模型定位
Kimi Linear 的預訓練基礎語言模型,採用混合專家(MoE)架構,總參數約 480 億,每個 token 啟用約 30 億參數。官方同時提供獨立的 Instruct 版本;兩者不應混為一談。(github.com)
能力與用途
- **文字生成與長上下文:**官方列示上下文長度為 1M tokens,可用於長文本處理、文字續寫與模型研究。(huggingface.co)
- **架構:**以 3:1 比例混合 Kimi Delta Attention(KDA)與多頭潛在注意力(MLA);官方稱模型檢查點使用 5.7T tokens 訓練。(github.com)
- **效率:**官方在與全 MLA 的特定實驗比較中,報告最長 1M token 上下文下 KV 快取用量最多減少 75%、解碼吞吐量最高達 6 倍;實際效果取決於工作負載及部署環境。(arxiv.org)
- **權重與部署:**官方提供基礎模型權重下載,模型卡標示 MIT 授權;可供研究、微調與自行部署,使用時仍應確認完整授權條款及運算資源需求。(huggingface.co)
限制
這是 Base 預訓練模型,並非指令微調版;直接用於對話或遵循複雜指令時,表現不一定適合終端應用。生成內容可能不準確,重要結果應另行驗證。1M 上下文是官方列示的模型規格,不代表所有部署環境都能以相同成本或速度支援。
發布日期
2025 年 10 月 30 日。Kimi Linear 技術報告於當日發表;該日期亦為輸入資料提供的發布日期。(arxiv.org)
價格
截至 2026 年 11 月 17 日,查詢 官方中國大陸定價頁及官方國際定價頁,未能核實此 Base 版本的官方 API 人民幣或美元輸入/輸出單價,也未能核實其官方託管 API 是否可用;不套用其他 Kimi 模型的價格。自行部署則需自行承擔運算及基礎設施成本。(platform.kimi.com)