英伟达工程师用智能体辅助1.2万行代码优化Kimi K3，人类逐行审查面临瓶颈
英伟达工程师 Benjamin Chislett 在智能体辅助下用 1.2 万行 CuTe DSL 编写 Megakernel，大幅提升月之暗面 Kimi K3 的推理速度。
推荐理由：以 Kimi K3 的 Megakernel 优化为切口，呈现智能体编写复杂 GPU 内核后，团队以隔离变更和系统验证应对审查压力。
公司与模型
Kimi / 月之暗面 最新动态
月之暗面的 Kimi 产品更新、K 系列开源模型与长文本技术进展。
19 条精选近 30 天 14 条共收录 21 条
更新
Kimi / 月之暗面的精选
钛媒体精选AI 评分7676
钛媒体精选AI 评分8080 Kimi K3.1 Pro发布后遭遇额度成本争议与全球化难题
数智奔流通过五项创作任务实测Kimi K3.1 Pro，并分析其能力升级后面临的额度成本与全球化难题。模型在Artificial Analysis智能指数测试中得分55，位列全球第四、开源模型第一；API输入价格从每百万Token 20元降至13元，输出价格从100元降至68元。
推荐理由：五项创作任务的额度对比显示，机械键盘仅消耗1.46%，多轮修改的《桃花源记》达6.91%，为评估K3.1 Pro实际成本提供具体参照。
钛媒体精选AI 评分7878 Kimi K3.1 Pro额度消耗过快，Anthropic提出单Agent循环方案
Anthropic提出面向多数任务的单Agent循环方案，并开源single-agent-loop-kit，以减少多Agent架构带来的token消耗。其文章称，带技能的单Agent在多家企业的Claude部署中质量更高，单任务成本和延迟往往更低；多Agent系统的token消耗约为普通对话的15倍，把子Agent按需加载为技能可削减80%以上的系统提示词。
推荐理由：文章以多Agent约15倍token消耗和技能方案可削减80%以上的系统提示词为依据，梳理单Agent架构的成本收益。
Hacker News精选AI 评分7171 vLLM 如何通过约束解码修复 Kimi K2.6 与 DeepSeek V4 Flash 的工具调用准确率问题
Ubicloud 在 vLLM 中启用约束解码后，Kimi K2.6 与 DeepSeek V4 Flash 的工具调用 schema 准确率从 92% 提升至 100%。
推荐理由：文章拆解了 vLLM 约束解码的接入方式与多模型兼容风险，并给出工具调用 schema 准确率从 92% 提升至 100% 的实测结果。
Hacker News精选AI 评分5959 Cerebras 介绍在 WSE-3T 上部署万亿参数 AI 模型的方法
Cerebras 介绍如何将万亿参数模型拆分到多块 WSE-3T 晶圆，并通过流水线运行达到 1000-2000+ tokens per second。以开源模型 Kimi K3 为例，3T 参数模型采用 4-bit 权重量化和 8-bit KV cache，按 69 个线性注意力层与 24 个稠密层映射到 59 块晶圆。
推荐理由：以 Kimi K3 为例拆解 59 块晶圆的模型映射、流水线并发与 KV cache 容量计算，为评估超大模型推理部署提供可复用方法。
36氪精选AI 评分4343 腾讯 WorkBuddy 接入 Kimi-K3.1-Pro 及高速版
腾讯 WorkBuddy 宣布已接入 Kimi-K3.1-Pro，并同步接入 Kimi K3.1 Pro Highspeed。据介绍，高速版保持同等智能，输出速度约2-3倍。目前资源紧张，现阶段仅对“企业旗舰版”及“个人订阅用户”优先开放。
推荐理由：材料对比了高速版约2-3倍输出速度，并说明资源紧张下的优先开放范围，便于读者评估接入价值与使用限制。
The Decoder精选AI 评分8181 月之暗面发布 Kimi K3.1 Pro 推理模型，位列 Artificial Analysis 智能指数第四
月之暗面发布 Kimi K3.1 Pro 推理模型，在 Artificial Analysis Intelligence Index 得分 55，排名第四，距离榜首 Claude Opus 5.5 的 58 分仅差 3 分。
推荐理由：文章汇总 Kimi K3.1 Pro 的榜单表现、速度、价格与安全数据，并与 Claude Opus 5.5 等模型对照，呈现其相对能力与取舍。
Hacker News精选AI 评分8686 Kimi 发布 K3.1 Pro 与 K3.1 Pro Highspeed
Kimi 发布 Kimi K3.1 Pro 和 Kimi K3.1 Pro Highspeed，前者提供 1-million-token 上下文窗口，后者速度为前者的 2-3×。
推荐理由：文章披露高速版速度、长上下文和多组基准表现，同时说明开放权重时间表与网络安全控制措施，便于判断产品定位。
36氪精选AI 评分2626 多方消息称 Kimi 即将发布 K3.1 并发布预热视频
据多方信源消息，Kimi（月之暗面）即将发布最新大模型 K3.1，并发布相关预热视频。目前 AI 行业不少开发者已经关注到这一更新并展开讨论。
推荐理由：材料提供了 K3.1 的发布传闻与预热视频线索，也提到开发者的关注反馈，可作为追踪月之暗面后续模型更新的背景参考。
钛媒体精选AI 评分6565 600亿元国家AI基金投向DeepSeek、月之暗面等至少八家企业
600.6亿元国家人工智能产业投资基金已有至少八笔投资公开披露，覆盖模型、应用、具身智能、算力芯片与AI安全五个环节。公开项目包括 DeepSeek、月之暗面（Kimi）、可灵AI、新石器、银河通用、新芯航途、长亭科技和沐曦。可查出资合计约54亿元，占基金规模不足一成，官方尚未披露完整被投名单。
