铃阅
❌

阅读视图

深势科技如何用 Kimi 模型加速生物医学科研

原创 Kimi K3.1 Pro 2026-11-12 17:05 天津

从复现已有工作,到验证新想法。

深势科技是全球 AI for Science(AI4S)领域的开拓者,专注于 AI 科学家的研发与应用。针对生物医学研究场景,深势科技在玻尔科学空间推出了科研智能体 BioMaster,并接入 Kimi K3.1 Pro,支持单细胞分析、基因变异解读和论文分析复现等生物学研究工作。

BioMaster 整合生物学领域知识、专业科研工具链与计算执行能力,将研究问题转化为可执行、可复核的分析流程。通过结合 Kimi K3.1 Pro 的复杂任务理解、推理与代码生成能力,研究人员可以在 BioMaster 中提交问题、数据和分析要求,完成从分析规划、计算执行到结果整理的连续科研任务,并保留代码、参数、图表和运行记录,便于复核结果及开展后续研究。

关键结果:

  • Kimi K3.1 Pro 搭配 Kimi Code,在深势科技内部生物科研评测中取得最高分。

  • 90 分钟完成单细胞分析,较人工参考用时缩短约 63%:从 3,696 个胰腺细胞的表达数据中推断分化路径,筛出 100 个候选基因。

  • 35 分钟完成微生物功能分析,节省约 85% 的分析时间:比较 25 个近岸环境样本的 5,616 个功能条目,梳理出 5 个研究方向。

从复现已有工作,到验证新想法

在设计下一轮实验前,研究人员通常需要评估已有数据对研究假设的支持程度。为此,研究人员往往需要获取论文使用的数据和代码,复现原始分析,再用相同的方法分析新样本。若两次结果存在差异,还需核对样本分组、分析参数和实验条件,判断哪些因素可能影响研究结论。这些过程涉及文献理解、数据处理、分析方法选择和计算执行等多个环节,不仅需要专业知识,也依赖不同科研工具与计算环境的协同。

针对这些需求,BioMaster 将领域知识、专业工具和计算资源整合到统一的科研工作流中。借助 Kimi K3.1 Pro 的长上下文理解与推理能力,BioMaster 可以结合论文中的方法描述、图表、分析代码和实验设置,梳理需要复现或调整的分析步骤,并支持后续计算执行。分析过程中使用的数据、代码、参数和结果得以保留,研究人员可以据此核查差异、调整分析条件,并从已有工作中发现值得进一步验证的研究线索。

为什么选用 Kimi K3.1 Pro

BioMaster 这类科研智能体对基础模型的要求,不仅是理解科学概念和回答专业问题,还需要处理复杂研究需求、生成可执行代码,并在连续任务中保持对数据、分析目标和上下文的理解。

在选择基础模型时,深势科技重点关注它能否与 BioMaster 的工具和计算环境协同,支持以下四个关键环节:

  • 资料检索与数据获取。理解研究问题,从文献、数据库和用户提供的资料中定位所需信息,协助获取、整理数据并核对样本与实验背景,为后续分析建立清晰的起点。

  • 分析规划与工具执行。面对不同类型的生物数据和研究问题,选择合适的方法,编写代码、调用专业工具,将数据清洗、质量检查、统计分析和建模等步骤衔接起来,推动分析从思路走向实际结果。

  • 结果解读与科学可视化。结合研究背景解释分析结果,选择合适的图表呈现数据分布、组间差异或变量关联,清楚表达比较对象、主要发现及其含义,帮助研究者理解结果并确定下一步研究方向。

  • 多步骤协同与报告交付。在连续分析中保持研究目标、数据和参数的一致,将方法、结果、图表与主要结论整理成报告,并保留可复用的数据和代码,方便研究者复核、交流和继续开展研究。

为了评估模型与专业科研工作流的适配性,深势科技首先开展了生物方向的模型与智能体运行框架评测。在内部测评中,Kimi K3.1 Pro 搭配 Kimi Code,在参评组合中排名第一。

在此基础上,深势科技进一步针对 BioMaster 的实际应用场景,在三个生物学评测集上测试了 BioMaster 与 Kimi K3.1 Pro 的组合。结果显示,BioMaster 搭配 Kimi 既能完成科研检索、计算和专业问答,也能分析给定的生物数据,回答样本来源、分组等需要通过计算才能判断的问题。

评测集简介:

STELLA Simple Set:科研检索与计算。 检索生物数据库和网络资料,回答实验流程与计算问题。

Biomni-Eval1:生物医学推理。 根据研究背景筛选候选基因、分析遗传变异或推断罕见病病因。

BioMysteryBench:生物数据分析。 分析匿名化生物数据,判断样本来源、识别样本分组或遗传变异。

如何使用 BioMaster 和 Kimi 做科研分析

研究人员可通过 BioMaster 提出研究问题,并提供相关数据并指定分析要求。

BioMaster 结合 Kimi:理解科研问题、完成计算、检查判断并交付结果

BioMaster 将结合生物学领域知识和专业技能,借助 Kimi K3.1 Pro 确定分析方法、编写代码并调用工具,依托平台计算资源和运行环境,支持数据处理、计算分析及结果整理,并保留相关代码、参数、图表和运行记录。

分析完成后,研究人员不仅可查看报告中的结论,还可以回查分析方法与计算过程,对照不同分析条件下的结果,在已有成果基础上进一步开展研究。

三个科研分析案例

以下三个案例覆盖单细胞分析、微生物功能分析和生理信号分析等不同类型的科研任务,展示了 BioMaster 与 Kimi K3.1 Pro 在实际科研分析过程中的应用。

① 单细胞分析

从 3,696 个胰腺细胞推断分化路径,筛出 100 个候选基因

  • 人工耗时参考: 4–8 小时(有效工时)

  • BioMaster + Kimi:约 90 分钟

小鼠胚胎第 15.5 天的胰腺中,既有内分泌前体细胞,也有已呈现不同分化特征的细胞。为了推断这些细胞的发育顺序,BioMaster 调用 Kimi K3.1 Pro 规划分析步骤,从 3,696 个细胞的基因表达数据入手,复核 8 个主要细胞群,再结合拟时序与 RNA velocity 推断细胞状态变化方向。结果提示,细胞可能从较早的导管样状态,经内分泌前体和中间状态,逐步走向不同的内分泌分支。整项分析耗时 90 分钟。

研究人员获得的分析结果包括一套细胞发育图谱、一份包含 100 个候选基因的清单,以及配套脚本、数据和 6 页报告。研究者可以选定一个分支,用标记基因核对细胞所处的阶段,再沿着推断的发育顺序查看候选基因的表达变化,选出值得优先验证的基因。

结果一:在同一张细胞地图上,读出细胞群与可能的变化方向。

▲ A 图中,每个点代表一个细胞,颜色区分 8 个主要细胞群。B 图在同一张细胞图谱上叠加流线,箭头表示根据 RNA 速率推断的细胞状态变化方向。

结果二:用基因表达检查细胞群的解释是否合理。

▲ 六个面板分别展示 Neurog3、Fev、Ins2、Gcg、Sst、Ghrl 六个代表性基因在同一细胞地图上的分布。Neurog3 的表达集中在内分泌前体区域,Ins2 和 Gcg 则分别集中在 β 和 α 细胞分支,为辨认这些细胞群提供了依据。

② 微生物功能分析

从 5,616 个微生物功能条目中梳理出 5 个研究方向

  • 人工耗时参考:4–8 小时(有效工时)

  • BioMaster + Kimi:约 35 分钟

海洋微生物群落的功能组成受到多种环境因素影响。分析不同采样地点之间的功能差异,有助于研究人员理解微生物群落的潜在代谢特征,并进一步筛选值得关注的生物地球化学过程。

BioMaster 借助 Kimi K3.1 Pro,在 35 分钟内完成了波罗的海三个近岸地点、25 个近岸环境样本的微生物功能分析。初步分析显示,Ragaciems 样本的 KO 注释总量较低,检出的功能条目数量可能受到数据覆盖及组装注释差异影响。在整体功能组成上,Skulte 的样本彼此较为相似,Daugavgriva 的样本之间则差异较大。BioMaster 随后从 9,852 个功能条目中筛出 5,616 个,在考虑采样月份的基础上逐项比较地点间的差异。

研究人员获得了三个地点的微生物功能对照图以及可以回查到单个样本的结果表。 对于地点间存在差异的功能条目,研究人员可以查看它在各个样本中的分布,判断差异是否集中在少数样本,再结合相关代谢通路的完整度和样本中的微生物类群,围绕反硝化、甲烷相关代谢、硫酸盐还原、还原性固碳,以及光合/真核生物贡献,整理五类待验证方向。

▲ A 图展示与采样地点相关的功能条目,B 图展开其中 25 个代表性条目在各样本中的分布。C、D 图分别展示碳、氮、硫相关通路的完整度和微生物类群组成,供研究者对照解读功能差异。

③ 生物信号分析

分析在 57 次体位变化数据后,发现仅凭心率无法判断血压是否恢复

  • 人工耗时参考:6–12 小时(有效工时)

  • BioMaster + Kimi:约 100 分钟

为判断仅凭心率能否了解体位改变后的血压恢复情况,BioMaster 借助 Kimi K3.1 Pro,分析了 10 名健康志愿者在主动站立、快速倾斜和缓慢倾斜时的心电与连续血压记录。BioMaster 以每次体位改变的时刻为起点,对齐两路信号,逐次判断心率和平均动脉压是否达到各自的恢复标准,并在 100 分钟内完成分析报告。

研究人员最终获得三种体位操作下的心率与血压变化曲线,以及每次操作的恢复记录。按本次分析的恢复标准,57 次有效事件中,有 30 次出现平均动脉压已恢复、心率仍未恢复的情况。这为下一轮实验的设备选择提供了依据:如果研究目标包括判断血压何时恢复,就有必要在记录心电的同时连续监测血压。

▲ 从左到右依次为主动站立、快速倾斜和缓慢倾斜,共纳入 18、19 和 20 次有效事件。红线为心率变化(左轴),深色线为平均动脉压变化(右轴)。曲线展示各组平均趋势,正文中的恢复次数按单次事件统计。


了解更多 Kimi 企业产品与解决方案:

Kimi Hosted Agents 正式发布:Harness as a Service

Kimi 发布游戏开发与创意工作解决方案

Kimi 发布金融行业解决方案

让前沿智能抵达「最后一公里」

法律行业为什么都在用 Kimi K3?

