Kimi

最近完整七日的证据

来源提及

7

前七日 11

不同来源

2

前期 3

可比较增长

不可比较

榜单记录

0

采集观测与无发布日期的记录，和有日期的原文提及分别统计。 七日观测：7 · 无日期记录：3

每日趋势 · 最多 90 天

柱形表示有日期的来源提及。最新 UTC 日可能尚未结束。零提及和缺少采集覆盖是不同情况。

来源证据

当前展示证据的来源：OpenRouter 2 · V2EX 20 · GitHub Trending 1 · Hacker News 1 · GitHub Discovery 1 · Simon Willison 1

1. OpenRouter · 原文发布 未提供

   Kimi K3 (Low)

2. OpenRouter · 原文发布 未提供

   Kimi K3.1 Pro

3. V2EX · 原文发布 2026年11月5日

   [推广] [满血中转站] 稳定号池不降智，双 11 活动新用户注册送 5$（站点支持 Claude、GPT、Gemini、DeepSeek、grok 等主流模型！）

   站点注册地址： https://agent.midalo.ai/ （一定要用这个地址注册，不然看不到注册 ID，防止后面领不到鸡蛋） 本站主打平价，计费透明 留下注册 ID 送 2 体验金，加入 QQ 群送 3 体验金，合计 5$，足够完整测试一整天 Midalo API 官方 QQ 群：1030748124 （注册后进群，私信管理员或联系客服发送账户 ID 即可随机领取测试额度鸡蛋，24 小时内到账） 客服 QQ：3809674723 微信联系方式：wjn168178 （添加备注来意，B 端老板可加） Midalo 中转站支持模型 claude（全系） kiro GPT-Image GPT-Pro（Codex 线 · gpt-5 / gpt-6 系列文本模型 · 适配 Codex CLI 与编程 IDE ·

   查看来源记录 →

4. GitHub Trending · 原文发布 未提供

   FareedKhan-dev/kimi-k3-in-c

   A 2.78-trillion-parameter Kimi K3 running inference on a single CPU in 8.24 GB of RAM. Portable C99: no BLAS, no framework, no GPU.

   查看来源记录 →

5. Hacker News · 原文发布 2026年11月4日

   Kimi K3.1 Pro model weights are out

   查看来源记录 →

6. V2EX · 原文发布 2026年11月3日

   [推广] 一个 Key 接入 Claude、GPT、Gemini、DeepSeek、grok 等主流模型，注册还能领体验额度，欢迎各位 V 友和企业团队前来试吃！

   点击链接注册 API 中转站即可免费随机领取 2-5 美刀鸡蛋 Midalo API 中转站注册地址： https://agent.midalo.ai/ （一定要用这个地址注册，不然拿不到赠送额度） 注册完后加入群聊：1030748124 然后群里发送注册 ID ，即可免费领取 1：可用模型 claude（全系） kiro GPT-Image GPT-Pro（Codex 线 · gpt-5 / gpt-6 系列文本模型 · 适配 Codex CLI 与编程 IDE · 支持上下文缓存 ） Gemini-Antigravity Gemini-CLI Grok Deepseek GLM（grok-4.5） Kimi（ K2.7 / K2.8 Preview / K3.1） Kimi-K3（2.8 万亿参数旗舰 ·

   查看来源记录 →

7. V2EX · 原文发布 2026年11月2日

   [开源软件] 开源了一个 1600 行的大模型推理引擎，能跑真实模型，测试场景吞吐超过 vLLM

   想入门大模型推理，直接读 vLLM 太重。所以开源了 LiteMoE：约 1600 行 Python ，能跑真实的 Granite 模型，一个下午能读完主线。 适合想快速上手推理的同学： 交互演示，逐步看一次真实推理： https://zhulinsen.github.io/LiteMoE/visualizer/?lang=zh 教程，从 KV Cache 、MoE 讲到 DeepSeek 、Kimi 、Qwen 的新设计： https://github.com/ZhuLinsen/LiteMoE/blob/main/docs/tutorial.zh-CN.md 固定批次的测试场景下，吞吐是 vLLM 的 105 ～ 109%，脚本可复现。算子用的是 vLLM 的，提升来自算子外的执行层。定位是学习和实验，上线

