Kimi是由北京月之暗面科技有限公司（Moonshot AI）开发的一款对话式AI助手。以下是关于Kimi的详细介绍：
基本信息
推出时间：2023年10月9日，Kimi Chat正式推出，并在随后不断进行更新和功能升级。
开发公司：北京月之暗面科技有限公司（Moonshot AI），是一家专注于人工智能技术的科技公司，致力于通过技术创新推动AI行业的发展。
访问方式：用户可以通过浏览器访问Kimi官网进行对话问答、智能搜索和文件解析等操作。同时，Kimi也提供iOS和Android平台的移动应用，方便用户在手机或平板等移动设备上使用。
核心功能
超长文本处理能力：Kimi最初支持20万汉字输入，后升级至惊人的200万汉字无损上下文窗口长度，这一特性使其在全球范围内成为罕见的超长文本处理工具。用户无需担心信息遗漏或断章取义，可以尽情上传文档、文章或聊天记录，让Kimi进行深入解读和智能分析。
智能搜索与高效阅读：Kimi能够实时搜索信息，迅速整合并提供详尽的回答，同时给出信息来源，确保对话的丰富性和准确性。它还能快速摘要长文本，帮助用户精准理解文献、报告、合同等复杂内容。
专业文件解读与资料整理：无论是金融分析、法律咨询还是市场调研等领域的文件，Kimi都能提供专业水准的支持。它能够智能识别和整理复杂冗长的资料，自动提取关键点，简化资料整理工作，提高工作效率。
辅助创作与编程助手：Kimi不仅可以根据用户提供的内容创作文案、文章、周报等，还能辅助编程，包括阅读API文档、生成代码、快速Debug等。它支持多种编程语言，是程序员和创作者的得力助手。
应用场景
学术研究：Kimi可以帮助学者快速阅读并深入理解大量文献，用母语掌握文献的精髓，解释复杂学术概念，分析研究结果，撰写论文，回应审稿人的建议。
互联网行业：对于互联网从业者而言，Kimi是一个高效的信息搜集和分析工具。它可以辅助竞品分析、运营策划等方案撰写，并提供洞察。
法律领域：法律从业人员可以利用Kimi高效处理大量案件资料、整理证据、梳理法律政策，协助撰写法律文书和报告，提升工作效率。
内容创作：自媒体与内容创作者可以借助Kimi学习特定公众号、文件、网页链接的风格，辅助创作；快速搜集创作所需信息，提供丰富的资料与灵感。
总之，Kimi作为一款先进的对话式AI助手，凭借其强大的功能和广泛的应用场景，为用户提供了高效、便捷的智能服务体验。随着技术的不断发展，Kimi有望在未来发挥更大的作用，为更多领域的用户提供智能化支持。
Kimi K3 今日正式发布，Moonshot 官方官宣，2.8万亿参数 MoE 架构，百万上下文窗口，原生多模态能力，7月27日开放模型权重。
网上已有声音称其在多项基准测试中超越 Fable，翻完官方基准数据图后会发现，这是选择性解读的结论。
真实情况是，K3 在 Terminal Bench 2.1 得分88.3对比84.6，Automation Bench 得分30.8对比29.1，BrowseComp 得分91.2对比88.0，这几个特定智能体场景上确实领先。
但在 DeepSWE，FrontierSWE，GDPval-AA v2 Elo，AA-Briefcase Elo，CharXiv 这些更综合的智能体指标上，Fable 5 整体表现依然更稳定。
它并非实现全面超越，而是在自身定义的长上下文智能体编码赛道上打出了存在感。
但基准测试表现并不是这条新闻里最值得关注的部分。
最有价值的信息藏在定价策略里。
K3 的 API 定价为输入每百万 tokens 15美元，这个价格对应的档位，正处于 GPT-5.5 和 Claude Opus 系列的价格区间，这不是开源模型的低价路线，而是前沿闭源模型的定价标准。
一款中国开放权重模型，主动放弃了低价这张传统王牌。
Moonshot 将价格拉至前沿模型区间，等于公开传递出一个信号，我们不比拼性价比高低，我们比拼在长周期智能体编码场景下的价值匹配度。
这是第一次出现这样的转向，此前中国模型的主流路线是能力强，价格低，加开源的性价比打法，K2 系列走的正是这条路径。
K3 切换了一条完全不同的路线。
这条路不再是性价比路线，而是场景定价路线，底层逻辑彻底改变，不再是我比 Fable 便宜所以你该选我，而是在长上下文智能体编码这个特定场景下，我的价值值得你支付前沿模型的价格。
这个转变不是营销话术的更新，而是将产品信心押注在了一个狭窄但高价值的垂直赛道上。
看看他们为这个赛道做的底层布局就知道。
两项架构级创新支撑起这个定位，KDA 混合线性注意力，在百万 token 上下文下解码速度最高提升6.3倍，AttnRes 注意力残差，训练效率提升约25%，额外成本不到2%。
这两项创新不是为了炫技的纸面突破，每一项都精准命中长上下文智能体的核心痛点，Transformer 架构在百万 token 下推理太慢，训练成本太高，KDA 解决推理速度问题，AttnRes 解决训练效率问题，合在一起解决的核心问题是，让一个2.8T参数的模型，在需要长时间记忆和多步迭代的智能体工作流里，能稳定运行，跑得够快，成本可控。
这就是他们敢把定价拉到前沿区间的核心底气。