跳转微信打开

  •  

Kimi Hosted Agents 正式发布:Harness as a Service

Kimi API 2026-11-05 12:16 天津

以下文章来源于:Kimi开放平台

Kimi开放平台

用 Kimi API 创造你的应用:platform.kimi.com ,期待与你一起探索月之暗面

Kimi 托管智能体

今天,我们发布 Kimi Hosted Agents(托管智能体),将支撑 Agent 运行的 Harness 作为云端服务提供给企业和开发者,企业无需自行搭建和维护运行框架,即可获得 7×24 小时的托管环境,支持长程任务执行与多智能体高效协作。

开始使用:

platform.kimi.com/docs/hosted-agents/quickstart

企业可以按需配置 Agent,快速构建两类业务应用:

  1. 面向内部业务:集成到企业内部系统,提供业务监控、运维响应等任务。

  2. 面向产品用户:嵌入企业对外提供的产品,提供 App 内的投研助手、客服助手等 Agent 服务。

为保障 Agent 安全可控地运行,Kimi Hosted Agents 提供独立沙箱、网络访问权限控制,企业可设定操作边界,并在必要时随时中止会话;执行过程留痕可查,支持审计导出;清晰的计费规则与用量报表,也让企业能够掌握各个 Agent 项目资源消耗与费用。

注册登录 platform.kimi.com 即可体验

告别自建 Harness,专注业务应用开发

    让 Agent 投入生产,企业需要投入几个月构建一套可靠的 Harness 底座 —— 搭建代码执行环境,实现上下文与会话管理、工具调用、权限控制、任务中断恢复等能力。在 Agent 上线后,企业仍需花费大量时间和成本持续维护这套 Harness 系统。

    现在,依托 Kimi Hosted Agents 提供的 Harness 框架与托管环境,企业可以快速定义任务、接入工具,缩短从原型验证到应用上线的开发周期。底层运行环境的维护与升级由 Kimi 负责,团队无需反复投入基础设施适配与运维,可以更快响应业务需求、迭代应用功能。

    自建 Harness vs 使用 Kimi 托管智能体

    调用官方 Skills 与插件,加速业务功能开发

      Kimi Hosted Agents 提供 140+ Skills 与 30+ 插件,覆盖联网检索、专业数据查询、办公文档处理和内容生成等任务,开发者可按需调用,减少逐项接入工具的开发工作。企业也可接入自有工具和数据源,让智能体适配具体业务流程。

      数据源和插件库仍在持续拓展中

      接入 Kimi Inference Hook,让 Agent 在企业安全规则下运行

        Kimi Hosted Agents 可结合开放平台的独立安全组件 Kimi Inference Hook,对接企业自建或采购的安全服务,在每次模型推理前检查任务输入与工具返回内容,将隐私和敏感数据拦截在推理之前。

        安全检查规则由企业定义,放行或拒绝由 Kimi Inference Hook 执行:只有通过企业安全检查的内容才会进入模型推理。

        注: Kimi Inference Hook 目前仅针对企业认证用户定向开放,如有业务需求,请联系我们 platform.kimi.com/contact-sales

        官方模板开箱即用,快速构建业务智能体

        Kimi 开放平台文档站同步提供配套的 Agent 架构设计思路、配置教程、运行成本估算;企业可将 Agent 模板复制到自己的项目空间,接入内部业务系统、私有数据库等资源,按需调整任务流程,快速构建适合自身业务的智能体。

        首批提供 8 个金融 Agent 模板,覆盖投研建模、深度研究、晨报生成、IPO 跟踪、持仓监控等任务,支持在托管环境中持续运行。企业可以将 Agent 模板复制到自己的项目空间,接入内部研报、私有数据库等资源,适配实际业务流程。

        下面以投研建模、监管例报和基金对账为例,展示 Agent 如何拆解任务、调用工具并完成处理。

        投研建模架构图

        监管判例日报智能体架构图

        基金对账助手架构图

        → 右滑查看 Agent 设计与配置架构图

        相关文档

        使用指南:Kimi Hosted Agents 快速开始

        platform.kimi.com/docs/hosted-agents/quickstart

        定价说明:Kimi Hosted Agents 定价

        platform.kimi.com/docs/pricing/hosted-agents

        API 说明:Kimi Hosted Agents API 参考

        platform.kimi.com/docs/api-reference

        如需更多 Kimi 托管智能体产品支持,请联系我们,并备注「KHA」:

        扫描二维码联系我们

        阅读原文

        跳转微信打开

        •  

        Kimi Code 这样用,事半功倍

        Kimi Code 2026-11-03 10:24 天津

        分享三组最佳实践

        距离 Kimi Code Desktop 正式发布,已经过去一个多月。这期间,我们持续迭代了多个版本。继 Windows 和 macOS 之后,社区中被问过很多次的 Linux 版本已经发布。桌面端远程控制(Remote Control)、文件树面板、Agent 在对话中实时更新工作进展等大家许愿的能力,也陆续上线。

        我们很荣幸地看到,越来越多的新用户开始使用 Kimi Code Desktop。也有不少一直在用 CLI 的老朋友,把桌面端加入自己的日常开发工作中,在 CLI 和桌面端之间灵活切换,根据任务选择更顺手的协作方式。

        这些使用和反馈让我们越来越感受到,开发体验的提升,有时是来自看似微小的优化,有时也来自不同需求场景下的功能组合。

        从社区的经验交流讨论中,我们整理出三组值得一试的 Kimi Code 功能和用法,或许可以让你的开发工作事半功倍。

        ➊ 内置浏览器 + 截屏框选

        桌面端发布之初,我们就介绍过内置浏览器 + 截屏框选。后来,社区中也陆续有用户分享这组功能的用法和体验。其中一个很典型的场景,就是 Vibe Coding 里常见的 Web 应用开发和调试。

        代码写完以后,需要确认页面的运行是否符合预期:能否正常加载,点击和跳转是否顺畅,表单校验是否有效,不同设备尺寸下会不会错位。遇到问题,还要把复现步骤、异常位置和预期效果准确地告诉 Agent。整个过程需要在 Agent 对话、代码编辑器和页面预览工具之间反复切换。

        有了内置浏览器,这类来回切换就能少很多。Kimi Code 可以根据你的要求,直接在当前任务中启动本地服务、打开页面,完成点击、输入、填写表单和滚动等操作。需要自己检查时,也可以随时接管。

        这样,从写代码、查看效果,到复现问题、继续修改和再次验证,都可以在同一个任务中完成。

        再进一步,具体到「复现和修复页面 Bug」这个场景。比如,正在开发一个项目管理页面,有的 Bug 在初次打开页面时没有异常,只有经过特定的筛选或搜索操作后才会触发。你可以把操作路径和预期结果告诉 Kimi Code,让它按步骤复现和分析,完成修改后,再沿着同一条路径重新验证。

        如果其中某一步更适合由你亲自完成,也可以随时接管浏览器。问题出现后,截下当前页面,框选异常区域并写明预期效果,再交给 Kimi Code 继续处理。

        内置浏览器还提供了 iPhone、Pixel、Galaxy、iPad、折叠屏和桌面等多种设备尺寸预设。直接选择设备,就可以查看页面在相应尺寸下的表现,并在几个常见尺寸之间切换复查。

        当然,这两个功能的适用场景不止于此。查阅和对比多份技术文档、在多个公开页面中查找和筛选信息并输出调研报告、集中检查多个线上页面的更新情况,或者核对设计稿与实际页面的差异时,都可以用到内置浏览器或截图批注。

        ➋ 远程控制 + 目标模式(Goal) + 后台任务

        大模型和 Agent 能力不断提升,确实接手了很多具体的开发任务。从调整页面样式、修复 Bug,到完成一项功能、重构一个模块,许多原本需要开发者亲手完成的工作,都可以交给 AI 推进。

        具体操作确实变少了,但协作过程仍然离不开人。有些任务完成一个阶段后,需要确认下一步;有些文件修改或命令执行会等待审批;执行偏离预期时,也得及时调整方向。

        这些需要人介入的节点随时可能出现,注意力还是要跟着任务走,人也很难真正离开电脑。即便只是中途去开个会、讨论问题,或者吃个饭,Agent 一旦遇到需要确认、审批或补充指令的地方,就可能停在那里等待。

        如果真的想让 Agent 在你下班之后持续完成一个长任务,可以试试远程控制 + Goal + 后台任务。通过 Goal 写清任务目标和完成条件;让测试、构建等耗时操作在后台继续执行;离开电脑后,再通过远程控制查看进度、处理审批和补充要求。

        举个例子,当你需要为一个项目升级核心依赖,要完成依赖安装和代码适配,还要依次通过类型检查、单元测试和生产构建,整个过程可能持续很长时间。

        开始前,先选择 Goal 模式,设置目标:

          将依赖升级到指定版本,保持现有公共接口不变,确保类型检查、单元测试和生产构建全部通过;如果发现需要更换其他核心依赖,或者修改范围明显扩大,则暂停并说明原因。

          完成依赖安装和代码适配后,让类型检查、测试和生产构建等耗时验证转到后台运行。这样,检查可以继续执行,主会话也可以处理其他步骤。每项任务的状态、输出和运行时长都可以单独查看,必要时也可以随时停止。

          离开电脑前,开启远程控制。之后,通过手机、平板或另一台电脑,就可以继续在这条会话中查看 Agent 的执行进度和工具调用,追加指令,处理权限确认,必要时中断任务。

          目前,Kimi Code Desktop 和 CLI 都支持远程控制。像大型代码库的全量测试与构建、多端项目的打包检查、为多个模块补齐自动化测试,以及耗时较长的批量代码修改等任务,都可以采用类似的方式。它们的共同点是执行时间长、验收条件相对明确,中途只需要人参与少数关键决策。

          ➌ 分叉会话(Fork)

          开发任务很少会沿着一条路走到底,很多时候都需要对不同实现方案做选择。同一个问题,可能有一条改动范围更小、上线更稳妥的方案,也有一条改动更多、后续结构更清晰的方案。

          如果在同一个会话中反复讨论,前提、约束和结论很容易混在一起。重新创建一条空白会话,把项目结构、需求背景、限制条件再整理一遍,又是重复工作。

          这种时候,非常推荐你试试分叉会话(Fork)。它会从当前节点保留此前完整的对话历史,生成一条可以独立保存和继续使用的新会话。两条会话从相同的上下文出发,分别沿着不同的方向继续。

          结合计划(Plan)模式,还可以让两条会话分别分析方案、列出执行计划,暂时不修改文件,等比较之后再决定采用哪一条。

          拿登录模块的重构来说。前面的会话已经梳理完现有登录流程、接口限制和兼容要求,接下来出现了两种改法:一种是在原有代码外增加适配层,改动范围更小;另一种是直接升级现有调用方式,涉及的修改更多,但后续结构会更简单。

          这时,可以先 Fork 当前会话。原会话围绕适配层方案制定计划,Fork 后的会话则评估直接升级的方案,并使用同一组标准进行分析:

            分析这套方案需要改动哪些模块、可能影响哪些现有功能,并给出验证方式、潜在风险和回退方案。

            两份计划完成后,就可以放在一起讨论、比较,并作出决策。确定方案后,可以直接在对应的会话中确认计划并继续执行。另一条会话仍然可以保留下来,之后想回看当时考虑过什么、为什么没有采用,也能找到完整记录。

            类似的用法,也适合数据库迁移、状态管理方案替换、缓存策略调整,以及沿着不同假设排查复杂 Bug 等。遇到几种方案都说得通的情况,都可以先从同一个节点 Fork,让它们各自完成分析和计划,再决定接下来走哪一条。


            分享你的经验

            高效的开发方式,需要在一次次实践中慢慢摸索。上面三组功能和场景,也是我们从社区用户的实践和交流中整理出的一些思路,希望能给你带来一点启发。

            如果你也在使用 Kimi Code,欢迎在评论区分享自己的使用习惯和经验。我们会从中选出 3 条最有启发的分享,分别为分享者送上一份 Kimi 周边礼物。期待看到你的分享!