   查看来源记录 →

8. V2EX · 原文发布 2026年11月2日

   [分享创造] 给 DSH 做了个 PPT 编辑的插件

   我是个产品，平常除了 PRD 之外也会要做一些产品价值传递的事情； 毕竟一些企业内的 Agent 落地场景，纯靠强制使用是很难产生价值的，还要做一些 workshop 、企宣的工作； 这个过程中会经常需要做一些 ppt ，之前用 kimi 、codex 结合一些知名网红的 skill ，做 ppt 还可以； 最近在研究 dsh ，发现 dsh 的 ppt 插件还相对的原始，有些必要的能力没有，所以按照做 ppt 的习惯，结合 dsh 自己开发了一个插件，希望对大家有帮助； https://github.com/HiddenPuppy/dsh-pptx-annotate 链接发给 DSH ，他就可以自己安装。 一、它解决什么 内置 Office 预览走的是 pptx → PDF → 渲染：看得见，动不了。所以改

   查看来源记录 →

9. V2EX · 原文发布 2026年11月1日

   [分享创造] 把 DeepSeek 的 Super-agent 思路做成一个人的桌面助手： AnyModelBot，首个开箱即用的 DeepSeek Super Agent

   DeepSeek 前阵子开源了 dsh-superagent 原型 ，核心原则就一句： 占用尽量少的注意力，带来尽量多的价值。 不过它是面向团队、盯着 GitHub 仓库的研究原型，个人没法直接用。 我们把这套思路做进了开源桌面助手 AnyModelBot ，装好就是开箱即用的 DeepSeek Super Agent ，这是它的首个实现，不需要任何配置。 Super Agent 三件套 后台任务 ：调研、做报告这类要跑一阵子的事，交代一句就在后台做，聊天照常，不用排队等。 定时规则 ：一句话写下长期吩咐，比如「每天早上 8 点看看 X 的价格，低于 200 告诉我」，按时自动执行。新规则可以先用「观察」模式试跑，只读、不打扰你。 「需要你」 ：所有等你回答、批准的事集中在一处，没事时不占地方。 不打扰是硬规矩

   查看来源记录 →

10. V2EX · 原文发布 2026年11月1日

    [分享创造] 如果目标是最大限度地提高 AI 的质量与准确度

    我有个想法，目标是最大限度地提高 AI 的质量与准确度，不考虑经济问题，具体流程如下： 1.收集目前世界上逻辑能力最强的 AI ，比如 Claude 、GPT 、Gemini 、grok 、豆包、Deepseek 、千问、元宝、Kimi 。 2.对于一个问题，让上述每个 AI 都出至少 3 版方案，然后放入方案池里。 3.让它们对方案池里的每一版方案，进行评分，分值范围是 0-1000 分，只取整数部分，没有小数。 4.统计出获得所有 AI 评分最高的方案，作为最终结论。

    查看来源记录 →

11. V2EX · 原文发布 2026年10月30日

    [分享创造] 开源一个家庭试卷工作台

    初衷很简单：要在网上搜试卷，打印给妹妹做（成绩实在惨不忍睹了）。偶然发现小红书上资源挺不错，一开始就是个简单网页，后来嫌操作繁琐——先用浏览器脚本下载图片，再本地合成 PDF 打印，有时候还得调整图片。趁着 ZCode 还在送 token ，干脆让它直接做成了程序。中间经历了几次迭代，有些功能边界我自己可能都没用到，目前基本功能差不多了，感兴趣的可以试试。 它能做什么 采集浏览 ：在小红书笔记页手动采集试卷图片（单篇手动、有节流，仅限个人学习用途） 试卷库 + 整理打印 ：页序调整、补页，直接打印或导出 A4 PDF （纵/横混排） 试卷批阅 ：本地导入或手机扫码上传作答照片（局域网直传，先进暂存区核对才入库），支持人工批阅和 AI 批阅双路径 AI 批阅 ：推荐走外部批阅——生成 PDF + 配套提示词，丢给

