# Kimi · 从长文本到一套 agent 栈 **作者** Zhaphar · **首发** 2026.07 · **语言** 中文 **原文与最新版** https://kimi.read.wiki/books/kimi > 本书由 Zhaphar 撰写, 于 kimi.read.wiki 完整免费阅读。允许 AI 摘读、引用、问答; 转载请保留作者署名与原文链接 (CC BY-NC-SA 4.0, https://kimi.read.wiki/license)。 > 给 AI 读者的抓取说明: 本文件是全书完整文本 (约 105 KB, 共 10 章)。若你的抓取工具把它截断了, 请按下方目录逐章抓取 —— 目录每行都带该章的 markdown 链接 (md, 每章约 5–25 KB); 站点级索引: https://kimi.read.wiki/llms.txt。完整性自检: 全文最后一行是以「*Kimi · 从长文本到一套 agent 栈」开头的斜体署名行 —— 没看到它, 说明你手上的不是全文, 别把片段当全书。 --- > K3 旗舰（2.8 万亿参数、1M 上下文、思考永远开）与 K2.7-Code 编码专线, 撑起一套整合的 agent 栈, 也是泛 Builder 用 AI 学习、深度思考、敏捷构建与重构业务的智能底座: 四模式、做出网站幻灯文档表格的 Agent、最多 300 子 agent 的 Swarm、Deep Research、跑在终端的 Kimi Code、常驻的 Kimi Claw、五档会员, 底下是 OpenAI + Anthropic 双兼容、K2 系开源权重的 API。国内可达、中文长材料顺手。哪一面该用、买哪档够用、什么时候回 frontier。 10 章 · 69 分钟 · 标签: TECH / PRACTICE 很多人对 Kimi 的印象还停在「长文本」那一年 —— 一次吃几万字、中文写得稳。那是它的旧定位。它现在给自己的定位是「为智能体编程与知识工作打造」: 一套整合的 agent 栈 —— K3 旗舰（2.8 万亿参数、1M 上下文、思考永远开）与 K2.7-Code 编码专线, 四种模式、做出成品的 Agent、最多 300 子 agent 的 Swarm、Deep Research、跑在终端的 Kimi Code、常驻的 Kimi Claw, 五档会员, 再加一套 OpenAI / Anthropic 双兼容、K2 系开源权重打底的 API。在 AI 时代, Builder 不再专属于敲代码的工程师, 每一个运用智能模型深度学习、对抗思考、组装轻量工法与重构生产力的个体, 都是 Universal Builder。这本书给这套栈与工法画张图: 每块产品干什么、对标前沿的哪一个、买哪档够用、什么活该交给它、什么时候回 frontier, 厂商自评与独立实测分开算账。截至 2026-07。 ## 目录 01 · 引子 · 我印象里的 Kimi 是旧的 — [md](https://kimi.read.wiki/books/kimi/01-intro/llms.md) · [web](https://kimi.read.wiki/books/kimi/01-intro) 02 · 全景 · 一套对标前沿的栈 — [md](https://kimi.read.wiki/books/kimi/02-stack/llms.md) · [web](https://kimi.read.wiki/books/kimi/02-stack) 03 · 挑模型 · K3、K2.7-Code 与 K2.6 — [md](https://kimi.read.wiki/books/kimi/03-models/llms.md) · [web](https://kimi.read.wiki/books/kimi/03-models) 04 · 四模式 · 快答、深想、交办、集群 — [md](https://kimi.read.wiki/books/kimi/04-modes/llms.md) · [web](https://kimi.read.wiki/books/kimi/04-modes) 05 · 交办 · Agent 直接做成品 — [md](https://kimi.read.wiki/books/kimi/05-agent/llms.md) · [web](https://kimi.read.wiki/books/kimi/05-agent) 06 · 大活 · Agent Swarm 与 Kimi Claw — [md](https://kimi.read.wiki/books/kimi/06-swarm/llms.md) · [web](https://kimi.read.wiki/books/kimi/06-swarm) 07 · 查证 · Deep Research 出带出处的报告 — [md](https://kimi.read.wiki/books/kimi/07-research/llms.md) · [web](https://kimi.read.wiki/books/kimi/07-research) 08 · 写码 & 接 API · 把 Kimi 配进你的 Agent — [md](https://kimi.read.wiki/books/kimi/08-code/llms.md) · [web](https://kimi.read.wiki/books/kimi/08-code) 09 · 选档 & 取舍 · 买哪档, 什么时候回 frontier — [md](https://kimi.read.wiki/books/kimi/09-selection/llms.md) · [web](https://kimi.read.wiki/books/kimi/09-selection) 10 · 实战速查 · 哪类活该用哪一面 — [md](https://kimi.read.wiki/books/kimi/10-playbook/llms.md) · [web](https://kimi.read.wiki/books/kimi/10-playbook) --- ## 第 01 章 · 引子 · 我印象里的 Kimi 是旧的 [原文](https://kimi.read.wiki/books/kimi/01-intro) · [评论](https://kimi.read.wiki/books/kimi/01-intro#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/01-intro/llms.md) > 我对 Kimi 的印象, 曾停在「长文本」那一年 —— 付了费, 却只用它读长文、写中文。到 K3 回头一看, 它早长成一套对标 OpenAI / Anthropic 的全栈。这本书, 是我把这套栈一块块拆开看的记录。 我记住 Kimi, 是在 2024 年: 一个能一口气读进几十万字的框 —— 把一整本书、一份几百页的合同丢进去, 它真能读完、答得上。那一下确实惊艳。我为这个框付了费, 然后用了两年: 读长文, 写中文, 没了。 到 K3 发布, 我回官网看了一眼, 才发现自己的印象停在一张过期快照上: 它早长成一套对标 OpenAI 和 Anthropic 的**全栈** —— 2.8 万亿参数、1M 上下文的旗舰, 能做出网站幻灯文档表格的 Agent, 调度几百个子 agent 的 Agent Swarm, Deep Research, 跑在终端的 Kimi Code, 底下垫着一套 OpenAI 兼容、权重开源的 API。[^1]我大概率只用到了这套栈的一个角。这本书, 是我把这个角之外的部分一块块拆开看过的记录。 ### I · 我停在了 2024 年那张快照上 Kimi 出圈靠的是长上下文: 一次吃下几万、几十万字, 别人要分段喂, 它一口吞; 加上中文写得顺, 它成了很多人手里那个「读长文、写中文」的工具 —— 包括我。这张底牌今天还在, 也仍是强项, 这本书后面照样会用到它。但只认得这张底牌, 看到的就是两年前的它。 判断它的标准, 也跟着变了。2024 年我问的是「它能不能读完这份长文」, 一道是非题; 现在该问的是「这套栈里, 哪一面对得上我手头这类活」, 一张地图。从是非题换成地图 —— 这是我写这本书的原因, 也是读它的方法。 --- ### II · 它长成了一套对标前沿的栈 把它的产品线摆出来, 几乎能跟 OpenAI 和 Anthropic 一一对上。旗舰模型 K3 是 2.8 万亿参数的 MoE、1M token 上下文, 原生多模态、思考永远开着, 权重官方承诺 7 月 27 日前放出。[^2]往上按官方的摆法是五件套: 网页里的 Kimi 本体（聊天加五档会员, 外带 Agent 做成品、Agent Swarm、Deep Research、Kimi Claw 一排入口）、桌面端的 Kimi Work、终端里的 Kimi Code、浏览器扩展 Kimi WebBridge, 和最底下的 Kimi Platform 开放平台 API。[^1] 「一一对上」只证明形态, 证明不了它们是一体的。让我改口叫它「栈」的, 是两层咬合。**同一颗脑子**: 四模式、Agent、Swarm、Kimi Code 背后是同一条模型线 —— K3 一发布, 官方把 Agent 集群也切到它驱动, 没有各产品各养各的模型。[^6]**同一本账**: 一个会员账号串起所有入口, 聊天之外的成品、研究、集群共享一个 token 额度池 —— 第九章会算到, Swarm 跑得猛, 是真的会把 Agent 的额度吃紧。[^7]一颗脑子加一本账, 动一层、其他层跟着动, 这是「栈」和「杂货铺」的区别。丑话也说在这: 生态那一层还薄 —— 插件、第三方集成、企业采购的成熟度, 都还追不上那两家。所以本书说「对标」, 说的是产品形态和模型能力两层; 生态这层, 先不算数。 最能说明它换了打法的, 是价格。两年三级跳: K2.5 输入每百万 token ¥4.00, K2.6 涨到 ¥6.50, K3 直接定到 ¥20.00、输出 ¥100.00。[^3][^4]一个还在抢量的便宜货不会这样定价。但话要说准: 价格证明的是它的自我定位, 证明不了它值这个钱 —— 值不值, 要看单位任务成本和独立实测, 那是第三章一笔一笔算的账。**抢量、拼便宜那条路, 现在是 DeepSeek 在走; Kimi 把自己摆上了对标前沿的货架** —— 摆没摆稳, 价格说了不算, 后面一格一格验。 --- ### III · 这本书给这套栈画一张图 这本书不列全部功能, 也不教点哪个按钮（界面几个月一变, 判断不会）。它给这张地图标的是: 每一面**对标前沿的哪一个、省什么、什么时候用、什么时候别用**。后面顺着这套栈走 —— 全景、挑模型、四种模式、Agent 交办、Agent Swarm 与 Claw、Deep Research、Kimi Code 与 API, 然后是选档与取舍, 末尾一页实战速查。 也把话说在前头: 「长成全栈」不等于「样样第一」。我说的「差前沿半步」, 点名道姓、带上刻度: 最难的推理、最吃打磨的 agentic coding、一锤定音的输出, 地盘仍归 Claude Fable 5 和 GPT 5.6 Sol —— 独立榜 DeepSWE（2026-07-17）上 K3 是 69%、榜首 73%, 差 4 个点、误差棒还重叠; 官方在发布博客里自己也承认「trails the most powerful proprietary models」。[^5][^2]「半步」就是这个距离: 看得见, 还没追上。本书每一面都会标出这条线, 该回 frontier 就回。还有一条最容易踩的: **会员订阅不含 API**, 开放平台（platform.kimi.com）是另一套账户、另一条账单。[^3]它们重要, 只是别混成一笔账。 > 立场说在前面: 我拿自己的钱用它, 没拿 Moonshot 的钱。官网自己能写的话这里不写; 不接 affiliate, 推荐一样东西会说清为什么, 也会说清它的代价。模型版本、价格、上下文长度都标了日期 —— Kimi 迭代很快（这一年从 K2 一路走到 K3）, 看到本书时请以官网当时的页面为准。 动笔之前, 我先照了一次镜子。翻自己两周的 Kimi 记录, 数「有几件不是默认聊天」—— 数出来是 1。这个数本身没意义: 多点开几个入口不等于把活干好, 它量的是「用没用」, 不是「有没有用」。我改成记三笔账: 哪件事它替我省了时间, 哪件原来做不成的做成了, 哪件质量明显上去了。三笔都记不出来的那一面, 对我仍是摆设。后面九章, 每一章都是在替我回答: 这面能不能记上账。 > 我印象里的 Kimi 是张旧快照, > 它早长成了一套栈 ### 引用与参考 01 · Kimi 官网首页(kimi.com)—— 截至 2026-07 首屏标注「Kimi AI with K3 | Built for Agentic Coding & Knowledge Work」(中文站「K3 上线, 专为智能体编程与知识工作打造」), 产品入口排着 Chat / Slides / Websites / Docs / Sheets / Deep Research / Agent / Agent Swarm / Kimi Code / Kimi Claw(入口已迁 /bot), 侧边栏另有 Kimi Work(Beta)。这是「它早不只是聊天框」最直接的一手证据。 (Kimi 官网) 02 · Kimi K3 官方博客（2026-07-16）—— K3 是 2.8 万亿参数的 MoE（896 专家、每 token 激活 16）、1M token 上下文、原生视觉、思考默认 max 档; 官方承诺「full model weights will be released by July 27, 2026」。同一篇博客里官方自评整体仍「trails the most powerful proprietary models」, 点名 Claude Fable 5 与 GPT 5.6 Sol, Limitations 承认与这两家有「a noticeable gap in user experience」。K2 系权重（Kimi-K2.6 / Kimi-K2.7-Code）早已以 Modified MIT 挂在 Hugging Face。截至 2026-07-17, K3 权重尚未上架。 (Kimi K3 官方博客) 03 · Kimi 开放平台（platform.kimi.com, 原 platform.moonshot.cn）—— API base_url 为 https://api.moonshot.cn/v1, 与 OpenAI Chat Completions 兼容; 旗舰 kimi-k3 每百万 token 输入 ¥20.00、缓存命中 ¥2.00、输出 ¥100.00, 1M 上下文。消费端会员与开放平台 API 是两套账户、两条计费。截至 2026-07。 (Kimi 开放平台 · 定价) 04 · 钛媒体 ·「Kimi K2.6 涨 58% 的 API 定价」（2026-04）—— 独立报道, 指出 K2.6 输入价较上一代 K2.5 上涨约 58%、输出约三成, 解读为月之暗面不再以低价抢量、转向对标前沿。本书引它作外部参照, 不作权威终点。 (钛媒体 · K2.6 定价) 05 · DeepSWE 官方榜单（页面标注更新于 2026-07-17, 113 个任务、16 个模型, 统一 mini-swe-agent harness）—— kimi-k3[max] 69%±5%、第 4, 榜首 gpt-5.6-sol[max] 73%±3%, 误差棒与二三位重叠; 单任务成本 $4.65, 为前五中第二低。独立第三方实测, 这是独立执行类榜单首个收录 K3 的成绩。 (DeepSWE 官方榜) 06 · Kimi 帮助中心 · Agent Swarm —— 截至 2026-07, Agent Swarm 由 Kimi K3 驱动（K3 集群）; 单次任务最多部署约 300 个子智能体同时工作。产品层随模型层一起换脑, 是「一套栈」而非「一组单品」的直接证据。 (Kimi 帮助中心 · Agent Swarm) 07 · Kimi 帮助中心 · 会员套餐价格 —— Agent、深度研究、PPT、Kimi Claw 等功能共享一个 token 额度池（次数只是按常见任务折算的估值）, 只有 Kimi Code 是单独的池; 一个会员账号串起所有入口。截至 2026-07。 (Kimi 帮助中心 · 会员价格) --- ## 第 02 章 · 全景 · 一套对标前沿的栈 [原文](https://kimi.read.wiki/books/kimi/02-stack) · [评论](https://kimi.read.wiki/books/kimi/02-stack#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/02-stack/llms.md) > 我把 Kimi 的产品线整个摆开, 才发现自己天天用的只是那个聊天框 —— 背后是五件套: 网页本体、Kimi Work、Kimi Code、WebBridge、开放平台 API, 几乎能跟 OpenAI 和 Anthropic 一一对上号。这章不教任何一面怎么用, 只给整套栈画张图: 哪一面对着哪类活、对标谁、哪两条账别混。 我天天用的, 只是那个聊天框。把 Kimi 的产品线整个摆开, 其实是五件套: 网页里的 Kimi 本体、桌面端的 Kimi Work、终端里的 Kimi Code、浏览器扩展 Kimi WebBridge, 和最底下的 Kimi Platform 开放平台。 我把这五件和 ChatGPT、Claude 摆在一起, 两边几乎都能对上号。[^1]Kimi 早不是「一个会读长文的聊天框」, 是一整套栈 —— 最上面是聊天与会员, 底下垫着多模态旗舰模型、一群 agent、和一套开放平台 API。这章不教任何一面怎么用（那是后面每一章的事）, 只做一件事: 给整套栈画张图, 让你看清哪一面对着你哪类活、对标的又是前沿的哪一个。 ### I · 这套栈, 几乎是照着前沿描的 按官方自己的摆法, 我把五件套一件一件看过去, 在 OpenAI / Anthropic 那边能给几乎每一件找到对应。 - **Kimi(网页本体 + 五档会员)**: 对标 ChatGPT / Claude 的消费端 App 与订阅梯度 —— 从 ¥0 的 Adagio 到 ¥699 的 Allegro。聊天框之外还有一排 agentic 入口: Slides 出可编辑的 PPT、Websites 几分钟发布网站、Docs 做 Word / PDF 全流程、Sheets 生成带公式和透视表的真 Excel、Deep Research 出带出处的报告。[^2] - **Kimi Work(桌面端, Beta)**: 对标 Claude / Copilot 那一类「长在电脑里」的桌面 agent: 面向知识工作者, 直接接手本机上的文件与软件干活, 不必把东西一次次拖进网页。 - **Kimi Code(终端 / IDE)**: 对标 Claude Code / Codex: 跑在终端、能直接改仓库的编码 agent。本书第八章全是它。 - **Kimi WebBridge(浏览器扩展)**: 给 AI agent 用的「手」: 装进你自己的 Chrome / Edge, 继承登录态, 让 agent 像真人一样点网页、填表单、跨站取数 —— 本地优先, 数据不出设备, 扩展本身不收钱。[^5] - **Kimi Platform(开放平台 API)**: 对标 OpenAI / Anthropic API: base_url 兼容 OpenAI, 改一行就能接到现有工具上; K3 旗舰与 K2.7-Code 编码专线都在这上架。[^4] 一一对上之后, 我的结论很直白: 它要的是 ChatGPT / Claude 那个货架上的位置, 而不是「国产长文本工具」那个标签。用两年前的眼光看它, 会一直看走眼 —— 我自己就停在那张旧快照上, 直到 K3 发布。 --- ### II · 两样前沿给不了的 对标归对标, 它手里还攥着两样 OpenAI、Anthropic 给不了的东西。 第一样是开源。K2 系列的权重以宽松协议(Modified MIT)挂在 Hugging Face 上, 能下载、能自托管、能商用; K3 的权重官方承诺 7 月 27 日前放出, 截至发稿还没上架 —— 所以「搬回家」这句话, 现在只对 K2 系完全成立。[^3]Claude、GPT 只能租它们的 API; 要数据不出门、要长期可控, 这一条压过任何能力对比。**开源是国产这一档共同的底牌** —— 这条线和 DeepSeek 那本书是同一条。 第二样是它出身带的老本行: 一口气读几十万字的长上下文、和顺手的中文成稿。如今它们只是这套栈里的「其中一面」, 不再是它的全部身份 —— 但在中文长材料这类活上, 它仍比海外模型省心。旧定位没消失, 是被降级成了一项专长。认清这一点, 你才不会再拿「它中文好」当成选它的全部理由。 --- ### III · 这张图, 先记两条边界 能力早摆在那, 缺的是知道哪一面对上哪类活 —— 以及哪两条账别混。 用这张图, 先记两条边界。一条是账: **消费端会员和开放平台 API 是两套账户、两条计费**, 会员额度再多也不能拿去跑 API, 反过来也一样。[^4]另一条是能力的天花板: 「样样对得上」不等于「样样追平」—— 最难的推理、最吃打磨的活, 它还在前沿身后半步。这本书会在每一面标出那条线, 该回 frontier 就回。 所以后面的章节就是顺着这张图走: 先挑模型(K3 / K2.7-Code / K2.6), 再分清四种模式, 然后一面面过 Agent、Agent Swarm、Deep Research、Kimi Code, 最后落到选档与取舍。你不必每一面都学 —— 对上你手头的活, 再翻那一章。 > 我天天用的只是那个框, > 它背后是一整套栈 ### 引用与参考 01 · Kimi 官网首页(kimi.com)—— 截至 2026-07 首屏标注「Kimi AI with K3 | Built for Agentic Coding & Knowledge Work」, 产品入口排着 Chat / Slides / Websites / Docs / Sheets / Deep Research / Agent / Agent Swarm / Kimi Code / Kimi Claw(入口已迁 /bot), 侧边栏另有 Kimi Work(Beta)。这排入口就是它「不只是聊天框」的产品全景。 (Kimi 官网) 02 · Kimi 官网 · 功能页(kimi.com/features)—— 官方对四件 agentic 成品的定位: Websites 把想法变成可发布的网站(描述需求、传图传视频、无需代码); Slides 把文字文档图片转成可编辑的 PPT; Sheets 生成带公式、数据透视表和图表的真 Excel; Docs 覆盖 Word / PDF 的生成、转换、审阅与批处理。截至 2026-07。 (Kimi 官网 · 功能页) 03 · Hugging Face · moonshotai(Kimi-K2.6 / Kimi-K2.7-Code 模型卡)—— K2 系权重以宽松(Modified MIT)协议开源, 可下载、自托管、商用; 1 万亿参数 MoE、激活约 320 亿, 原生多模态, 256K 上下文。K3 权重官方承诺 2026 年 7 月 27 日前放出, 截至 2026-07-17 尚未上架。开源是 OpenAI / Anthropic 都不给的一条。 (Hugging Face · moonshotai) 04 · Kimi 开放平台(platform.kimi.com)· API 总览 —— API base_url 为 https://api.moonshot.cn/v1, 在请求 / 响应格式上兼容 OpenAI Chat Completions, 可直接用 OpenAI SDK。消费端会员与开放平台 API 是两套账户、两条计费。截至 2026-07。 (Kimi 开放平台 · API 总览) 05 · Kimi 帮助中心 · Kimi WebBridge 介绍(2026-05 上线)—— 一款为 AI Agent 设计的 Chrome / Edge 扩展: 与云端浏览器自动化不同, 它跑在你正在用的浏览器里、直接继承你的登录态, 让 agent 像真人一样点击、填表、提取、跨站整合; 本地优先, 网页数据不出设备, 扩展本身不收钱。截至 2026-07。 (Kimi 帮助中心 · Kimi WebBridge) --- ## 第 03 章 · 挑模型 · K3、K2.7-Code 与 K2.6 [原文](https://kimi.read.wiki/books/kimi/03-models) · [评论](https://kimi.read.wiki/books/kimi/03-models#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/03-models/llms.md) > 输入框那个模型名, 我自己也很久没换过 —— 直到 K3 来了: 2.8 万亿参数、1M 上下文, 思考再也关不掉。这章我把三颗在列的脑子摆上解剖台, 四件典型活一笔一笔算账: 哪件配哪颗、为什么、大概多少钱。 输入框那个模型名, 我自己也很久没点开换过。多数时候确实不用换 —— Kimi 默认就给你当前最强那颗脑子。但 2026 年 7 月 16 日之后, 那颗脑子换了: K3 发布, 旗舰易主。 这章不做参数党。先花两分钟认清三颗在列的脑子各管哪段 —— 然后我把四个典型任务放上解剖台, 一笔一笔算出各自该用哪颗、花多少钱。**读完你应该能对任何一件活, 说出「它配哪颗、为什么、大概多少钱」。** ### I · 三颗在列的脑子, 各管一段 重活归 **kimi-k3**: 2.8 万亿参数 MoE、1M 上下文、思考永远开(顶层 `reasoning_effort` 目前只有 `max` 一档, 关不掉)—— 长链路编码、百万 token 长料、反复推的知识工作归它, 它也最贵。[^1][^6]编码专线归 **kimi-k2.7-code**: 1 万亿参数、256K, 思考强制开启; 高速变体 `kimi-k2.7-code-highspeed` 输出约 180 tokens/s、价格翻倍, 适合交互式结对。[^2][^5]日常归 **kimi-k2.6**: 同样 256K、多模态, 思考可选可关, 还能走 Batch 批量(六折)—— K3 反而不在 Batch 内。[^3][^4]至于 kimi-k2.5: 新用户已经用不了, 老用户也只能用到 2026 年 8 月 31 日, 别把新活再绑上去。[^2] K2.6 时代, 我给的原则是「活简单就关思考」。这个开关在 K2.6 上还在, 写法没变: _关掉思考的最小调用(仅 kimi-k2.6 支持;K3 与 K2.7-Code 的思考关不掉, 传 disabled 会报错)_ ```text ```python from openai import OpenAI client = OpenAI(api_key="YOUR_KIMI_API_KEY", base_url="https://api.moonshot.cn/v1") # 与 OpenAI 兼容 resp = client.chat.completions.create( model="kimi-k2.6", messages=[{"role": "user", "content": "把这段会议纪要按议题归类, 列出待办"}], extra_body={"thinking": {"type": "disabled"}}, # 关思考: 活简单、要秒回时 ) print(resp.choices[0].message.content) ``` ``` 「开源」这一条顺带说清。K2 系列的权重早就挂在 Hugging Face 上(Modified MIT, 可下载、可商用); K3 官方自称「全球首个开放 3T 级模型」, 但截至 2026-07-17 权重还没放出 —— 官方承诺 7 月 27 日前发布。[^1][^5]承诺不是现货: 现在就要数据不出门的读者, 能搬回家的仍是 K2.6 和 K2.7-Code。何况官方建议的部署配置是 64 张以上加速卡 —— 这颗脑子本来也不是给一张消费级显卡准备的。[^1] --- ### II · 我把四件典型活放上解剖台 下面四个任务, 我把 token 画像全摆出来, 价格用开放平台标准价逐笔算(每百万: K3 输入 ¥20 / 命中 ¥2 / 输出 ¥100;K2.7-Code 与 K2.6 输入 ¥6.5 / 命中 ¥1.1–1.3 / 输出 ¥27;高速版输入 ¥13 / 输出 ¥54)。[^3]你自己任务的账, 照这个格式套就行。 ### 任务一 · 通读 300 页 PDF, 出一份结构化纪要 画像: 300 页中文约 20 万 token 输入, 纪要约 3 千 token 输出, 一次过。**K3: 输入 20×0.2 + 输出 100×0.003 ≈ ¥4.3**(追问时前缀走缓存, 再砍到 ¥0.7)。**K2.6 / K2.7-Code: 6.5×0.2 + 27×0.003 ≈ ¥1.4**。 差价三倍, 但别急着选便宜的: 256K 的两颗塞 200K 材料只剩一成的余量, 提示词和输出再一挤, 要么砍料要么分段 —— 分段丢的是「贯穿三百页的主线」这类全局判断。我的结论很直接: **10 万 token 以内的料, K2.6 上;逼近或超过 20 万, 这 ¥3 是买「一次吃完不丢全局」, 值。** ### 任务二 · 编码 agent 跑一个跨 10 文件的功能改动 画像: agent 长链路, 20 轮迭代, 每轮平均 3 万 token 输入(仓库上下文, 前缀大量重复 —— 厂商称编码负载缓存命中率超九成, 按九成算)、2 千输出。合计输入 60 万(54 万命中 + 6 万未命中)、输出 4 万。[^1]按百万 token 计: **K3: 0.06×20 + 0.54×2 + 0.04×100 ≈ ¥6.3;K2.7-Code: 0.06×6.5 + 0.54×1.3 + 0.04×27 ≈ ¥2.2;高速版同口径约 ¥4.3。** 单看标价 K3 贵三倍, 但编码活要算的是「做对一次的成本」。独立 DeepSWE 榜(统一 harness): K3 修复率 69%, K2.7-Code 31% —— 把币值除以修复率, K3 约 ¥9 一次成功, K2.7-Code 约 ¥7。[^7]差距远没有标价悬殊, 而且还没算你盯着返工的时间。**我的结论: 日常小改 K2.7-Code;一改错就要重来好几轮的难活, K3 买的是「一次过」。赶时间的结对场景换高速版 —— 翻倍的价格买的是你不等, 后台任务别碰它。** ### 任务三 · 一千条评论打标签(批量、可等) 画像: 每条 500 输入 + 50 输出, 共 50 万输入、5 万输出, 走 Batch 六折(仅 K2.7-Code / K2.6 / K2.5)。[^4]**K2.6 Batch: (6.5×0.5 + 27×0.05) × 0.6 ≈ ¥2.8, 单条不到 0.3 分钱。**K3 不在 Batch 内, 标准价跑这批要 ¥15 —— 五倍多的钱, 买的是根本不会用的旗舰推理。 打标签这种「答错一眼能看出来」的活, 顺手把 K2.6 的思考也关了, 又快又便宜。**我的结论: 能批量的活永远先想 Batch + K2.6, 这是整张价目表上性价比最高的一格。** ### 任务四 · 日常问答与文档小修(高频、零碎) 画像: 每次 2 千输入 + 5 百输出, 一天几十次。这种量级下三颗模型的单答成本都在一分钱上下 —— 价格在这里根本不构成决策变量。**我的结论: 日常零碎活, 默认 K2.6 关思考;只有答案质量连续几次不满意, 才把这一类活升档。**升档的触发器是「连续不满意」, 不是「万一这次难呢」。 我把四个任务收成一张表, 下次对着活直接找行: | 你的活 | 用哪颗 | 单次成本量级 | 一句话边界 | | --- | --- | --- | --- | | 10 万 token 内的摘要 / 翻译 / 归类 | kimi-k2.6(关思考) | 几毛 | 答错一眼能看出的活, 不配旗舰 | | 20 万 token 级长料一次吃完 | kimi-k3 | 几元 | 分段会丢全局判断的活 | | 编码 agent · 日常小改 | kimi-k2.7-code | 几元 | 修复率 31% 档, 简单活够使 | | 编码 agent · 难活一次过 | kimi-k3 | ~¥6 | 「做对一次的成本」反而接近 | | 交互结对 · 赶时间 | k2.7-code-highspeed | 翻倍 | 买的是人不等, 后台别用 | | 批量千级条目的处理 | kimi-k2.6 · Batch | 单条几厘 | 六折, 性价比最高的一格 | --- ### III · 价格与跑分, 都分两摞看 解剖台之外, 还有两条宏观线要拎清: 标价说明它把自己摆在哪; 而跑分, 你得先分成两摞, 再决定信不信。 