            跳转微信打开

            •  

            Kimi 发布游戏开发与创意工作解决方案

            原创 K3.1 Pro 2026-11-02 17:21 天津

            从创意落地到持续迭代

            今天,Kimi 发布「游戏开发与创意工作解决方案」。

            基于 Kimi K3.1 Pro 模型、Kimi Code 与 Kimi Work 系列 Agent 产品,以及 Unity、Unreal Engine、Blender 等专业工具插件,我们希望帮助游戏团队更快验证玩法创意、推进工程和美术制作,并将发行与运营中的玩家反馈带回下一轮迭代。

            游戏创意的价值,往往要到玩家真正操作时才能判断:策划文档能说明规则,却难以回答操作是否顺手、奖励是否明确、节奏是否吸引人。若这些问题在关卡、代码和资产大量完成后才暴露,调整就会牵动更多人和预算。

            Kimi 希望帮助团队尽早做出范围明确的可玩版本,再根据真实体验决定如何投入。

                   客户证言 1     

                   客户证言 3     

                   客户证言 4     

                   客户证言 5     

                   客户证言 6     

                   客户证言 7     

                   客户证言 2     

            左右滑动,查看全部 →

             游戏行业的业务挑战 

            游戏开发的第一道门槛,是创意验证的成本。

            一个玩法是否有趣,需要真正玩起来才能判断。但制作原型需要投入时间和人力,团队往往只能优先验证少数想法。如何降低单次尝试的成本,在有限时间内验证更多创意?

            Unity《2026 Game Development Report》显示,52% 的受访开发者优先选择小规模项目来降低风险,67% 将原型阶段控制在三个月以内。更审慎的研发投入、更紧凑的验证周期,让原型制作效率变得更加重要。

            Kimi 游戏解决方案,可以帮助游戏团队高效制作项目原型,在有限时间内探索和比较更多玩法方向,从而做出更准确的业务判断。

            第二道门槛,来自跨岗位和跨工具的协作。策划需求,需要变成工程任务;美术资产,也需要符合引擎规范。AI 若只生成一段文字或一张图,仍需要团队花大量时间进行适配和创作,才能搬进原有流程。

            Kimi 解决方案可以直接衔接团队现有的工作流,操作专业工具与编辑器、修改现有工程,并交付可继续编辑的文件和清晰的操作记录,方便团队审阅、协作和推进后续工作。

             Kimi 游戏开发与创意工作解决方案 

            Kimi 可以从团队的实际目标出发,推动创意从设想走向实践。

            例如,策划想验证「在三消玩法中加入可自由组合的规则卡」是否有趣,但仅凭玩法说明,很难感受规则叠加后带来的策略变化。Kimi 会围绕这一目标,梳理规则卡的组合方式及其对消除策略、得分与反馈的影响,再将其拆解为交互、数值、界面和视听等具体制作任务,制作可试玩的原型。

            这样,策划、开发和美术就能围绕同一个原型,边玩边讨论,减少创意在沟通与交接中的理解偏差。

            结合模型能力与专业工具,Kimi 还可以将这种工作方式的变化,延伸到游戏开发、制作等更多环节。

            ➊ 模型能力与插件支持

            一个游戏项目往往横跨多个团队,涉及策划文档、截图、代码、3D 资产等多种项目文件。

            Kimi 可以为这一复杂流程提供支持:模型负责理解输入、规划并执行任务;Kimi Code 侧重代码开发与修改,Kimi Work 则可承接跨文件、多步骤的制作任务。生成的成果可供团队继续编辑和完善,衔接后续制作。

            针对不同团队的需求,我们也提供了覆盖日常办公、代码开发与 API 集成的系列产品,供大家选择:

            Kimi 可以为这一复杂流程提供支持:模型负责理解输入、规划并执行任务;Kimi Code 侧重代码开发与修改,Kimi Work 则可承接跨文件、多步骤的制作任务。生成的成果可供团队继续编辑和完善,衔接后续制作。

            此外,Kimi 还可通过插件与工具调用连接 Blender、Unity、Unreal Engine 等专业软件,直接操作现有工程,协助完成游戏开发与 3D 创作等任务。


            ➋ 正式立项前:用 Godot 把想法做成可试玩原型

            游戏立项前,团队往往需要快速验证新玩法,但开发资源未必充足。借助 Kimi,缺少编程经验的策划或创意团队也能在 1–2 天内做出可试玩原型。先验证玩法,再决定是否投入。

            比如,团队想制作一款 2.5D 动作游戏的原型,可以提供参考图和视频,说明预期的场景氛围与玩法机制。Kimi 通过多模态能力理解参考素材中的关键视觉元素,再使用 Godot 游戏引擎搭建可试玩 Demo,呈现雨夜光影、地面积水和灯笼等场景细节,并实现挥剑、闪避和格挡等核心玩法。

            制作过程中,Kimi 还可以实际运行游戏,结合渲染画面和试玩录像,检查视觉效果与功能是否达到要求。发现问题后,自主修改并重新验证,在交付前完成多轮迭代,让团队拿到的首个版本更接近预期。

            有了可试玩原型,团队就能围绕实际体验展开评审:雨夜中的战斗辨识度、挥剑打击感,以及闪避与格挡的攻防体验。团队可以据此不断调整和复测,验证核心玩法是否成立,再决定是否扩展关卡与敌人类型。


            ➌ 美术资产适配:让 Blender 资产从概念走向游戏场景

            美术资产进入游戏场景,要经过比概念呈现更严格的检查:角色多视角是否一致,模型有无穿插,纹理和隐藏文字是否有缺陷,资源规格能否满足引擎预算。

            Kimi 可以协助完成上述检查与初步调整:模型通过多模态理解,结合多视角视频与截图判断空间关系,发现并定位比例、穿插和材质问题;再将调整方案转化为脚本,借助本地 Agent 操作专业软件,完成初步修改。

            通过 Blender 插件,Kimi 可以直接操作软件,协助美术团队搭建、预览和修改场景。团队既可以提供现有工程与资产,让它完成摆放、组合和布局调整;也可以提供参考图片或视频,附上制作要求,让它从零建模、组装资产并搭建场景,还原参考中的整体形态与空间布局。

            以建筑场景为例,根据美术团队提供的资产或参考图片及制作要求,Kimi 会在软件里先确定建筑的整体形态与空间布局,再逐步完善结构、材质和灯光;复杂建筑则拆分为不同构件,分步搭建与细化。搭建过程中,通过多视角预览检查模型比例、穿插与材质表现,及时发现并修正问题,提升首版交付的完成度与质量。美术团队可在此基础上继续打磨,把握最终风格与质量,将更多精力投入设计判断与细节表现,减少基础搭建和反复排查的工作量。

            ▲Kimi K3.1 Pro 使用 Blender 构建了一座机场室内雨林山谷场景,并制作了一段 17.5 秒、1920×1080 分辨率、60 fps 的 3D 建模展示视频。使用工具:Blender、Python、Geometry Nodes(几何节点)、Cycles(渲染引擎)、Pillow、NumPy 和 FFmpeg。使用的外部素材:来自 Poly Haven 的 4K HDRI 环境贴图 "Kloofendal 48d Partly Cloudy (Pure Sky)",由 Greg Zaal 和 Jarod Guest 创作,采用 CC0 许可协议,用于天空照明和环境反射。

            ▲Kimi K3.1 Pro 在 Blender 中构建了一个可交互的、基于浏览器的 3D 体验,打造了一座大教堂的内部场景。该场景约包含 330 万个三角面,并为 8,368 个组件制作了动画效果,呈现出肋拱穹顶、石雕塑像,以及色彩鲜明的彩绘玻璃光影。使用的外部素材:来自 Poly Haven 的石材纹理(CC0 许可)  ;Mylius 拍摄的彩绘玻璃照片(CC BY-SA 3.0 许可)。


            ➍ 游戏开发:把 Agent 带入 Unity 与 Unreal Engine 的现有工程

            进入正式开发后,团队面对的是已有工程、既定架构和不断变化的需求。

            一个看似简单的功能,可能同时影响角色状态、界面、存档和关卡逻辑;一个完整的 3D 场景,也要兼顾空间关系、视觉效果、物理交互与运行性能。工程越复杂,模块之间的依赖越多,问题就越难定位和解决。

            面对这类牵一发而动全身的工程问题,Kimi 可以在获得工程文件和必要权限后,先梳理代码结构、场景层级和模块依赖,找到真正需要修改的位置,再借助插件在 Unity、Unreal Engine 等编辑器中完成具体操作。

            改动完成后,Kimi 会结合问题复现、日志和运行数据验证效果,并根据结果继续调整。交付时保留代码差异和验证记录,方便工程师检查功能、性能与兼容性。

            围绕这套工作流程,我们在内部探索了几类用法:

            • Kimi + Unity:从网页试玩走向专业开发。可玩 Demo 只是开始,要走向正式上线,还需进一步完善工程,以支撑后续的调试、打磨与持续迭代。Kimi 模型与 Unity 中国推出的游戏开发智能体 Tuanjie Codely Agent 及团结引擎协同,将需求理解、工程实现与测试迭代串联起来:Kimi 模型负责理解开发者的创作意图与游戏设计、生成实现代码,并根据录屏与测试结果分析问题、制定修改方案;Tuanjie Codely Agent 则依托与团结引擎的原生整合,通过 Editor / Runtime Script 等方式直接在引擎中执行操作,完成场景搭建、玩法实现、工程修改与运行验证。

              开发流程由此从「人提需求—模型写代码—人来操作」,延伸为「模型理解与生成—Agent 操作引擎—模型分析反馈—Agent 修改工程并验证」的完整闭环,减少了开发者在工具间切换与手动操作的成本。在一次演示中,Kimi 在没有人工干预的情况下连续工作 20 小时,不仅复现了原作,还产出了一份可持续开发的原生工程,为后续玩法扩展、画面打磨及多端适配打下基础。

            • Kimi + Unreal Engine:跨模块的玩法开发与联调。游戏玩法的新增或调整,往往会同时牵动角色行为、动画、物理效果和界面反馈。开发者提供相关脚本、组件配置与预期效果后,Kimi 可以梳理各模块之间的调用关系,协助修改代码、补充日志与测试,并结合 Unreal Engine 中的实际表现进行联调。以古风武侠游戏中的"处决"玩法为例,玩家靠近敌人后,角色需要连贯完成拔剑、攻击和收剑动作,并触发后续剧情。Kimi 可以协助完成人物动作绑定、模拟处决后的物理效果、衔接战斗与剧情逻辑,排查动作错位、倒地异常或剧情未触发等问题,让开发者将更多精力投入动作节奏、打击感与叙事体验的打磨。

              Kimi K3.1 Pro 使用 Unreal Engine 5.8 构建了一座充满东方神话气息的天宫场景,其中包括一组半径达 1,750 米、由 36 间柱廊组成的宏伟建筑,以及一条在 Blender 中通过程序化方式建模的巨龙。主角角色使用 MetaHuman 创建,整个场景包含 3,600 万个原始三角面,并采用 Nanite 进行渲染、Lumen 进行光照处理。 使用的外部素材:Cloud Forge 的 VDB 云层、来自 Poly Haven 和 ambientCG 的 8K 材质,以及 NASA LRO/LOLA 的月球数据。