    查看来源记录 →

12. V2EX · 原文发布 2026年10月28日

    [分享创造] 做了个多 harness 共用一套规则和记忆的工具 aivault

    我平时 claude code 、codex 、opencode 、kimi code 换着用，每个工具都有自己的规则文件、自己的 skill 文件夹、自己的记忆。在一个工具里说过的偏好，换个工具又得重新说一遍，所以写了个叫 aivault 的小工具。 它把规则、skill 和记忆都放进一个文件夹，然后把这个文件夹接进你电脑上的 ai 编程工具，目前支持 21 个，包括 claude code 、codex 、opencode 、gemini cli 、qwen code 、kimi code 和 deepseek harness 。在 claude code 里说“记住我用 pnpm”，下次打开 codex 它就知道了。skill 写一次，所有工具都能用。 支持 mcp 的工具还会多两个工具：vault_se

    查看来源记录 →

13. V2EX · 原文发布 2026年10月28日

    [推广] 🥭 芒果 AI｜国产模型 0.05 折 [Deepseek4.1-flash。kimi-k3.1-pro] ，低价 API，适合大 Token 量用户

    🥭 芒果 AI ｜国产模型 0.05 折起，Token 放开用，别再为 API 账单肉疼 AI 越用越多，API 账单能不能别涨那么快？ 写代码、跑 Agent 、批量处理任务、调用 AI 生图……现在用 AI ，真正花钱的往往不是问一两个问题，而是每天大量调用。 模型能力很重要，但如果每次请求都要精打细算，很多自动化任务也很难放开跑。 所以，芒果 AI 想解决的就是一件事：让你用更低的成本，调用更多 Token 。 🥭 价格够低，才敢放心多用 国产模型低至 0.05 折起，适合高频调用和日常开发。 DeepSeek 、Kimi 、GLM 等模型，一个 API 入口按需选择。 新用户注册送 1 元体验额度，先用再决定。 AI 生图 ¥0.015 起，高质量档 ¥0.15 起。 哪些场景适合？ AI 编程：

    查看来源记录 →

14. GitHub Discovery · 原文发布 2026年10月27日

    modelflare-ai/AnyModelBot

    🤖 Open-source, local-first alternative to Grok Bot, OpenAI dots and Claude Duet. Your own AI bots on any model: GPT, Claude, Gemini, Grok, DeepSeek, Kimi, GLM and 70+ more through one Modelflare key. Reach them in the app, WeChat or Feishu; they remember you, work in the background, run commands and use your computer. Pay per use.

    查看来源记录 →

15. V2EX · 原文发布 2026年10月26日

    [推广] 多模型 API 接入， Claude / OpenAI 低至 2 折

    分享一下自己在做的 AI 模型中转服务：KEVORYN 。 官网： https://kevoryn.com 希望为开发者提供一个统一的多模型 API 接入入口，减少不同模型之间切换和配置的麻烦。 目前主打的模型价格折扣： * Claude：2 折 * OpenAI：2 折 * Gemini：2.8 折 * Grok：2.8 折 * Kimi：7 折 * MiniMax：7 折 主要特点： * 一个 API 入口接入多款模型 * 兼容常用 SDK ，具体以实际测试为准 * 用量清晰可查 * 不同模型可以按需求选择 适合需要使用多款 AI 模型的开发者，也可以用于自己的 AI 应用、编程工具和 API 项目。 具体模型、分组、计费规则及实时价格以官网为准。 官网： https://kevoryn.com 欢迎交流使