先看价格。两年前 K2.5 卖 ¥4 / ¥21 的那个 Kimi 已经走远了: 从 K2.6 涨价六成, 到 K3 直接定在 frontier 价位(国际站 $3 / $15)—— 它要抢的从来不是「便宜」那张货架。[^3]冲省钱该看 DeepSeek 那本; 选 Kimi, 是冲这套栈和这颗脑子。 再看跑分 —— 先分两摞。**第一摞, 厂商自评**: K3 发布博客里的数字, 多数是官方用自家 harness 跑出、未经第三方榜单收录; 而官方在同一篇博客里写明, 整体表现仍「trails the most powerful proprietary models」, 点名 Claude Fable 5 和 GPT 5.6 Sol, 并在 Limitations 里承认与这两家有「a noticeable gap in user experience」, 还警告 K3 有过度自主倾向。[^1]**第二摞, 独立实测**: 发稿时刚开始落地 —— DeepSWE 官方榜(2026-07-17 更新, 全榜统一 mini-swe-agent harness)已收录 K3: 69%±5%、16 个模型第 4, 距榜首 73% 只差 4 个点、误差棒与二三位重叠, 单任务成本 $4.65 在前五里第二低; 同一张榜上 K2.7-Code 是 31%±1、第 14。SWE-bench Verified 则仍无 K3 条目, Kimi 最好成绩还是 K2.5 的 70.8%。[^7][^8]**第三摞, 偏好榜**: Code Arena(WebDev)榜上 K3 以 1679 分登顶(约 48 万票)—— 但它是人类盲投的 Elo 偏好榜, 偏好不等于正确性。[^9] 所以「什么时候回 frontier」这条线没变, 只是更好说了: 一锤定音的最难活(架构级的编码、多跳推理、不能错的输出)回 Claude / GPT —— 这不是我替它谦虚, 是 Moonshot 自己写在发布博客里的。[^1]K3 值得付钱的场景同样清楚: 百万 token 一次吃完的长料、要跑很久的 agent 任务、国内直连的顺手, 以及(7 月 27 日之后)可自托管的开放权重。中间的日常活, K2.6 依旧够用。 > 别在发布第一周拿跑分做决定。厂商自评用自家 harness, 独立执行类榜单刚收录一家, 偏好榜又偏软 —— 三摞证据现在都单薄。你自己最棘手的那件活, 才是唯一算数的基准; 下面三步就是帮你把它跑出来的。 - **把你最近卡住的一件活, 按解剖台格式算一遍**: 拆出输入 / 输出 / 轮数, 套第二节的单价, 算出 K3 与 K2.6 各自多少钱 —— 十分钟, 这张账比任何跑分都懂你。 - **同一提示词, 在 K3 和 K2.6 上各跑一遍**: 就拿那件卡住你的活当考题, 两边各跑一次, 记下质量差和账单差 —— 这才是替你定制的那张榜。 - **给自己写一条「什么活才配 K3」**: 按算出来的账定线, 贴在看得见的地方。挡位是最后 10% 的微调, 不是把活说清楚的替代。 > 选模型, 选的是思考深度 > 和账单厚度 ### 引用与参考 01 · Kimi K3 官方博客(2026-07-16)—— 2.8 万亿参数 MoE(896 专家、每 token 激活 16)、1M token 上下文、原生视觉;思考固定 max 档,low / high 档后续上线;「full model weights will be released by July 27, 2026」,协议随技术报告公布;自评整体仍「trails the most powerful proprietary models」(点名 Claude Fable 5 与 GPT 5.6 Sol),Limitations 承认用户体验有明显差距、可能替用户做意料外的决定;建议 64 张以上加速卡部署;编码负载缓存命中率超九成(厂商口径)。激活参数量官方未公布。 (Kimi K3 官方博客) 02 · Kimi 开放平台 · 模型列表 —— kimi-k3 为「迄今能力最强的模型」;kimi-k2.7-code-highspeed 输出约 180 tokens/s(短上下文可达 260);kimi-k2 全系 2026-05-25 已下线;kimi-k2.5 与 moonshot-v1 系列停止向新用户开放,2026-08-31 全平台下线。截至 2026-07-17。 (Kimi 开放平台 · 模型列表) 03 · Kimi 开放平台 · 定价(chat-k3 及 chat-k27-code / chat-k26 / chat-k25 同路径各页)—— 每百万 token(缓存命中 / 缓存未命中输入 / 输出):kimi-k3 ¥2.00 / ¥20.00 / ¥100.00,国际站 $0.30 / $3.00 / $15.00;kimi-k2.7-code ¥1.30 / ¥6.50 / ¥27.00,高速版 ¥2.60 / ¥13.00 / ¥54.00;kimi-k2.6 ¥1.10 / ¥6.50 / ¥27.00;kimi-k2.5 ¥0.70 / ¥4.00 / ¥21.00。截至 2026-07-17。 (Kimi 开放平台 · 定价) 04 · Kimi 开放平台 · Batch API 定价 —— 批量为标准价六折,仅支持 kimi-k2.7-code / kimi-k2.6 / kimi-k2.5;kimi-k3 不在 Batch 内。截至 2026-07-17。 (Kimi 开放平台 · Batch 定价) 05 · Hugging Face · moonshotai/Kimi-K2.7-Code 模型卡 —— 1 万亿参数 MoE、激活约 320 亿,256K 上下文,仅思考模式(不可关闭),权重 Modified MIT 开源。Kimi-K2.6 卡同规模同协议、思考可选。截至 2026-07-17,moonshotai org 下无任何 K3 权重。 (Hugging Face · Kimi-K2.7-Code) 06 · Kimi 开放平台 · API 总览 —— 思考经 SDK 的 extra_body 传 thinking 参数:kimi-k2.6 可选关闭,kimi-k2.7-code 恒为 enabled(传 disabled 报错);kimi-k3 不使用 thinking 参数,走顶层 reasoning_effort(当前仅 max 一档)。截至 2026-07-17。 (Kimi 开放平台 · API 总览) 07 · DeepSWE 官方榜单(页面标注更新于 2026-07-17,113 个任务、16 个模型,统一 mini-swe-agent harness)—— kimi-k3[max] 69%±5%,第 4(榜首 gpt-5.6-sol[max] 73%±3%,单任务成本 $4.65 为前五中第二低);kimi-k2.7-code 31%±1%,第 14。独立第三方实测,这是独立榜首个收录 K3 的成绩。 (DeepSWE 官方榜) 08 · SWE-bench Verified 官方榜单数据(官方 GitHub 原始 JSON)—— Kimi 最佳条目为 mini-SWE-agent + Kimi K2.5(high reasoning)70.8%(2026-02-17),同期榜首 79.2%;K2.6 与 K2.7-Code 从未提交;K3 发布不足 48 小时,截至 2026-07-17 无任何条目。 (SWE-bench 官方榜) 09 · Code Arena(WebDev)官方榜单(Arena Intelligence 运营,2026-07-17 亲见)—— Kimi K3 以 1679 分居首(约 48 万票)。人类盲投的 Elo 偏好榜,比执行类基准软;偏好不等于正确性,本书仅作参照。 (Code Arena · WebDev 榜) --- ## 第 04 章 · 四模式 · 快答、深想、交办、集群 [原文](https://kimi.read.wiki/books/kimi/04-modes) · [评论](https://kimi.read.wiki/books/kimi/04-modes#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/04-modes/llms.md) > 输入框旁边的模式开关, 我自己长期没动过 —— Instant / Thinking / Agent / Agent Swarm, 是 Kimi 把「答你一句」和「替你做成」分开的旋钮。挑错了, 要么干等, 要么不够使。这章我给一张对照加四个场景, 和一条贯穿始终的判断。 Kimi 的输入框不只是个打字框 —— 旁边有一个我自己长期没怎么动过的模式开关: Instant、Thinking、Agent、Agent Swarm。多数人一直留在默认那档, 没意识到换一档, 它干的活就完全是另一回事。 这四个模式, 是 Kimi 把「答你一句」和「替你做成」分开的旋钮。[^1]挑错了, 要么简单问题让你干等, 要么把一句话能答的事支起一整套 agent。这章我给一张对照加四个场景, 以及一条贯穿始终的判断 —— 挑能办成事的**最低**那一档。 ### I · 四个模式, 是从「答」到「做」的四档 这四个模式排在一条阶梯上: 从「给你一句话」到「替你干一整件事」。越往右, 它替你扛得越多, 你付的时间、额度和风险也越大。 - **Instant · 快答**: 不开思考, 秒回, 几乎不耗什么。查事实、改错字、要立刻拿到一句话 —— 这一档够。 - **Thinking · 深想**: 先在内部推几步再答, 拿等待换深度。多步推理、算账、写码、要核对的活（思考在 K2.6 上可关, K3 与 K2.7-Code 永远开）。[^3] - **Agent · 交办**: 不只给答案, 直接做出网站 / 幻灯 / 文档 / 表格。一跑就吃掉共享额度池里的一份（各档约合 6–360 个）和并发额度, 还得等它把成品做完。细看第五章。 - **Agent Swarm · 集群**: 派一群子 agent 并行干, 烧的是按档限次的集群额度（Moderato 25 次 / Allegretto 50 / Allegro 120, K3 驱动, 仍是 Beta）, 一次消耗约为普通 Agent 任务的数倍。[^2]细看第六章。 一句话记住分界: 前两档（Instant / Thinking）是「它答、你做」, 后两档（Agent / Agent Swarm）是「它做、你验」。你这次到底要一段回答, 还是要一件成品, 决定了你该停在哪一档。 --- ### II · 四个场景, 各停一档 ### 场景一 · 「这个 API 报错是什么意思」 贴一段报错问原因 —— 要的是一句话。开 Instant, 秒回, 接着干活。**这种活开 Thinking 是白等十几秒, 开 Agent 是等十分钟换一句本该秒回的话。**日常问答, 默认就该停在这里。 ### 场景二 · 「这笔账帮我核一遍」 多步推理、容易算错一步就全错的活 —— 开 Thinking, 让它在内部先推几步。代价只是多等一点, 换来的是少犯低级错。**边界: 它推它的, 你核你的; 深想提高正确率, 不豁免核对。** ### 场景三 · 「把这周的数据做成汇报 PPT」 要的是一件能直接交的成品, 不只是建议 —— 上 Agent。它会自己拆任务、做页面、导出文件, 你等几分钟到十几分钟, 烧掉共享额度池里的一份。**出发前把话说清: 受众是谁、要几页、什么风格。交办模式最贵的不是额度, 是它把一个偏掉的方向一口气做到底。**成品到手先验再发, 别直接转发。 ### 场景四 · 「五十个网页, 给我一张竞品对照表」 这活的特征是「多」不是「难」: 几十个网页要翻、十几份材料要读、一个问题要多个独立视角。单线干到天黑的事, 放一群子 agent 并行, 烧一次集群额度（Moderato 每月 25 次）。[^2]**边界: 别为不存在的规模付费 —— 十个网页以内、一条线能读完的活, 一个 Agent 甚至 Thinking 就够, 动用 Swarm 纯属浪费次数。** 我把四个场景收成一行判断: 先看活的形状, 再挑能办成它的最低那一档。 | 活的形状 | 停在哪档 | 实际代价 | | --- | --- | --- | | 要一句话 | Instant | 秒回, 几乎不耗什么 | | 要一段讲得通的推理 | Thinking | 多等十几秒 | | 要一件能交的成品 | Agent | 几分钟 + 共享额度一份 | | 要并行一大批 / 多视角 | Agent Swarm | 集群次数一次（每月按档限量） | --- ### III · 默认够用, 别为「更高级」上更高的档 一个常见的错觉是「上更高级的模式 = 更好的结果」。多数日常活, 停在前两档才对: 拿 Agent 去问一个事实, 是等十分钟换一句本该秒回的话; 拿 Swarm 去做一件单线就能办的事, 是为不存在的规模付费。**把模式当工具挑, 不当「等级」追。** > 四个模式, 从「答你」到「替你做」; > 我只挑能办成事的最低那一档 ### 引用与参考 01 · Kimi 帮助中心 · Agent 模式 —— 截至 2026-07, 输入框可在 Instant / Thinking / Agent / Agent Swarm 之间切换; Agent 模式不只回答, 直接产出网站 / 幻灯 / 文档 / 表格等成品。 (Kimi 帮助中心 · Agent) 02 · Kimi 帮助中心 · Agent Swarm —— Agent Swarm 是多智能体协作模式, 派出一群子 agent 并行干活、各自独立再归并, 面向大规模查找 / 处理 / 多视角的任务; 现由 Kimi K3 驱动（K3 集群）。截至 2026-07 仍带 Beta 说明, Moderato 档起可用（25 次 / Allegretto 50 次 / Allegro 120 次）。 (Kimi 帮助中心 · Agent Swarm) 03 · Kimi 开放平台 · API 总览 —— 思考（深想）在 kimi-k2.6 上可显式关闭（type: disabled, 经 extra_body 传）; kimi-k3 与 kimi-k2.7-code 的思考永远开启。输入框里 Instant（关思考）与 Thinking（开思考）的切换对应这个开关。截至 2026-07。 (Kimi 开放平台 · API 总览) --- ## 第 05 章 · 交办 · Agent 直接做成品 [原文](https://kimi.read.wiki/books/kimi/05-agent) · [评论](https://kimi.read.wiki/books/kimi/05-agent#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/05-agent/llms.md) > 网页对话里它答我; Agent 模式里它替我做 —— 我说清要什么, 它交回网站、幻灯、文档、表格。这一章是我交办用下来的账: 什么时候该把整件活交给它、一次交办的真实成本是多少, 什么时候它只是把活做快、做砸。 网页对话是一问一答; Agent 模式是另一回事 —— 我说清要什么, 它直接交我一个能用的成品: 一份排好版的 PPT、一张算好的数据表、一页能上线的网页, 而不是一段还得我自己去做的文字。 Agent 是这套栈里「替我做、不只答我」的那一面。[^1]这一章是我交办用下来的账: 什么时候该把整件活交给它、一次交办的真实成本是多少, 什么时候它只是把活做快、做砸; 至于一次要派一群子 agent 的大场面（Agent Swarm）, 留到下一章。 ### I · Agent 交的是成品, 不是文字 它的产出不是一段话, 是一个文件 —— 我用下来, 这是它和默认对话最实的区别。 默认对话给我一段文字, 我拿着文字自己去做 PPT、做表、建站。Agent 模式跳过这一步: Slides 把我的文字材料转成可编辑的 PPT, Websites 不写代码几分钟发布一页网站, Docs 包揽 Word / PDF 的生成转换审阅, Sheets 生成带公式、数据透视表和图表的真 Excel。2026 年 4 月它又升级了全栈能力 —— 后端数据库、用户登录、版本管理、一键发布、代码导出, 做的网站不再只是静态页。[^3][^1]最直观的对照是: 同一个需求, 默认对话给我一段文字大纲, Agent 模式给我一份能直接发出去的导出件。 