Kimi 3 完全使用指南
本文详细介绍了 Kimi K3 的实际使用方法，澄清了关于开源、1M 上下文和免费会员的常见误区。文章通过网页 Agent、Kimi Work、Kimi Code 和 API 四个入口的实战演示，指导读者如何利用 K3 完成数据处理、文件整理和工程开发任务，并提供了编写 Agent 任务的六段式方法论。
相关文档
Kimi K3.1 Pro 来了：离最强只差 0.7 分，API 反而降价三分之一，权重 11 月 4 日白送
月之暗面发布 Kimi K3.1 Pro，基于 K3 做 post-training 升级，2.8T 总参数、104B 激活（MoE）、1M 上下文、多模态。Terminal-Bench 4.0 得分 65.7，超越 GPT-6 Astra（58.2），仅落后 Claude Opus 5.5（66.4）0.7 分，是开源模型离闭源最强最接近的一次。API 价格输入 $2/输出 $10，比上一代降价三分之一，权重将于 11 月 4 日开源。文章拆解了 14 项评测表现，指出其在编码、Agent、金融分析领域表现出色，但科学计算类任务偏科严重（38.1 vs 68.1），并给出小白使用入口与避坑清单。
大模型、AI 产品、Agent、Skill、插件和 MCP 到底是什么？
文章系统梳理了 AI 生态中的核心概念及其关系。首先介绍 AI 模型，按处理信息类型分为语言/多模态、图像生成、视频生成、音频语音和专用任务模型，并列举 GPT、Claude、Gemini、FLUX、Veo、Whisper 等代表产品。其次区分 AI 模型与 AI 产品，涵盖综合助手、AI 搜索、创作和办公开发工具。然后解释 Agent 如何从回答问题走向执行任务，分类介绍了编程 Agent（Codex、Claude Code）、跨应用 Agent（Manus、OpenClaw）和长期个人 Agent。最后厘清 Skill（可复用工作方法）、Tool（具体能力）、Plugin（功能集成）、API（软件接口）和 MCP（标准化连接协议）的区别，以及 Workflow、Memory、知识库和执行环境等支撑能力，帮助读者理解整个 AI 生态的组成与协作方式。
12个月成为AI工程师的路径
本文介绍了如何在12个月内通过六个阶段的学习和实践，成为一名AI工程师。重点是掌握Python编程、模型API使用、构建RAG系统、开发Agent、评估和部署能力。强调通过实际项目作品集而非学历来证明能力。
聊聊我对 Kimi K3 的体感
作者分享了使用 Kimi K3 模型的实际体验，通过 3D 坦克大战游戏、权力游戏地图动画和教学视频制作三个案例，展示了其在多模态和复杂任务处理上的强大能力。文章指出 K3 提供了 Claude 和 Codex 之外的优质选择，且具备合规性优势，但同时也面临算力短缺的局限。
都说 Kimi 审美好，实测 7 个 Skills 来找出它的最佳搭配
文章通过实测 7 个不同的设计 Skill 与 Kimi K3 模型的搭配效果，评估其在网页设计、动效和交互方面的表现。测试发现，design-taste-frontend 和 Impeccable 表现最佳，而 Kimi K3 自身的审美能力已相当出色。Skill 的作用更像是更换创意总监，而非简单的加分升级，优秀的 Skill 应为模型提供指引而非限制。
Kimi K3实测：半天复刻录屏工具
作者利用Kimi K3模型，在不到一天时间内开发出一款对标ScreenStudio的免费macOS原生录屏App HuaStudio。文章详细记录了从需求分析、分阶段开发到解决系统级Bug的全过程，肯定了K3在长程规划、代码执行和Debug方面的能力，认为其体验接近Opus 4.8。
跟 Opus 4.8 打的有来有回？！Kimi K3 首测
本文评测了全新上线的 Kimi K3 模型。作者选取了 3D 玻璃折射、WebGL Shader、视差滚动及家具网页动效四个高难度前端场景，与 Claude Opus 4.8 进行对比。结果显示，K3 在多模态理解和自检修正上表现优异，能以 Sonnet 级价格提供接近 Opus 的性能，整体表现惊艳。
实测DeepSeek V4：为国产化而生的混合模型
文章详细评测了 DeepSeek V4 模型。V4 采用混合架构，参数量达 1.6T，虽未集成多模态能力，但在推理和代码领域表现优异。作者指出该版本通过 MXFP4、TileLang 和 MegaMoE 等技术，深度适配华为昇腾等国产芯片，旨在解决算力卡脖子问题。实测中，V4 在写作和长文本处理上表现出色，但在 Agent 意图识别和复杂开发约束遵守方面仍存在瑕疵。
把账号反代成本地 API，爽用大模型，普通人也能懂的教程
本文介绍了如何通过搭建本地网关，将已授权的 AI 账号（如 CLI 或 OAuth 登录的账号）转换为 OpenAI 兼容的本地 API。文章详细阐述了利用 CLIProxyAPI 和本地网关两层架构，将非标准模型资源统一为标准 OpenAI 格式，以便于本地代码、Agent 框架及各类工具调用，同时强调了安全性配置及合规使用。
火山方舟 vs 阿里百炼｜Coding Plan 实测对比报告
本文对比了字节火山方舟与阿里百炼两大平台的 Coding Plan API 服务性能。通过 270 次请求测试，从响应速度、吞吐量（TTS）和稳定性三个维度，对包括 GLM、Kimi、DeepSeek 等主力模型进行了评估。结果显示，对于相同的旧版本模型，阿里百炼在速度上完胜；而字节方舟在模型更新速度（如 k2.6）和覆盖广度上更具优势。
如何把 Opus 5.5 变成工作室：动效设计、Harness 与循环的完整指南
文章介绍了 Anthropic 发布的 Claude Opus 5.5 模型，其性能达到 Fable 5.1 水平但运行成本低 40%，尤其在长时间自主任务中表现突出。作者指出动效设计、Harness 工程和循环工程三者实为一个完整技术栈，并以五部分结构展开讲解：模型本身的基准数据与定价、如何用它做纯代码驱动的动效/动画创作、让输出可靠化的 Harness 工程、让 Agent 持续自主工作的循环机制，以及如何用单个模型串联整个工作流。文章强调缓存读取降价 60% 使长循环成本可控，并列举了大规模代码迁移、翻译 HAProxy 等实际案例。
Kimi K3.1 Pro 第一手测评：与 GPT-6 Astra 硬刚游戏开发
月之暗面发布 Kimi K3.1 Pro，3万亿参数MoE架构、100万token上下文、开源权重，API输出价格仅为GPT-6 Astra的五分之一。作者从跑分和实测两方面评估：官方xdev-bench-hard编程成功率64.5%排第二，幻觉测试同样第二，第三方智能指数全场第四、开源第一。实测中，作者用相同提示词让K3.1 Pro与GPT-6 Astra分别开发3D跳一跳和植物大战僵尸游戏，两者均一次成型无bug。Kimi耗时约10分钟但会自我验证和修正，Astra快近5倍且细节更丰富。结论：K3.1 Pro编程能力接住闭源旗舰，价格是杀手锏，适合重度Agent用户。
