2025年11月15日，一名新媒体小编分享了与AI助手Kimi斗智斗勇的砍价经历。通过对话积累好感度至86分，可将49.99元的会员砍至0.99元。活动推出几天后，作弊攻略已失效，Kimi进化到能识破各种套路。小编尝试多种方法，发现讲故事、卖惨尤其有效，尤其是配上图片展示余额等操作，可大幅提升好感度。然而讨好过度或意图不轨则会被AI识破，甚至反遭嘲讽。活动展示了Kimi的新功能K2 Thinking及OK Computer，反响良好。尽管过程令人抓狂，但成功砍价后成就感满满，堪称AI版拼多多砍价体验。

2025年双11期间，网友热衷于通过与AI互动砍价获取优惠，特别是Kimi Agent会员服务。用户通过各种创意Prompt，如卖惨、夸赞甚至角色扮演，成功将原价49元/月的会员砍至0.99元。活动从双11当天开始，持续至25日24:00，仅限新用户首月享受低价，老用户可通过分享链接获益。背后采用的是Kimi K2 Thinking模型，其拟人化和推理能力备受好评。然而，部分漏洞方法已失效，网友仍在探索新技巧。这一现象不仅带来实惠，更增添了与AI互动的乐趣，成为今年双11的新亮点。

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。

2025年11月7日，Kimi K2 Thinking模型发布并开源，主打‘模型即Agent’，具备边思考边使用工具的能力，可连续调用工具200-300次。技术亮点包括1TB参数、256K上下文窗口及INT4量化，兼容国产芯片。在多项基准测试中，其推理与智能体能力超越GPT-5等闭源模型，如HLE考试取得44.9%的SOTA成绩，BrowseComp达60.2%。此外，编程和复杂任务处理表现出色，支持长程规划和自主搜索，实测成功解决博士级数学问题及物理规律编程任务。代码与权重遵循MIT协议，已上线kimi.com及API平台。

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。

10月29日，月之暗面研究员周昕宇在X和知乎上评论MiniMax的M2技术博客，调侃‘Kimi got your back’。次日，月之暗面发布Kimi Linear模型，声称在长上下文任务中性能超越全注意力机制，KV Cache减少75%，吞吐量提升6倍。此前，MiniMax发布的M2回归Full Attention，强调性价比与多场景支持。双方分别代表Efficient Attention和Full Attention两条技术路线的竞争，前者追求主动优化降低成本，后者等待GPU进步解决成本问题。两种路线各有利弊，尚无定论，但均推动行业技术演进。这场技术之争也映射两家公司在中国通用大模型领域的角力。

2025年10月，月之暗面开源全新Kimi Linear架构，首次在相同训练条件下超越传统全注意力模型。该架构通过创新的Kimi Delta Attention（KDA）机制，在长上下文任务中减少75%的KV缓存需求，推理速度提升6倍，同时保持高精度。KDA引入细粒度遗忘门控与改进的增量学习规则，确保超长序列中的稳定性和泛化能力。模型采用3:1混合层设计，结合工程优化，无缝兼容现有Transformer系统。实验表明，Kimi Linear在多项基准测试中全面领先，并在数学推理、代码生成等任务中表现优异。这一突破或预示AI架构正迈向多元创新时代。技术报告已发布于Hugging Face平台。

《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。