月之暗面在北京酒吧舉辦慶功會，慶祝Kimi K3大模型高熱度發佈。現場屏幕公佈產品規劃：K3定位擴容升級，下一代K4將打磨至極高水準，並喊出“衝上月球”口號，展現團隊進取雄心。
月之暗面在京舉辦慶功活動，慶祝Kimi K3大模型發佈後獲廣泛關注。現場“K3擴容升級”“K4幹到極致”“衝上月球”等標語，凸顯市場對算力擴容的強烈需求，並宣示研發下一代K4的野心。聯合創始人張予彤疑似現身。
英美AI安全機構聯合評測Kimi K3：在漏洞利用和模擬網絡攻擊能力上遜於美國前沿模型，但優於智譜GLM-5.2，成爲開放權重模型中的新標杆。
OpenAI總裁布羅克曼罕見評價中國模型Kimi K3“確實相當不錯”，首次由美國AI標杆實權人物接話中美大模型差距話題，打破外界默認美國大幅領先的固有認知。
KidVoice是一款AI童聲生成器，免費，50+風格，支持多語言及語音克隆
Kira創作者共創社區，創造值得分享的快樂
商業AI提示工具包，含500+提示、13模板和80頁手冊，提升生產力。
Kim是AI健康助手，可同步穿戴設備、掃描血檢報告，提供個性化健康見解。
Moonshot
$4
輸入tokens/百萬
$16
輸出tokens/百萬
256
上下文長度
$5
$20
32
$2
$10
8
$30
131
$200
$1
262
$8
$32
Shawon16
這是一個基於VideoMAE架構的視頻理解模型，在Kinetics數據集預訓練的基礎上進行了微調，專門用於手語識別任務。模型在評估集上表現有待提升，準確率為0.0010。
Kiy-K
Fyodor-Q3-8B-Instruct 是一款專為智能推理和穩健代碼生成設計的高保真指令調優模型。它基於Qwen3-8B架構，採用高秩LoRA配置訓練，擅長在編碼前進行規劃，非常適合複雜的軟件工程任務。
Fyodor-StarCoder2-7B-MoE是基於StarCoder2-7B的增強版本，採用混合專家架構，擁有3個MoE層、6個專家網絡和top-2路由機制，在代碼生成、函數調用和智能體任務方面表現優異。
inferencerlabs
Kimi - K2 - Thinking 3.825bit MLX 是一款用於文本生成的量化模型，通過不同的量化方式在測試中取得不同的困惑度表現，其中q3.825bit量化能達到1.256的困惑度。
DevQuasar
本項目基於 moonshotai/Kimi-K2-Thinking 基礎模型，通過自定義反量化腳本將原始的INT4模型轉換為更高質量的文本生成模型，致力於讓知識為每個人所用。
基於MLX庫實現的文本生成模型，支持多種量化方式推理，具備分佈式計算能力，可在蘋果硬件環境下高效運行。
mlx-community
Kimi-K2-Thinking 是由 mlx-community 從 moonshotai 原版模型轉換而來的 MLX 格式大語言模型，採用 mlx-lm 0.28.4 版本進行轉換，保留了原模型的思維鏈推理能力。
kirankumarpetlu
這是一個基於Google Gemma-2B-IT基礎模型，使用PEFT（參數高效微調）和LoRA技術進行優化的文本生成模型。該模型通過參數高效的方法在保持基礎模型能力的同時，針對特定任務進行了優化。
moonshotai
Kimi K2 Thinking 是月之暗面（Moonshot AI）開發的最新一代開源思維模型，具有強大的深度推理能力和工具調用功能。該模型採用混合專家架構，支持原生INT4量化，擁有256k上下文窗口，在多個基準測試中表現出色。
mitegvg
該模型是基於VideoMAE架構的暴力檢測模型，在Kinetics數據集預訓練的基礎上，針對暴力檢測任務進行了92輪微調。模型採用Vision Transformer架構，專門用於視頻內容分析，能夠識別視頻中的暴力行為。
這是一個基於 Kimi-Linear-48B-A3B-Instruct 模型轉換的 6 位量化版本，專為 Apple MLX 框架優化。該模型保留了原模型強大的指令跟隨能力，同時通過量化技術顯著降低了存儲和計算需求，適合在 Apple 硬件上高效運行。
這是基於moonshotai/Kimi-Linear-48B-A3B-Instruct模型轉換的4位量化版本，專為Apple MLX框架優化，提供高效的文本生成能力
Kimi Linear是一種混合線性注意力架構，在各種場景下包括短、長上下文以及強化學習擴展機制中，均優於傳統的全注意力方法。它能有效解決傳統注意力機制在長上下文任務中效率低下的問題，為自然語言處理等領域帶來更高效的解決方案。
Kimi Linear是一種高效混合線性注意力架構，在短上下文、長上下文和強化學習場景中均優於傳統全注意力方法。它通過Kimi Delta Attention (KDA)機制優化注意力計算，顯著提升性能和硬件效率，特別擅長處理長達100萬令牌的長上下文任務。
