一句话答案：Kimi 不是一个固定模型，而是 Moonshot AI 面向普通用户和开发者提供的一组产品入口：网页/App 的 Chat、能调用工具完成任务的 Agent、面向大工作量并行任务的 K3 Cluster、编程产品 Kimi Code、云端 API，以及开放模型权重。截至 2026 年 7 月 29 日，K2.6 仍适合快速问答，K3 是复杂对话、视觉、Agent 与 K3 API 的旗舰模型；K3 完整权重已经发布，但约 1.56TB 的文件规模决定了“可下载”不等于普通电脑可以部署。
Kimi、Moonshot AI 与 Kimi K2 是什么关系？
Kimi 官方新手指南把 Kimi 定义为 Moonshot 自主研发的 AI 智能助手，支持联网搜索、思考、多模态和长文本会话；Kimi 开放平台则向开发者提供模型 API。两者都可以使用 Kimi 模型能力，但网页版按钮、会员权益和 Agent 工具不等于 API 请求参数，也不等于你下载到本地的权重。
开放模型方面，Kimi K2 官方仓库记录了 K2 Base、Instruct 与 Thinking 路线；Kimi K2.6 官方模型卡提供多模态与 Agent 能力的开放权重；Kimi K2.7 Code 模型卡明确它建立在 K2.6 之上，面向长程软件工程任务。K3 产品与 API 于 7 月 16 日发布，随后 Moonshot AI 已在官方 Kimi K3 仓库和官方 Hugging Face 模型页放出完整权重、模型卡、配置和部署入口。官方模型表列出 2.8T 总参数、104B 激活参数、MXFP4 权重与最高 1,048,576 token 上下文；Hugging Face 文件树约 1.56TB、包含 96 个权重分片。本文没有实际下载或运行这套权重，因此只确认“官方文件可下载”，不声称本站完成了本地部署或性能实测。
| 名称 | 它是什么 | 适合解决什么 | 不能直接外推什么 |
|---|---|---|---|
| Kimi Chat | 网页/App 的普通会话入口 | 问答、搜索、写作、文件问答和轻量分析 | 不能由界面品牌名推断固定模型、上下文或永久免费额度 |
| Kimi Agent | 能规划并调用工具的任务模式 | 研究、文档、表格、PPT、网站和多步执行 | 不是每个 Chat 回答都调用了工具，也不保证结果自动正确 |
| Agent Swarm | 并行调度多个子智能体的 Beta 产品 | 大规模搜索、批处理、多文件交付 | 官方不同帮助页存在数量口径差异，不能只引用最大的宣传数字 |
| Kimi Code | CLI、VS Code 等开发者编程入口 | 阅读仓库、修改代码、运行命令和长任务 | 产品额度、权限与开放权重许可证是三件事 |
kimi-k2.6 API |
开放平台当前通用多模态模型 ID | 对话、视觉、代码、思考和工具调用集成 | API 不会自动继承网页版的文件、搜索或会员工作流 |
| K2.6 | 快速问答模型选项；亦有开放权重 | 对话、短任务，以及维护现有 K2.6 集成 | Chat 中不耗会员额度不能外推到 Kimi Work 或 API |
| K3 / K3 API | 旗舰模型与开放平台模型 ID kimi-k3 |
复杂对话、视觉、Agent、结构化输出和长程任务 | 最高 1M 上下文与具体会员、计费、限速和产品入口有关 |
| K2.7 Code / K3 权重 | 代码专项旧路线与已发布的 K3 完整权重 | 研究、自建推理和生态适配 | K3 文件树约 1.56TB；下载可用不等于单机可运行或部署已验证 |
Chat、Agent、Agent Swarm、Kimi Code 与 API 怎么选？
最稳妥的方法不是问“哪个最强”，而是先写清交付物和失败成本。普通聊天适合快速获得草稿；Agent 适合让系统调用工具生成文件；Swarm 适合可以拆成多个相对独立子任务的批量工作；Kimi Code 面向代码库；API 面向需要稳定输入输出、日志、权限与回归测试的业务系统；开放权重只适合能够承担推理基础设施和许可证责任的团队。
| 你的任务 | 优先入口 | 开始前提供什么 | 完成后检查什么 |
|---|---|---|---|
| 临时问答、改写或解释 | Chat | 目标、受众、必要背景与输出格式 | 事实、引用、遗漏、时效和不确定性 |
| 生成报告、表格、PPT 或网站 | Agent | 输入文件、字段、模板、截止条件和禁止事项 | 文件可打开、字段完整、计算可复算、来源可追踪 |