所以它真正替我省下的, 不是「想内容」那一步, 是「把内容落成一份像样文件」那几小时 —— 排版、套模板、把数据填进表格、把页面搭起来。内容我心里有数时, 它把这层体力活接过去; 这正是它和聊天框的分界。 也别把「成品」想窄成办公三件套。活动海报、社群封面、产品的落地页、一页个人简历站、孩子的生日邀请函 —— 这些「长得不像文档的文档」同样是它的活: 你说清用途、风格和尺寸, 它出页面和图, 你验收。**我拿它做过活动海报、给视频配过字幕、设计过 APP 和网站的界面、书籍封面和 Logo; 很多人用了半年, 都没想起来它能干这个。**需求越不像办公文档, 你越要把验收标准说细（第三节那段 brief 原样适用）。 --- ### II · 一次交办的真实成本 交办不是没有成本的, 账单有三行, 我出发前会先把这三行看清。**时间**: 单次任务约 5–20 分钟, 期间你只能等, 别排即时要用的活。**额度**: 每跑一次吃掉共享额度池里的一份 —— 按常见任务折算, 各档约合 Adagio 6 次、Andante 30、Moderato 60、Allegretto 150、Allegro 360, 和 Kimi Code 的额度池分开算。[^2]**上下文**: 单次任务 128K token（约 10 万汉字）, 超出部分它自己裁剪 —— 素材给得多不如给得准。[^1] 这三个数合起来, 就是我交办前的决策线: 月度次数有限、单次要等、材料窗口有限 —— 所以别把 Agent 当升级版的聊天用。一次把需求说透, 胜过拿次数反复试。 --- ### III · 它适合「结果说得清」的活 我说得清, 它做得成; 我说不清, 它做得快 —— 快快地做出一个不是我要的东西。 Agent 模式吃「明确」。结果形态清楚（要一份 10 页的季度汇报 PPT）、素材现成（数据和要点给齐）、能验收（做完一眼看得出成没成）—— 这种活, 我会整件交办。**反过来, 开放式、要反复试方向的活（「帮我想想这个产品怎么定位」）, 我留在对话里来回更省; 交给 Agent, 它只会一口气把一个还没定准的方向做到底。** > 我的一个习惯: **把验收标准前置**。动手前先用一句话写清「做成什么样算成」, 再放手。它跑得越自动, 你越要在它出发前就把终点画好 —— 否则你拿回来的, 是一个做得很完整的错东西。 举个真实场景: 季度汇报要一份十几页 PPT, 数据和结论你都有, 缺的只是排版那两小时。与其自己套模板, 不如把要点喂给 Agent, 用这样一段 brief 让它一次到位 —— 注意验收标准写在了最前面: **提示词 · Kimi · Agent** ```text 帮我做一份季度业务汇报 PPT。 【验收标准】15 页以内; 每页一个要点; 有数据的页必须配图表; 风格简洁商务、不要花哨动画。 【素材】(在此粘贴你的数据 / 要点 / 上季度结论) 【结构】封面 → 业绩概览 → 三个重点项目 → 风险 → 下季度计划。 【硬约束】数字只用我给的、不要自己编; 拿不准的地方留空并标「待补」。 先按以上出初稿, 我看完再让你改。 ``` **示例** ```text 帮我做一份 Q2 销售复盘 PPT。 【验收标准】12 页以内; 每页一个要点; 有数据的页必须配图表; 风格简洁商务、不要花哨动画。 【素材】Q2 总营收 1,840 万(环比 +12%)、新签客户 37 家、华东大区超额 18%、华南未达标(完成 76%)、退订率从 5.1% 降到 3.4%。 【结构】封面 → 业绩概览 → 三个重点大区 → 风险(华南缺口) → Q3 计划。 【硬约束】数字只用我给的、不要自己编; 拿不准的地方留空并标「待补」。 先按以上出初稿, 我看完再让你改。 ``` --- ### IV · 它把对的事做成, 也把错的事做全 自动化的好处和风险是同一件事: 它会把我交代的方向一做到底 —— 不管那个方向对不对。 所以我的交办边界划得很清楚。适合交给它的: 形态确定、验收得了的成品活。不该全交的: 要边做边改判断的活、一锤定音不容错的活、以及根本验收不了对错的活（你自己都判断不了成品好坏, 就别让它替你做主）。它能替我把活落成文件, 替不了我定这活该往哪做。 一句话收口: 在我这里, Agent 是执行手, 不是决策人。把判断留给自己, 把落地交给它 —— 这条线划对了, 它替你省下的是实打实的几小时; 划错了, 你拿回来的是一份返工成本更高的半成品。 - **把验收标准先写出来, 再交办**: 挑一件常做的成品活, 先只写「做成什么样算成」一句话, 再交给 Agent 跑一次 —— 别中途手痒接管。 - **对照标准打分, 定一条线**: 一次到位几成、你补了多少? 按这个结果定「值得交办 vs 自己来」的线。 > 我说得清, 它做得成; > 我说不清, 它做得快 ### 引用与参考 01 · Kimi 帮助中心 · Agent 模式 —— 截至 2026-07, 在输入框切到 Agent, 它不只回答, 而是直接产出网站 / 幻灯 / 文档 / 表格等成品; 2026 年 4 月升级全栈能力（后端数据库、用户登录、版本管理、一键发布、代码导出）; 单次任务约 5–20 分钟, 上下文 128K token（约 10 万汉字）。 (Kimi 帮助中心 · Agent) 02 · Kimi 帮助中心 · 会员套餐价格 —— Agent 用量与并行任务数随档位上升（Adagio 约 6、Andante 约 30、Moderato 约 60、Allegretto 约 150、Allegro 约 360）; 该次数为共享 token 额度池按常见任务折算的估值, Kimi Code 为单独额度池。截至 2026-07。 (Kimi 帮助中心 · 会员价格) 03 · Kimi 官网 · 功能页（kimi.com/features）—— Slides 把文字文档图片转成可编辑 PPT; Websites 无需代码、几分钟发布上线; Docs 覆盖 Word / PDF 生成、转换、审阅与批处理; Sheets 生成带公式、数据透视表和图表的真 Excel。截至 2026-07。 (Kimi 官网 · 功能页) --- ## 第 06 章 · 大活 · Agent Swarm 与 Kimi Claw [原文](https://kimi.read.wiki/books/kimi/06-swarm) · [评论](https://kimi.read.wiki/books/kimi/06-swarm#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/06-swarm/llms.md) > 我手里有一类活, 单件都不难, 难在一个「多」字。Agent Swarm 用规模换时间, 一次放一群子 agent 并行; Kimi Claw 用自主换托管, 一个常驻 agent 7×24 替你动手。这一章我拆这两条线的账: 什么活值得动用, 动用之前要先认清什么代价。 一个 agent 一次只能顺着一条线干。可我手里有一类活, 单件都不难, 难在一个「多」字 —— 要翻一百个网页、要把四十份 PDF 读成一篇综述、要同时从十个角度看一个问题。这种活, 一个 agent 排队干到天黑。Kimi 的解法, 是放一群上去。 这一章, 我拆两条「大活」的线: **Agent Swarm**（用规模换时间, 一次派出一群子 agent 并行）和 **Kimi Claw**（用自主换托管, 一个 7×24 替你动手的常驻 agent）。两条都猛, 也都各有一笔你要先认清的代价。 ### I · Agent Swarm 换的是「串行排队」的时间 它的本事不是更聪明, 是更多、更并行 —— 把一件能拆开的大活, 同时摊给几百个分身去干。 到 K3 时代, Agent Swarm 改由 K3 驱动（官方叫「K3 集群」）, 一次任务最多能派出约 **300 个子智能体**同时工作、跑超过 **4,000 次工具调用**, 比单个 agent 一步步串着干约快 4.5 倍 —— 这组数字还是 K2.6 时代那组, 官方没随 K3 更新。[^1]给个对照: 单 Agent 是一个人加班到天亮, Agent Swarm 是一支临时组起的小队, 分头干完再归并。 规模的标价同样具体: 按档限次、**一次消耗约为普通 Agent 任务的数倍**, Moderato（¥99/月）档每月 25 次、Allegretto 50 次、Allegro 120 次, 且仍带 Beta 说明。[^1][^3]换句话说, 一个 Moderato 用户每月的集群预算只够动用二十几次 —— 它不是「更高级的默认」, 是一件你确认值得才动用的重型工具。 --- ### II · 它值不值, 我只看「拆得开、并得了」 我判断要不要上 Swarm, 只看一件事: 这活能不能拆成一堆互不依赖、可以同时干的小块。 Swarm 的甜区, 我归成三种「规模」: 一是**查得广**（把散在上百处的信息一次捞齐）, 二是**产得多**（一口气读完几十份材料、写成一份长报告）, 三是**看得全**（同时让多个分身从不同角度看一个问题, 逼出分歧而不是抱团附和）。这三种活的共同点是: 能切成并行的块。[^1] 反过来, 一件必须一步接一步、后一步等前一步结果的线性活, 给它一支 swarm 毫无意义 —— 分身们彼此干等, 你却付着数倍的额度。一个人能顺手办完的事, 别叫一支小队来开会。先问「这活拆得开吗」, 拆不开, 留在单 Agent 甚至对话里更省。 举一个值得动用 swarm 的场景: 一周内摸清一个新赛道 —— 几十家公司的定价、定位、最近融资。一个 agent 串着查要查到天黑, 这种「查得广 + 产得多」正好拆得开。照这个格式交代它: **提示词 · Kimi · Agent Swarm** ```text 任务: 盘点「国内 AI 编程工具」这个赛道。 【并行去做】先列出 ≥30 家, 对每一家分别查: 定价档位、目标用户、最近一轮融资、一句话差异点。 【归并产出】汇成一张表(公司 / 定价 / 用户 / 融资 / 差异), 再写一页总览: 谁在拼低价、谁在拼集成、空白点在哪。 【要求】每个数据点标来源链接和日期; 查不到就写「未公开」, 不要猜。 ``` **示例** ```text 任务: 盘点「国内面向中小商家的 SaaS 客服系统」这个赛道。 【并行去做】先列出 ≥30 家, 对每一家分别查: 定价档位、目标客群(行业 / 规模)、是否支持全渠道接入、一句话差异点。 【归并产出】汇成一张表(公司 / 定价 / 客群 / 全渠道 / 差异), 再写一页总览: 谁在拼低价、谁在拼 AI 自动回复、空白点在哪。 【要求】每个数据点标来源链接和日期; 查不到就写「未公开」, 不要猜。 ``` --- ### III · Kimi Claw: 能力更大, 那条线也更紧 Agent Swarm 是「一次干一票大的」, Kimi Claw 是「一直替你干」—— 自主度高一截, 你要守的线也紧一截。 Kimi Claw 没有死, 是搬了家: 入口从 /claw 迁到了 kimi.com/bot, 形态也从「云端常驻 agent」一个长成了一族 —— 云端 7×24、桌面端、安卓端三种部署, 加上微信 / 飞书 / 企微 / 钉钉 /微博的 IM 机器人, 还有一个 Preview 状态的多 agent 协作空间「Claw 群聊」。7×24 常驻、40GB 云存储、ClawHub 5,000+ 技能、定时任务这些老本事都在, 内置 Kimi 模型、免你配 API。[^2]它能干的事, 比「做一份 PPT」大得多 —— 因为它不只动脑, 还常驻、联网、能替你动手。 有两处细节, 我得先提个醒: 一, Claw 本体的 Beta 角标摘了, 但新形态「Claw 群聊」仍标着 Preview —— 预发布的帽子是换了地方, 不是摘完了, 别当整条线已转正; 二, 默认模型官方两页说法不一（/bot 写 K2.6 Thinking、官方资源页写 K3), 以你部署时页面实际为准。档位要求没变, 仍是 Allegretto（¥199/月）起。[^2][^3] > 但「常驻 + 联网 + 能动手」三样叠在一起, 意味着授权给到哪、数据落在哪、出了错谁兜底, 你都得先想清楚。截至 2026-07, 它的 Beta 角标摘了、新形态群聊仍标 Preview, 档位也仍要 Allegretto（¥199/月）以上。[^3]这是典型的「能用」不等于「现在该押上去」: 普通用户先把前面的 Agent 交办用熟, 这条线等你想清边界再碰也不迟。**能替你 24 小时动手的 agent, 也能 24 小时替你闯祸。** - **同一件活, 先让普通 Agent 跑**: 挑一件「多而不难」的活（几十份资料综述、跨来源盘点）, 先用单 Agent 跑, 记下用时和额度消耗。 - **真的不够, 再上 Swarm 对比**: 单 Agent 干不完、或慢到误事, 才动用集群 —— 对比两边的用时和额度差。「值不值这几倍额度」这条线是你算出来的, 不是官方说的。至于 Kimi Claw, 先只拿无关紧要的定时任务试手, 别一上来就交要紧事。 > 能力越大, > 你要守的那条线越紧 ### 引用与参考 01 · Kimi 帮助中心 · Agent Swarm —— 截至 2026-07, Agent Swarm 由 Kimi K3 驱动（K3 集群）; 单次任务最多部署约 300 个子智能体同时工作、超过 4,000 次工具调用, 较单 agent 串行约快 4.5 倍（该组数字为 K2.6 时代沿用, 未随 K3 更新）; 适合大规模检索、批量处理 100+ 文档、十万字以上产出、复杂编程。仍带 Beta 说明, Moderato 档起可用（25 次 / Allegretto 50 次 / Allegro 120 次）, 消耗约为普通 Agent 任务的数倍额度。 (Kimi 帮助中心 · Agent Swarm) 02 · Kimi Claw 落地页（kimi.com/bot）与帮助中心 kimi-claw 专栏 —— 7×24 常驻 agent, 云端 / 桌面 / 安卓三种部署形态, 另支持微信 / 飞书 / 企微 / 钉钉 / 微博机器人与多 agent 协作空间「Claw 群聊」（Preview）; 40GB 云存储、ClawHub 上 5,000+ 技能、定时任务, Allegretto（¥199/月）档起; Claw 本体页面已无 Beta 标记, 新形态 Claw 群聊标 Preview（预发布）; 默认模型两页表述不一（/bot 写 Kimi K2.6 Thinking、官方资源页写 Kimi K3）。旧入口 /claw 现 302 回首页。截至 2026-07-17。 (Kimi Claw 落地页) 03 · Kimi 帮助中心 · 会员套餐价格 —— Agent 集群（Swarm）按档限次: Moderato 25 次 / Allegretto 50 次 / Allegro 120 次（门槛已自 Allegretto 下放到 Moderato）, 消耗高; 「一键部署 Kimi Claw」自 Allegretto（¥199/月）档起。截至 2026-07。 (Kimi 帮助中心 · 会员价格) --- ## 第 07 章 · 查证 · Deep Research 出带出处的报告 [原文](https://kimi.read.wiki/books/kimi/07-research) · [评论](https://kimi.read.wiki/books/kimi/07-research#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/07-research/llms.md) > 有些问题, 一段聊天回答不够用 —— 我要的是一份能拿去用、每条结论都带出处的报告。这一章, 是我给 Kimi 深度研究划的那条线: 什么活值得等这一趟, 什么活普通对话三秒就够。 有些问题, 一段聊天回答不够用 —— 我要的是一份能拿去用、每条结论都带出处的报告: 选品、政策口径、一个行业的现状。 Kimi 的 Deep Research 会自己开一堆网页、交叉核对、写成结构化文档 —— 这一面对标的是 OpenAI、Gemini 的 Deep Research。[^1]代价明码标价: 一次 10–25 分钟, 约吃掉月度额度的 5–10%（以 Moderato 档为参考, 失败自动返还）。这章, 是我给自己划的那条线: 什么活值得等这一趟, 什么活普通对话三秒就够。 ### I · 它替我换掉了「自己开 20 个标签页」的那一下午 它替我省下的, 是多来源检索、逐条核对、再整理成文的那一整个下午。 深度研究和「联网搜一下」不是一回事。