richardyoung
這是一個高性能的4位量化版本的Kimi K2 Instruct模型，專為使用MLX框架在Apple Silicon（M1/M2/M3/M4）Mac上運行而優化。該模型擁有6710億參數，支持128K上下文窗口，在質量和效率之間實現了出色的平衡，是大多數實際部署的理想選擇。
cs2764
本模型是基於moonshotai的Kimi-K2-Instruct-0905模型使用mlx-lm 0.28.0版本轉換的MLX格式版本，採用3位量化技術，分組大小為32，平均每個權重僅佔用4.002位，優化了模型在蘋果設備上的運行效率。
beingbatman
本模型是基於VideoMAE-Large架構在Kinetics數據集上預訓練後，在未知數據集上進行微調的視頻理解模型。在評估集上取得了85.86%的準確率和0.7987的損失值，表現出優秀的視頻分類能力。
kikekewl
MLX是基於Qwen/Qwen3-Next-80B-A3B-Thinking基礎模型構建的文本生成庫，專注於高效推理和文本生成任務。該模型採用先進的架構設計，支持大規模參數下的高性能文本處理。
基於MLX庫優化的文本生成模型，採用Qwen/Qwen3-Next-80B-A3B-Instruct基礎模型，使用bf16數據類型進行優化，專注於高效文本生成任務，為相關領域開發提供高性能支持。
anikifoss
這是對Moonshot AI的Kimi-K2-Instruct-0905模型的高質量量化版本，採用HQ4_K量化方法，專門優化了推理性能，支持75000上下文長度，適用於文本生成任務。
Solana Agent Kit是一個開源工具包，用於將AI代理連接到Solana協議，支持60多種區塊鏈操作。
Kibela MCP Server是一個為知識管理工具Kibela提供的Model Context Protocol服務端，支持通過AI客戶端操作Kibela中的文檔和文件夾。
Solana Agent Kit MCP服務器是一個為Claude AI提供鏈上工具的標準接口，實現AI代理與Solana區塊鏈的無縫交互。
一個專為Kite3D遊戲引擎設計的MCP WebSocket橋接服務器，允許AI助手通過Model Context Protocol與遊戲編輯器進行通信。
KiCAD MCP是一個實現AI輔助PCB設計的協議工具，通過自然語言控制KiCAD軟件完成電路板設計。
KickMCP是一個為Kick.com平臺提供API集成的MCP服務器，簡化了開發者對接Kick API的流程。
MCP Browser Kit是一個用於與支持manifest v2的瀏覽器交互的MCP服務器，通過擴展程序實現瀏覽器操作控制。
韓國投資證券REST API MCP服務，提供國內外股票交易、即時行情查詢、賬戶管理等功能，支持異步處理和穩定錯誤處理。
一個AI服務項目，當用戶詢問關於狐狸的問題時，會固定返回'きつねかわいい！！！'的日文可愛回覆。
一個完整的Todo管理系統MCP服務器，集成了Kinde身份驗證、Neon數據庫和計費系統，支持通過Cursor AI進行交互，包含免費用戶5條待辦事項限制和付費升級功能。
KiCad MCP項目將MCP協議集成到KiCad電子設計軟件中，通過內置MCP服務器和客戶端，為PCB和原理圖編輯器提供AI輔助功能。
一個跨平臺的MCP服務器工具，通過自然語言查詢提供列出和終止操作系統進程的功能，適合需要快速管理系統進程的用戶。
KickMCP是一個強大的Kick.com API集成工具，提供完整的認證、聊天、頻道管理等功能，簡化開發者與Kick平臺的交互。
KiMCP是一個基於Model Context Protocol (MCP)的服務器項目，旨在整合韓國本地API（如Naver、Kakao、TMAP等）到LLM應用中，提供包括博客搜索、新聞檢索、地圖導航等多種服務功能。
用於存儲AI交互代碼快照的目錄
ws-mcp是一個將MCP標準輸入輸出服務器封裝為WebSocket的工具，主要用於與kibitz配合使用，支持通過配置文件管理多個MCP服務。
Kibela MCP服務器實現，使LLM能夠與Kibela內容交互
KIP是一個專為大語言模型設計的圖交互協議，連接LLM與知識圖譜，提供記憶持久化、知識演化和可解釋交互能力。
為kintone設計的MCP服務器，支持通過AI工具如Claude Desktop探索和操作kintone數據。
MCP Probe Kit 是一個強大的開發工具集，提供23個實用工具，覆蓋代碼質量檢測、開發效率提升和項目管理全流程，專為Cursor AI設計，幫助開發者提高開發效率和質量
Mlx多語言%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