| 大规模搜索或批量收集 | Agent Swarm | 可并行的子任务、去重规则、来源等级和停止条件 | 覆盖率、重复项、失败子任务、来源日期和合并错误 |
| 修改真实代码仓库 | Kimi Code | 仓库、测试命令、权限边界、目标分支和回滚规则 | diff、测试、依赖、安全扫描、密钥泄漏与可回滚性 |
| 接入自己的产品 | API | 模型 ID、消息 schema、工具、超时、预算与数据分类 | 响应 schema、错误处理、token、延迟、质量回归和审计日志 |
| 离线或自主管理推理 | 开放权重 | GPU/集群、推理引擎、权重 revision、许可证与运维能力 | 权重哈希、量化误差、吞吐、故障恢复和安全隔离 |
Agent 功能与限制说明复杂任务可能需要后台执行，应拆成阶段，并关注上下文与输出平衡；Kimi Code 文档索引则把 CLI、VS Code、上下文管理和第三方 Coding Agent 分开。若任务会修改生产数据、发送消息或部署网站，还应先参考站内的AI 智能体权限与治理指南，设置只读、审批、日志和回滚。
K2.5、K2.6、K2.7 Code 与 K3 有什么区别？
Kimi K2.5 官方仓库将它描述为原生多模态 Agent 模型，支持思考/非思考、图像/视频和工具任务。随后发布的 K2.6 延续 K2 家族并强化代码和长程 Agent；K2.7 Code 是代码专项变体。7 月 16 日发布的 K3 则成为当前旗舰，官方写明 2.8 万亿总参数、原生视觉、最高 1M token 上下文，并面向长程编程、知识工作与推理。版本号只代表产品演进，迁移仍要按具体模型 ID、接口和真值集验证。
| 版本 | 官方定位 | 当前选择建议 | 必须重新验证 |
|---|---|---|---|
| K2.5 | 原生多模态与 Agent，提供思考/非思考模式 | 复现实验或维护已锁定的 K2.5 系统 | revision、推理引擎、模板、工具消息和视频支持范围 |
| K2.6 | 当前通用 API 主模型；文本、图像、视频、思考和工具调用 | 新的通用 API 与多模态 Agent 基线 | 思考模式与 tool_choice、reasoning_content、内置搜索兼容性 |
| K2.7 Code | 基于 K2.6 的代码专项 Agent 权重 | 长程软件工程候选，与 K2.6 在同一仓库任务集上对照 | 非代码任务退化、模板、服务框架、许可证和资源成本 |
| K3 | 旗舰模型；原生视觉、始终思考、最高 1M 上下文 | 新的复杂 Agent、知识工作、视觉与长程编程候选 | 产品额度、API 价格、effort、完整权重和部署条件 |
K3 API 始终开启思考，支持顶层 reasoning_effort 的 low、high、max 三档，默认 max；多轮与工具调用时必须保留完整 assistant message。K2.6 的思考开关与工具兼容规则不同，生产环境不能只把模型 ID 从旧值替换为 kimi-k3。详细选择、价格与迁移检查见站内的K3、K2.6 与 K3 Cluster 对比。
“200 万字”“256K 上下文”和“10 万汉字”为什么会同时出现？
这些数字来自不同时间、不同计量单位和不同产品模式。旧版 Kimi 曾以汉字口径宣传长文本；K2.6 与产品 Chat/Agent 有各自口径；K3 官方写明最高 1M token，但产品帮助页同时把最高窗口与会员权益关联。token 与汉字没有固定一比一关系，文件解析、图片 OCR、系统提示、工具结果、对话历史、推理和模型输出都可能占用窗口。
因此，长文档验收不能只看“上传成功”。建议为每个文件记录页数、字节、解析后字符/token、页码或段落 ID，并在开头、中间和结尾各埋入可核对问题。若模型答不出中间证据，应先缩小输入或建立检索流程，而不是宣称模型“不会中间遗忘”。需要把大量私有资料接入稳定问答时，可参考站内的Haystack RAG 与检索评测指南。
| 检查项 | 最低记录 | 失败信号 | 修复方向 |
|---|---|---|---|
| 输入身份 | 文件名、哈希、页数、解析时间 | 拿错版本或重复文件 | 先去重并锁定快照 |
| 解析覆盖 | 每页字符数、表格/图片/OCR状态 | 空白页、乱码、表格列错位 | 分类型解析并保存原页区域 |
| 证据召回 | 头/中/尾问题与页码答案 | 只会总结开头、引用错页 | 分块、检索、缩短历史 |