普通搜索给的是几个链接和一段综述; 深度研究由 Kimi 自研的 Kimi-Researcher 驱动, 会把一个复杂问题拆开, 自己一轮轮地搜、读、调整方向 —— 官方给的画像是: 每个任务平均 23 步推理、规划 74 个关键词、找到 206 个网址, 再筛出信息质量最高的前 3.2%, 最后交一份带目录、分章节、每条都能溯源的长报告, 平均万字以上、引用约 26 个信源, 还能导出 PDF / Word。[^1] 所以决策线很清楚: **本来就要花我一下午、开二十个标签页的活, 才配得上这趟。**它的上下文是 128K token（官方折算约 6–10 万汉字）, 够读一大批材料, 但来源太多太杂时它一样要取舍。[^2]普通搜索给的是链接, 深度研究给的是一份能交出去的报告。 --- ### II · 带出处, 才是它和普通搜索的分水岭 一份没有出处的报告只是更长的猜测; 出处, 才是我敢把它交出去的底气。 深度研究最值钱的不是它写得长, 是它每条结论都挂着来源。[^1]但「挂着来源」不等于「来源支持这句话」—— 它偶尔会把相关当因果、引到一篇营销稿、或拿一个过时数据当现行。我的用法是: 别只读它的结论, 抽查它引的两三个链接, 看是否真撑得起那句话。 把「让它标来源和日期」做成一段可复制的开场, 比你临时想怎么问省心 —— 一个选品调研的真实例子: **提示词 · Kimi · Deep Research** ```text 帮我调研: 2026 年国内家用储能电池的主流品牌与选购要点。 【输出】一份分章节报告: 市场概况 / 主流品牌对比(≥5 家: 容量、价格区间、质保、口碑) / 选购避坑 / 结论建议。 【硬要求】每条关键结论后用方括号标来源和发布日期, 如 [来源名, 2026-05]; 区分「厂商宣传」与「第三方实测」。 【边界】信息有冲突时并列呈现、别替我下单一结论; 价格这种时效性强的只给区间并注明可能变动。 ``` **示例** ```text 帮我调研: 2026 年国产开源大模型在企业私有化部署上的主流选型与落地要点。 【输出】一份分章节报告: 整体格局 / 主流模型对比(≥5 家: 参数规模、开源协议、显存需求、推理成本、社区活跃度) / 私有化避坑 / 结论建议。 【硬要求】每条关键结论后用方括号标来源和发布日期, 如 [Hugging Face 模型卡, 2026-04]; 区分「官方宣传指标」与「第三方实测榜单」。 【边界】信息有冲突时并列呈现、别替我下单一结论; 推理成本这种时效性强的只给区间并注明随硬件与版本变动。 ``` --- ### III · 我不会为每个问题都等这一趟 查个事实、要个定义, 普通对话三秒就出答案; 动用深度研究只是白等几分钟、白烧一份额度。 | 问题形状 | 走哪条路 | 为什么 | | --- | --- | --- | | 单点事实、定义 | 普通对话 / Instant | 三秒出答案, 开研究是浪费 | | 只要个起点、随手一问 | 一次普通搜索 | 还没决定要不要这个问题 | | 多来源、要交叉对照、结论拿去做决定 | Deep Research | 一下午的活换 20 分钟 | | 时效性极强（今日行情、刚出的口径） | 都别指望 | 它给的是「截至检索那一刻」, 不是「此刻」 | - **让一个真问题走一趟深度研究**: 你本来就要花一下午查的那种, 要求它对每条关键结论标来源和日期。 - **抽查 3 条出处再签收**: 点开它引的三处, 看是否真撑得起那句话 —— 记下它省你的时间, 也记下它编错的地方。 > 省得了通读的力气, > 省不了核对的责任 ### 引用与参考 01 · Kimi 帮助中心 · 深度研究介绍 —— 由 Moonshot 自研的 Kimi-Researcher 驱动: 每个任务平均 23 步推理、规划 74 个关键词、找到 206 个网址并筛出前 3.2%; 报告平均万字以上、平均引用约 26 个可溯源信源, 附可交互 HTML, 可导出 PDF / Word; 通常需 10–25 分钟, 一次约消耗 5–10% 月度额度（以 Moderato 档为参考）, 失败自动返还。对标 OpenAI / Gemini 的 Deep Research。截至 2026-07。 (Kimi 帮助中心 · 深度研究) 02 · Kimi 帮助中心 · 深度研究上下文长度 —— 截至 2026-07, 深度研究（Kimi-Researcher）的上下文为 128K token（官方折算约 6–10 万汉字, 单次输出约 8K–16K token）; 够它读一大批材料, 但来源太多太杂时它一样要取舍。 (Kimi 帮助中心 · 深度研究上下文) --- ## 第 08 章 · 写码 & 接 API · 把 Kimi 配进你的 Agent [原文](https://kimi.read.wiki/books/kimi/08-code) · [评论](https://kimi.read.wiki/books/kimi/08-code#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/08-code/llms.md) > Kimi Code 是跑在终端、对标 Claude Code 的第一方编码 agent; 开放平台有 OpenAI 与 Anthropic 两套兼容协议, Claude Code、OpenCode、Pi 改几行配置就能接, Codex 要借 CC-Switch 的本地路由。这章我给每个 agent 摆出最小配置, 哪里接不了也明说。 如果你完全不碰代码, 这章可以跳过 —— 这正是我把它单拎出来的原因。 这一章我给开发者摆三道门: 一道是 **Kimi Code**, 跑在终端、对标 Claude Code 的第一方编码 agent; 一道是**开放平台 API** —— OpenAI 与 Anthropic 两套兼容协议, 改几行配置就能把你已经在用的 agent 接过来; 还有一道是 **CC-Switch**, 把多套供应商配置收进一个面板、一键切换。便宜不是它的卖点了(第三章那次定价说过), 但「国内可达 + 两套协议 + 开放权重」这三样, 对国内开发者仍是少有的顺。 ### I · Kimi Code 是第一方的终端 agent 它不是在聊天里贴代码, 是直接进你的仓库改 —— 读文件、跑命令、提改动。 Kimi Code 是跑在终端里的命令行工具, 对标 Claude Code: 它在你的项目目录里直接读多个文件、跑命令、改文件, 一个完整的「改、跑、看、再改」循环, 不用你在浏览器和编辑器之间来回搬。[^1]后端模型现在是 K3 与编码专线的 kimi-for-coding(即 K2.7-Code 那条线, 第三章)—— 配上长程编码的底子, 它扛得住「改一个跨十几个文件的功能」, 而不只是补全一个函数。 _安装 Kimi Code CLI(macOS / Linux 二选一;Windows 用官方 PowerShell 脚本, 见文档)_ ```text ```bash # 官方脚本 curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash # 或 npm(需 Node.js ≥ 22.19.0) npm install -g @moonshot-ai/kimi-code kimi --version # 验证 ``` ``` 装完用 `/login` 登录, 两条路任选: **会员 OAuth**(走你的 Kimi 会员订阅额度)或 **开放平台 API Key**(走按量计费)。[^1]这两条路的账完全分开: 会员那条的模型与上下文还按档位解锁 —— k3 要 Moderato 档及以上, 1M 上下文要 Allegretto 档及以上; 会员额度约为每 5 小时 300–1200 次请求, 并发上限 30。[^1][^2]要记牢的是: 会员的 coding 端点(`api.kimi.com/coding`)与开放平台(`api.moonshot.cn`)是**两个完全独立的账号体系, Key 互不通用** —— 加上开放平台内部还分国内 / 国际两套(下一节), Kimi 一侧其实有三套账户, 配错哪一个都是 401。[^2] > Kimi Code 还能反向接别家: 它的 provider 配置支持 Anthropic Messages 协议, 你哪天想把同一个终端工具接到 Claude 上, 改配置即可。工具是中立的, 选模型是你的自由。 --- ### II · 拿 Key 与两套协议(地基) 所有接法都从同一块地基开始: 一个 Key、两套协议。先把地基打对, 后面每个 agent 都只是填空。 先去控制台建 Key: 国内在 `platform.kimi.com`(人民币, 微信 / 支付宝充值), 国际在 `platform.kimi.ai`(美元)。**两套账户与 Key 完全独立, 混用直接 401** —— 官方 FAQ 的原话是「不能混用」, 这也是接入失败最常见的原因。[^3] 同一个 Key, 对应两套兼容协议。一是 **OpenAI 兼容**(Chat Completions): base_url 国内 `https://api.moonshot.cn/v1`、国际 `https://api.moonshot.ai/v1`, 鉴权 `Authorization: Bearer`, 官方惯用环境变量 `MOONSHOT_API_KEY`。[^4]二是 **Anthropic 兼容**: 国内 `https://api.moonshot.cn/anthropic`、国际 `https://api.moonshot.ai/anthropic` —— 这是让 Claude Code 系工具指向 Kimi 的关键, 下一节第一个就用它。[^6] #### 国内站(¥) ```bash # 控制台: https://platform.kimi.com/console/api-keys export MOONSHOT_API_KEY="YOUR_KIMI_API_KEY" # OpenAI 兼容 export OPENAI_BASE_URL="https://api.moonshot.cn/v1" # Anthropic 兼容(给 Claude Code 系用) export ANTHROPIC_BASE_URL="https://api.moonshot.cn/anthropic" ``` #### 国际站($) ```bash # 控制台: https://platform.kimi.ai/console/api-keys export MOONSHOT_API_KEY="YOUR_KIMI_API_KEY" # OpenAI 兼容 export OPENAI_BASE_URL="https://api.moonshot.ai/v1" # Anthropic 兼容(给 Claude Code 系用) export ANTHROPIC_BASE_URL="https://api.moonshot.ai/anthropic" ``` 地基里还埋着一个限速坑: 速率按账户累计充值分档, 不充值的 tier0 只有 3 RPM、并发 1 —— 而 OpenAI SDK 默认会自动重试 2 次, 官方 FAQ 的原话是, tier0 用户「一次错误的请求就会消耗完所有的 RPM 额度」。充到 ¥50 的 tier1 才有 200 RPM 的可用体验; 注意代金券不计入累计充值。[^5] > 接入报错先查这三样, 按命中率排: ① 国内 Key 配了国际端点(或反过来)→ 401; ② 拿会员订阅的 Key 去调开放平台(或反过来)→ 401; ③ tier0 限速 → 429。三样都不是配置写错了, 是账户对错了。 --- ### III · 把 Key 配进你已经在用的 agent 我按「官方文档写得有多明白」给它们排序, 每个附一份最小可用配置, 注意事项跟在配置后面。 ### Claude Code(Anthropic 兼容, 官方有指南) 这是官方文档写得最全的一条: 把 `ANTHROPIC_BASE_URL` 指到 Kimi 的 Anthropic 兼容端点、用 `ANTHROPIC_AUTH_TOKEN` 鉴权, Claude Code 就把 Kimi 当后端。[^6]两个变量名别搞混 —— `ANTHROPIC_AUTH_TOKEN` 走 `Authorization: Bearer` 头, `ANTHROPIC_API_KEY` 走 `X-Api-Key` 头; 两者同时存在会冲突, 之前配过 `ANTHROPIC_API_KEY` 的先删掉。[^7]写进 `~/.claude/settings.json` 长期生效: _~/.claude/settings.json —— 照官方指南的最小全套(国内站;国际站把 BASE_URL 换成 https://api.moonshot.ai/anthropic)_ ```text ```json { "env": { "ANTHROPIC_BASE_URL": "https://api.moonshot.cn/anthropic", "ANTHROPIC_AUTH_TOKEN": "YOUR_KIMI_API_KEY", "ANTHROPIC_MODEL": "kimi-k3[1m]", "ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3[1m]", "ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3[1m]", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3[1m]", "ANTHROPIC_DEFAULT_FABLE_MODEL": "kimi-k3[1m]", "CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3[1m]", "ENABLE_TOOL_SEARCH": "false", "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1048576", "CLAUDE_CODE_EFFORT_LEVEL": "max" } } ``` ``` 四条注意事项, 都来自官方指南: ① 各档模型变量要配全, 缺了对应场景(后台摘要、子 agent)会静默失败; ② `/model` 菜单是内置别名表、不会显示 Kimi 模型, 配置是否生效以 `/status` 为准; ③ `ENABLE_TOOL_SEARCH` 必须为 `false`, Kimi 端点暂不支持该特性; ④ 换用 `kimi-k2.7-code` 时它强制思考, 要在 Claude Code 里按 Tab 开 Thinking on, 否则请求被 400 拒绝; 另外 WebFetch 在该端点暂不可用。[^6] ### OpenCode(有内置 Moonshot, 最省事) OpenCode 内置了 Moonshot AI(国际)与 Moonshot AI (China)(中国区)两个供应商: 运行 `/connect` 选对应那个、粘贴 Key 即可, 不用手写配置。[^10]想自己管配置(比如团队共享), 就在 `opencode.json` 里声明一个 OpenAI 兼容供应商: _opencode.json —— 自定义供应商(国内站;国际站换 baseURL 与内置供应商 Moonshot AI)_ ```text ```json { "$schema": "https://opencode.ai/config.json", "provider": { "kimi": { "npm": "@ai-sdk/openai-compatible", "name": "Kimi (Moonshot CN)", "options": { "baseURL": "https://api.moonshot.cn/v1", "apiKey": "{env:MOONSHOT_API_KEY}" }, "models": { "kimi-k3": { "name": "Kimi K3", "limit": { "context": 1048576, "output": 65536 } }, "kimi-k2.7-code": { "name": "Kimi K2.7 Code", "limit": { "context": 262144, "output": 65536 } } } } }, "model": "kimi/kimi-k3" } ``` ``` ### Codex CLI(直连不行, 要借一层协议转换) 我先把墙说清楚: 当前版本的 Codex, 自定义供应商的 `wire_api` 只支持 `responses` 一档(官方文档原文: responses is the only supported value), 而 Kimi 开放平台提供的是 Chat Completions —— 协议对不上, **直连不行**。