Kimi 又发了一个新模型，而且这次没开发布会。
9 月 11 日，月之暗面的 Kimi K2.8 Preview 在 Kimi Code 和 Kimi Work 两条产品线上全量上线。官方口径是：综合性能接近旗舰 K3，Coding 和 Agent 能力全面提升，思考效率比 K2.7 Code 明显改善。
但如果只看这几句，其实抓不到重点。这次真正有意思的地方，藏在会员权益表里。
这次到底改了几件事
先把事实一次性列清楚：
- 模型定位：不是 K3 的缩水版，而是主打”日常开发”的主力模型，官方说它更适合代码补全和常规开发任务
- 性能口径：综合性能接近 K3，Coding 与 Agent 能力提升，思考效率较 K2.7 Code 显著改善
- 推理档位：支持 low / high / max 三档 reasoning effort，和 K3 的思考等级对齐
- 输入类型：支持图片和视频
- 上下文：1M（百万 token）
- 权限变化：1M 上下文对所有会员档开放
- 一个重要的”没变”：本次预览没有公布任何 benchmark 数据
最后一条要单独说。以往国产模型发新版本，跑分表几乎是标配，这次官方一个字都没给。所以”综合性能接近 K3″到底接近到什么程度，目前只能自己上手测，没有第三方数字可以引用。
1M 上下文下放，可能比跑分更有价值
这次最实在的变化，是百万上下文从”高配套餐特权”变成了人人可用。
Kimi Code 目前有五档会员：Adagio 免费、Andante 49 元/月、Moderato 99 元/月、Allegretto 199 元/月、Allegro 699 元/月。改动之前，K3 要从 99 元档起才能调用，而 1M 上下文得 199 元档以上。现在 K2.8 Preview 所有会员可用，并且直接给 1M。
这个变化的意义不在价格本身，在于它把一类工作流从”要算钱”变成”随手就能试”：整个代码库一起塞进对话、超长合同逐条比对、一部长篇小说级别的技术文档问答。以前这些场景你得先掂量一下订阅档位，现在是默认能力。
对做垂直 AI 应用的人来说还有一层：长上下文从付费点变成基础设施，意味着”上下文工程”的价值会往后挪——真正决定效果的，不再是窗口有多大，而是你往窗口里塞什么，以及怎么让模型不迷路。
K2.8 不是”小 K3″，两条线各干各的
网上很容易把 K2.8 理解成”更便宜的 K3″。月之暗面这次的澄清很清楚：K3 是秀肌肉的，K2.8 是跑量的。
K3 的规格是总参数 2.8 万亿、激活约 1040 亿的 MoE 架构，发布时的目标就是在各项基准上跑赢海外旗舰——代价是贵、慢、吃资源。K2.8 的定位反过来，是”够用、便宜、行为可控”，负责承接绝大多数常规开发任务。
可以这么理解：深水区交给 K3，日常流水账交给 K2.8。 两条线并行，不是替代关系。
这个分工在国内其实越来越常见。前段时间 DeepSeek V4.1 Flash 也是同一套思路——用架构和缓存优化把单位成本打下来，让高频调用场景能真正跑起来；而 Cognition 的 SWE-2 走的是另一条路，拿 Kimi K3 当底座做后训练，用”同一分数但便宜 64%”来讲故事。三个案例凑在一起，说的都是同一件事：2026 年的模型竞争，代码写得对不对已经不是唯一战场，一晚上跑下来花多少钱才是。
工程细节：这次升级你什么都不用做
对已经在用 Kimi 的开发者来说，这次更新最舒服的一点是无感替换。
原有的 kimi-for-coding 直接升级为 K2.8 Preview，Model ID 保持不变。也就是说，你不用改任何代码配置、不用换 API 端点，升级当场生效。
另外还有一个行为上的修复值得一提。K3 在关闭 thinking 模式之后，一直有请求质量不稳、容易”转交”的问题。现在的处理方式是：K3 关闭 thinking 后的请求会直接路由到 K2.8 Preview 的无思考版本。翻译一下就是，该快的地方不再硬撑，交给更适合快的那条线去跑。