            • Kimi + Unreal Engine:协助搭建复杂场景。大型 3D 场景的搭建,通常涉及建筑、地形、植被等多种元素的组合,需要反复调整布局与细节,确保构图协调、光照自然、物理表现合理。以武侠游戏中的大型场景为例,云海、浮岛、古城与巨型佛像不仅需要各自成形,还要在尺度、位置与层次上形成合理的关系。在获得本地项目访问与命令执行权限后,Kimi 可以调用 Unreal Engine 里的相关工具,根据开发者的描述,先完成主要元素的放置、尺度设定与空间布局,搭出场景初稿,并提供不同视角的截图供开发者预览,为后续的细节调整与效果打磨提供基础。

              Kimi K3.1 Pro 使用 Unreal Engine 5.8 制作了一支东方古风题材的 3D RPG 预告视频,画面呈现一位剑客穿越云海、掠过漂浮岛屿,最终进入云端之上的古典城池。概念设计及部分资产灵感来自小红书创作者 @-Duduu-。使用的外部素材:犍陀罗佛像与水月观音的 3D 扫描数据(明尼阿波利斯艺术博物馆,CC0 许可)。

            ➎从发行到长线运营:把玩家反馈带回制作

            游戏发布后,创意验证仍在继续。

            发行团队要找到吸引目标玩家的玩法卖点,运营团队要从社区和客服反馈中识别真实问题,内容团队要持续处理本地化、UGC 与审核。素材量和反馈量不断增加,仅靠人工整理与分类,难以及时响应。

            Kimi 可以成为各个环节的助推器,比如:快速验证各渠道的创意策略,协助起草发行内容;整理社区讨论,提炼带来源的反馈摘要;对 UGC 进行初步筛查,识别潜在风险。这些工作还可以设为定时任务,自动批量执行,让团队从重复劳动中抽身,专注打磨创意,探索游戏成长的更多可能。

            从吸引新玩家到持续服务玩家,Kimi 都可以参与其中,为团队提供支持:

            • 获客玩法开发:缩短从创意到验证的距离。投放创意的竞争,也在于落地速度。好的玩法需要尽快成为可玩版本,才能验证其潜力。Kimi 可以从一条参考视频出发,分析并还原核心玩法、编写游戏代码,再借助插件,使用 Blender 完成建模,调用 Godot 等引擎搭建场景。同时,它还可以持续调整数值、打磨动效,让原型逐步接近预期体验。整个过程可以沉淀为可复用的工作流,帮助团队降低试错成本,更快探索有潜力的玩法。

            • 获客素材制作:通过批量测试,寻找有效创意。 Kimi 可以协助批量制作素材,让团队在同一周期内测试更多创意。有了创意参考后,Kimi 可以操控游戏引擎录制实机画面,再调用开源的动效与剪辑工具,尝试不同的开场、节奏和卖点组合。围绕这些版本,它还可以配套制作音乐、字幕和广告文案,适配不同平台与语言。素材进入投放后,Kimi 可以汇总数据、比较各版本表现,为下一轮素材调整和创意筛选提供依据。

            • 游戏内助手:以个性化互动提升玩家体验。随着游戏交互日益智能化,玩家也期待更懂偏好、更贴合情境的回应。通过 API 将 Kimi 接入游戏或平台后,模型就能结合游戏知识与对话上下文,为玩家提供更有针对性的推荐、问答和玩法指导。例如,玩家用口语描述"想找一款能和朋友一起玩的建造游戏",助手便可检索游戏库,返回附有推荐理由的卡片。在具体游戏中,Kimi 还可以结合游戏设定与当前情境,支持 NPC 问答、阵容建议和赛后战报,让互动更贴近玩家的实际需求。

            • 社区与玩家反馈:及时看见玩家诉求。玩家反馈经常分散在论坛、社群和评论区等多个渠道内,数量多、内容杂。Kimi 可以协助梳理讨论,按故障、平衡性、付费体验和内容需求分类,保留原帖来源、游戏版本与反馈渠道。面对复杂争议,还可以结合帖子、截图和评论核实信息,起草带来源的答复。运营与研发据此安排热修或版本更新,让反馈更快得到回应、推动改进。

            • 内容本地化:让翻译、校对更省心。从游戏字幕,到商店介绍、社区公告,本地化既要准确传达玩法,也要保留角色风格,符合当地玩家的表达习惯。Kimi 可以依据术语表、角色设定和长度限制生成初稿,标出需要人工判断的文化表达,帮助本地化负责人集中处理关键细节。人工复核后,还可借助 Kimi 进行抽样回译,检查术语与语义是否一致,减少疏漏。

            • 内容审核:早一步发现风险。玩家自产内容一直是游戏生态的重要一环。从自建地图、内容文本,到游戏内聊天和图片,都需要依据规则与地区要求进行审核。Kimi 可以成为审核员的初筛助手,辅助识别违规内容及谐音、缩写等规避表达,并标出命中位置与判断理由,帮助审核员更快定位问题,将更多精力投入规则完善和复杂案例复核。

             从一个可衡量的任务开始 

            团队可以先从现有流程中选择一项边界明确、结果容易检查的任务开始,比如制作一个核心玩法原型、修改代码库中的某项功能、检查部分游戏截图,或归类一批社区反馈。

            团队可以根据任务需要,选择 Kimi Work、Kimi Code,并搭配相应的软件插件。开始前,准备好所需素材,明确操作权限和需要人工确认的环节;完成后,由对应岗位的成员检查成果,判断是否达到预期要求。

            试点的价值,需要结合效率与质量一起判断:完成同样的任务用了多长时间,成果是否达到要求,又需要多少人工修改与复核。经过验证的做法,可以整理成模板和操作规范,逐步应用到更多项目中。

            欢迎体验!如果你有具体的工作场景,想知道如何让 Kimi 帮上忙,或希望了解企业版、定制化 Skills 与专属数据接入,欢迎扫码或点击“阅读原文”联系 Kimi 团队,期待与你交流!

            ↙ 点击「阅读原文」联系 Kimi 团队

            阅读原文

            跳转微信打开

            •  

            如何用 Kimi 做出更好的 3D 作品?官方教程来啦

            原创 Kimi K3.1 Pro 2026-10-30 11:21 天津

            4 个案例,5 个技巧

            在 Kimi K3.1 Pro 的发布时,我们展示了用 Kimi 做出的 3D 网页、机械零件、建筑、小游戏 Demo、以及 3A级别的游戏预告片。

            如何充分释放  Kimi 的智能,在 3D 场景「物尽其用」,做出精美、可交互、有着炫酷场景和运镜的 3D 作品?

            你可能听过 Blender、Three.js、Rhino,也见过 Tripo、Meshy 生成的角色,还听说过 Unity、Unreal Engine 和 Godot 这些游戏引擎,但不知道从何下手。

            今天这篇文章,并不需要让大家记住这些晦涩的概念。你不必先学会 Blender、Three.js 或 Unreal Engine,就可以用 Kimi 做出属于自己的原创 3D 作品!

            我们将详细分享 Kimi Team 的内部 3D 工作流程,并带你更好地认识 Kimi K3.1 Pro 模型、以及 Kimi 官方各种 Harness!(想直接看教程?可以跳转到「上手试试!4 个案例的具体教程」部分。)

            3D 建模:

            参数化建模,网格化建模 2 种方式

            3D 作品的第一步,是让 Kimi 构建 3D 模型。

            Kimi 等 Agents 构建 3D 模型,主要有 2 种方式。具体来说,Kimi 既可以直接编写代码构造 3D 模型, 也可以调用 3D 生成服务(比如 Tripo、Meshy、Hyper 3D),他们各自适用的场景如下:

            1. 参数化建模:适合能用尺寸、结构和规则描述的建模任务,比如产品造型、家具与机械零件、建筑等等。

            2. 网格化建模:适用于人物、动物角色、雕像、怪兽和复杂道具等精细建模。

            Kimi 在直接编写代码构造 3D 模型时,还会自主选择不同工具。Blender、Unity、Unreal Engine、Godot 等工具里面的每一个按钮都可以被写成 Python 脚本。我们特意训练了 Kimi K3.1 Pro 通过 Python 脚本调用各种 3D 工具的能力,这样即使一些小众软件并不支持 MCP 协议,也可以为 Kimi 所用。

            而网格化建模,目前 K3.1 Pro 等大语言模型暂时还做不太好,Tripo 等 Diffusion Model 做得更好。这些 Diffusion Model 学习过大量三维物体的形状规律,可以根据参考图中的轮廓和遮挡关系,推断立体结构。为了确保良好体验,在你发起人物、动物等更适合网络化建模的任务时,Kimi 会自己整理好提示词与参考图,并调用 Tripo 等模型工具来完成。

            在不同的任务中,Kimi 会组合使用这 2 种方法以及对应的工具:

            当然,Kimi 不能保证每次生成都达到完美的效果,有些时候需要多轮调整,一些小技巧可以帮你规避一些问题。在「使用技巧」部分,我们将介绍一些对应的处理方法。

            构建游戏:

            在游戏引擎中组合 3D 模型、设计玩法

            3D 模型有了,接下来我们可以构建游戏或者游戏预告片了!

            游戏引擎负责把这些 3D 资产、玩法组织起来,让场景成为可玩的作品。比如,让角色行走、让物体发生碰撞,加上任务、积分等玩法,还可以设计运镜和镜头切换。

            Kimi 可以通过编写代码、调用工具,把 3D 模型导入各类游戏引擎,搭建场景,再逐步实现玩法。对于常见的游戏引擎,比如Unreal Engine、Unity、Godot,Kimi 都进行了较好的适配。前两者适合做更加庞大的游戏项目,Godot 则适合轻量小游戏的快速开发。

            以下是 Kimi 目前支持的各种3D建模以及游戏引擎插件(需要本地安装的仅在 Kimi Work支持):

            从模型到各种 Harness,如何选择?

             Kimi Harness 和 模型选择 

            Kimi 提供了从模型到 Agent 产品等各类 AI 工具。我们应该如何选择呢?