| 字段正确 | 逐字段真值与允许误差 | 数字、日期、主体被补全 | 规则校验、双模型或人工复核 |
| 引用可达 | URL、标题、日期、原文片段位置 | 链接与结论无关或来源过期 | 回到一手来源逐条打开 |
| 可复现 | 模式、模型、提示、参数、日期 | 同任务无法解释地漂移 | 固定 API 模型与回归集 |
Kimi 的免费、会员、API 与本地部署成本如何比较？
四条路线的成本单位不同，不能只比较一个月费数字。普通 Chat 当前不从会员 Agent 额度池扣除，但具体频控以页面提示为准；会员说明将 Agent、深度研究、办公和 Kimi Code 等权益按套餐或额度池管理；API 定价说明按输入、输出、缓存 token 和附加工具计费；本地权重则产生 GPU、存储、网络、运维与故障成本。
| 路线 | 主要成本单位 | 容易漏算 | 适合的预算控制 |
|---|---|---|---|
| 普通 Chat | 账号频控与等待时间 | 重试、人工核验、功能变化 | 只处理低风险临时任务 |
| 会员/Agent | 月费、共享额度与单项次数 | 复杂任务消耗、并发档位、失败任务 | 先用代表性任务估算一个周期 |
| API | 输入/输出/缓存 token 与工具调用 | 系统提示、历史、重试、搜索和日志 | 单个有效任务成本 + 月度预算上限 |
| 开放权重 | GPU 小时、存储、带宽与人力 | 量化质量、冗余、升级和安全响应 | 固定工作负载压测后算总拥有成本 |
价格与额度属于强时效数据，本文不把当前套餐数字写成长期承诺。实际采购时保存价格页截图或账单日期，并用“成功完成一个符合质量门槛的任务”作为分母。只看每百万 token 单价，会漏掉长输出、重试、人工返工和工具费用。
开发者怎样建立最小可复现 API 调用？
官方 Chat Completions 文档使用与 OpenAI SDK 兼容的接口。下面的 canary 只发送低风险文本，验证模型 ID、响应结构和用量字段；它不是性能测试，也不会替你验证联网搜索或工具调用。密钥只能放在环境变量中，不能写入 WordPress、截图、日志或前端 JavaScript。
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.cn/v1",
)
response = client.chat.completions.create(
model="kimi-k3",
reasoning_effort="low",
messages=[
{"role": "system", "content": "只回答输入中明确给出的事实。"},
{"role": "user", "content": "资料：项目代号为蓝鲸，截止日期为7月31日。请返回JSON。"},
],
max_tokens=128,
)
print(response.model)
print(response.choices[0].message.content)
print(response.usage)验收时不要只看是否返回 200。应检查 JSON 是否可解析、字段是否来自输入、模型名是否符合预期、token 用量是否出现、错误是否能安全重试。加入工具后，再分别测试超时、重复调用、越权参数、工具失败与幂等性。若需要把检索和生成拆成可审计流水线，可继续阅读RAG Pipeline 生产验收；若在本地、云端或混合部署间选择，可参考大模型部署决策指南。
隐私、记忆与开放权重许可证有哪些边界？
记忆空间说明表示，用户可查看、关闭或删除记忆，且“记忆”本身不用于模型训练；这句话不能自动外推为所有聊天、上传文件、Agent 工作区和 API 数据都遵循完全相同政策。处理身份证件、健康、合同、未公开代码或客户数据前，应重新阅读当前隐私政策、企业协议和对应产品的数据条款，并做最小化、脱敏和授权。
删除也要区分对象：删除记忆、删除某段对话、删除 Agent 工作区和注销账号不是同一操作。对组织数据，不能把个人界面里的“删除成功”当作合规销毁证明；应保存数据清单、处理者、保留期限、备份与审计要求。
开放权重方面，K2.6 与 K2.7 Code 模型卡标注 Modified MIT，并包含第三方声明；K3 使用单独的Kimi K3 License，不能沿用 K2 系列许可证。该许可证允许使用、修改、部署和再分发，但对年收入超过 2000 万美元的 Model-as-a-Service 经营者设置单独协议要求，并对月活超过 1 亿或月收入超过 2000 万美元的商业产品设置显著展示“Kimi K3”的条件；内部使用及通过官方产品或认证推理伙伴访问另有例外。团队应由法务按完整原文判断自身场景，并保存具体 revision、LICENSE、第三方声明和权重哈希；“开放权重”不等于没有商标、输出责任、第三方组件或所在地法律限制。不了解量化和权重格式时，可先阅读站内的模型量化说明与Hugging Face 平台指南。
