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 發布 K3.1 Pro，號稱最強開放權重模型：MoE 架構 2.8T 總引數、104B 啟用引數，支援 1M token 上下文與多模態輸入。官方稱其在程式設計、agentic 與知識類基準上追平最強閉源模型，可完成 Unreal、Unity、Godot 整專案遊戲開發，擅長 Blender 與 CAD 引數化 3D 建模，金融任務幻覺率下降 65%。
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 K3.1 Pro 在 Artificial Analysis 智慧指數上拿到 55 分，遠高於同類模型中位數 27，並落在智慧與成本的前沿線上。定價為每百萬輸入 token 2 美元、輸出 10 美元，快取摺扣 90%，跑完一次指數評測平均成本 2.11 美元。模型支援文字與影像輸入、僅輸出文字，上下文視窗 1M token，但輸出速度 77 token/秒低於均值 81，完成指數評測共輸出 1.5 億 token，明顯偏囉嗦。
Kimi K3.1 Pro 可直接在 Blender、Unreal Engine、Godot 和 CAD 等 3D 建模與遊戲行業常用工具中工作。在測試多檢視渲染轉 CAD 程式碼生成的 BenchCAD 上，它藉助這些工具得分 92.7%，接近 Claude Opus 5.5 的 96.2% 與 GPT-6 Astra 的 95.9%。官方稱它能產出較完整的專案，覆蓋資產搭建、場景組裝、動畫與渲染。
Kimi 已在 platform.kimi.ai 上線 K3.1 Pro API，並同步提供 K3.1 Pro Highspeed 版本。Highspeed 主打速度，官方稱比常規版快 2–3 倍，兩個版本均已開放使用。原文未披露定價、上下文長度或速率限制等細節。
Kimi K3.1 Pro 在 OfficeQA Pro v2 上取得 SOTA，得分 64.4。官方稱在內部基準上，其金融建模比 K3 提升 7.2 分、金融研究提升 11.6 分，模擬商業運營得分約為 K3 的 4.2 倍。範例輸出包括帶完整聯動報表和可追溯公式的輝達 DCF/LBO 模型、寧德時代投委會材料，以及帶來源級引用的量子計算行業報告。
Moonshot 發布 Kimi K3.1 Pro，並同步上線完整技術部落格。官方帳號 @Kimi_Moonshot 在 10 月 23 日給出了部落格地址 kimi.ai/blog/kimi-k3-1-pro，但這條資料本身只包含該連結，未列出模型引數、上下文長度、API 價格或開放範圍，這些細節需以部落格原文為準。
月之暗面（Moonshot）發布 Kimi K3.1 Pro，官方稱這是其目前能力最強的 3T 級模型。公告僅給出這一句定位，未披露引數規模細節、上下文長度、定價與開放方式。
Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%，超過 GPT-6 Astra 的 58.2%，略低於 Claude Opus 5.5 的 66.4%。該基準用嚴格的任務專屬測試評估 coding agent 在真實、資源受限的終端任務中的表現。
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%。
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。
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。
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）。
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。
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；