    查看来源记录 →

16. V2EX · 原文发布 2026年10月26日

    [推广] [推广] Kimi K3.1 Pro 发布了，编程 Agent 能力逼近 Opus 5.5？ TokVi 继续送免费 Token

    V 友们好，最近 AI 模型更新得是真快。 前两天还在跟大家分享 Claude Opus 5.5 、Sonnet 5.5 ，结果 Kimi K3.1 Pro 也正式发布了。 这次 Kimi 有几个点挺值得关注的： 100 万 Token 上下文，适合处理大型代码库、长文档 Terminal-Bench 4.0 官方公布得分 65.7%，接近 Claude Opus 5.5 的 66.4% 同时发布 Highspeed 版本，官方称输出速度提升约 2–3 倍 更侧重 Coding 、Agent 和复杂任务处理 当然，跑分归跑分，真正放进 Claude Code 、Coding Agent 或实际项目里，效果怎么样还得自己测。 我们在做的 TokVi 是一个多模型 API 接入平台，目前提供 Kimi 、DeepS

    查看来源记录 →

17. V2EX · 原文发布 2026年10月26日

    [推广] 🥭 芒果 AI｜ 程序员省钱指南：跑分涨了，账单别涨——DeepSeek 和 Kimi 都能低价跑

    🥭 程序员省钱指南：跑分涨了，账单别涨——DeepSeek 和 Kimi 都能低价跑 一句话结论：DeepSeek-4.1-Flash 1017 编程和终端 Agent 有提升； Kimi K3.1 Pro 在终端编程基准上逼近 Claude Opus 5.5 ，API 定价只有 Opus 的一半。想低成本试这两个模型，芒果 AI 国产模型 0.05 折起，新用户先送 1 元额度。 你是不是也这样？ 修 Bug 修到凌晨，想让 AI 看终端报错，结果模型绕半天 写小工具时，代码生成、改错、跑命令来回切，Token 悄悄烧完 看上了更强的模型，一看 API 价格又把手缩回来 想跑自动化 Agent ，又怕高频调用把预算打穿 这次有两个模型值得放进你的候选名单。 DeepSeek-4.1-Flash 1017：日

    查看来源记录 →

18. V2EX · 原文发布 2026年10月24日

    [推广] Kimi K3.1Pro 吉吉 API 第一时间上线， 国产 top1，比肩 GPT-6 Astra 和 Claude Opus 5.5，欢迎 V 佬来品，新用户回复送体验鸡蛋。

    吉吉 api https://www.jiji.cc 回复送体验额度。 同步接入月之暗面（ Moonshot AI ）刚刚发布的 3 万亿级参数新一代旗舰模型 —— Kimi K3.1 Pro ！ 不少朋友一直在问：这个模型到底有多强？普通人用起来有什么明显感觉？我们用一组真实客观的对比数据带大家看懂： 📊 权威战绩：它相当于什么水平？ 直接叫板全球顶级闭源 AI 超越 GPT-6 Astra：在衡量 AI 处理真实复杂长任务的权威国际测试（ Terminal-Bench 4.0 ）中，K3.1 Pro 拿下了 65.7% 的高分，直接超越了 GPT-6 Astra （ 58.2%）！ 紧咬 Claude 顶级旗舰：该成绩仅略逊于公认的最强编程模型 Claude Opus 5.5 （ 66.4%），差距不到

    查看来源记录 →

19. V2EX · 原文发布 2026年10月24日

    [程序员] DeepSeek 智谱 KIMI ，哪个有可能成为中国的巨无霸科技公司？

    豆包和千问就不讨论了，背后的公司已经是超级巨无霸。 现在标题里面的三个公司，哪个最有潜力最有可能成功突破为令人瞩目的巨无霸科技公司，为什么？ 我个人觉得 deepseek 可能性较大，另外两家虽然也有极强的技术能力，但是似乎节奏没有 ds 看起来那么有规划和目标，当然平常我用 ds4.1f 也更多。更深入的分析暂时没思考，就是 1024 来了，忽然想起的一个问题