            • 想快速做一个 3D 网页、简单的单件模型,可以选择 kimi.com,无需下载和安装;

            • 想调用建模软件、用游戏引擎,做3D场景的组合、复杂游戏玩法,可以使用 Kimi Work、Kimi Code,他们可以操作 Unity、Unreal Engine 等本地软件,在本地项目上迭代和修改

            • 想要在你现有的工作流里接入 Kimi 模型,可以选择 Kimi API。

            这些入口也可以配合使用。比如,你可以先在 kimi.com 快速并行验证一些想法,再把项目交给 Kimi Code 继续开发。

             3D Make:搭配专业 skills、插件、工作流

            我们还在 Kimi.com、Kimi Work 里上线了 3D Make 功能,从这里进入,可以使用我们为大家准备的 3D 生成 Skills 和专业工作流,生成更精细的 3D 作品。

            一般来说,你不需要先记住每个 Skill 或插件的名称,描述目标即可,Kimi 会自行调用。如果你需要指定工作流时,可以参考下表:

            上手试试!4 个案例的具体教程

            现在,让我们通过 4 个例子,具体看看 harness 该如何选择、如何做出更好的 3D 作品。

             例子1:在 Unreal Engine 中构建一座东方天宫 

            适用入口:Kimi Work、Kimi Code。

            相关插件:Blender、Unreal Engine、MetaHuman。

            在我们 Kimi K3.1 Pro 的官方宣发视频案例中,我们使用 K3.1 Pro,通过 Unreal Engine 5.8 构建了一座东方神话天宫,主角则通过 MetaHuman 创建,以下是完整的操作过程。

            如果你想尝试类似作品,可以先用生图AI,生成一个你脑海中的画面,比如,侠客在天宫中行走,黄昏的天空中升起一条巨龙:

            然后把这个图片给到 Kimi,输入以下结构的 Prompt,让它构建代码、搜集素材、组合场景:

            制作一个东方天宫场景。首先根据我的参考图,使用 Blender 分别构建出柱廊和巨龙。随后在 Unreal Engine 中放入这些元素,并加入体积云和开源的月球素材,并用 Nanite 渲染高精度的建筑和巨龙,用 Lumen 实现动态全局光照与反射。

            我们先把代表性画面做好,再扩大场景、构建人物、增加细节,更容易保持整体风格和画面质量。

            在构建完基础场景后,如果你想让自己成为游戏中的主角,可以使用 Epic Games的官方软件 Live Link Face,录制一段以自己为原型的 20秒视频,并告诉 Kimi:

            Live Link Face上现在有一段人物视频,请导入 MetaHuman Editor

            导入人物后,你可以自行在 MetaHuman Editor 中更改人物参数,也可以让 Kimi 帮你完成:

            接下来,可以继续打磨人物模型,增加服装、武器等细节。比如,给到 Kimi 服装的多视角参考图,并让它在 blender 里制作衣服,迭代到你满意为止。

            相关的武器,也可以进一步用 AI 生图,再让 Kimi 用 Blender 生成:

            最后,让 Kimi 对全部素材进行组装,并做出击打的特效和运镜,经过多轮不断调整布局和位置,就能得到类似这样的产物了:

            这个例子中,Kimi 把程序化建模、数字角色和引擎渲染组合在了一起使用:

            基准考察通过生成 CAD 代码,从多视角渲染图重建 3D 模型的能力。给 K3.1 Pro 一段文字描述、一张草图或一张参考图,它能推断出物体的形状、比例和空间关系,并将其重建为可用的 3D 模型。它对现有素材库和模型库也有更强的理解。

            1. 用 Blender 构造元素。你可以先找到每个元素的参考图(可利用 AI 生图),再让 Kimi 在 Blender 中以参考图为目标,通过程序化建模分别做出柱廊与巨龙,迭代直到对形体和细节满意。

            2. 在 Unreal Engine 中组装场景。 将建筑、巨龙和通过 MetaHuman 创建的主角放进同一个空间,调整比例、位置和镜头,让角色与巨大建筑形成尺度对比。

            3. 完成画面表现。 场景的源模型合计包含 3,600 万个三角面,Kimi 自主调用了 Nanite 处理高精度几何体的渲染,并通过 Lumen 实现动态全局光照与反射。


             例子2:做一个可以打印的3D台灯 

            适用入口:kimi.com 的 3D Make。

            相关技能:3d-printing。

            你可以先找一张喜欢的台灯参考图,这里我们以小红书博主 @锦州琛哥 的建筑台灯为灵感,制做一个镂空的福建土楼台灯。

            你可以同时告诉 Kimi 预期尺寸,还可以把具体需要使用的灯光、电池组件规格发给 Kimi,让它在建模的时候考虑到组件位置,留出位置和散热空间:

            参考这张图,设计一盏以福建土楼为原型、可以 3D 打印拼接的桌面台灯。总高约 25 厘米,灯罩直径约 15 厘米。使用 LED 灯光组件,它的尺寸是 xxxx。请将灯罩、支撑结构和底座拆成可组装的部件,预留安装空间与走线孔。保留建模代码,并分别导出 STL 文件。

            Kimi 就会自动通过 Blender、CAD 等工具构造模型;之后想让灯罩更宽、底座更稳、增加更多细节,可以继续多轮调整。

            最后,在 3D 打印前,你可以让 Kimi 把文件导入切片软件,帮你检查尺寸和支撑,确定打印的可行性。最终的成品如下:


             例子3:调用 Blender 纯代码生成建筑物

            适用入口:Kimi Work、Kimi Code

            相关技能:Blender

            Kimi K3.1 Pro 通过纯代码调用 Blender,就可以一句话做出一座还不错的建筑模型。当然,记得把思考强度调整到「极致」或「进阶」,这样模型才会有更多细节。

            如果你想尝试类似作品,可以把建筑特征、空间需求一起告诉 Kimi:

            帮我做一个类似北京 Soho 建筑物风格的模型,提供多个角度的平面剖面的展示方式,里面要有完整的室内设计,包括办公区,交通空间,体现扎哈的设计思想,可以配合合适的时间点的视觉效果,外部环境和天气、日光需要按照我的配置来变化,整体的建筑和渲染贴图要 Photo reallstic. 你可以使用一些 PBR 贴图来e nhance 整体的视觉效果。

            Kimi 会在建模前,检索公开设计资料,确认建筑物的外观和内饰方案。然后调用 Blender,逐个生成模型,并拼接组合起来。

            在材质和景观细节上,Kimi 还会自主检索石材、木材贴图和写实树木模型,将贴图绑定到对应材质上。


             例子4:用 Tripo 和 Blender 搭建一座微缩城市 

            适用入口:Kimi Work

            相关插件:Tripo 3D 生成、Blender

            让 Kimi 调用 Tripo 生成一些精致的模型元素,也是提升 3D 作品丰富度时可以考虑的一个做法。

            比如,你可以给 Kimi 一些城市参考图,并告诉他可以调用 Tripo 生成雕塑等资产:

            参考这些图,制作一座微缩山城。用 Blender 脚本构建起伏地形、树林、街道和连接不同高度的台阶。用 Tripo 生成广场喷泉、雕像和特色景观资产,再导入 Blender 组装。统一比例、材质与灯光,输出一段环绕城市的展示视频,并保留工程文件。

            Kimi 会自主完成以下 3 步:

            1. 用代码搭建场景。 Kimi 创建地形,沿地势铺设街道和台阶,再用规则生成、排列树木。山坡高度、道路宽度、台阶数量和树林密度,都可以设为参数,方便调整。

            2. 用 Tripo 补充特色资产。 喷泉、雕像等物体分别生成,检查外形后导入 Blender。

            3. 在 Blender 中统一效果。 调整资产的位置和比例,检查道路连接、台阶衔接与物体落地,再设置材质、灯光和镜头。

            收到 Kimi 第一轮的产出结果后,你可以先确认布局,再丰富细节。

            你还可以先让 Kimi 输出俯视图和街道视角,检查空间关系。满意后,再添加景观资产和运镜,保留 .blend 工程与建模脚本,方便继续扩建。

            Kimi 内部的 5 个使用技巧

            在做产品和官方宣发视频的时候,我们深度使用了 Kimi K3.1 Pro 和 Kimi 的各种 harness,以下是 Kimi Team 一致好用、可以帮助大家做出更好作品的 5 个 tips:

             ① 图胜于言,多给参考图、视频 

            参考图、参考视频,往往比语言描述更直观。

            用于生成单个模型的图片,尽量做到主体完整、背景简单、轮廓清楚。 如果提供多个角度,要确保造型、比例和配件一致。没有合适的图片,也可以先让 Kimi 帮你整理构图要求,调用图片生成工具生成设定图,确认外形后再开始建模。机械零件则需要额外标注尺寸,比如孔径、孔距和板厚。

            参考视频也很有用。除了审美风格,它能帮助你说明镜头怎样移动、场景怎样切换。

             ② 让 Kimi 帮你写复杂提示词 

            不熟悉建模术语,可以先让 Kimi 分析参考素材,把想法整理成制作要求:

            分析这张图的造型、比例、材质和灯光,帮我写一份可执行的 3D 制作提示词。看不清的部分,请列出你的推测。

            检查它的理解,补充你最在意的细节,再说:「按这份提示词开始制作。」

            Kimi 比我们更擅长写出具体的提示词。比如, 「白色哑光外壳、深灰关节、蓝色显示屏」,比「精致、有科技感」更容易执行。精确尺寸、模型面数和骨骼绑定等要求,还需要通过工具参数或后续操作落实。

             ③ 先构建场景,再细化单个模型、调整材质和灯光

            做复杂场景时,可以先让 Kimi 用方块、圆柱等简单形状搭出布局。这一步叫灰模,主要用来检查比例、位置和空间关系。

            先用灰模搭建展厅,输出入口、正面和俯视三个角度。布局确认后,再加入完整模型和材质。

            每一步都看看结果。模型转一圈,游戏实际玩一遍,视频看完整段运镜。发现问题时,附上截图并指出位置:

            保留现在的头部和身体比例,只修正手臂与躯干粘连的部分。

            已经满意的部分,也明确告诉 Kimi 保留,方便下一轮集中修改。

            在外形确定后,你还可以再打磨材质和灯光,提升质感。

            模型看起来「hin塑料」,可能需要调整表面粗糙度;金属显得暗淡,也可能需要更合适的环境反射。可以保持模型和镜头不变,让 Kimi 做几组灯光对比:

            分别尝试柔和摄影棚光、暖色侧光和冷色轮廓光,输出预览图供我选择。

            Poly Haven 提供的 HDRI 也值得尝试。它记录了周围环境的亮度和颜色,可以为场景提供照明与反射。

             ④  他山之石,用好外部资产与动效库

            • Poly Haven:由团队与合作艺术家提供的公共三维资产库,包含模型、材质贴图和环境光资源,适合写实场景。(这里的资产采用 CC0 许可,可免费商用、修改和再分发,不强制署名。请参照许可说明使用。)

            • Kenney:提供成套游戏素材,包括三维模型、界面和音效,适合快速搭建风格统一的小游戏。(这里的游戏素材采用 CC0 许可,可商用,不强制署名。请参照许可说明使用。)

            • GSAP:由 GreenSock 开发、现属于 Webflow 的 JavaScript 动画库。可以编排移动、缩放、旋转和颜色变化,也能配合 Three.js 控制模型与镜头动画。(这里的全部插件、工具集可免费用于商业项目,使用时遵循其自定义许可。请参照官方说明使用。)

            搭建场景时,你可以让 Kimi 先寻找资源,把下载好的素材放进项目目录:

            用这个素材包搭建森林探索场景。先列出能直接使用的资产,再补充缺少的内容,统一比例和风格。同时整理资产清单,记录来源链接、许可和署名要求。

            制作展示网页时,可以指定动效库和具体效果,让 Kimi 自行匹配:

            用 Three.js 和 GSAP 制作森林展示页。向下滚动时,镜头沿小路缓慢前进,经过不同区域时,介绍文字依次出现。

            先完成一个小场景或一段完整动效,再逐步扩展。 你可以先检查交互是否自然、加载是否流畅,再增加内容。用得顺手的素材包和动画代码,也可以保存下来,下次继续复用。

             ⑤ 让 Kimi 总结成功方法,存成 Skill 

            做出一个满意的作品后,可以让 Kimi 把它整理成 Skill,下次继续使用。

            例如,你做好了一个「产品展示的网站」,可以让 Kimi 保存常用的材质与灯光模板、镜头设置、预览检查步骤,以及导出格式。相关脚本和参考资料,也可以一起整理进来。

            把这次验证过的制作流程整理成 Skill。将产品尺寸、主色和镜头时长设为可调整项,附上检查步骤,并保留工程文件。

            资产库保存素材,Skill 保存方法。 随着项目积累,你的下一次制作就能从已有的模型、模板和流程开始。

            K3.1 Pro 的下一步

            以上,K3.1 Pro 让我们看到了 AI 在 3D 创作中的更多可能,也让我们看到了目前的不足,以及接下来要解决的难题:

            • 骨骼绑定:让角色的动作和身体变形更自然。

            • 更复杂材质与物理模拟:从金属、钻石、皮毛,到水流与火焰,让质感和动态更真实

            • 更完整、可信的 3D 世界:让复杂场景中的物体比例合理、风格统一,交互与物理表现自然。

            我们会持续迭代 Kimi 系列模型的能力与 Harness,让 Kimi 更好地使用专业工具、处理复杂场景,帮助大家把脑海中的世界做成可以看、可以玩的作品。

            Happy building!