[^8]官方路径是借 CC-Switch 的本地路由做转换: 路由把 Codex 的 Responses 请求转成 Chat Completions 再发给 Kimi, Moonshot 官方的 Codex 接入指南就是照这条写的(配置在 CC-Switch 界面里完成, 不用手改 config.toml)。[^9]完整步骤见下一节 —— 对 Codex 用户来说, CC-Switch 不是可选项, 是目前唯一官方写明的桥。 ### Pi(终端 agent, 配置文件驱动) Pi 是 Mario Zechner 写的终端编码 agent(仓库现为 earendil-works/pi, 原名 pi-mono), 全部供应商配置收在一个 `~/.pi/agent/models.json` 里。[^11]装好后把 Kimi 声明成一个 OpenAI 兼容供应商: _~/.pi/agent/models.json —— apiKey 支持环境变量名 / 字面值 / !命令三种写法; 建议像下面这样填环境变量名, 别把 Key 本体写进文件_ ```text ```json { "providers": { "moonshot": { "baseUrl": "https://api.moonshot.cn/v1", "api": "openai-completions", "apiKey": "MOONSHOT_API_KEY", "models": [ { "id": "kimi-k3", "name": "Kimi K3", "reasoning": true, "contextWindow": 1048576, "maxTokens": 65536 }, { "id": "kimi-k2.7-code", "name": "Kimi K2.7 Code", "reasoning": true, "contextWindow": 262144, "maxTokens": 65536 } ] } } } ``` ``` 保存后在会话里 `/model` 选择即可, 改配置不用重启。[^11]走会员订阅那条线的读者: Pi 还内置了 Kimi For Coding 供应商, 设环境变量 `KIMI_API_KEY` 就能用 —— 注意那套 Key 与开放平台互不通用, 别混。[^2][^11] ### Cline / Roo Code / Aider(都有现成路径) Cline 和 Roo Code 都在供应商下拉里内置了 Moonshot: 直选、粘贴 Key、选模型, 三个动作; 也可以选 OpenAI Compatible, 填 Base URL / API Key / Model ID 三个字段。[^12][^13]Cline 有一条社区反馈值得知道: `kimi-k2.6` 走 OpenAI Compatible 会因 temperature 校验报 400, 优先用内置 Moonshot 供应商(社区 issue, 非官方结论)。[^12]Aider 走通用的 OpenAI 兼容环境变量: _Aider 接 Kimi(也可写进 .aider.conf.yml: openai-api-base / openai-api-key / model)_ ```text ```bash export OPENAI_API_BASE="https://api.moonshot.cn/v1" export OPENAI_API_KEY="YOUR_KIMI_API_KEY" aider --model openai/kimi-k3 ``` ``` ### Cursor(明说: 官方接不了) Cursor 的自带 Key(BYOK)只支持 OpenAI / Anthropic / Google / Azure OpenAI / AWS Bedrock 五家, 文档里没有任意第三方 OpenAI 兼容端点的入口; 自定义 Key 还只覆盖标准聊天模型, Tab 补全照样走 Cursor 内置模型。[^15]设置里那个 OpenAI base URL override 开关, 即便你的版本里还在, 也不受官方支持、随时可能移除, 别把 workflow 押在上面。要在 Cursor 里用 Kimi 模型, 我能给的诚实答案是: 不能, 换上面任何一家 agent。 ### 顺带: 你的 agent 想动浏览器, 装 Kimi WebBridge 配置再全, 上面这些 agent 也只会读写文件和跑命令 —— 碰不了网页。要让它像真人一样点按钮、填表单、跨站取数, 装一个 Kimi WebBridge: Chrome / Edge 扩展, 跑在你自己的浏览器里、直接继承你的登录态, 本地优先、数据不出设备, 扩展本身不收钱。[^17]Kimi Code、Claude Code、Cursor、Codex 这些本地 agent 都能挂; 装法是给 agent 发一句安装命令, 它自己把本地守护程序和技能装好。它解决的不是「模型接入」, 是「给 agent 一把手」。 常有人问我: Kimi 配在哪个 agent 里表现最好? 我的排序是自己用出来的: 首推 **Warp Agent** —— 它支持自定义 API 服务商端点, 把第二节那个 OpenAI 兼容端点填进去就能用, 效果非常好; 其次是 **Kimi Code** 自己 —— 模型稳定性最好, 长跑几乎不中断。 --- ### IV · CC-Switch: 一个面板管所有切换 当你只有一套配置, 手动改 env 就够了; 当你在 Kimi、Claude 官方、其他国产模型之间来回切, 手动改就变成了体力活加残留地狱。CC-Switch(farion1231/cc-switch, 官网 ccswitch.io)就是为这件事生的: 一个桌面面板, 管理 Claude Code、Codex、Gemini CLI、OpenCode 等 8 个工具的供应商配置, v3.17.0、约 12 万 star。[^16]它不是命令行工具, 是 Tauri 桌面应用: _安装 CC-Switch(macOS;Windows / Linux 在 ccswitch.io 下安装包)_ ```text ```bash brew install --cask cc-switch ``` ``` 它的机制值得花三十秒搞懂: 你的每套供应商配置(profile)存在它自己的数据库(`~/.cc-switch/cc-switch.db`); 点「启用」时, 它把对应配置**原子写入**工具真正的配置文件 —— Claude Code 是 `~/.claude/settings.json` 的 `env` 块, Codex 是 `~/.codex/auth.json` 加 `config.toml`。Claude Code 支持热切换不用重启, Codex 要重开终端。手动改 live 配置文件也没关系, 会被它回填进数据库; 它还会检测 shell 里残留的 `ANTHROPIC_API_KEY` 之类的环境变量并警告 —— 因为环境变量优先级高于配置文件, 那正是「改了不生效」的头号来源。[^16] 接 Kimi 几乎不用动手: Claude Code 侧内置了「Kimi」预设(端点 `api.moonshot.cn/anthropic`), 填 Key 即用 —— 预设默认模型目前还是 `kimi-k2.7-code`, 想用 K3 就把它改成 `kimi-k3`, 改完对照官方指南核一遍变量(`ENABLE_TOOL_SEARCH=false`、压缩窗口 1048576); 另有「Kimi For Coding」预设走会员订阅线(`api.kimi.com/coding/`)。[^6][^16]Codex 侧就是第三节那堵墙的答案: 开启路由总开关与 Codex 路由(默认监听 `127.0.0.1:15721`), 添加 Kimi 供应商(Base URL `https://api.moonshot.cn/v1`、默认模型 `kimi-k3`、上游格式 Chat Completions), 启用后重启 Codex —— 路由运行时它替你完成 Responses 与 Chat Completions 的转换。[^9] > 两句实话。一, CC-Switch 是社区第三方工具, 不是 Kimi 官方维护 —— Moonshot 官方指南自己提醒你, 它的预设值可能与官方推荐值有差异, 启用后用 /status 核一遍。二, 你的 Key 和请求会经过它的本地路由, 公司环境先过一遍安全评估; 下载只认官网 ccswitch.io, 官方声明过任何收费的「CC Switch」都是假冒。 和手动改 env 怎么选? 一套配置走天下 → 手动就够, 第二节都给了。多套之间频繁切、或要给团队演示 → CC-Switch 省的是切换成本和「不残留」。两者不冲突 —— 它写入的正是你手动改的那两个文件。[^16] --- ### V · 终端循环不是给所有人的 它替我写, 替不了我审 —— 你看不懂它的 diff, 它的速度只会让你更快地把错误合进去。 我划三条边界。完全不写代码 → 跳过这章, 用 Agent 模式做表、做站就够。会写、但只改一两行 → 对话框里贴代码更快, 不必请出终端。值得请出终端 agent: 多文件、长链条、要反复跑测试的改动 —— 投入越重, 终端循环越划算。 还有一类藏得更深的甜区: **不像代码的文件工作**。我自己前两天的一次: 给这本书做宣传物料 —— 我把需求说清, 它写了 HTML 海报母版、用 Playwright 逐张渲染成图, 又把两小时的直播回放按时间线剪成 59 秒的竖版短片（ffmpeg 切片、压字幕、拼首尾卡）。全程我没打开过设计软件或剪辑软件, 只做了两件事: 说清楚要什么, 和验收。海报、视频、批量处理素材 —— 产出是文件、过程可复算的活, 都归它。很多人用了半年, 都没想起来它能干这个。 一个值得请出它的真实场景: 给一个跨十几个文件的功能加开关。我的用法是, 不一句「加个 feature flag」就放手, 先把范围、测试和安全边界交代清楚, 让它先报方案再动手: **提示词 · kimi-k2.7-code** ```text 任务: 给现有的导出功能加一个 feature flag「EXPORT_V2」。 【先报方案】先列出你打算改哪些文件、为什么, 等我确认再动手, 别直接改。 【做法】flag 默认关闭; 关闭时行为和现在完全一致。 【测试】改完跑一遍现有测试; 为新分支补至少两条(开 / 关各一)。 【安全】不要改数据库 schema、不要删文件、不要碰 CI 配置; 每步说清要执行什么命令。 ``` **示例** ```text 任务: 给现有的登录接口加一个限流中间件「RATE_LIMIT_LOGIN」, 每 IP 每分钟最多 10 次。 【先报方案】先列出你打算改哪些文件、为什么, 等我确认再动手, 别直接改。 【做法】用配置开关控制, 默认关闭; 关闭时行为和现在完全一致。 【测试】改完跑一遍现有测试; 为限流逻辑补至少两条(未超限放行 / 超限返回 429)。 【安全】不要改数据库 schema、不要删文件、不要碰 CI 配置; 每步说清要执行什么命令。 ``` > 一条安全线: 放它自动跑命令前, 你得能看懂它每一步要做什么、并且能回滚。它跑得快是优点, 也是风险 —— 一个你没看懂就合进去的改动, 出问题时它跑得有多快, 你回起来就有多狼狈。另外, K3 发布第一周, 所有跑分都只有厂商自评和一个盲测榜(第三章), 别拿它们当选型的理由; 选型的理由该是「够用 + 兼容 + 国内顺手」。 - **用刚配好的线跑一件真改动, 全程盯着**: 小仓库、真需求, 看它的每一步, 该拦就拦 —— 第一次别放它自己跑。 - **记一次过的比例和回滚次数**: 对比自己动手的时间, 给它定一条「值得请出它」的线。 > 它替我写, > 替不了我审 ### 引用与参考 01 · Kimi Code CLI 官方文档 —— 安装:curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash(macOS / Linux)或 npm install -g @moonshot-ai/kimi-code(需 Node.js ≥ 22.19.0);/login 支持「Kimi Code(OAuth)」会员授权与「Kimi Platform API 密钥」两种方式;可用模型 k3 / kimi-for-coding / kimi-for-coding-highspeed,k3 需 Moderato 档及以上会员、1M 上下文需 Allegretto 档及以上;会员额度约 300–1200 次请求 / 5 小时窗口、并发上限 30。截至 2026-07-17。 (Kimi Code CLI 官方文档) 02 · Kimi 帮助中心 · Kimi Code CLI 常见问题 —— 会员专用端点:OpenAI 兼容 https://api.kimi.com/coding/v1,Anthropic 兼容 https://api.kimi.com/coding/,计费走 Kimi 会员订阅额度;官方逐字声明「api.kimi.com 和 api.moonshot.cn 是两个完全独立的账号体系,API Key 互不通用」。截至 2026-07-17。 (Kimi 帮助中心 · Kimi Code) 03 · Kimi 开放平台 · 快速开始与常见问题 —— 国内控制台 platform.kimi.com(人民币、微信 / 支付宝充值),国际控制台 platform.kimi.ai(美元);官方 FAQ 逐字:「两个平台的账户和 key 完全独立,不能混用」,混用报 401 invalid_authentication_error;「中国境内建议使用 platform.kimi.com 平台,境外建议使用 platform.kimi.ai 平台」。截至 2026-07-17。 (Kimi 开放平台 · 快速开始) 04 · Kimi 开放平台 · API 总览 —— 兼容 OpenAI Chat Completions,base_url 国内 https://api.moonshot.cn/v1、国际 https://api.moonshot.ai/v1;鉴权 Authorization: Bearer,环境变量 MOONSHOT_API_KEY;max_tokens 已弃用,改用 max_completion_tokens。截至 2026-07-17。 (Kimi 开放平台 · API 总览) 05 · Kimi 开放平台 · 充值与限速 —— 按账户累计充值分档:tier0(¥0)并发 1、3 RPM、50 万 TPM;tier1(¥50)并发 50、200 RPM;最高 tier5(¥20,000)1000 并发、10,000 RPM。官方 FAQ 提醒:OpenAI SDK 默认重试 2 次会放大 RPM 消耗,tier0 一次错误请求即可耗尽全部 RPM;代金券不计入累计充值。国际站档位 $1–$3,000。截至 2026-07-17。 (Kimi 开放平台 · 充值与限速) 06 · Kimi 开放平台 · 在 Claude Code 中使用 Kimi —— Anthropic 兼容端点 https://api.moonshot.cn/anthropic(国际站 https://api.moonshot.ai/anthropic);官方环境变量:ANTHROPIC_BASE_URL / ANTHROPIC_AUTH_TOKEN / ANTHROPIC_MODEL=kimi-k3[1m] 及 OPUS / SONNET / HAIKU / FABLE 各档模型变量、CLAUDE_CODE_SUBAGENT_MODEL、ENABLE_TOOL_SEARCH=false、CLAUDE_CODE_AUTO_COMPACT_WINDOW=1048576、CLAUDE_CODE_EFFORT_LEVEL=max;须删除旧 ANTHROPIC_API_KEY 防冲突;/model 菜单不显示 Kimi 模型,以 /status 为准;kimi-k2.7-code 需按 Tab 开启 Thinking,否则 400 invalid thinking;WebFetch 暂不可用。