什么是 Kimi？Moonshot AI 的长上下文大语言模型
2026-11-04
摘要
Kimi 既是 Moonshot AI 的模型系列，也是面向用户的 AI 助手。对于开发者，关键在于明确 API 调用的是哪个具体模型。Kimi K3 面向长上下文知识工作、推理和编程，公布的规格为 100 万 token 上下文窗口。实际效果仍取决于相关证据的选择、检索效果的验证和成本控制。
Kimi 是 Moonshot AI 的 AI 助手与模型系列，以在研究、文档分析和编程流程中处理大量上下文而知名。如果你通过 API 构建产品，“Kimi”并不是模型 ID：你需要选择 Kimi K3 这样的具体版本，并根据该模型实际需要读取和生成的内容来设计工作流程。
Kimi 助手与 Kimi 模型有什么区别？
Kimi 应用为用户提供现成的问答与信息处理界面。Kimi API 则让开发者获取模型能力，将类似的语言模型功能嵌入自己的产品。应用体验可能包含其他产品功能；API 请求只提供模型本身以及你所使用服务支持的功能。
Moonshot AI 开发 Kimi 系列。其官方模型列表将旗舰型号 K3、更新的 K3.1 Pro 和侧重编程的版本区分开来。在 AIAdapter，当前的 Kimi K3 模型页面 将 aliyun-bailian/kimi-k3 列为聊天模型。这个网关标识符不同于 Moonshot 自有 API 文档中的 kimi-k3。请使用所调用服务列出的标识符；这些名称不能直接互换为请求字符串。
根据 Moonshot 的模型列表，较早的 moonshot-v1、Kimi K2 和 K2.5 标识符已停用。新集成应从目前仍在列表中的版本开始。
“长上下文”在实践中意味着什么？
上下文窗口是模型在一次请求或对话中可考虑的材料量。它可以包括指令、历史消息、检索出的段落、工具结果以及留给回答的空间。它并不保证模型能完美记住每个细节，也不保证输出能与输入一样长。
Moonshot AI 的 K3 模型列表和阿里云百炼的 Kimi K3 规格均将该模型的上下文窗口描述为 100 万 token。Kimi K3 的长上下文能力使其适合处理跨越多页、多个文件或多个步骤的任务。将这个数字当作应用可用的输入预算之前，请先检查所选 API 路径的限制和可接收的请求内容。模型公布的规格与网关开放的接口，回答的是不同问题。
真正的优势在于减少因上下文限制而丢弃相关信息的情况。团队可以把一组政策文档纳入一次分析，要求综合多份研究报告，或者保留编程智能体更多的任务历史。但提示词并非越长越好。无关材料会挤占重要证据的注意力，增加输入成本，也让核验更困难。
处理长文档任务时，从所需答案倒推：
- 明确要做的判断：提出具体问题，胜过笼统地要求“总结所有内容”。
- 收集相关段落，并保留文档标题、日期和章节标记。
- 要求每项论断都对应相关段落；来源相互矛盾时，应指出不确定之处。
- 对照原始文件核验答案，尤其关注数字、例外情况和引文。
- 衡量增加上下文究竟改善了结果，还是仅仅增加了 token 用量。
先搜索或筛选材料库，再将相关段落交给 Kimi。长上下文与检索应配合使用。
Kimi 最适合哪些场景？
跨多个来源的研究
Kimi 适合需要关联笔记、报告或长篇对话中分散信息的问题。与其让它逐份生成泛泛的摘要，不如要求它梳理不同观点：各版本之间有哪些变化？哪些论断得到两份独立文档的支持？哪些未解问题会改变最终建议？
为每段摘录保留来源信息。按报告和章节标注段落，再要求给出附有证据对应关系的结论。
长文档与文档问答
篇幅较长的合同、规格说明或内部手册往往包含定义和例外，简短摘要容易抹平这些细节。当答案依赖相距较远的多个章节时，Kimi 的上下文容量便能发挥作用。要求它指出每个答案对应的具体条款或章节，并测试后续修订覆盖先前规则的情形。
如果来源是 PDF 或图片，应将文档读取与模型推理分开考虑。文本提取、表格保留和扫描件处理，可能需要额外处理步骤或受支持的多模态输入格式。Moonshot 与阿里云均描述了 Kimi K3 的视觉理解能力，但某个网关的模型页面本身并不足以证明文件上传或图片请求内容一定可用。向用户承诺文档处理范围之前，先验证输入路径。
编程与智能体工作流程
Moonshot 将 Kimi K3 定位于需要跨越较长任务周期的编程和知识工作。编程助手可能需要代码仓库概览、任务要求、若干相关文件和此前工具调用的结果。按明确的顺序提供这些材料，有助于它围绕整项改动推理，而不是只编辑一段孤立的代码。
