Kimi智能助手

• 三个入口：Kimi 智能助手官网 https://www.kimi.com/，网页端注册即用；手机上在应用商店搜“Kimi 智能助手”装 App；浏览器里可以装插件，看到外文页面或长文直接划走不用来回复制。三个入口共用同一份账号数据，换设备接着聊不至于断片。
• 长文这块是它最早被人记住的地方：一次性塞 200 万汉字（约 400 万 Tokens）进去都能读，官方把这个能力单独做成一个叫 Looooooong Kimi 的入口。

丢一本还没拆封的行业报告、一份几百页的合同或一篇论文过去，再问“这份材料讲了哪些核心结论”“第三章的论据怎么排”，它会照着原文给出链接到位置的回答，而不是泛泛重说一遍。支持的文件格式包括 TXT、PDF、Word、PPT 幻灯片和 Excel 电子表格，网页链接也可以直接粘给它解析。

• 搜索的三种强度：普通对话里自带联网能力，答案会附上信息来源，这点在查时效性内容时比纯模型记忆可靠。

Kimi 探索版面向复杂提问，做法是把难题拆成若干子问题逐层推理，官方称其搜索量是普通版的 10 倍；再往上是 OK Computer，一个 Agent 模式，靠多轮推理和工具调用把多步任务串起来跑。解题过程中它会把思维链摊开给你看，答完之后还能自我评估、发现不足就重新检索一轮——这两件事对判断“该不该信这个答案”很实用。

• Kimi+ 里现成的角色：左侧导航栏切过去是一排预设角色。Kimi PPT 助手一句话出幻灯片，下载到本地再改细节；提示词专家帮你把含糊的需求写成能用的提示词；i 人嘴替替你在群里或会上把话说得体面；Kimi 翻译通做中英互译，直译意译都能切；论文写作助手给选题建议、帮着理研究方向和章节结构；Kimi 公文笔杆子（入口挂在“办公室笔杆子”）专做格式规范的公文材料，提供结构化提示词、文章构思、写作技巧与校对，常写通知和讲话稿的人用得多。

学术搜索则会围绕你提的问题深度检索论文，把结果整理成结构化条目再呈现，写综述时比逐篇自己翻快。

• 模型清单：k2 是具备强代码与 Agent 能力的 MoE 基础模型，总参数 1T、激活 32B，发布同时开源，在通用知识推理、编程、数学、Agent 几个类别上跑赢了当时的其他开源模型；k1.5 是多模态思考模型，官方称在 short-CoT 模式下数学、代码、视觉与通用能力相对 GPT-4o 和 Claude 3.5 Sonnet 的领先幅度达 550%；k1 视觉思考模型把端到端图像理解与思维链接在一起；k0-math 是数学推理模型，对标的公开模型是 o1-mini 与 o1-preview。
• 开源侧还有这些：Kimi-Audio 音频基础模型，在超过 1300 万小时的音频数据上预训练，做音频理解、生成与对话；Moonlight-16B-A3B 是 16B 总参数、3B 激活参数的 MoE，用 Muon 优化器在 5.7T tokens 上训练；Kimi-VL 由 Moonlight（16B 总参、2.8B 激活）加原生的 MoonViT 视觉编码器（400M 参数）组成；Kimina-Prover 是与 Numina 团队合作的数学定理证明模型，用大规模强化学习在 Lean 4 里按类似人的方式做证明；对外 API 里还有 Kimi-Thinking-Preview 这个长思考模型。
• 几处容易被忽略的细节：回答里会标出信息来源，可以点回去核对，不必把模型的复述当原文；常用语相当于自定义快捷键，把一长串固定指令压成几个词的唤醒语，重复劳动多的人值得花十分钟建几个。

CoT

• 与自我反思这两件事具体什么意思：拿到难题时它先把推理过程摊开给你看，能看到答案是怎么一步一步推出来的；给出答复后还会回头评估自己的结论，觉得不牢靠就重新检索一轮再答。

对需要判断“该不该直接信这个结论”的场景，这两个机制比单纯给一个答案有用得多。

• 它日常被怎么使：学生用它把一周的笔记压成复习提纲，老师用它出教学设计和一键生成 PPT；研究者把成摞的文献交给它，摘观点、翻成别的语言；写文案的人拿它梳理大纲、续写正文、拟方案周报；程序员让它读 API 文档定位字段并生成样板代码；出门前把目的地丢给它，景点、交通、住宿排成行程表。