Moonshot AI推出Kosong，作为LLM抽象层解决多模型工具交互的技术栈维护难题。它统一消息结构、支持异步工具编排和可插拔聊天提供商，避免业务逻辑硬编码，简化智能体开发。该Python库作为代理逻辑与LLM提供商间的中间层，是Kimi CLI的核心驱动组件。
国产AI公司月之暗面开源思考型模型Kimi K2Thinking，在HLE基准测试中以44.9%得分超越GPT-5等国际闭源模型，同时训练成本仅460万美元，展现高性价比优势，推动AI成本革命。
上海黄浦区法院一审判决AI提示词不具备作品独创性，不构成著作权侵权。这是上海首例涉AI提示词著作权案，法院认为提示词缺乏独创性，因此不受著作权法保护。
月之暗面发布并开源Kimi K2Thinking模型，显著提升智能代理和推理能力。该模型能自主边思考边使用工具，无需用户干预，支持长达300轮工具调用和多轮深度思考，旨在高效处理复杂任务。
强大的开源Kimi K2聊天平台，通过Kimi AI在编程和数学基准测试中超越GPT-4。企业级Kimi AI，成本降低95%。
开源编码 LLM，专为软件工程任务设计。
Kimi-Audio 是一个开源音频基础模型，擅长音频理解与生成。
高效的开源专家混合视觉语言模型，具备多模态推理能力。
moonshotai
$4.1
输入tokens/百万
$16.56
输出tokens/百万
128k
上下文长度
moonshot
-
DevQuasar
本项目基于 moonshotai/Kimi-K2-Thinking 基础模型，通过自定义反量化脚本将原始的INT4模型转换为更高质量的文本生成模型，致力于让知识为每个人所用。
inferencerlabs
基于MLX库实现的文本生成模型，支持多种量化方式推理，具备分布式计算能力，可在苹果硬件环境下高效运行。
mlx-community
Kimi-K2-Thinking 是由 mlx-community 从 moonshotai 原版模型转换而来的 MLX 格式大语言模型，采用 mlx-lm 0.28.4 版本进行转换，保留了原模型的思维链推理能力。
Kimi K2 Thinking 是月之暗面（Moonshot AI）开发的最新一代开源思维模型，具有强大的深度推理能力和工具调用功能。该模型采用混合专家架构，支持原生INT4量化，拥有256k上下文窗口，在多个基准测试中表现出色。
这是一个基于 Kimi-Linear-48B-A3B-Instruct 模型转换的 6 位量化版本，专为 Apple MLX 框架优化。该模型保留了原模型强大的指令跟随能力，同时通过量化技术显著降低了存储和计算需求，适合在 Apple 硬件上高效运行。
这是基于moonshotai/Kimi-Linear-48B-A3B-Instruct模型转换的4位量化版本，专为Apple MLX框架优化，提供高效的文本生成能力
Kimi Linear是一种混合线性注意力架构，在各种场景下包括短、长上下文以及强化学习扩展机制中，均优于传统的全注意力方法。它能有效解决传统注意力机制在长上下文任务中效率低下的问题，为自然语言处理等领域带来更高效的解决方案。
Kimi Linear是一种高效混合线性注意力架构，在短上下文、长上下文和强化学习场景中均优于传统全注意力方法。它通过Kimi Delta Attention (KDA)机制优化注意力计算，显著提升性能和硬件效率，特别擅长处理长达100万令牌的长上下文任务。
anikifoss
这是对Moonshot AI的Kimi-K2-Instruct-0905模型的高质量量化版本，采用HQ4_K量化方法，专门优化了推理性能，支持75000上下文长度，适用于文本生成任务。
这是 moonshotai/Kimi-K2-Instruct-0905 模型的 MLX 格式转换版本，采用创新的 DQ3_K_M 动态 3 位量化技术，专门为 Apple Silicon Mac 设备优化，在保持接近 4 位量化性能的同时显著减少内存占用。
这是 moonshotai/Kimi-K2-Instruct-0905 模型的量化版本，致力于让知识为每个人所用。该项目提供了优化后的模型权重，便于在各种硬件上部署和使用。
基于moonshotai/Kimi-K2-Instruct-0905基础模型，使用改进版MLX 0.26进行动态量化的大语言模型。通过创新的动态量化策略，在保持出色性能的同时显著降低硬件需求，可在单台M3 Ultra设备上高效运行。
ubergarm
这是moonshotai/Kimi-K2-Instruct-0905模型的GGUF格式量化版本，使用ik_llama.cpp分支进行最优量化。该模型采用混合专家架构，支持中文对话和文本生成任务，经过多种量化方案优化，在保持高质量的同时显著减少内存占用。
ssweens
Kimi-VL-A3B-Thinking-2506是月之暗面开发的多模态视觉语言模型，支持图像和文本的联合理解与推理，具备思维链推理能力，能够处理复杂的视觉语言任务。
AI-MO
Kimina-Prover-Distill-0.6B是由Project Numina和Kimi团队开发的定理证明模型，专注于Lean 4中的竞赛风格问题解决能力。它是Kimina-Prover-72B模型的蒸馏版本，在MiniF2F-test上达到了68.85%的准确率。
Kimi-K2 Dynamic MLX是基于moonshotai/Kimi-K2-Instruct模型构建的文本生成项目，采用优化后的MLX库实现高效量化性能。该模型在单台M3 Ultra 512GB RAM机器上运行，支持多种量化方式，在测试中展现出优秀的困惑度指标。
Kimi - K2 - Instruct 是一个基于 moonshotai/Kimi - K2 - Instruct 模型的量化版本，旨在让知识更广泛地惠及大众。
prithivMLmods
由 Project Numina 和 Kimi 团队开发的定理证明模型，专注于 Lean 4 中的竞赛风格问题解决能力。
Kimi-Dev-72B-8bit 是基于 moonshotai/Kimi-Dev-72B 转换的 8 位量化版本，适用于 MLX 框架的文本生成模型。
Kimi-Dev-72B-4bit-DWQ 是一个基于 moonshotai/Kimi-Dev-72B 转换而来的 4 位量化大语言模型，适用于 MLX 框架。
Transformers英语%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)