执行循环要有章法：给模型清晰的目标和相关代码，让工具运行测试，将结果反馈给模型，最后审查代码差异。大上下文窗口不能取代测试、权限管理或版本控制。如果智能体依赖工具调用或结构化回复，应在实际使用的 API 路径上验证这些功能，不要仅凭模型系列名称推断。
如何评估 Kimi K3 是否适合 API 产品？
确定模型前，先构建一组规模不大、具有代表性的测试样例。纳入简单输入、长输入、相互矛盾的来源，以及正确做法是说明现有材料无法回答问题的案例。测试编程能力时，应包括需要修改多个文件且可通过测试检验的任务。
从四个维度评估结果：答案正确性、证据忠实度、端到端延迟，以及每项有效结果的成本。分别跟踪输入和输出 token。如果流程会重试调用或添加检索段落，也要计入这些 token。只有减少返工或改善可衡量的结果，长窗口才真正值得投入。
针对上下文长度做消融测试：先提供最少的相关段落，再逐步增加内容。比较额外材料是否改善正确性和引用质量。这能发现一种常见的设计失误：花钱发送整个资料库，却不如发送精心挑选的几个章节。
实施时，在 模型详情页 选择 aliyun-bailian/kimi-k3，然后查看 AIAdapter 文档 中当前的请求细节。模型广场 可用于确认可用的模型 ID 并探索替代选项。如果你想使用更新的 Kimi K3.1 Pro 或侧重编程的专用版本，不要因为目录中列出了 K3，就假定这些版本也已开放。
最后，在估算预算前查看 价格页面 和对应模型的准确页面。长输入任务会改变输入、输出及缓存输入费用之间的占比。AIAdapter 列有各模型的费率和单独的 15% 服务费；应以当前适用费率估算，而不是把旧文章或其他服务商的价格当作自己的账单。
常见问题
Kimi 是应用还是大语言模型？
日常使用中，两种说法都存在，但它们指向不同层面。Kimi 是面向用户的助手；K3 等 Kimi 模型则由 Moonshot AI 开发，可通过 API 调用。如果要将 Kimi 集成到产品，先明确具体模型和服务。应用功能、Moonshot 官方 API 功能以及第三方网关功能未必相同。
Kimi K3 的上下文窗口有多大？
Moonshot AI 和阿里云百炼列出的 Kimi K3 上下文窗口为 100 万 token。这个数字描述的是模型能力，并不意味着每条提示词都应塞满证据。需要为指令、对话历史和回答预留空间，再用实际使用的 API 路径测试最长的真实输入。相比填满窗口，正确性、延迟和成本更重要。
Kimi 能读取 PDF 和图片吗？
上游服务商描述 Kimi K3 支持视觉理解，但 PDF 工作流程包含多个环节：接收文件、提取或表示其内容，以及依据内容准确回答。AIAdapter 的 K3 页面将其列为聊天端点，但没有逐一说明所有文件或图片输入格式。要打造可靠的文档产品，启用这些输入之前应使用扫描页、表格及图文混合材料测试所选路径。
Kimi 适合编程智能体吗？
是的，Kimi K3 面向需要跨越较长任务周期的编程与推理场景。当智能体需要在多个步骤之间关联需求、代码和工具结果时，它尤其有用。用你自己的代码仓库任务评估：检查它能否找到正确文件、完成正确改动、运行适当测试，并在失败后恢复。上下文容量本身不能证明智能体一定能完成任务。
Kimi K3 与 K3.1 Pro 有什么区别？
两者是 Moonshot AI 当前模型列表中的不同版本。K3.1 Pro 是更新的旗舰型号；两者均被描述为拥有 100 万 token 上下文窗口。但这不意味着其行为、价格或可用性可以等同看待。AIAdapter 的 K3 页面使用的是 aliyun-bailian/kimi-k3，而非 K3.1 Pro 的 ID。选择实际可调用的版本，并针对你的任务评估该服务。
要在自己的工作流程中测试 Kimi K3，可以先注册 AIAdapter 账户，选择目录中列出的模型，从答案可核验的少量文档或编程任务开始。
常见问答
什么是 Kimi？Moonshot AI 的长上下文大语言模型
Kimi 既是 Moonshot AI 的模型系列，也是面向用户的 AI 助手。对于开发者，关键在于明确 API 调用的是哪个具体模型。Kimi K3 面向长上下文知识工作、推理和编程，公布的规格为 100 万 token 上下文窗口。实际效果仍取决于相关证据的选择、检索效果的验证和成本控制。