            ↙ 阅读原文,了解更多

            阅读原文

            跳转微信打开

            •  

            Kimi K3.1 Pro:智能前沿,更进一步

            原创 Kimi K3.1 Pro 2026-10-24 01:16 天津

            高速版同步上线

            The only way of discovering the limits of the possible is to venture a little way past them into the impossible.

            发现「可能」之极限的唯一方法,是向「不可能」的方向多走一小步。

            阿瑟·C·克拉克《未来的轮廓》

            今天,我们正式推出 Kimi K3.1 Pro,这是 K3.1 系列的第一个模型,也是我们迄今能力最强的 3 万亿级参数模型,支持 100 万上下文。Kimi K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。

            我们同步推出高速版模型 Kimi K3.1 Pro Highspeed,同等智能,输出速度约 2~3 倍。

            即日起,可通过 kimi.com、Kimi App、Kimi Work、Kimi Code 和 Kimi API (platform.kimi.com),使用 Kimi K3.1 Pro 和 Kimi K3.1 Pro Highspeed 模型。完整模型权重将于 11 月 4 日前发布。

            完整 Benchmarks 请访问 kimi.com/blog/kimi-k3-1-pro

            持续突破前沿

            Kimi K3.1 Pro 是 Kimi K3 的后训练版本,后训练算力大幅增加。为了支撑数百个下游领域的大规模联合训练,我们优化了技术栈的每一层,包括 RL 框架、长上下文推理、训练效率、沙箱基础设施、调度系统,以及用于环境质量检查的共享平台等,确保每一份新增的 RL 算力都能转化为稳定、高效的回报。最终,Kimi K3.1 Pro 模型在所有领域都获得了大规模 RL 带来的全面提升。

            在代码、Agent 和知识类基准上,K3.1 Pro 达到或接近最强闭源模型的水平。Terminal-Bench 4.0通过真实环境中资源受限的终端任务考察编程智能体的能力,每项任务均设有严格的专项测试。K3.1 Pro 在此项评估中得分 65.7%,超过 GPT-6 Astra(58.2%),与 Claude Opus 5.5(66.4%)仅有微弱差距。Kimi Code Bench 3.0 Long-horizon 是我们内部的基准测试,覆盖多种工程领域,重点考察编程智能体的多步执行、工具调用和端到端问题解决能力。K3.1 Pro 在这项测试中得分 61.2%,高于 K3 的 55.95%。

            代码

            Kimi K3.1 Pro 能胜任各种规模的编码任务:小到在真实代码库里修复一个问题,大到从零搭建一个完整项目。它也为游戏和网页体验带来更考究的视觉风格,并且知道如何用合适的外部专业工具把它们做出来。

            K3.1 Pro 能熟练使用 Unity、Unreal Engine、Godot 等游戏引擎,并结合网络搜索与 3D 生成,做出完整的体验。它产出的前端页面、Three.js 交互场景和 3D 资产,在构图、排版、动效和细节打磨上都有明显提升。以下案例均由 K3.1 Pro 端到端完成:

            基于虚幻引擎的天宫对战游戏:Kimi K3.1 Pro 在虚幻引擎 5.8 中建起一座云海之上的东方神话天宫:半径 1,750 米、36 开间的柱廊由 Blender 程序化建模,3,600 万源三角形经 Nanite 与 Lumen 渲染。外部素材:Cloud Forge VDB 云、Poly Haven/ambientCG 8K 材质、NASA LRO/LOLA 月球数据。

            Godot 3D 冒险游戏:Kimi K3.1 Pro 用 Godot 4.7.2 构建了一款风格化 3D 动作冒险游戏:五个可探索区域,包含程序化地形、道路、水系、植被与村庄布局,并有第三人称战斗、两阶段 Boss 战、采集、昼夜循环和篝火快速传送。外部素材:Quaternius 自然与村庄素材包、KayKit 角色及动画包、Kenney Survival Kit 等。

            3D 机械臂展示落地页:Kimi K3.1 构建了一个浏览器内的 3D 机械臂展示页,包含分解视图、透明外壳与剖面效果;2,317 个零件和 268 条动态走线全部由代码生成。

            通过大规模强化学习,K3.1 Pro 的长程编码能力也得到了充分的增强。在一项内部测试中,K3.1 Pro 基于包含 296 个骨骼组件(含软骨)和 402 个肌肉组件的开源人体解剖学模型,构建了一套集成训练与评估流程的人类行走动力学仿真器。在进行 167 项任务、420 次独立评审的过程中,它持续分析实验结果、定位问题并迭代优化行走控制器,推动仿真人体从最初几步内便倒地,进步到能够交替迈步、连续行走 11.2 秒。当调整奖励机制仍无法改善手臂运动时,K3.1 Pro 没有停留于此,而是转而对仿真器动力学进行开环探测,实现问题定位并修正了肩部肌肉力臂计算中的 36 处错误,随后重新训练了控制器。

            参与早期测试的伙伴发来了他们对 K3.1 Pro 代码能力的反馈:

            3D建模

            Kimi K3.1 Pro 模型擅长 3D 创作与空间推理。在 BenchCAD 基准测试中,K3.1 Pro 借助工具得分 92.7%,接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。该基准考察通过生成 CAD 代码,从多视角渲染图重建 3D 模型的能力。给 K3.1 Pro 一段文字描述、一张草图或一张参考图,它能推断出物体的形状、比例和空间关系,并将其重建为可用的 3D 模型。它对现有素材库和模型库也有更强的理解。

            K3.1 Pro 擅长参数化建模,例如机械零件、建筑模型、多参数可配置的产品和定制家具。无需依赖 MCP 连接器,它可以直接编写并运行 Blender、CAD 等专业建模工具的脚本,完成素材的构建与细化,修改单个部件,并调整几何、材质与场景布局。

            以下案例均由 Kimi K3.1 Pro 端到端完成,可直接用于品牌宣传片、游戏和交互式网页体验:

            Blender 机场建模:Kimi K3.1 Pro 在 Blender 中搭建了一座机场的室内雨林谷,产出一段 17.5 秒、1920×1080、60 fps 的建模展示视频。使用工具:Blender、Python、Geometry Nodes、Cycles、Pillow、NumPy、FFmpeg。外部素材:Poly Haven 的「Kloofendal 48d Partly Cloudy (Pure Sky)」4K HDRI(作者 Greg Zaal 与 Jarod Guest,CC0 协议),用于天空光照与环境反射。

            FreeCAD 涡扇发动机建模:Kimi K3.1 Pro 用 Python 在 FreeCAD 中构建了一个精细的涡扇发动机模型,涵盖风扇、减速齿轮箱、压气机、燃烧室、涡轮与外部管路,共 2,100 个实体。模型支持分步装配和内部分解视图,并可演示风扇、低压转子、高压转子分别以 2,780、8,590、12,400 RPM 运转的旋转动画。

            Trimesh 3D 打印台灯:Kimi K3.1 Pro 用 trimesh 设计了一盏五部件、可直接 3D 打印的台灯,灵感取自福建土楼,将其标志性的圆形建筑形态重新演绎为精巧的镂空格栅。

            kimi.com 和 Kimi app 已同步上线 3D Make 功能,支持在线预览和编辑 3D 模型,做好的模型可以直接下载去 3D 打印,也能导出视频或实况照片,随手分享到社交平台。

            金融

            凭借更强的推理与工具调用能力,Kimi K3.1 Pro 能够端到端交付完整的金融工作流。在外部基准上,K3.1 Pro 在 OfficeQA Pro v2 基准测试中得分 64.4,取得当前最优成绩(SoTA)。OfficeQA Pro v2 考察基于真实金融文档的复杂财务数据分析,涉及检索、跨文档核对与多步数值推理。K3.1 Pro 在 Frontier Finance 上的表现也较 K3 进一步提升。该基准测试衡量模型对完整投资工作流的支持能力,覆盖从标的筛选到盈利分析的全过程。

            在 3 个内部金融基准上,K3.1 Pro 同样全面超过 K3:

            • 财务建模基准 Financial Modelling 考察真实建模任务中的公式联动、财务逻辑与最终工作簿质量,K3.1 Pro 较 K3 提高 14%。

            • 金融研究基准 Financial Research 用于检验模型能否完成真实场景下的金融研究工作,并在证据与截止条件约束下输出可核验的结果。K3.1 为较 K3 提升 20%。

            • 商业运营基准 Business Operation 在模拟商业环境中考察长程经营管理与决策能力,K3.1 Pro 得分约为 K3 的 4.2 倍。

            以下案例展示了 K3.1 Pro 在实践中如何处理财务建模、投资分析与基于真实来源的研究工作:

            财务建模:Kimi K3.1 Pro 能端到端交付专业级英伟达(NVDA)财务模型,公式全部联动,每项假设都有充分依据。它像分析师做项目一样建模:经营驱动因子可随情景调整,敏感性分析直接呈现对估值的影响。

            投研演示文稿:Kimi K3.1 Pro 制作了一份宁德时代的投委会报告,发现与市场一致预期的预期差,复盘财报表现,梳理未来路径。它按分析师论证观点的方式组织材料:故事线先行,对比呈现预期差,业绩对照指引复盘,前瞻梳理催化因素。

            行业深度研究报告:Kimi K3.1 Pro 完成了一份量子计算行业报告,论证一致预期的偏差所在,对照指引复盘业绩,分析财报后的路径,所有引用均可溯源。它像分析师一样产出机构级深度研究:预期差有据可依,业绩复盘与前瞻分析齐备,每个数字和引用都可追溯至一手来源。