推荐理由：将上市公司公告、工商登记和融资报道交叉整理成八笔投资清单，并对照 600.6 亿元规模呈现资金流向与集中度。
钛媒体精选AI 评分4141 Kimi 与 DeepSeek，差异越来越明显
钛媒体专栏文章系统对比了 Kimi 与 DeepSeek 在 2026 年的走向，指出二者在融资估值、收入结构、技术路线、商业化策略、组织形态和上市目的地六个维度上已经分道扬镳。Kimi 走产品公司路线，以 API 收入和 FDE 生态锁定客户、冲刺港股 IPO；DeepSeek 走研究机构路线，以效率工程、国产芯片适配和开源生态构建基础设施叙事，目标科创板上市。
推荐理由：文章从融资、收入、技术路线、商业化策略和组织形态六个维度，对比 Kimi 与 DeepSeek 在 2026 年的走向差异。
钛媒体精选AI 评分5454 17岁陈广宇离开月之暗面Kimi
月之暗面Kimi团队17岁研究者陈广宇10月15日在X宣布离职，并透露将前往海湾区。他是Attention Residuals（AttnRes）论文共同一作，该技术是Kimi K3模型架构的底座之一，Kimi K3于2026年7月发布，被介绍为全球首个开放权重的3T级模型。
推荐理由：通过17岁AttnRes共同一作离开Kimi的事件，呈现非典型人才与AI实验室之间的匹配难题与组织代价。
钛媒体精选AI 评分3737 钛媒体数智周报：GPT-6 全球上线，Claude Haiku 5.5 降价约 75%
OpenAI 宣布搭载智能界面的 GPT-6 向 ChatGPT Plus、Pro、Business 与 Enterprise 用户推送，并将扩展至 Free 与 Go 用户。
推荐理由：Anthropic 将 Haiku 5.5 每百万 token 输入输出价压至 0.10/0.50 美元，约为上一代的四分之一，是本周模型定价层面变化最显著的一条。
36氪精选AI 评分2929 月之暗面注册资本增至约1437万人民币
36氪从天眼查获悉，月之暗面科技股份有限公司近日将注册资本由约1157.53万人民币增至约1437.23万人民币，增幅约24%。该公司成立于2023年4月，法定代表人为杨植麟，股东包括杨植麟、周昕宇及深圳和谐成长三期科技发展股权投资基金合伙企业等。今年以来公司已多次增资，注册资本从100万人民币增至约1437.23万人民币。
推荐理由：原文披露了月之暗面今年多次增资的轨迹，可作为观察这家公司资本动作节奏的一处旁证。
Kimi (Moonshot)精选AI 评分7979 月之暗面开源发布 Kimi K3：2.8T 参数原生多模态智能体模型
月之暗面（Kimi）发布开源原生多模态智能体模型 Kimi K3，总参数 2.8T、激活 104B，原生支持文本、图像与视频，配备 1M token 上下文窗口。
推荐理由：Kimi K3 以 2.8T 参数和原生多模态设计开放权重，并在推理、编码与智能体多项基准上与 Claude Fable 5、GPT-5.6 Sol 等前沿模型直接对比，读者可据此查看其相对位置。
Kimi (Moonshot)精选AI 评分6161 Kimi K2.7 Code 发布：相对 K2.6 减少约 30% 思考 token 的编码智能体模型
Moonshot AI 发布 Kimi K2.7 Code 编码智能体模型，基于 K2.6 改进主打长周期编码端到端能力，思考 token 相比 K2.6 减少约 30%。
推荐理由：原文给出 K2.7 Code 相对 K2.6 的 token 效率改进，以及与 GPT-5.5、Opus 4.8 在编程和智能体基准上的对比数据。
Kimi (Moonshot)精选AI 评分7474 Kimi K2.6 开源发布：支持 300 子智能体协同，主打长程编码与原生多模态
Kimi K2.6 开源发布，定位原生多模态智能体模型，重点强化长程编码、代码驱动的界面设计与 Agent Swarm 多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向扩展至 300 个子智能体执行 4000 步协同任务，并在单次自主运行中产出文档、网页、表格等端到端结果。
推荐理由：原文给出 K2.6 与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 在 Agentic、编码、推理、视觉四类基准的多维对比，可作为开源前沿模型与闭源旗舰能力差距的一手参考。
Kimi (Moonshot)精选AI 评分7676 Moonshot AI 开源发布原生多模态智能体模型 Kimi K2.5
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练，支持即时与思考双模式及 Agent Swarm 协同执行。
推荐理由：原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力，并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。
Kimi (Moonshot)精选AI 评分7979 月之暗面发布开源思考模型 Kimi K2 Thinking
Kimi K2 Thinking 是月之暗面（Moonshot AI）发布的开源思考模型，采用 MoE 架构，总参数 1T、激活 32B，原生支持 256k 上下文与 INT4 量化推理。
推荐理由：给出了K2 Thinking在推理、Agent搜索和代码任务上与GPT-5等多款主流模型的对照成绩，便于横向比较当前开源思考模型的水平。