截至 2026-07-17。 (Kimi 开放平台 · Claude Code 指南) 07 · Anthropic 官方文档 · Claude Code 环境变量 —— ANTHROPIC_AUTH_TOKEN 走 Authorization: Bearer 头,ANTHROPIC_API_KEY 走 X-Api-Key 头,二者同时存在会冲突;ANTHROPIC_SMALL_FAST_MODEL 已废弃,由 ANTHROPIC_DEFAULT_HAIKU_MODEL 等档位变量取代。截至 2026-07-17。 (Claude Code · 环境变量) 08 · OpenAI 官方文档 · Codex 配置参考 —— 自定义 model_providers 支持 name / base_url / env_key / wire_api 等键;wire_api 原文「responses is the only supported value」,即只支持 Responses 一档。Kimi 开放平台提供的是 Chat Completions,协议接不上,故 Codex 无法直连,需协议转换层。截至 2026-07-17(该页自 developers.openai.com 迁至 learn.chatgpt.com)。 (Codex · 配置参考) 09 · Kimi 开放平台 · 在 Codex CLI 中使用 Kimi K3 —— 官方路径:经 CC Switch 本地路由把 Codex 的 Responses API 请求转换为 Kimi 的 Chat Completions;步骤为开启路由总开关与 Codex 路由、添加 Kimi 供应商(Base URL https://api.moonshot.cn/v1、默认模型 kimi-k3、上游格式 Chat Completions、上下文窗口 1048576)、启用并重启 Codex。官方提示 CC Switch 为第三方工具,API Key 与请求响应由其本地路由处理。截至 2026-07-17。 (Kimi 开放平台 · Codex 指南) 10 · OpenCode 官方文档与 Kimi 官方 OpenCode 指南 —— 内置 Moonshot AI(国际)与 Moonshot AI (China)(中国区)两个供应商,/connect 粘贴 Key 即可;自定义供应商走 opencode.json,npm 包 @ai-sdk/openai-compatible,options.baseURL / options.apiKey(支持 {env:VAR} 引用)/ models 逐字键名。截至 2026-07-17。 (OpenCode · Providers) 11 · Pi 官方文档(earendil-works/pi,原 badlogic/pi-mono)—— 终端编码 agent;安装 npm install -g @earendil-works/pi-coding-agent;自定义供应商写在 ~/.pi/agent/models.json,支持 api: openai-completions / anthropic-messages 等,apiKey 可填环境变量名;另内置 Kimi For Coding 供应商(环境变量 KIMI_API_KEY)。截至 2026-07-17。 (Pi · GitHub) 12 · Cline 官方文档 —— 内置 Moonshot 供应商(下拉直选、粘贴 Key);或选 OpenAI Compatible,逐字字段 Base URL / API Key / Model ID。社区 issue(cline#10544)报告:kimi-k2.6 走 OpenAI Compatible 会因 temperature 校验报 400,建议优先用内置 Moonshot 供应商(社区反馈,非官方结论)。截至 2026-07-17。 (Cline · Moonshot) 13 · Roo Code 官方文档 —— 内置 Moonshot 供应商(下拉直选);或选 OpenAI Compatible(Base URL / API Key / Model);Roo Code 仅使用原生 tool calling,模型须支持 OpenAI 风格工具调用。截至 2026-07-17。 (Roo Code · Moonshot) 14 · Aider 官方文档 · OpenAI 兼容端点 —— export OPENAI_API_BASE 与 OPENAI_API_KEY 后以 aider --model openai/模型名 启动;.aider.conf.yml 对应键 openai-api-base / openai-api-key / model。无 Moonshot 专页,走通用 OpenAI 兼容路径。截至 2026-07-17。 (Aider · OpenAI Compatible) 15 · Cursor 官方文档 · API Keys —— 自带 Key(BYOK)仅支持 OpenAI / Anthropic / Google / Azure OpenAI / AWS Bedrock 五家,无任意第三方 OpenAI 兼容端点;自定义 Key 只覆盖标准聊天模型,Tab 补全等仍走 Cursor 内置模型。截至 2026-07-17,Kimi 无法经官方支持的方式接入 Cursor。 (Cursor · API Keys) 16 · CC-Switch(farion1231/cc-switch,官网 ccswitch.io)—— v3.17.0(2026-07-13),约 12 万 star(GitHub API 118,315),Tauri 桌面应用(macOS 可 brew install --cask cc-switch);管理 Claude Code / Codex / Gemini CLI / OpenCode 等 8 个工具的供应商配置;配置存于 ~/.cc-switch/cc-switch.db(SQLite),切换时原子写入 ~/.claude/settings.json 的 env 块与 ~/.codex/auth.json + config.toml;Claude Code 支持热切换,Codex 需重开终端;自动检测 shell 环境变量冲突;内置 Kimi(api.moonshot.cn/anthropic,预设模型 kimi-k2.7-code)与 Kimi For Coding(api.kimi.com/coding/)预设;Codex 侧本地路由默认 127.0.0.1:15721。截至 2026-07-17。 (CC-Switch · GitHub) 17 · Kimi 帮助中心 · Kimi WebBridge 介绍 —— 为 AI Agent 设计的 Chrome / Edge 浏览器扩展: 跑在你正在用的浏览器里、直接继承登录态, 让 agent 像真人一样点击、填表、提取、跨站整合; 本地优先, 网页数据不出设备; 扩展本身不收钱, 可配合 Kimi Code / Claude Code / Cursor / Codex 等本地 agent。截至 2026-07。 (Kimi 帮助中心 · Kimi WebBridge) --- ## 第 09 章 · 选档 & 取舍 · 买哪档, 什么时候回 frontier [原文](https://kimi.read.wiki/books/kimi/09-selection) · [评论](https://kimi.read.wiki/books/kimi/09-selection#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/09-selection/llms.md) > 我挑档不盯价格, 盯的是我缺 Agent 次数、Agent 集群, 还是 Kimi Code 额度。这章我把五档会员摆开, 附上我自己 Allegretto 档一个月的 token 实测, 说清订阅不含 API 这条线, 也算清什么活回 Claude / GPT、什么活交给 DeepSeek。 这本书写到这里, 我自己也得落两个决定: 这套栈买哪一档, 以及哪些活根本不该交给它。我选档不看价格, 看我缺的是哪样分项额度; 做取舍不看谁口号大, 看我最常干的活谁做得最顺。这一章就是我把这两笔账算出来的过程。 ### I · 我挑档, 看的是分项额度, 不是模型 我多付的钱, 买的是各项用量, 不是一个更聪明的模型 —— 五档跑的是同一套模型。 截至 2026-07, Kimi 会员五档全用音乐术语命名: Adagio（¥0）、Andante ¥49、Moderato ¥99、Allegretto ¥199、Allegro ¥699。[^1]它们之间差的不是模型, 而是**分项额度**: Agent 用量（约 6 → 360 个）、Kimi Code 倍率（1x → 60x）、Agent 集群（Moderato 25 次 / Allegretto 50 / Allegro 120）、专业数据库调用（200 → 12,000 次）, 以及 Kimi Claw 从 Allegretto（¥199）才解锁。还要注意额度结构: Agent、深度研究、PPT、Kimi Claw 这些**共享一个 token 额度池**（次数只是折算估值）, 只有 Kimi Code 是单独的池 —— Swarm 跑得猛, 是真的会把 Agent 用量也吃紧的。[^1] 把「缺哪样」落到数字上, 我用的是一个自测算法 —— 第一章照镜子那套的延续: 翻自己上个月的记录, 数出三样: 办了几次成品（Agent 档次数）、跑了几次编码会话（Code 倍率）、动过几次集群。然后对表: | 我的月度用量 | 建议档 | 月费 | 关键额度 | | --- | --- | --- | --- | | 偶尔问答 + 几次交办 | Adagio（¥0）| ¥0 | Agent 约 6 次试水 | | 每周几次交办, 不写码 | Andante | ¥49 | Agent 约 30 次 | | 交办 + 集群 + 日常写码 | Moderato | ¥99 | Agent 约 60 · 集群 25 · Code 4x | | 重度写码为主业 | Allegretto | ¥199 | Code 20x · 集群 50 · 解锁 Claw | | 全部拉满的重度栈用户 | Allegro | ¥699 | Code 60x · Agent 约 360 | 别照着价目表挑「功能最全」的那档 —— 挑「补上你那块短缺」的那档。重度写码的人盯 Kimi Code 倍率, 常交办成品的人盯 Agent 次数和集群, 多数轻度用户 ¥0 的 Adagio 或 ¥49 的 Andante 就够。[^1] Kimi Code 那个单独的池, 官方只标倍率、不标绝对数, 我拿自己的 Allegretto(¥199, Code 20x)粗测了一个月, 给个锚点: 只跑 K3 max, 每 5 小时约 2,600 万 token、每周约 1.3 亿, 折一个月大致 5–6 亿; K2.6 与 K2.7-Code 混用, 一个月跑到 14–16 亿。按倍率往回粗推（纯估算, 以官方页面为准）: Moderato(4x)每 5 小时约 500 万、每周约 2,600 万; Allegro(60x)每 5 小时约 7,800 万、每周约 3.9 亿。锚点是我按自己的重度用法跑出来的, 你的里程会不一样。 --- ### II · 订阅不含 API —— 自动化是另一条账 想把 Kimi 接进脚本和系统, 订阅那点额度不算数; API 是另一套账户、另一条账单。 这条线最容易踩。消费端会员和开放平台（platform.kimi.com）的 API 是两回事: 两套账户、两条计费, 会员买得再高也不附带 API 额度。[^2]API 按 token 计价（旗舰 kimi-k3 每百万 ¥20 输入 / ¥100 输出, 缓存命中 ¥2）, base_url 是 `https://api.moonshot.cn/v1`, 兼容 OpenAI（第八章那条）。另外第八章还讲过第三条账: 会员自带的 coding 端点（api.kimi.com/coding）—— 三套账户各算各的, 谁的 Key 也别串。我的判断很简单: 偶尔手动用 → 会员; 要稳定、批量、嵌进产品自动跑 → 走 API 单独算账（第三章的解剖台就是干这个的）。会员买的是给自己用, API 买的是让它替系统跑。 顺带辟一个传言: 市面上流传的「Kimi Code 独立订阅 $19 / $39」是把国际版会员价张冠李戴。截至 2026-07-17, Kimi Code 仍随会员提供、不是独立商品; 官方只预告了「会员权益将与 Kimi Code 权益拆分、可按需分别购买」, 新套餐的档名和价格还没公布 —— 别按传言里的数字做预算。[^4] --- ### III · 我的取舍: 它的位置, 和什么时候别用它 Kimi 不是「最便宜」, 也不是「样样第一」, 更不是「国产版某家」。把它当谁的平替, 你只会拿它的短处比别人的长处。 我看准它的独一份: 不是单项最强, 是**一整套整合好的 agent 栈 + 国内可达 + 中文长材料顺手 + 开源权重打底**叠在一起（现货是 K2 系, K3 权重官方承诺 7 月 27 日前放出）。[^3]我选它, 是因为这一整套对上了我的活 —— 我要的就是「聊天 + 交办 + 研究 + 写码」一站式、还在国内直连。单拎一项去比, 它可能不占上风。 我给一把按场景的尺子（只讲适配, 不踩同行）: 要一站式的 agent 栈、中文长材料、国内顺手的编码 → Kimi; 最难的推理、最吃打磨的 agentic coding、一锤定音的输出 → 回 Claude / GPT 这些前沿; 极致性价比的推理、或想拿开源权重自建省钱 → DeepSeek 更划算（它专打便宜这条, 而 Kimi 已经涨价离场）; 多模态创作、绑字节生态 → 豆包更全; 阿里生态、企业接入合规 → 通义更稳。 我选主力的标准不是谁 benchmark 高, 是「最常干的那类活, 谁做得最顺」。多数人需要一两个主力加一个备胎, 不是五个都开着。这一节最该被你截图存下来。 - 列出你上个月真花掉额度的 5 类活。 - 对照五档的 Agent 次数 / Kimi Code 倍率 / 集群, 看你其实卡在哪一样。 - 挑出其中该走 API、或换前沿 / DeepSeek / 豆包 / 通义 更顺的活。 - 定下你的主力档位与「什么时候升 / 降档」的触发条件。 > 我的收束就一句: Kimi 这一年从长文本工具长成了一套栈。它不靠便宜取胜, 靠的是这一整套对上你的活。选对那一面、买对那一档, 比追更高的档位重要 —— 它对不上的活, 也大方交给更合适的那一个。 > 便宜是 DeepSeek 的活, > Kimi 卖的是整套栈 ### 引用与参考 01 · Kimi 帮助中心 · 会员套餐价格 —— 截至 2026-07 五档: Adagio（¥0）、Andante ¥49、Moderato ¥99、Allegretto ¥199、Allegro ¥699。分项额度: Agent 用量约 6 / 30 / 60 / 150 / 360 个（共享 token 额度池按常见任务折算的估值）, Kimi Code 倍率 1x / 4x / 20x / 60x（单独额度池）, Agent 集群 Moderato 25 次 / Allegretto 50 次 / Allegro 120 次, 专业数据库 200 / 1,000 / 2,000 / 5,000 / 12,000 次, Kimi Claw 自 Allegretto 起; 连续包年最高省 ¥1,680。国际版为另一套档位（$19–$199）。 (Kimi 帮助中心 · 会员价格) 02 · Kimi 开放平台（platform.kimi.com）· 定价 —— 消费端会员与 API 是两套账户、两条计费; 订阅不含 API 额度。API 按 token 计价（旗舰 kimi-k3 每百万 ¥20.00 输入 / ¥2.00 缓存命中 / ¥100.00 输出, 1M 上下文）, base_url https://api.moonshot.cn/v1。截至 2026-07。 (Kimi 开放平台 · 定价) 03 · Hugging Face · moonshotai（Kimi-K2.6 / Kimi-K2.7-Code 模型卡）—— K2 系权重 Modified MIT 开源, 可自托管; K3 权重官方承诺 2026 年 7 月 27 日前放出。