不是参数规模更大所以更值钱，而是在长上下文智能体编码这个即将成为主战场的赛道上，他们的架构为场景量身定制，通用架构做不到同等效率。
这个赌注自然存在风险。
Fable 5 在很多通用智能体任务上表现依然更稳，K3 的优势集中在自身定义的赛道范围内，如果市场不为专门为智能体编码优化的模型品类买单，每百万输出15美元的价格很难长期站稳。
但这个方向的判断是对的。
中国 AI 这些年一直在走同一条路径，硬件受限倒逼架构创新，快速开源用开放生态反哺迭代，K2 系列验证了这条路能够跑通，K3 则把这个模式做了升级，不只是在受限硬件上做出好模型，更是做出好模型之后，敢于在定价上和前沿闭源模型站在同一起跑线。
这对正在搭建智能体系统的开发者来说，信号非常实际。
7月27日权重开放后，你能拿到一个真正前沿规模，为长时程智能体场景定制的基座模型，百万上下文加 KDA 加速加持，SWE Marathon 42.0 领先，Automation Bench 30.8 领先，把它接入自己的智能体技术栈运行自进化工作流，做长上下文蒸馏，完成复杂认知任务的结构化输出，这些事以前要么用闭源 API 成本太高，要么用开源模型上下文长度和速度跟不上。
K3 是第一个同时提供前沿智能体编码能力，百万上下文，开放权重，可商用的选项。
最后做一个总结。
Moonshot 将 K3 的定价拉至前沿区间，不是一个简单的价格决策，而是一份明确的定位声明，中国开放权重模型不再只是高性价比的替代品，它们开始要求在自己擅长的赛道上，和闭源前沿模型平起平坐。
这个诉求能不能被市场接受，要看7月27日权重开放后的实际落地表现。
但有一点已经非常清晰，在长周期智能体编码这条赛道上，有一家中国公司认为自己的产品，不再需要靠低价来获取市场。
4月7日消息，Kimi开放平台于今日正式宣布，依托Moonshot AI过去一年的技术沉淀与性能优化成果，自北京时间2025年4月7日0时起，对Kimi开放平台所提供的模型推理服务价格进行了调整。具体调整详情如下：
完美岛ai特别说明：kimi-latest模型在自动缓存后的价格维持不变，依旧为￥1 / M Tokens。
关于上下文缓存的价格调整方案，具体内容如下：
Kimi开放平台方面表示：“凭借技术创新，我们顺利实现了模型推理成本的降低以及推理速度的提升。这不仅使得模型能够更迅速地响应用户的需求，还为用户带来了更为流畅的使用体验。与此同时，成本的降低让我们得以将这一优势直接体现在Tokens的定价上，从而让用户能够以更加实惠的价格享受到高品质的语言模型服务。”
On April 7th, it was announced that the Kimi Open Platform has officially announced that, relying on the technological advancements and performance optimizations of Moonshot AI over the past year, starting from 0:00 Beijing time on April 7th, 2025, adjustments have been made to the pricing of the model inference services provided by the Kimi Open Platform. The details of the adjustments are as follows:
Perfect Island AI would like to clarify: The price of the kimi-latest model remains unchanged at ￥1 / M Tokens after automatic caching.
Regarding the price adjustment scheme for contextual caching, the specific content is as follows:
The Kimi Open Platform stated, “Through technological innovation, we have successfully reduced the inference cost of the model and improved its inference speed. This not only enables the model to respond to user demands more quickly but also provides users with a smoother experience. At the same time, the reduction in cost allows us to directly reflect this advantage in the pricing of Tokens, thereby enabling users to enjoy high-quality language model services at more affordable prices.”