            金融分析和投资研究对事实准确性有很高要求。为此,我们针对高难度真实工作场景和高难度提示词,对 K3.1 Pro 的事实准确性进行了专项优化。Kimi Hallu Bench Hard 是一项专门针对事实准确性开展的内部压力测试。在该测试中,新模型的单项事实陈述错误率从 K3 的 23.4% 降至 8.3%;包含至少一处事实错误的回答比例仅为前代的约 42.4%。(这是一项针对事实准确性的压力测试,样本刻意聚焦模型容易出错的情形,所报告的错误率不代表日常使用中的整体水平。)

            参与早期测试的伙伴发来了他们对 K3.1 Pro 金融能力的反馈:

            网络安全

            随着 K3.1 Pro 的能力不断提升,我们将更多精力投入到了解其网络安全能力的来源,以及我们能在多大程度上对其进行管控。为此,我们分析并评估了 K3.1 Pro 的漏洞研究能力,同时在训练过程中实施了针对性控制,在降低潜在滥用风险的同时,保留模型的通用实用性。

            识别并移除网络攻防相关数据。在开发过程中,我们观察到随着后训练规模扩大,模型的漏洞研究性能持续提升。追溯这一趋势的来源,我们发现网络攻防相关内容嵌入了中期训练的通用语料中,网络攻防相关任务也存在于强化学习环境组合里。这是使用广泛数据进行训练带来的自然副产品。在内部模型的初步实验中,我们发现若在中期训练和强化学习阶段均不移除相关数据,下游网络攻防能力将大幅增强。这些发现为我们提供了具体的控制手段。在准备发布 K3.1 Pro 开放权重版本时,我们从两个训练阶段均识别并移除了网络攻防相关数据,同时保留了保障模型实用性所需的通用编程任务。我们未来将在每一训练阶段持续采取适当的控制措施,网络攻防相关数据的识别与限制便是其中之一。

            评估与结果。完成数据清理后,我们使用自研的 xdev-bench-hard 基准测试对 K3.1 Pro 进行了评估。该测试由专家策划,包含基于源代码的漏洞发现与利用任务,并经过校准以在当前能力水平上实现有效区分。多数任务真实复现了 Linux 内核、Node.js、JavaScriptCore、Exim 和 VirGL 等软件中近期披露的漏洞,且各项缓解措施均已启用。每项任务提供存在漏洞的源代码、简短提示以及对应的二进制文件。智能体需要开发出漏洞利用程序,在独立沙箱中实现任意代码执行,并获取密钥字符串以通过自动验证。我们报告了 pass@3 指标,未设置严格超时或输出 token 上限。

            在 xdev-bench-hard 上,若中期训练和强化学习阶段均未对网络攻防相关数据进行移除或过滤,模型在 pass@3 指标上可解决 90.5% 的问题;最终版 K3.1 Pro 的得分则为 81.0%。对比表明,数据移除有效降低了漏洞研究能力,使其明显低于同一训练流程原本会产出的水平。与此同时,K3.1 Pro 仍较前代实现了大幅提升,说明即使在针对性移除相关数据后,更强的通用编程和长周期调试能力仍能泛化到此类任务上。K3.1 Pro 的网络攻防能力目前仍落后于那些已公开发布至少三个月的前沿闭源模型。我们将持续完善内部基准测试,确保在模型能力不断提升的同时,评估结果仍有参考价值。

            开放权重原则。这些评估构成了我们发布开放权重版本的决策依据。首先,我们不希望发布推进网络攻防能力绝对前沿的开放权重。根据设计,K3.1 Pro 的攻击性安全能力低于原本训练流程会产出的水平,且仍低于前沿闭源模型。其次,我们计划渐进式提升开放权重中可用的网络攻防能力。我们相信,开放 K3.1 Pro的权重,将更有益于出于防御目的而需要两用能力的群体。当能力强大的模型以开放形式提供,并能在用户可控的基础设施上运行时,更多团队将得以审查自身维护的代码,这其中包括那些极少接受专门安全审查的遗留系统。我们认为,让这一能力渐进式扩散,而非将其集中在少数闭源系统中,最终将使所有软件变得更加安全。

            开始使用

            使用 Kimi K3.1 Pro Agents:直接访问 kimi.com,或到手机应用商店搜索下载或升级到最新版 Kimi app,支持 iOS、Android 和鸿蒙系统。

            与 Kimi K3.1 Pro 一起工作:下载最新版 Kimi Work 桌面客户端,支持 Windows 和 Apple 芯片的 Mac 电脑。

            用 Kimi K3.1 Pro 辅助编程:Kimi Code 运行在你的电脑终端和桌面,选择 K3.1 Pro 模型即可开始体验。

            接入 Kimi API 开发应用:访问 Kimi 开放平台(platform.kimi.com),模型选择 kimi-k3.1-pro,价格为每百万 Token 输入:1.3 元(命中缓存)和  13 元(未命中缓存),输出 68  元。高速版模型 kimi-k3.1-pro-highspeed,输出速度约 2~3 倍,价格 2 倍。

            为员工提供 Kimi 订阅:Kimi 企业版支持企业级数据隐私保护、成员管理,个人账号与企业账号数据完全隔离。访问 kimi.com/membership/pricing 选择「企业版」标签页,即可在线为员工订阅 Kimi 会员。

            快速搭建企业智能体应用:Kimi Hosted Agents(托管智能体)将支撑 Agent 运行的 Harness 作为云端服务提供。企业和开发者无需自行搭建和维护运行框架,即可获得 7×24 小时的托管环境,支持长程任务执行与多智能体高效协作。访问这里(platform.kimi.com/docs/hosted-agents/overview)了解更多。

            加入企业合作伙伴计划:欢迎各行各业的 IT 服务商、集成商伙伴与 Kimi 共建前线部署工程师(Forward Deployed Engineer,FDE)队伍,深入客户现场,帮助企业把 AI 真正部署到核心业务中。

            跳转微信打开

            •  

            10 分钟,Kimi Work 从入门到精通

            月之暗面 Kimi 2026-10-15 18:20 天津

            Kimi Work 是我们推出的本地 AI Agent,就像住在电脑里的 AI 同事,可以直接读取本地文件、操作浏览器和其他常用软件工具。

            今天我们从下载安装开始,手把手带大家完成基础任务,再进一步解锁进阶能力。希望能给你带来灵感,找到更适合自己的 AI 协作方式。

            开始使用:kimi.com/products/kimi-work

            跳转微信打开

            •  

            Kimi Code Desktop 正式与你见面

            原创 Kimi Code 2026-09-21 15:24 天津

            macOS 和 Windows 版同步上线

            今天,Kimi Code Desktop 正式与你见面。macOS和 Windows 版同步上线,访问 kimi.com/code 开始安装使用。

            作为 Kimi Code 官方桌面客户端,它将 Kimi Code 智能编程服务能力带到桌面应用中。你不仅可以在桌面端内直接使用 Kimi Code 的 AI Agent 能力,通过对话让它读写代码、运行命令、完成自动化任务,还能在全新可视化的图形交互界面中,集中管理你的所有项目,调整常用配置,清晰查看 Agent 执行任务的每一步。

            无论是快速验证想法,从零开发个人应用,还是在大型代码库中推进复杂的工程任务,告诉 Kimi Code Desktop 你的想法和要求,它就可以制定可评审、可反馈的执行计划,然后围绕目标持续推进,直至完成任务并交付结果。

            针对开发者的实际工作流,桌面端还提供内置终端、浏览器和 Git 状态查看等功能,支持直接运行和调试项目、审阅代码改动,关联 PR 状态,方便跟踪代码评审与合并进度。

            如何安装和使用?

            第一步:下载并安装 Kimi Code Desktop

            下载地址:kimi.com/code,目前已支持 macOS(Apple + Intel 芯片)、Windows。

            第二步:一键登录 Kimi Code 账号,或配置第三方模型供应商

            作为 Kimi Coding Plan 的官方搭配 Agent,更推荐在 Kimi Code Desktop 直接登录使用,套餐用量随时可查。登录 Kimi 账号后,桌面端会使用账号可用的官方模型。你可以在输入框内的模型选择区域确认当前模型,也可以在设置中的模型模块查看可用模型和模型权限。

            第三步:选择一个文件夹作为工作区

            桌面端会按工作区整理会话。新建会话后,可以在输入框下方选择要使用的本地项目文件夹。

            从 CLI 到 Desktop,

            你熟悉的 Kimi Code 更加清晰可控

            如果你已经是 Kimi Code CLI 的老朋友,来到 Kimi Code Desktop 后,本地的 CLI 任务会直接出现在桌面端,你所熟悉的 Agent 能力也依然保留。

            从边界清楚的小任务,到尚待拆解的长期目标,再到可以并行推进的复杂工程,你都能找到合适的工作模式,让 Agent 从规划和执行一路推进到结果交付。

            • 对于影响范围较大、需要先确认方案的任务,可以开启 Plan 模式。Agent 会根据你的要求先完成分析并给出执行计划,经你审阅、反馈和确认后再开始动手。

            • 为 Agent 设置一个 Goal,它会围绕明确目标持续执行和检查,适合需要多轮推进的长任务。

            • 启用 Swarm 模式后,主 Agent 会将任务拆分成多个子任务,在需要时调度 Subagent 分工处理,并汇总各自的工作结果。

            • 如果希望进一步尝试多 Agent 协作,还可以开启实验性的 Tower 模式,让多个 Agent 围绕同一目标并行推进,适合规模较大、可以拆分的工程任务。

            有了 Desktop,Kimi Code 也拥有了直观的图形界面和流畅的交互体验。原本需要在终端中输入命令才能执行任务、查看文件、管理会话或修改 config 文件,如今这些操作都可以集中在一个窗口中完成。

            • 过程清晰可见:随时查看 Agent 的工具调用、执行进度和代码改动。

            • 文件一点即开:聊天中提到的文件路径可以直接点开并预览。

            • 会话清晰有序:标签页、置顶、批量管理、AI 自动命名、全局搜索,再多会话也不乱。

            • 配置直接调整:在设置面板中管理 Agent 的默认模型、模型供应商、权限和插件等常用配置。

            深入实际开发流程,

            让执行、审阅与交付顺畅衔接

            作为面向开发者的编程智能体,Kimi Code Desktop 也充分考虑了真实开发中的工作流。你可以在同一个窗口里运行项目、验证效果、审阅代码,并跟进后续的 Git 与 PR 状态。

            当任务产生修改后,你可以在右侧面板按文件或单轮修改审阅具体差异,并预览 Markdown、JSON、HTML等多种代码和文本文件。需要继续追问时,还可以在侧边展开对话,无需离开主会话。

            内置终端让开发者可以直接在 Desktop 中执行构建、测试和格式检查等验证命令,也可以查看 Git 命令输出。

            桌面端还支持截图标注。框选屏幕区域,写句评论发给 Agent,无论是页面错位、报错信息还是设计细节,都能让 Agent 直观看到问题,准确理解你的需求,指哪改哪。

            需要验证网页效果时,可以直接打开内置浏览器预览。Agent 可以直接操作浏览器,完成页面交互和效果验证、资料查找等任务。你还可以标注网页中的元素或区域,自动捕获元素信息并附上截图和评论,让 Agent 准确定位要修改的位置。

