 KleidiAI 啟用建置被標記為 DISABLED，openEuler 也有一項標註 DISABLED；
OpenAI 的 GPT-6 與 GPT-6.1 全系模型（Astra、Sol、Luna）將登陸 Google Cloud，並進入 Google 的 agent 編碼工具 Antigravity。未來幾週這些模型會加入 Google Cloud 的 Model Garden，與 Gemini、Claude、Mistral、Llama、Gemma 等 200 多個模型並列。Google 稱由此成為唯一同時提供三大閉源大模型的大型雲廠商；OpenAI 強調微軟仍是其主要雲夥伴。