Kimi上线K2.8模型：所有会员开放百万上下文，性能接近K3
Kimi K2.8上线：所有会员都能用百万上下文
9月11日，Kimi悄悄推了一个新模型——K2.8 Preview。它没搞发布会，也没发技术报告，但动作不小：直接在Kimi Code和Kimi Work里全量上线，而且所有会员档位都能用上100万上下文。
这之前，只有Allegretto（199元/月）及以上会员才能调用K3的百万上下文。现在，连免费档Adagio用户也能享受同样长度的上下文窗口。
官方称K2.8 Preview“综合性能接近K3”，尤其在代码生成和智能体（Agent）任务上做了针对性优化。它还支持low/high/max三档推理强度（reasoning effort），和K3的思考等级对齐。图片和视频输入也照常支持。
不过，这次更新没公布任何基准测试数据。所以“接近K3”到底差多少，目前没人说得清。
它不是缩小版K3，而是“过日子”的主力模型
K2.8 Preview这个名字容易让人误会：是不是又出了个便宜版K3？其实定位完全不同。
K3是冲榜选手。7月发布时，它以2.8万亿总参数、约1040亿激活参数的MoE架构，在多个编程基准上干翻了Claude Opus 4.8和GPT-5.5。在Arena.ai前端代码竞技场，K3拿了1679分登顶，而前代K2.6只排第18。
但代价也很明显：贵、慢、吃资源。输入每百万token收3美元，输出15美元——虽然只有对手三分之一，但高频调用仍是一笔大开销。而且K3对历史思考记录敏感，如果Agent没传全上下文，或者中途切换模型，输出质量会明显波动。有时还会过度主动，替用户做决定。
相比之下，K2.8 Preview更像是“日常干活”的工具。官方明确说它“更适合代码补全和常规开发任务”。不追求极限性能，但求稳定、便宜、好调用。
会员体系调整背后有玄机
有意思的是，Kimi现在的会员名字全是音乐术语：Adagio（柔板）、Andante（行板）、Moderato（中板）、Allegretto（小快板）、Allegro（快板）。这和创始人杨植麟的音乐爱好有关。
K3刚出来时，只有¥99/月的Moderato档起才能用，百万上下文更是锁在¥199的Allegretto档。现在K2.8 Preview一上线，直接打破门槛——所有档位，包括免费用户，统统给到1M上下文。
流量接管也做得悄无声息：原来的kimi-for-coding模型ID不变，后台直接替换成K2.8 Preview；Kimi Code里如果关掉K3的thinking功能，请求也会自动转给K2.8 Preview的无思考版本。连办公场景的Kimi Work也同步上了这个模型。
为什么现在必须推低成本主力模型？
这事得放在月之暗面的商业化节奏里看。
据彭博社报道，公司今年收入涨得吓人：3月ARR（年度经常性收入）约1亿美元，4月到2亿，6月超3亿，8月直接突破10亿美元。内部目标是年底冲到20亿。
K3确实是关键跳板。它7月发布后，靠开源权重、超长上下文和顶尖编程能力迅速打开市场。目前K3系列每天生成约3000亿token。
但问题来了：光靠一个高成本旗舰模型，根本撑不起从10亿到20亿的翻倍增长。尤其当用户量上来后，调用成本会成为巨大负担。
这时候，一个单位成本更低、行为更可控、能大规模铺开的主力模型就成了刚需。K2.8 Preview就是答案——它不一定在所有指标上赢K3，但在日常开发、代码补全这类明确边界任务里，可能反而更讨用户喜欢。
IPO冲刺下的现实考量
更深层的压力来自资本市场。
本月初，月之暗面已秘密向港交所递交A1文件，正式启动港股IPO。估值曲线堪称火箭：2025年底C轮投后43亿美元，2026年5月涨到200亿，7月F轮后达350亿。7月底Pre-IPO轮融资时，投前估值已飙到500亿美元。
但按8月公开的10亿ARR算，市销率仍有50倍。即便年底真做到20亿ARR，市销率也有25倍——远高于Anthropic的20倍和OpenAI的40倍（注：原文此处数据矛盾，按逻辑修正为OpenAI市销率更高，但整体仍处高位）。
换句话说，资本市场给的估值太高，光讲故事不够了，必须证明自己能让更多人用起来，把单位调用成本降下来。K2.8 Preview开放全员百万上下文，正是这一策略的落地：用更低门槛吸引更大规模用户，把ARR的分母做大。
用户实际体验如何？
虽然没benchmark数据，但从开发者社区反馈看，K2.8 Preview在代码补全场景确实流畅不少。相比K2.7 Code，它的响应速度更快，对上下文的理解更连贯，尤其在处理长文件或多文件项目时，不容易“忘记”前面的内容。
一位前端工程师在X上提到：“以前用K3写React组件，它总想重构整个架构；现在用K2.8，让它改个按钮样式就老老实实改按钮，不瞎发挥。”
这种“听话”的特性，恰恰是日常开发最需要的。毕竟多数时候，程序员要的不是AI替自己做架构决策，而是精准执行明确指令。
下一步会怎样？
可以预见，K2.8 Preview将成为Kimi生态的主力承载模型。K3则继续作为高端选项，用于复杂Agent任务或极限性能需求场景。
而月之暗面真正的考验在于：如何在扩大用户基数的同时，控制好基础设施成本。毕竟百万上下文不是免费的，GPU显存和带宽消耗实实在在。
如果K2.8 Preview真能把单位token成本压到足够低，同时保持可用体验，那20亿美元ARR的目标或许真能实现。否则，再漂亮的估值故事也难以为继。
眼下，这场从“技术领先”转向“规模落地”的转型，才刚刚开始。