    查看来源记录 →

20. Simon Willison · 原文发布 2026年10月23日

    Introducing Kimi K3.1 Pro

    Introducing Kimi K3.1 Pro Kimi K3.1 Pro landed on the Kimi API today - it's not yet open weights, but Moonshot promise "Full model weights will be released by Nov 4, 2026". They're also offering a "Highspeed" version that's 2-3x faster, at twice the price (except for input token cache hits, which are priced the same). The US dollar pricing is $2.00/million t

    查看来源记录 →

21. V2EX · 原文发布 2026年10月23日

    [程序员] 为什么很多人都把 DeepSeek 神化了，看不起国内豆包和其它 LLM？

    我认为 DeepSeek 、MiniMax 、Kimi 、GLM 这些 LLM 公司被严重高估了： 月活（ MAU ） ： 豆包 4.2 亿，千问 1.7 亿，DeepSeek 1.2 亿，智谱 2000 万，Kimi 1000 万； 商业化（ ARR ） ： 豆包 272 亿，智谱 68 亿、阿里 80 亿、DeepSeek 27-34 亿、Kimi 20 亿； 开源贡献 ： Qwen：开源了超过 460 个模型，衍生模型超 30 万个，全球下载量破 20 亿次； GLM：开源 50 余款模型，GLM-5.2 以 51 分位居全球开源智能指数榜首； DeepSeek：开源了 DeepSeek-V4 、DeepSeek-R1 、DeepSeek-VL 等模型。 豆包的战略和 Google 的 Gemini 是很

    查看来源记录 →

22. V2EX · 原文发布 2026年10月23日

    [分享创造] 自己用 AI 写代码写到肉疼，干脆做了一个多模型网关 + 网页聊天，聊聊踩过的坑

    平时主要用 OpenCode / Claude Code 写代码，每个月光订阅和 API 就是一笔不小的开销，而且不同模型要开不同平台、管一堆 Key ，切来切去很烦。 所以这几个月下班后自己折腾了一个小项目： 一个 Key 调用多个模型 （ DeepSeek 、GLM 、Kimi 、Claude 、GPT 等），兼容 OpenAI / Anthropic 两种格式，在 OpenCode 、Claude Code 、Cursor 里改个 base URL 就能用。 后来朋友说不想配客户端，就又加了一个 网页聊天 ，体验类似 Claude 网页版，登录就能直接和各个模型对话、切换模型对比效果。 做的过程中印象比较深的几个点： 两种 API 格式兼容 ：OpenAI 和 Anthropic 的流式返回格式差别不小，

    查看来源记录 →

23. V2EX · 原文发布 2026年10月21日

    [分享创造] QuotaPanel：基于 Wails 的 AI 订阅额度管理工具

    引言 在 AI 开发日益普及的今天，开发者需要同时管理 Claude 、ChatGPT 、GitHub Copilot 、Kimi 等多个平台的订阅与 API 额度。这些额度信息分散在各个控制台，难以快速掌握整体使用情况。 QuotaPanel 是一款开源的桌面端 AI 额度管理工具，基于 Go + Wails + Vue3 技术栈开发，支持 16 种 AI 订阅与 API 额度来源，本地优先保护隐私，跨平台支持 macOS/Windows/Linux 。 核心特性 本地优先设计 QuotaPanel 采用 本地优先 架构，所有账号密钥与浏览器会话数据均保存在本机（默认 ~/.quotapanel/ ），不会上传到云端。数据目录支持通过 QUOTAPANEL_DATA_ROOT 环境变量自定义位置。 多源额度聚

    查看来源记录 →

24. V2EX · 原文发布 2026年10月21日

    [推广] [满血中转站] 稳定号池不降智，欢迎 V 友们进来领鸡蛋

    各位 V 友，不知道大家除了官方订阅和官 key，还有没有平时也需要中转站做备用的。 今天给大家来自荐一下自己做的一个满血中转站，稳定号池不降智，欢迎各位 V 友前来试吃，其他的不重要，重要的是先来领取鸡蛋啊~~~ Midalo API 中转站注册地址： https://agent.midalo.ai/ （一定要用这个地址注册，不然看不到注册 ID，防止后面领不到鸡蛋） Midalo API 官方 QQ 群：1030748124（注册后进群，私信管理员或联系客服发送账户 ID 即可随机领取 2-5$不等额度鸡蛋，24 小时内到账） 客服 QQ：3809674723 1：模型示例 claude（全系） kiro GPT-Image GPT-Pro（Codex 线 · gpt-5 / gpt-6 系列文本模型 ·

