Kimi 入门指南

你可以在聊天框中输入问题、上传文件，也可以根据需要切换模型。 打开 kimi.com，试着发送一条消息，和 Kimi 打个招呼：

Text

由 K2.6 提供支持

Kimi K2.6 是在 K2.5 基础上大幅升级的开源模型，重点强化了前沿代码能力、长程任务执行能力与多智能体协同能力。在智能体任务、代码、图像理解、视频理解以及通用智能基准测试中，K2.6 均达到领先水平。K2.6 也是 Kimi 能力最全面的模型——其原生多模态架构同时支持视觉与文本输入、思考与非思考模式，以及对话和自主任务。 因此，Kimi 不仅擅长问答对话，也能自主规划任务、调用工具并进行多步骤推理，为复杂任务提供深度思考与执行支持。

内置工具

开箱即用，无需配置：

视觉与多模态能力

K2.6 支持对图片、视频和办公文档（PDF/Word/Excel）的全场景理解，采用原生多模态架构（并非外接 OCR）。它可以直接解析文档内容，并完成中高级办公任务（例如编写 Excel 公式，或生成 PPT 大纲/VBA 代码）。

多模态输入支持

• 图片：PNG、JPEG、WebP、GIF 等（通过 URL、Base64 或本地文件上传）
• 视频：MP4 等（通过 video_url，或图片帧序列 + fps 参数）
• 文档：PDF、Word、Excel、TXT、Markdown 等
• 在线资源：URL、文章链接
• 图片搜索：上传图片，搜索相关或相似图片
• 视频理解：支持视频理解，可分析屏幕录制并复现交互逻辑
• 视觉编码：上传截图或屏幕录制即可生成前端代码（HTML/Vue/React 等）；也可根据设计稿自动复现网页

输出格式

• 纯文本 / 图文混排：标准对话回复
• Markdown：包含标题、列表、表格和链接的富文本
• 代码块：HTML/Vue/React/Python/JSON/Mermaid 等（带语言标识符）
• JSON 结构化数据：强制 JSON 模式输出
• Mermaid 图表：流程图、时序图、思维导图等
• LaTeX 数学公式：行内和块级数学表达式
• 双模式输出（Thinking）：同时返回 reasoning_content（思考过程）和 content（最终答案）
• 工具调用格式：Function Calling 标准格式（面向开发者）

重要说明

会话与对话轮次

点击“新对话”时，可以把它理解为与 Kimi 开启了一场较长的对话。

主要区别

会话

• 连续记忆：Kimi 会记住当前聊天中的全部上下文
• 跨轮上下文：每次回复都会参考此前的对话内容，并将其作为下一轮的上下文
• 边界明确：点击“新对话” = 重新开始；此前上下文会被清除 轮次
• 累计计数：第 1 轮、第 2 轮……逐步增加
• 记忆有限：轮次过多（例如 50+）时，Kimi 可能会“忘记”较早的内容，尤其是在长篇写作或要求严格的任务中
• 上下文长度约束：受 token 数量限制；轮次不断累积时，最早的内容可能会被压缩

为什么这个区别很重要

在同一个会话中，你发送的每个新问题或指令，都会参考此前所有轮次来作答。随着轮次增多、内容变长，回复质量可能会逐渐下降。

常见场景

场景 1：切换话题

• 不建议：在一个已经用来写 30,000 字小说的会话里，继续提问“帮我计算税务”
• 建议：为税务问题开启新会话，避免 Kimi 把小说人物和税务概念混在一起 场景 2：处理长文档
• 经过几十轮对话后，Kimi 可能会“忘记”一开始设定的规则或文件摘要
• 解决方法：在任务进行中主动总结（“总结一下目前为止的计划”），或开启新会话 场景 3：理解产品限制
• 上下文长度限制以 token 衡量，但在日常使用中，可以近似理解为“轮次”
• 如果看到“开启新对话”的提示，说明当前会话轮次已经过多

最佳实践