依意思最接近的 30 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 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 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 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。
Moonshot 發布 Kimi K3.1 Pro，一款總引數 2.8T、啟用 104B 的多模態 MoE 模型，支援 100 萬 token 上下文；權重承諾 11 月 4 日開放，目前可通過 API 和產品使用。官網、App、Kimi Code 與 API 同時提供標準版和 Highspeed 版，官方稱 Highspeed 輸出快 2–3 倍、價格翻倍，並推出 24/7 執行、面向多智慧體協作的 Kimi Hosted Agents。
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 發布 K3.1 Pro，稱其為迄今最強的 3T 級開放權重模型，支援 100 萬 token 上下文，完整權重將在 11 月 4 日前放出。模型已在 Kimi.com、Kimi Work、Kimi Code 與 Kimi API 上線，同時提供速度提升 2–3 倍的 Highspeed 版本。在 Terminal-Bench 4.0 上得分 65.7%，高於 GPT-6 Astra 的 58.2%，略低於 Claude Opus 5.5 的 66.4%；
Kimi K3.1 Pro 已上線 Ollama Cloud，使用者可通過 ollama run kimi-k3.1-pro:cloud 直接呼叫。該模型總引數 2.8T、啟用引數 104B，面向 coding、3D 創作、金融研究等 agentic 任務。Ollama 表示該模型託管在美國，並提供完整的零資料留存。
Kimi K3.1 Pro 已在 Moonshot 的 Kimi API 上線，每百萬 tokens 輸入 2 美元、輸出 10 美元，與 GPT-6.1 Sol 同價，約為 Claude Opus 5.5 的一半。目前尚未開放權重，官方承諾 2026 年 11 月 4 日發布完整模型權重。另有 Highspeed 版本，速度提升 2-3 倍、價格為兩倍，僅輸入命中快取部分保持同價。
Kimi K3.1 Pro 公開模型權重，是 K3.1 系列首個模型，由 Kimi K3 經大規模聯合強化學習後訓練而來。它採用 2.8T 總引數、104B 啟用引數的 MoE 架構，原生支援文字與影像，上下文長度 1048576 token，權重為 MXFP4、啟用為 MXFP8 的量化感知訓練。官方稱其在編碼、3D 創作、金融研究與事實準確性上明顯提升，Terminal-Bench 4.0 得 65.7、HLE-Full 帶工具 70.0、BrowseComp 92.1。
月之暗面正式推出 Kimi K3.1 Pro，這是 K3.1 系列的首個模型，引數量達 3 萬億，支援 100 萬 token 上下文。同時發布智慧水平一致、輸出速度約為普通版 2 到 3 倍的 Kimi K3.1 Pro Highspeed；兩款模型即日起上線 Kimi 網頁版、App、Kimi Work、Kimi Code 與 API，完整權重將於 11 月 4 日前發布。在 Artificial Analysis 智慧指數上，它以 55 分位列全球第四；
Kimi K3.1 Pro 很快將在 Ollama Cloud 上線，官方尚未給出具體日期。該服務在美國境內執行，並提供零資料留存（zero data retention）。Ollama 暫未公布該模型的上下文長度、價格或呼叫額度，上線後即可通過 Ollama Cloud 呼叫。
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。
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 K3.1 Pro 的模型權重已公開釋出，可在 Hugging Face 的 moonshotai/Kimi-K3.1-Pro 倉庫下載。該訊息由月之暗面（Moonshot）官方帳號發布，同時表示會繼續推進開放智慧。原文未提及模型引數規模、許可證與具體能力指標。
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 就 K3.1 Pro 訂閱計劃的限流和額度被無謂消耗致歉，並給所有套餐的每位訂閱者一次性重置 25% 月度額度，用量低於 25% 的歸零，相當於一週用量，用量條會在太平洋時間當天結束前更新。官方還調整了該計劃的引數，減少不必要的子代理呼叫與輸出長度，讓額度更耐用。官方表示這些問題由自身造成，本應更早修復。
Ollama 模型庫上線 Kimi K3.1 Pro。@ollama 在推文中提及 @Kimi_Moonshot，並附上 ollama.com/library/kimi-k3.1-pro 連結。推文未說明模型引數、量化版本、下載體積或本地執行所需硬體；讀者需通過該庫頁面檢視可用版本與具體使用方式。
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。
Kimi 上線 3D Make，使用者可在 Kimi 內連線 Blender 與 CAD 類工具完成 3D 創作。它支援建立模型、組裝場景和開發遊戲，覆蓋從單體模型到場景搭建再到遊戲製作的任務。功能已在 kimi.ai 與 Kimi Work 開放，公告未提及收費、額度或支援地區。
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%。
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；
llama.cpp 通過 PR #31779 加入 Kimi-K3.1-Pro 文字模型支援，視覺塔與 mm_projector 被跳過，目前僅支援文字。該模型 93 層中有 24 層把全注意力 MLA 換成 DSA，每層帶 lightning indexer（32 頭 × 128，top_k 2048，無 rope），KDA 線性注意力層與 K3 其餘骨架不變，因此複用 K3 計算圖和轉換器。
Kimi 現已支援連線 Gmail、Google Drive 和 Google Calendar，可用來總結 Gmail 郵件會話、在 Drive 中查詢檔案，以及藉助日曆安排當天日程。接入通過 OAuth 授權，權限由使用者自行控制，使用者可在 kimi.ai/plugins 試用這些外掛。
Kimi 官方發布了一份面向 3D 工作的使用教程，給出 5 條技巧，並配有分步操作演示。教程以網頁形式發布，地址為 kimi.ai/academy/3d-tutorial，內容圍繞如何藉助 Kimi 完成 3D 相關工作。原文未披露更多功能、價格或適用模型的資訊。
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。
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；