怎样验证 Kimi 的搜索、文档与 Agent 结果？
- 定义完成标准：写清交付格式、必备字段、事实截止日期、允许误差和禁止动作。
- 建立小型真值集：选 10–30 个能人工确认的代表样本，包含正常、边界、反例和敏感输入。
- 保存输入证据：文件哈希、提示词、模式、模型、套餐、工具、参数与执行时间必须可追溯。
- 逐字段核验：把回答拆成事实、计算、引用、推断和行动；推断不得伪装成来源事实。
- 测试失败路径：断网、工具超时、文件解析失败、上下文过长、额度耗尽和人工中断都要有返回状态。
- 受控扩大：先只读，再沙箱写入，再人工审批，最后才允许低风险自动化；持续监控质量与成本。
联网回答带链接也不代表结论已经核实。至少打开关键来源，核对主体、日期、统计口径和原文是否支持结论。站内的Perplexity 引用核验方法同样适用于 Kimi 搜索结果：引用是线索，不是证明。
常见故障如何定位？
| 症状 | 先检查 | 常见原因 | 处理 |
|---|---|---|---|
| 长文档只回答前几页 | 解析页数、token、历史与输出预算 | 窗口被系统提示/历史占用或中间证据未召回 | 分块、页码索引、检索和头中尾探针 |
| Agent 卡住或一直执行 | 任务进度、工具日志、额度与停止按钮 | 子任务过大、工具失败或后台仍在运行 | 按官方建议拆成 2–3 阶段；不要盲目重复提交 |
| API 工具调用报错 | 模型、effort、tool_choice、完整 assistant message | 把 K2.6 的思考开关和工具规则直接套到 K3 | 回到当前 K3 快速开始，建立单工具 canary |
| 网页与 API 回答不同 | 模型 ID、模式、搜索、系统提示与历史 | 两个入口不是同一执行链 | 不要比较品牌名；固定 API 请求做回归 |
| 本地权重无法装入 | 总参数、量化、GPU/内存、推理引擎 | 把 32B 激活参数误当作 32B 总权重 | 按官方部署矩阵估算完整权重与 KV cache |
| 引用存在但结论错误 | 原文、发布日期、主体和口径 | 搜索摘要误读、来源冲突或模型补全 | 优先一手来源，保留不确定与人工复核 |
常见问题
Kimi 现在还是“长文本助手”吗？
长文本仍是能力之一，但当前产品已经覆盖普通会话、搜索、多模态、Agent、Swarm、办公、Kimi Code 与 API。仅用“长文本助手”描述它会遗漏主要入口，也容易把旧字符口径误当作当前所有模式的统一限制。
K3 是否已经取代 K2.6 和 K2.7 Code？
没有简单的一刀切。K2.6 仍适合快速问答，K2.7 Code 仍可用于锁定旧权重和代码任务实验；K3 是当前复杂对话、Agent 与新 API 集成的旗舰候选。现有系统应按模型 ID、接口差异、价格和真值集迁移，不要只因版本号更高就全量切换。
Kimi 能一次处理 200 万汉字吗？
不能把旧宣传口径当成当前所有产品的保证。K3 最高 1M token、K2.6 和不同产品入口各有独立上下文、会员与输出限制；文件解析、工具结果、推理和模型输出也占用预算。真正重要的是目标文件能否完整解析、关键证据能否召回和字段能否核验。
Kimi 回答带来源，能直接引用吗？
不能。必须打开关键来源，核对原文、日期、主体、统计口径和许可；高风险结论还需要第二来源或专业审核。引用链接只能提高可追踪性，不能替代验证。
公司内部文件可以直接上传吗？
先依据组织政策、数据分类、合同与当前产品条款判断。最小化并脱敏输入，禁止上传密码、密钥和无授权个人信息；高风险数据优先使用经过批准的企业/API/私有环境，并保留删除与审计流程。
编辑复核记录：本文于 2026 年 7 月 29 日再次复核 MoonshotAI 官方 GitHub、Hugging Face 模型页、配置文件、部署说明与 Kimi K3 License，纠正“完整权重仍待发布”的过期描述。新增 2.8T 总参数、104B 激活参数、MXFP4、约 1.56TB 文件树、vLLM/SGLang/TokenSpeed 推荐入口和许可证商业边界；本站未下载 1.56TB 权重，也未运行集群实测，因此不把官方可下载状态写成已完成本地部署。