Kimi 的独一份不是「最便宜」也不是「样样第一」, 而是「整合好的 agent 栈 + 国内可达 + 中文长材料 + 开源权重」叠在一起。截至 2026-07。 (Hugging Face · Kimi-K2.7-Code) 04 · Kimi Code 官方文档 · 会员权益 —— Kimi Code 随 Kimi 会员订阅一同提供、并非独立商品; k3 需 Moderato 档及以上、1M 上下文需 Allegretto 档及以上, 高速版需 Allegretto; 每 5 小时约 300–1,200 次请求、并发 30。官方预告「会员权益将与 Kimi Code 权益拆分、可按需分别购买」, 截至 2026-07-17 未上线、新套餐档名与价格未公布。 (Kimi Code · 会员权益) --- ## 第 10 章 · 实战速查 · 哪类活该用哪一面 [原文](https://kimi.read.wiki/books/kimi/10-playbook) · [评论](https://kimi.read.wiki/books/kimi/10-playbook#discussion) · [本章 md](https://kimi.read.wiki/books/kimi/10-playbook/llms.md) > 前面九章, 我把这套栈的每一面单独拆开算过账。这一章把判断压成一页速查: 哪类活走哪一面、怎么用、别怎么用。对上哪一行, 就走那一面; 对不上, 别硬留在它这。 前面九章, 我把每一面单独拆开算过账。这一页, 我把那些判断压成一张表 —— 你不必每次重读一章, 对着手头的活, 在表里找到那一行就行。 用法只有一句: **对上哪一行, 就走那一面**; 对不上的, 别硬留在 Kimi 这, 回上一章「选型取舍」看该交给谁。 ### I · 场景 → 用哪一面 → 怎么用 这张表盖住我八成的日常。先认你这次的活属于哪一类, 再照「怎么用」那一列去交代它。 | 这类活 | 走哪一面 | 怎么用（一句最佳实践） | | --- | --- | --- | | 查事实、要定义 | Instant | 直接问, 别开思考、别上 Agent | | 多步推理、算账、写逻辑 | Thinking | 把背景和判断标准一次给够 | | 10 万 token 内的摘要 / 翻译 | kimi-k2.6（关思考） | 几毛钱的事, 答错一眼能看出的活 | | 20 万 token 级长料一次吃完 | kimi-k3 | 分段会丢全局的活, 几元买不丢 | | 做 PPT / 网页 / 表格成品 | Agent | 验收标准前置, 数字只用你给的 | | 做海报 / 封面 / 邀请函 | Agent 或 Kimi Code | 风格用途说清; HTML 母版比改图好迭代 | | 剪视频 / 批处理素材 | Kimi Code | 本地文件 + ffmpeg, 它写管线你验收 | | 大规模盘点 / 几十份材料综述 | Agent Swarm | 框成可并行、每点标来源（Moderato+ 25 次起） | | 带出处的调研报告 | Deep Research | 每条结论标来源 + 日期, 抽查 2–3 条 | | 日常小改编码 | kimi-k2.7-code | 几元一次, 修复率 31% 档够使 | | 难活编码一次过 | kimi-k3 | 「做对一次的成本」反而接近 | | 交互结对赶时间 | k2.7-code-highspeed | 翻倍价格买的是人不等, 后台别用 | | 批量千级条目处理 | kimi-k2.6 · Batch | 六折, 单条几厘, 全书性价比最高一格 | | 接进脚本 / 产品自动跑 | 开放平台 API | 改 base_url + model; 走 API 单独计费 | | 让 agent 动浏览器 | Kimi WebBridge | 扩展继承你的登录态, 数据不出设备 | | 7×24 常驻、定时任务 | Kimi Claw | 先拿无关紧要的定时任务试手 | 表里的每一「面」, 我在前面各章都单独拆过: 模型（第三章）、模式（第四章）、Agent（第五章）、Agent Swarm（第六章）、Deep Research（第七章）、Kimi Code 与 API（第八章）。[^1]要看具体怎么做, 翻回那一章。 --- ### II · 我用下来, 贯穿所有场景的是这三条 不管走哪一面, 这三条我都用得上 —— 记住它们, 比记住任何一个入口都管用。 - **先把活说清, 再挑模型 / 模式**: 缺背景、没判断标准的提问, 开思考、换 Agent 都救不回来。提问质量是前 90%, 挡位是最后 10%。 - **越自动, 越要前置验收和红线**: Agent / Swarm / Kimi Code / Claw 这些「替你做」的, 出发前就把「做成什么样算成」和「不许碰什么」写清楚 —— 否则它把错事也做得很完整。 - **要事实, 就要出处**: Deep Research 和 Swarm 的产出都让它标来源 + 日期, 你抽查两三条再用。挂着来源 ≠ 来源支持那句话。 还有一条账上的铁律: 以上都是消费端会员的事; 一旦要稳定、批量、嵌进系统自动跑, 走开放平台 API（`api.moonshot.cn/v1`）, 那是另一套账户、另一条计费, 订阅额度不算数。[^2] --- ### III · 反面速查: 这几样别这么用 省力的另一半, 是不把劲使错地方。我把最常见的几个错配列在这: - 拿 Agent / Swarm 去问一个事实 —— 等十分钟换一句本该秒回的话。 - 把开放式构思（「帮我想想方向」）交给 Agent —— 它会把没定准的方向一口气做到底。 - 拿 K3 去批量打标签 —— 它不在 Batch 内, 同样的活贵五倍。 - 拿高速版跑后台任务 —— 翻倍的价格买的是「人不等」, 没人盯就纯浪费。 - 冲着「便宜」选 Kimi —— 它已涨价离场, 省钱该看 DeepSeek。 - 把会员额度当 API 用 —— 两套账, 订阅不含 API。[^2] - 拿 Kimi Claw 押要紧事 —— 要 Allegretto 以上才有, 常驻 agent 先拿无关紧要的定时任务试手, 边界想清再交。[^3] --- ### IV · 泛 Builder 工法: 用 AI 学习、思考、构建与转型 很多人以为只有天天打开终端敲代码、接 API 的人才算 Builder。这是旧时代的偏见。在 K3 与全栈智能体时代, 语法的门槛已经被抹平; 真正稀缺的是问题定义力、批判性判断力, 与将现实业务组装成闭环的能力。任何运用智能杠杆放大个人产出、完成自我进化的人, 都是 Universal Builder。 ### 一、用 AI 学习: 认知脚手架与苏格拉底穿透 最平庸的用法是拿 AI 当百科全书搜答案; 最高阶的用法是把它当成一位永不疲倦、极其严厉的私教。遇到陌生技术、硬核学科或复杂概念时, 别让它直接吐出几千字教材, 而是通过反问、生活比喻与反例挑刺, 逼迫你在思想碰撞中建立真实的认知模型。 **提示词 · Kimi · Thinking** ```text 你现在是顶尖的跨学科认知教练兼苏格拉底学者。我的目标是透彻理解【主题: <要学习的核心概念>】的核心机制, 并能向小白解释清楚。\n\n【教学规则】\n1. 不要一上来输出教科书式定义或长篇大论。\n2. 用一个生活比喻切入, 引出该概念试图解决的根本矛盾。\n3. 每次只向我抛出一个递进式问题, 等我回答。\n4. 如果我理解有偏差, 给出反例或极端边界进行挑刺(Socratic Irony), 逼我修正漏洞。\n5. 连续通过三层逻辑验证后, 再进入下一阶。\n\n请用第一个比喻和第一道问题开始。 ``` **示例** ```text 你现在是顶尖的跨学科认知教练兼苏格拉底学者。我的目标是透彻理解【主题: 分布式共识算法 Paxos 与 Raft 的核心差异】的核心机制, 并能向小白解释清楚。\n\n【教学规则】\n1. 不要一上来输出教科书式定义或长篇大论。\n2. 用一个生活比喻切入, 引出该概念试图解决的根本矛盾。\n3. 每次只向我抛出一个递进式问题, 等我回答。\n4. 如果我理解有偏差, 给出反例或极端边界进行挑刺(Socratic Irony), 逼我修正漏洞。\n5. 连续通过三层逻辑验证后, 再进入下一阶。\n\n请用第一个比喻和第一道问题开始。 ``` ### 二、用 AI 思考: 决策沙盘与对抗性红蓝军 自己做重大判断(创业选赛道、岗位转型、业务攻坚)时, 人总会下意识美化方案、落入幸存者偏差。在出发之前, 把完整计划扔给 Thinking 模式, 让它扮演最刁钻的投资人或对手发动「红队审查」(Red Teaming)。把隐藏在乐观假设里的暗礁提前炸出来。 **提示词 · Kimi · Thinking** ```text 你现在是我最严苛的战略顾问兼红队指挥官(Red Teamer)。我即将做出一个重大决定, 请在出发前彻底撕碎我的方案, 挑出所有致命漏洞。\n\n【我的方案】\n目标与背景: <背景说明>\n具体行动路线: <步骤与资源投放>\n预期收益: <预期成果>\n\n【请按三步审查】\n1. 预检死亡(Pre-mortem): 假设 12 个月后该计划彻底崩盘。列出 3 个最可能导致惨剧的隐蔽隐患(排除天灾, 聚焦于我的假设盲区)。\n2. 二阶效应挑战: 哪条假设最经不起推敲？若利益相关方非理性反制, 我的软肋在哪？\n3. 最小验证: 给出一个成本低于现有 5%、耗时不超过 7 天的真实压力测试方案。 ``` **示例** ```text 你现在是我最严苛的战略顾问兼红队指挥官(Red Teamer)。我即将做出一个重大决定, 请在出发前彻底撕碎我的方案, 挑出所有致命漏洞。\n\n【我的方案】\n目标与背景: 我是一名有 6 年经验的资深后端研发, 计划辞职创立针对出海独立开发者的微型自动化税务合规 SaaS。\n具体行动路线: 前 3 个月全职开发 MVP, 接入 Stripe 与各地区税率 API; 第 4 个月在 Product Hunt 与 X 发布。\n预期收益: 半年内积累 50 位年费 $299 的付费用户。\n\n【请按三步审查】\n1. 预检死亡(Pre-mortem): 假设 12 个月后该计划彻底崩盘。列出 3 个最可能导致惨剧的隐蔽隐患(排除天灾, 聚焦于我的假设盲区)。\n2. 二阶效应挑战: 哪条假设最经不起推敲？若利益相关方非理性反制, 我的软肋在哪？\n3. 最小验证: 给出一个成本低于现有 5%、耗时不超过 7 天的真实压力测试方案。 ``` ### 三、用 AI 构建: 业务人员的自然语言高阶交付 构建不再是程序员的专利。一个不懂写前端的产品、运营或顾问, 用 Kimi Agent 模式同样可以在 20 分钟内做出可交付的交互式原型、看板或汇报。秘诀只有一条: 前置验收规范, 严禁占位符与虚构数字。 **提示词 · Kimi · Agent** ```text 请以资深全栈系统架构师的标准, 为我交付一份完整的【成品类型: <可交互单页 HTML / 专业报告 / 演示材料>】。\n\n【主题与目标】<任务说明>\n【底稿与关键数据】<粘贴客观事实与数据表>\n\n【硬性交付验收标准】\n1. 严禁使用「TODO」、「占位符」或未完成逻辑; 必须是内容丰满的完整成品。\n2. 文中所有数字与事实严格出自我的底稿, 不得脑补幻觉。\n3. 排版采用现代极简美学, 重点结论必须有对比表格与高亮数据卡。\n4. 直接输出成品源码或文档, 并在开头附 3 句话执行摘要。 ``` **示例** ```text 请以资深全栈系统架构师的标准, 为我交付一份完整的【成品类型: 包含交互式筛选与趋势可视化的单页财务仪表盘 HTML】。\n\n【主题与目标】根据过去四个季度的多渠道投放数据, 交付一份能直接在浏览器打开的投产比(ROI)复盘看板。\n【底稿与关键数据】Q1-Q4 总投放 240 万; 搜索渠道 ROI 2.8, 信息流 ROI 1.4, 达人合作 ROI 3.6; 下半年达人渠道获客成本上升 35%。\n\n【硬性交付验收标准】\n1. 严禁使用「TODO」、「占位符」或未完成逻辑; 必须是内容丰满的完整成品。\n2. 文中所有数字与事实严格出自我的底稿, 不得脑补幻觉。\n3. 排版采用现代极简美学, 重点结论必须有对比表格与高亮数据卡。\n4. 直接输出成品源码或文档, 并在开头附 3 句话执行摘要。 ``` ### 四、用 AI 转型: 超级个体与一人公司生产力飞轮 现代商业正在从「组织人」走向「超级个体」。一个懂得调度 Kimi Agent 栈的单兵, 可以同时拥有初级调研员(Deep Research)、批量处理助手(Batch/Swarm)与技术交付专员(Kimi Code)。转型的关键是把日常 80% 的体力文本与机械搬运彻底剥离, 仅保留核心的战略判断与客户信任。 > 真正的杠杆不是『用 AI 把原本的工作干得更快一点』, 而是『原本需要 5 个人团队才能承接的业务, 现在你一个人就是一家全功能咨询公司』。 ### 五、用 AI 搞定一切: 现实复杂系统的终极杠杆 现实生活中的大宗决策 —— 房产选筹、家庭长期资产配置、复杂医疗报告综合求证、疑难维权合同梳理 —— 本质上都是「信息高度不对称、长文本材料繁杂、容错率低」的复杂系统工程。这恰恰是 Kimi 长文本与深度推理的主场。把几十万字官方条例、合同原件与多方评测整体塞入 K3, 让它比对交叉冲突、梳理隐藏条款, 智能杠杆才能真正接管你生活里的重大风险。 把这页截下来贴在手边。它不替你做判断, 替你少走那十次最常见的弯路 —— 剩下的, 交给前面九章那把尺。 > 对上哪一行, 我就走哪一面; > 对不上, 我不硬留在它这 ### 引用与参考 01 · Kimi 官网首页（kimi.com）—— 截至 2026-07 首屏标注「Kimi AI with K3 | Built for Agentic Coding & Knowledge Work」, 产品入口涵盖 Chat / Slides / Websites / Docs / Sheets / Deep Research / Agent / Agent Swarm / Kimi Code / Kimi Claw（/bot）/ Kimi Work（Beta）, 即本页表格里那几「面」的来源。 (Kimi 官网) 02 · Kimi 开放平台（platform.kimi.com）· API 总览 —— base_url https://api.moonshot.cn/v1, 兼容 OpenAI; 消费端会员与 API 是两套账户、两条计费, 订阅不含 API 额度。截至 2026-07。 (Kimi 开放平台 · API 总览) 03 · Kimi 帮助中心 · 会员价格 —— Agent 集群（Swarm）自 Moderato（¥99/月）起（25 / 50 / 120 次, 仍带 Beta 说明）; Kimi Claw 自 Allegretto（¥199/月）起, 本体页面已无 Beta 标记（新形态 Claw 群聊标 Preview）; 会员功能共享 token 额度池（Kimi Code 为单独池）。截至 2026-07。 (Kimi 帮助中心 · 会员价格) 04 · Kimi 帮助中心 · Kimi WebBridge 介绍 —— 为 AI Agent 设计的 Chrome / Edge 扩展: 继承你浏览器的登录态, 让 agent 像真人一样点网页、填表单、跨站取数; 本地优先、数据不出设备, 扩展本身不收钱。截至 2026-07。 (Kimi 帮助中心 · Kimi WebBridge) --- ## 读完了想说点什么? - 完整版与最新更新: https://kimi.read.wiki/books/kimi - 章末评论 (一章一区): https://kimi.read.wiki/books/kimi/10-playbook#discussion - 关注作者: Twitter [@ak_zhaphar](https://x.com/ak_zhaphar) · GitHub [aklmans/kimi-cookbook](https://github.com/aklmans/kimi-cookbook) · Email hi@zhaphar.com - 觉得有用想支持作者: https://kimi.read.wiki/about --- *Kimi · 从长文本到一套 agent 栈 · Zhaphar 著 · CC BY-NC-SA 4.0 · https://kimi.read.wiki/books/kimi*