一位用户把整整一本500页的PDF粘贴进对话框，问了第312页上的一个问题。多数助手会卡住、截断，或自信地编出一个错误答案。Kimi却从文档中段从容作答。这个被重复了数百万次的演示，让一家北京创业公司说服了世界："一次能读多少"或许和"你有多聪明"同样重要。
关键要点
- 月之暗面的Kimi Chat于2023年10月上线，约20万汉字上下文，2024年3月扩展至200万汉字无损上下文。
- 开放权重（开放权重）的Kimi K2于2025年7月11日发布，是一个1万亿参数的混合专家（混合专家，MoE）模型，每token仅激活32B参数。
- K2的API上下文为128K tokens（后来的0905版本扩展至256K），区别于消费品的"200万汉字"说法——后者依赖在模型之上的检索与分块。
- K2在SWE-Bench Verified、Tau2和AceBench上取得开源最佳成绩，Nature网站称其发布是"又一个DeepSeek时刻"。
最初的护城河：长度
当Kimi Chat在2023年底出现时，卖点简单得近乎幼稚——它能一次性读下比对手多得多的文字。上线时约20万汉字，到2024年3月达200万汉字，产品瞄准那些被文档淹没的人：律师、研究员、分析师。Kimi承诺的是无损上下文，而非靠截断做摘要，意味着整段输入始终在线。
工程挑战是真实的。长上下文会带来"中间迷失"问题——模型忘掉长输入首尾之间的内容。月之暗面的卖点是自研的长程注意力机制，避开了别人用的有损捷径（滑动窗口、下采样）。消费品的"200万汉字"究竟是纯模型上下文，还是模型加检索，是重要区别：公开应用是在模型之上叠加了检索与分块，而直接的API调用受模型自身token窗口限制。
K2：从阅读者到执行者
到2025年7月，月之暗面已把Kimi从长文档阅读者重塑为智能体式的工作者。Kimi K2是一个1T参数的MoE模型（激活320亿，即32B），用MuonClip优化器训练，公司称其在极大规模语料上保持训练稳定、无损失尖峰——这是万亿参数规模下的已知风险。
基准讲述的是智能体化的故事：K2在SWE-Bench Verified（代码修复）、Tau2（工具调用智能体任务）和AceBench（智能体基准）上取得开源领先。直白地说，这个模型被设计来调用工具、运行代码、串联多步任务，而不只是做摘要。API定价约为每百万输入tokens 4元、每百万输出tokens 16元（约0.55美元/2.20美元），刻意低于顶级闭源模型。
为何惊动世界
2025年7月16日，Nature网站发文称Kimi K2的发布是"又一个DeepSeek时刻"，指出中国在半年内产出了第二个令人印象深刻的开放模型，这看起来更像是规律而非运气。数日内，人民日报报道K2已登顶LMArena开源模型榜首，Hugging Face下载量突破19.5万。艾伦人工智能研究所的Nathan Lambert被援引称，DeepSeek-R1更像序曲而非昙花，K2是全球最好的新开放模型。
这个定位很关键：长上下文与智能体能力相加，让模型能吞下整个代码库或一整年财报，然后据此行动。这是与答题聊天机器人不同的产品。
开放权重（开放权重）之举
如同此前的DeepSeek，月之暗面以修改后的MIT许可证免费发布K2权重供下载与本地部署——唯有一条：若产品月活超1亿或月收入超2000万美元，须保留可见署名。这一条很说明问题：实验室预期K2将驱动大型商业产品，并希望上面有它的名字。此举把研究展示变成无力承担前沿API账单的创业者的共享基础设施。
脑机网（BrainNet）首席科学家李锚表示："长上下文是企业真正付费的功能——能读完整个合同的模型，比在测验中略聪明的模型更有用。"风险在于，随着每家实验室都拉长窗口，单凭上下文长度会变得商品化。
诚实的局限
"200万汉字"描述的是带检索辅助的消费品，而非原始模型上下文窗口；模型自身API上限为128K tokens（0905版为256K），二者不可混为一谈。SOTA基准说法来自月之暗面和LMArena，并非跨所有任务的独立审计。本文未评估K2在长输入上的事实准确性、其多模态/视频特性，也未评估修改后的MIT条款在各司法辖区的法律效力。对Nature与人民日报的引用作为评论与排名报道，并非技术验证。
普通人现在能做什么
1. 若你的工作涉及长文档——合同、财报、代码库——在假设你必须用更贵选项之前，先把Kimi K2的API在128K–256K tokens上对照闭源模型测一遍。
2. 区分"模型上下文"与"产品上下文"：当厂商宣称巨大窗口时，问清是原生还是检索增强，因为那会改变成本与可靠性。
3. 对智能体工作流，可用K2开放权重在本地做原型；其工具调用和代码修复成绩表明，它能替代不少内部付费编程智能体。