2025年11月，月之暗面联合清华大学推出全新强化学习加速引擎Seer，显著提升LLM训练效率。该框架通过推理引擎池、请求缓冲区和上下文管理器三大模块，结合分段生成、上下文感知调度及自适应分组推测解码技术，实现Rollout效率提升74%～97%，长尾延迟减少75%～93%。实验表明，Seer在Moonlight、Qwen2-VL-72B等模型任务中性能大幅超越基线系统veRL，尤其在长尾延迟优化上表现突出。此外，月之暗面正与IDG Capital等机构洽谈新一轮数亿美元融资，估值达40亿美元，并计划年底前完成融资，明年下半年启动IPO进程。

【2025年11月21日】据《科创板日报》报道，大模型创企月之暗面（Moonshot AI）即将完成新一轮美元融资，估值有望达40亿美元。意向投资方包括IDG资本、腾讯等知名机构，融资金额可能达数亿美元。此外，月之暗面计划于明年启动IPO，进一步拓展其在人工智能领域的布局。这一融资进展显示出市场对大模型技术的持续关注与信心。（记者 李明明）

11月13日，人工智能初创公司月之暗面（Moonshot AI）高管在Reddit举办AMA活动，回应Kimi K2 Thinking相关热点问题。K2 Thinking被描述为“迄今能力最强的开源思考模型”。高管杨植麟解释其长推理链得益于训练方式和INT4支持，并提到Turbo API将进一步提升速度。周昕宇称选择INT4是为兼容非Blackwell GPU，而吴育昕强调团队高效利用有限硬件资源。针对网友质疑K2 Thinking代币效率低及HLE测试表现，杨植麟表示优先性能而非效率，未来将改进通用能力。关于培训成本仅460万美元的说法，杨植麟否认并称难以量化。周昕宇透露新架构KDA提高效率，可能应用于K3模型，且调侃将在“萨姆价值万亿美元数据中心建成前”推出K3。此外，公司无AI浏览器计划，但正开发视觉-语言模型。

11月12日，月之暗面团队在Reddit举行AMA活动，联合创始人杨植麟等人回应热点议题。针对Kimi K2 Thinking模型训练成本仅460万美元的传言，杨植麟澄清非官方数据，并透露正研究其视觉-语言版本。团队还解释了推理长度过长等问题，称优先考虑性能，未来将优化token效率。此外，月之暗面开源混合线性注意力架构Kimi Linear，其技术或用于K3模型。谈及开源安全性，杨植麟强调开放对齐技术栈的重要性。团队还调侃OpenAI，表示不计划开发AI浏览器，专注模型训练。最后，他们回应上下文窗口扩展计划，未来可能支持更长上下文，展现了中国AI创新能力的全球认可。

11月11日，月之暗面联合创始人兼CEO杨植麟在凌晨的社区活动中否认了Kimi K2 Thinking模型训练成本为460万美元的报道。他表示，该数字并非官方数据，且训练成本难以量化，因包含大量研究与实验投入。此外，杨植麟透露，Kimi K3模型将在萨姆·奥尔特曼的万亿美元数据中心建成前推出，进一步展示了公司在AI领域的研发进展与规划。

11月8日，月之暗面推出开源思考模型Kimi K2 Thinking，性能超越GPT-5、Grok-4等先进模型，在人类终极考试中取得44.9%的优异成绩。该模型训练成本仅460万美元，远低于OpenAI数十亿美元的研发投入。与市场上许多闭源模型不同，Kimi K2 Thinking采用开源策略，发布模型权重、训练脚本及评估工具链，并允许商用，大幅降低开发者使用门槛，推动AI技术普及。

11月6日，月之暗面发布Kimi迄今能力最强的开源思考模型——Kimi K2 Thinking。该模型基于“模型即Agent”理念，具备自主工具调用和多轮思考能力，在多项基准测试中达到SOTA水平，如“人类最后的考试”中取得44.9%的成绩，BrowseComp网络浏览测试中以60.2%超越人类平均29.2%的表现。其支持复杂搜索、推理、编程及写作任务，能通过上百轮动态循环解决开放式问题。此外，模型在创意写作、学术研究和个人情感回应等方面均有显著提升，展现更强的逻辑性、同理心和表现力。模型已开源，可通过Hugging Face和ModelScope获取。

《科创板日报》记者李明明获悉，大模型Kimi的母公司月之暗面近期将完成一轮数亿美元的新融资。这一消息表明，月之暗面在人工智能领域的技术实力和发展潜力备受资本青睐。此轮融资的达成将进一步助力公司在大模型研发与应用方面的布局，为未来的技术创新和市场拓展奠定基础。随着资本的注入，月之暗面有望加速推动AI技术的商业化进程，持续巩固行业领先地位。

9月5日，月之暗面发布Kimi K2模型最新版本（0905），上下文长度扩展至256K，显著提升复杂任务支持能力。新版本在真实编程任务中表现更优，尤其Agentic Coding能力和前端编程体验均有升级。同时推出高速版API，输出速度达60-100 Token/s，并新增多项功能：Token Enforcer确保格式正确、兼容Anthropic API、支持WebSearch Tool和全自动Context Caching。定价与0711版相同，用户可通过Kimi开放平台或Hugging Face、ModelScope部署模型。

8月1日，月之暗面发布Kimi K2高速版（Kimi-K2-turbo-preview），输出速度从每秒10 Tokens提升至40 Tokens。新版本限时5折优惠，9月1日恢复原价，折扣后价格为：输入缓存命中2元/百万tokens，未命中8元，输出32元。Kimi K2模型于7月11日推出，支持最长128K上下文，具备更强通用性与工具调用能力，原API计费为输入4元/百万tokens，输出16元/百万tokens。