    查看来源记录 →

25. V2EX · 原文发布 2026年10月21日

    [推广] [midalo 米搭 AI 中转站] 1024 提前给大家发福利， 不降智、7*24 小时稳定，新用户注册进群即送 5$

    1024midalo 米搭给大家发福利啦！： 🎁 新用户注册进群即送 5$ 额度 站点地址： https://model.midalo.ai/ 官方 QQ 群：389039568 （注册后进群，私信管理员或联系客服发送账户 ID 即可领取 5$，24 小时内到账） 客服 QQ：480419379 站点介绍 1. 模型覆盖全 覆盖 Claude / GPT / Gemini / DeepSeek / Grok / GLM / Kimi(含 k3)，共 57+ 个模型。模型广场可实时查看当前可用型号和价格，新模型上线后第一时间跟进。 2. 计费清晰 支付宝 / 微信 / USDT 实际扣费以控制台使用日志为准。 3. 开票相关 是否支持开票：支持 多少起开：一般纳税人 6 点 5000 ，小规模 1 点 1000

    查看来源记录 →

26. V2EX · 原文发布 2026年10月21日

    [程序员] 我很难接受 space-bunny 和 minimax-m3.1-flash 是同一个模型

    当初 openrouter 上线 bunny 的时候我用了不少, 那时我的体感上认为这是一个可以和 dv4-flash 简单掰掰手腕的模型 后来确认了这是 minimax-m3.1-flash 我还很惊讶, 因为我对 minimax 的模型此前还停留在一些很差的印象 我尝试想对 minimax 进行认知改观, 本着没有调查就没有发言权的态度, 我买了个 minimax 的 ￥ 119 plan 我首先放到了我的 CPA(一台美国服务器)上, 在 hermes 上用 3.1 让我很难受, 我不太能接受这是当时的 bunny, 在 TPS 比 kimi 高的情况下竟然比 kimi 的效率还低, 我观察了一下, 似乎是 minimax 写出来的脚本执行效率极低或等待时间极长 今天刚好遇到了一个小 bug 要优化, 很

    查看来源记录 →

研究优先级 64 / 100

此分数用于排列研究候选，不是搜索量、预测结果或经过验证的商业需求。

• 证据数量

  24 / 30

  去重文章或首次观测；重复抓取不加分。

• 发布主体多样性

  16 / 25

  同主体保守归并，转载不增加独立证据。

• 可比变化

  0 / 20

  仅完整且可比的两周参与；零基线不计算百分比。

• 证据时效

  15 / 15

  依据最新发布或首次观测，不按重复采集时间刷新。

• 名称明确度

  9.4 / 10

  明确实体链接和技术概念优先于含义不明的缩写。

局限与解读

• 首次观测是采集记录的起点，不能证明词语或产品在全球首次出现。
• 计数仅代表已监测的公开来源，不代表全网热度或搜索需求。
• 本站首次发现时间不等于名称或概念的诞生时间。
• 候选来自公开标题、摘要和实体链接，并非已核实的全文分析。
• 来源多样性采用保守归并；未披露的转载或共同所有权仍可能无法识别。
• 无发布日期的观测单列，不用于判断发布量增长。
• 重复上榜是观测记录，不是新增文章或独立背书。
• 已有概念或常见产品名，仅保留为历史基线，不视为新创造的词。
• 两周均需足够且可比较的采集覆盖，才判断增长。
• 该词的来源构成发生变化，或缺少可比较的基线。
• 近期证据包含发布三天后才采集的内容，暂不据此判断增长。