            在 Git 项目中,Git 状态区域还可展示当前分支、领先与落后状态、文件变化及相关 PR 状态,方便跟进代码评审与合并进度。


            从 CLI 到 Desktop,我们希望 Kimi Code 走向更多用户,进入更多样的场景。在持续提升模型能力的同时,也通过清晰可见、随时可控的协作过程,建立与 AI 之间更稳固的信任关系。期待 Kimi Code 成为与你一起把想法变成现实的开发伙伴。

            Kimi Code Desktop 1.0 只是一个开始,更丰富的功能持续开发中。还有更多能力和用法,等待你在自己的项目中亲自体验和发现。点击「阅读原文」,即可前往下载安装页面。

            打开你的项目,把下一个任务交给 Kimi Code Desktop 吧。

            ↙ 点击「阅读原文」开始安装

            阅读原文

            跳转微信打开

            •  

            Kimi 发布金融行业解决方案

            原创 Kimi Work 2026-09-17 15:19 天津

            涵盖 10+ 权威数据源、9 项金融技能和 5 项合规安全措施

            今天,我们推出 Kimi 金融行业解决方案。这套方案整合了 Kimi 面向金融行业的产品与能力,涵盖 10+ 权威数据源、9 项金融技能和 5 项合规安全措施,以及机构级的数据建模和报告交付能力。 

            从持仓早报、财报点评,到项目筛选、深度研究和组合复盘,Kimi 将数据获取、专业分析与成果交付连接起来。在已落地的机构合作中,这套方案已将过去以天计的资料处理和初稿制作压缩到小时级,让专业人员把更多时间留给分析与判断。

            目前,已有数十家金融机构基于 Kimi 模型、Kimi 企业版和 Kimi Work 等产品开展业务创新,或与 Kimi 共建金融方案,覆盖头部券商、商业银行、风险投资基金、投研数据机构:

            左右滑动,查看全部 →

            工商银行客户证言

            中信建投客户证言

            汇添富客户证言

            红杉中国客户证言

            真格基金客户证言

            蓝驰创投客户证言

            讯兔科技客户证言

            中金公司、中信建投证券和德意志银行的管理者,与 Kimi 分享了他们眼中金融 AI 的下一步:

             金融行业的痛点与挑战 

            金融是数据与信息最为密集的行业之一。长久以来,行业的生产力受限于两个要素:数据处理的速度,和信息搜集的广度。

            第一个挑战,是市场对时效性的要求越来越高。研究员的信息来源主要是公告、新闻和研报,此前一份研究结论往往要一天才能整理出来;而现在市场要求分钟级的响应,全球市场结构的变化需要被即时吸收。

            另一个挑战,是信息高度碎片化。关键数据散落在财报、法律文件、研报和公告中,专业人员需要花大量时间完成数据查询、比对和整理,再去进行分析工作。

            2026 年,随着大模型推理与工具调用能力的提升,AI 正在从单点辅助,走向完整金融工作流的端到端交付:理解工作目标,搜索专业数据,执行分析与建模,并做成机构级的交付成果。但金融行业对准确性和合规性要求极高,AI 的输出必须结构专业、来源清晰、便于核查,才能真正进入业务流程。

            这也是 Kimi 金融行业 AI 解决方案设计的出发点。

             Kimi 金融行业解决方案 

            ❶ 10+ 权威数据源,一站式接入实时可靠数据

            数据驱动着金融行业的方方面面,从投研决策到风险管理,无一不以数据为基础。

            Kimi 全套产品,包括网页版 kimi.com、桌面端 Kimi Work、Kimi Code,内置了 Wind 万得、东方财富、标普全球(S&P Global)、财联社、财新数据等海内外权威数据源。

            这些数据通过 MCP 直接接入研究任务,关键数字可以回到原始出处核对,来源、口径清晰可查。研究人员无需在行情终端、公司公告、宏观数据库及企业信息平台中反复检索、下载和整理,省去了跨平台查找与搬运的工作量。

            进行公司研究时,研究人员还可以通过天眼查、元典法律补充工商、司法、知识产权及法规信息,拓展财务报表之外的维度。

            点击图片,放大查看 ↓

              

            除了数据源,Kimi 还内置了一整套研究和生产插件:Scholar 学术论文全文检索能力,Word、Excel、PDF 等 Office 格式产物生成工具,图片和语音生成工具等等。

            此外,Kimi 浏览器扩展(前身为 Kimi WebBridge) 和 Computer Use 可以让 Agent 在相应的授权下,使用浏览器和本机桌面应用,让没有 API 的系统也能接入工作流;金融投研套件覆盖二级投研、一级 deal 全流程与企业财务关账等相关能力,Cloudflare 开发者工具则提供 2500 多个官方 API 端点,支撑进一步的定制与集成。

            我们也在推进与飞书、腾讯文档、WPS 等中文办公系统的连接,让研究资料和分析成果更顺畅地进入团队协作。


            ❷ 九项技能,将 AI 能力沉淀成专业金融工作流

            对金融从业者来说,AI 的价值,在于把通用模型的能力落到专业的工作流中。

            Kimi 与一线机构分析师、基金经理和投行团队合作,将金融工作的关键环节封装为 9 个专业技能(Skill):机构财务建模、机构研究报告、机构 PPT、金融动态图表、业绩点评、一致预期地图、组合复盘、持仓早报、HK IPO 透镜。每个技能对应一类有稳定分析步骤和交付标准的工作:

            这些技能已经在二级、一级、银行、保险等不同金融机构的各类真实任务中跑通:

            ●投资银行/私募股权:财务建模

            安装并使用「机构财务建模」技能,基于管理层报表、审计报告和尽调资料,为一家商业航天公司搭建财务模型,输出可继续调整假设的 Excel 模型与可比公司估值表。财务建模的人力投入由 5–7 人天降至 0.5–1 人天。

            ●行业研究:深度研究

            安装并使用「机构研究报告」技能,结合专家访谈与业绩说明会材料,完成量子科技行业的深度报告,研究周期从 10-20 天缩短至~2天。

            ●商业银行:授信报告

            基于招股书、调研纪要和征信数据生成授信调查报告,给出明确准入结论,方案建议与风险提示,单户材料准备效率提升5倍以上。

            ●保险:宠物险分析报告

            安装并使用「机构 PPT」技能,将竞品宠物险的市场规模、定价设计与产品单位经济模型(UE) 分析整理成 21 页投决汇报材料,PPT 制作的人力投入由 7–10 人天降至约 2 人天。

            在这些金融技能之外,Kimi 还提供几项通用能力:

            研究成果,直接做成可交互的 HTML 报告:相比静态文档,HTML 能承载更高的信息密度,一个链接即可传播,还支持读者拖动参数、检验假设。「灵动报告」技能可以将卖方深度研究转化为适合对外展示的可视化报告,用于研究营销、客户沟通与公开发布。

            长期关注的信息,汇集一处:Kimi Work 中「看板」由可自由安排的「组件」构成,能固定到桌面随时查看。比如可以通过金融终端插件搭建一个金融终端看板,将专业信源、组合持仓和覆盖公司关联起来,打开页面就能看到最新变化,不必每天重新检索。

            专业金融交互图表,直接标注、编辑数据:在 Kimi Work 产出的专业机构级图表上通过「圈画」功能,直接完成一系列的快速标记和修改操作,包括但不限于CAGR 与差值标注,切换图表类型(堆积柱状图,簇状图,折线图,Mekko),切换配色,修改标签格式,编辑数据等。

            自定义插件,将任何系统接入工作流:通过 Kimi Work 的自定义插件(Plugin Builder)功能,用自然语言描述需要连接的系统和操作流程,即可按 MCP、API 或浏览器技能三条路径创建自定义插件。您已有的数据订阅、内部资料和业务系统,都可以在可控安全的权限下,进入 Kimi Work 工作流。


            ❸ 五项安全合规措施,让 Agent 接入真实业务

            金融是对准确性和合规性要求极高的行业。任务中哪些信息可以传给外部模型,数据源和工具的访问是否经过授权,输出是否有据可查,执行过程能否追溯——只有解决了这些,AI 才能真正进入业务流程。

            围绕这些问题,我们正在与中信建投证券共同探索一条 AI Agent 合规接入金融业务的路径。我们正在共建「风险评估网关」,将金融机构的安全合规要求,落实为智能体接入与运行中的5项具体措施:

            1. 数据分类分级:依据机构制度明确不同敏感等级数据的使用和外发边界,网关按规则检查任务、附件及工具返回内容;

            2. 个人信息保护:遵循最小必要原则,对个人信息按规则过滤、脱敏或拦截,仅向模型传递任务必需且获准使用的内容;

            3. 数据源与工具访问授权:将授权要求落实到每次调用,拦截未经授权的数据查询或工具操作,并检查返回内容;

            4. 生成内容核验与人工复核:输出标注来源、时间和待核实事项,支持回查依据;初步材料经业务人员复核,不直接形成立项结论,业务判断仍按既有审批流程作出;

            5. 审计与责任追溯:任务、数据来源、处理决定和工具调用记录关联保存,支持按任务回查执行过程。在这些金融技能之外,Kimi 还提供几项通用能力:

            这套「风险评估网关」已在业务场景中完成了试点验证。中信建投证券将临时受托报告生成作为首个验证场景,基于 Kimi 托管智能体构建了「临时受托报告生成」智能体。首轮验证重点覆盖发行人公告内容识别、受托管理债券筛选及报告初稿生成等环节,保留业务人员的复核与决策职责。

            此次试点覆盖 50 余家发行人、100 余只存续公司债券的 60 余份临时受托管理事务报告制作,带来以下效率提升:

            • 「临时受托报告生成」智能体与既有业务系统的接入工作,原计划需要 2 个月,实际在 3 个工作日内完成;

            • 单份报告人工制作时间由约 30 分钟缩短至 10 分钟,人工投入下降 67%

            更重要的是,这套网关可以跨场景复用,新场景可以沿用同一套合规检查机制完成接入与上线评审,为智能体向更多业务场景规模化拓展奠定了效率基础。

             应用与部署 

            Kimi 金融行业解决方案已全面上线:

            • 所有用户都可以在 kimi.com 安装体验 9 项金融技能和 10+ 数据源插件;

            • 专业知识工作者和开发者可以在 Kimi Work 桌面端、Kimi Code 中安装调用数据源插件、金融技能,体验自定义插件和电脑本地 Agent 能力;

            • 面向企业的 Kimi 托管智能体(Kimi Hosted Agents)服务,则为智能体进入真实业务流程提供可配置、可审计的运行环境

            欢迎体验:

            • Kimi 企业版:kimi.com/business

            • Kimi Work:kimi.com/products/kimi-work

            • Kimi Code:kimi.com/code

            • Kimi托管智能体:platform.kimi.com/docs/hosted-agents/quickstart

            • Kimi API 开放平台:platform.kimi.com

            如需企业版、定制化 Skills 或专属数据接入,欢迎联系 Kimi 团队(sales@kimi.com),一起探讨适合你的业务方案。

            ↙ 点击「阅读原文」了解更多

            阅读原文

            跳转微信打开

            •  
            ❌