已经上手的人反馈里，出现频率最高的一句是”不能一次就完成任务，但确实快了很多”。这句话其实挺关键——它说明 K2.8 的优化方向是交互效率，而不是一次到位的准确率。对代码补全、边写边改这类高频交互，这是对的方向；对需要一口气端到端完成的重活，还得看 K3。
背后的账：ARR 从 3 亿到 10 亿，还在冲港股 IPO
这次产品动作发生在月之暗面业务快速上行的节点上，时间点很难说是巧合。
据公开信息，公司 ARR（年度经常性收入）在 8 月突破 10 亿美元，而 6 月这个数字还是 3 亿——再往前，3 月约 1 亿，4 月约 2 亿。这轮增长的直接催化剂被认为是 7 月发布的 K3：那个模型靠 SOTA 级的前端能力打出了全球声量，定价为每百万 token 输入 3 美元、输出 15 美元，大约是竞争对手的三分之一，同时在编程基准上超过 Claude Opus 4.8 和 GPT-5.5，在 Arena.ai 的前端代码竞技场以 1679 分登顶。
同期，公司已向港交所递交上市申请，启动港股 IPO 流程，估值从 2025 年底 C 轮的 43 亿美元涨到 2026 年 7 月 F 轮后的 350 亿美元。
所以 K2.8 这一步，可以读成两层意思：对外，是把旗舰能力铺到全价位段，扩大付费面；对内，是在 IPO 前把”能力全栈 + 商业化跑通”这件事讲完整。 一款只能被 199 元档以上用户用到的旗舰，撑不起 350 亿美元的估值叙事；一款能让免费用户和 49 元档用户都跑上百万上下文的主力模型，才可以。
谁该马上切，谁先留着 K3
建议直接切 K2.8 Preview 的：
- 日常做代码补全、写常规功能、重构小模块——这些活 K2.8 更快，体验差别比分数明显
- 想用长上下文但订阅档位不够高的个人开发者和小团队——这是本次最大的受益群体
- 已经在用 Kimi 系列做自动化脚本或轻量 Agent 的——无感升级，零迁移成本
先留着 K3 的：
- 需要一次性端到端完成的高难度任务，尤其跨仓库、跨文件的长链路重构
- 对结果准确率有硬指标、不能接受多次往返的场景
- 需要引用公开跑分做技术选型评审的团队——K2.8 这次没给数字，K3 至少有一批公开基准可查
替代方案上，如果在意编程任务的成本曲线，Cognition SWE-2 那套”开源底座 + 后训练”是另一种解法；如果在意的是长任务的稳定性和缓存成本，Anthropic 的 Fable 5.1 在缓存读取上降了 75%，也是同类考量。
老达点评
第一，”能力下沉”是这半年国产模型最健康的一条趋势。 百万上下文从 199 元档特权变成全员可用，这件事的意义比再涨 3 个跑分点大得多。真正能让 AI 落到生产里的，从来不是最强的那档能力，而是足够便宜、随手能用的那档能力。K2.8 走的正是这条路。
第二，不公布跑分，短期是聪明，长期是风险。 不给数字的好处很明显——省掉一轮口水战，让用户自己体感。但对技术选型的人来说，没有 benchmark 就意味着只能用一周的实测来替代。我的建议是：别信”接近 K3″这句话，信你自己仓库里的那类任务。 拿最典型的一个模块跑一周，看它改对几次、需要几轮对话、花掉多少钱，这三个指标比任何榜单都诚实。
第三，最值得留意的其实是那个”无感升级”。 Model ID 不变、配置不改、升级瞬间生效——这是一个很成熟的产品动作，也是一个很明确的信号：月之暗面已经不再靠”发新模型”来拉新，而是开始靠”把存量用户的使用成本压下来”来留人。对开发者来说这是好事，对同赛道其他国产模型厂商来说，压力是实打实的。
想系统看这条线，可以走 AI 编程工具专题 和 AI 智能体与自动化专题；如果你更在意”这些模型到底值不值那个价”，AI 工具评测专题 里的横向对比可以一起看。
