X @Kimi_Moonshot9/22 13:20AI 評分35
Kimi 瀏覽器擴充套件發布，可錄製步驟存為技能
Kimi 將原 Kimi WebBridge 更名為 Kimi Browser Extension，現已在 Chrome Web Store 和官網開放使用。使用者在瀏覽器側邊欄可與 Kimi 對話，讓它瀏覽網站、填寫表單並完成任務；重複性任務可錄製一次操作步驟並儲存為技能，下次由 Kimi 自動執行。
搜尋
找到 13 筆
X @Kimi_Moonshot8/11 09:20AI 評分40
Kimi K3 上線 Databricks 平台
月之暗面的 Kimi K3 模型現已在 Databricks 平台上線。這是該模型在 Databricks 上的正式可用狀態，具體呼叫方式、定價與區域限制原文未披露。
X @Kimi_Moonshot● 精選9/22 04:51AI 評分61
Kimi K3 上線 Amazon Bedrock，支援提示快取
月之暗面的 Kimi K3 已在 Amazon Bedrock 上線，可用於編碼、文件分析和長時 agent 工作流，並支援顯式 prompt caching。使用者可沿用 Bedrock 的訪問、加密與審計控制，通過 AWS 官方模型卡文件開始接入。
X @Kimi_Moonshot9/9 11:40AI 評分45
Kimi Work 上線遠端控制，可在手機上繼續任務
Kimi Work 現已上線 Remote Control 功能。使用者只需讓 Kimi Work 在電腦上保持執行，就能通過手機繼續推進任務，實現隨時隨地工作。目前官方未公布支援的具體平台、連線方式與使用限制。
X @Kimi_Moonshot8/19 08:35AI 評分34
Kimi Work 發布第二期教程，面向金融分析師
Moonshot 旗下 Kimi Work 發布第二期教程，演示三類投資研究任務：搭建即時投資者儀表盤、在電子表格中更新財務模型、批次處理並生成報告。教程由官方帳號 @Kimi_Moonshot 於 2026 年 8 月 19 日發布，官方表示後續還會推出更多 Kimi Work 工作流。
Kimi blog● 精選10/2 22:11AI 評分83
Kimi K2.6 開源，主打長程編碼與 agent swarm
Kimi K2.6 已開源，可通過 Kimi.ai、Kimi App、API 和 Kimi Code 使用，主打長程編碼、長時間執行與 agent swarm。官方稱其在內部 Kimi Code Bench 上較 K2.5 顯著提升：一個案例是在 Mac 上用 Zig 實現並最佳化推理，4000+ 次工具呼叫、連續執行 12 小時、14 輪迭代後吞吐從約 15 升至約 193 tokens/sec，比 LM Studio 快約 20%；
Kimi blog● 精選10/2 22:11AI 評分82
Kimi K3 發布：2.8T 引數開放模型，支援 100 萬 token 上下文
Kimi K3 是首個開放的 3T 級模型，2.8T 引數，帶原生視覺能力和 100 萬 token 上下文視窗，今日已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上線，預設使用 max thinking effort，低/高 effort 模式後續推出。完整模型權重將於 2026 年 7 月 27 日前發布。官方稱其整體效能仍落後於 Claude Fable 5 和 GPT 5.6 Sol，但在自家評測套件上達到前沿水平；
Kimi blog● 精選10/2 22:11AI 評分65
Kimi 推出 Agent Swarm，最多並行排程 100 個子代理
Kimi 發布 Agent Swarm，Kimi K2.5 最多可並行部署 100 個子代理、執行 1500 次以上工具呼叫，出結果比序列執行快 4.5 倍。它不只是多代理協作，而是讓模型自行組建有分工的組織：自己決定何時並行、招誰、如何委派，適合大規模檢索、批次下載、多檔案處理與多視角分析。
MLX LM releases● 精選2/4 21:27AI 評分79
MLX LM v0.30.6 發布：新增 Kimi-K2.5 與伺服器分散式推理
MLX LM 發布 v0.30.6，新增 Kimi-K2.5、LongCat Flash/Lite 和 Step 3.5 Flash 等模型支援，並引入 Transformers v5。服務端加入分散式推理，支援 chat_template_kwargs、top_logprobs 與載入自訂模型，同時新增 CLI。
Kimi blog● 精選10/2 22:11AI 評分65
Kimi 團隊開源 WorldVQA 多模態視覺世界知識基準
Kimi 團隊開源 WorldVQA，一個用 3500 組影像-問題對衡量多模態大模型視覺世界知識事實正確性的基準。資料分 9 大類，36% 中文、64% 英文，並區分常見（Head）與長尾（Tail）知識，全部經過多階段人工校驗。測試顯示前沿模型長尾題準確率常低於 50%，且普遍過度自信：表現最好的 Kimi-K2.5 校準誤差 ECE 為 37.9%、斜率 0.550，距理想值仍有明顯差距。資料集與評測指令碼已開源。
MLX LM releases● 精選2/12 18:40AI 評分84
v0.30.7 發布：修復 Kimi Linear、DeepSeek V3.2，新增 GLM5 與 Qwen3.5
2026 年 2 月 12 日發布的 v0.30.7 修復了 Kimi Linear 與 DeepSeek V3.2 的 indexer 和權重載入問題，並加快 DSV32 生成速度。這一版新增 GLM5、不含視覺能力的 Qwen3.5 系列與 LongCat MLA 支援，LFM2 模型可用 Pythonic 方式呼叫工具，另加入 Mistral 工具解析器。訓練流程中的驗證集改為可選，還有一項為下一版本提號的版本號變更。
Kimi blog● 精選10/2 22:11AI 評分65
Kimi Team 發布 PerceptionBench，評估 MLLM 原子視覺感知
Kimi Team 發布 PerceptionBench，一個把視覺感知拆成原子能力來評估的 MLLM 基準。它從 42 個基準的前沿模型失敗中歸納出 10 類原子感知能力，構造併發布 3,000 道已驗證題（內部池 17,000+），60% 來自模型失敗分解，40% 新寫，覆蓋視覺關係、計數、屬性、深度與 3D、定位、比較、細粒度識別、上下文整合、OCR、幻覺。測試 16 個前沿 MLLM，無一達到 60% 準確率，幻覺平均是最弱能力；總分接近的模型在具體感知上可能差異很大。
X @awnihannun7/21 01:13AI 評分36
蘋果每年付 Google 十億用 Gemini，有人稱 GLM 5.2 免費更強
Awni Hannun 指出，蘋果每年向 Google 支付約十億美元使用 Gemini，而他認為可以免費獲得更好的模型，即 GLM 5.2 以及即將發布的 Kimi K3。這條推文只對比了付費與免費模型，未說明蘋果為何選擇 Gemini，也未給出效能資料或發布時間。