Kimi K2.8 Preview 全量上線 Kimi Code：1M 上下文開放全部會員，官方稱綜合性能接近 K3
月之暗面（Moonshot AI）於 9 月 11 日把 Kimi K2.8 Preview 全量推送到 Kimi Code。官方文檔表示，模型 ID 維持不變，仍為 kimi-for-coding，客戶端與第三方工具無需修改配置即可使用。官方把 K2.8 Preview 定位為綜合性能接近旗艦模型 K3，編碼與智能體能力全面提升，思考效率較 K2.7 Code 明顯改善，同時把最高 1M 上下文窗口開放給全部會員檔位。
- 上線時間：2026 年 9 月 11 日全量上線 Kimi Code，模型 ID 仍為 kimi-for-coding
- 官方定位：綜合性能接近 K3，思考效率較 K2.7 Code 明顯改善，編碼與智能體能力全面提升
- 上下文：最高 1M，全部會員檔位可用；K3 的 1M 上下文需要 Allegretto 及以上檔位
- 思考程度：low、high、max 三檔，默認 max
官方這次公布的內容
Kimi Code 的更新文檔強調，客戶端與第三方工具無需修改配置，既有的 kimi-for-coding 直接指向新模型；性能、上下文與思考程度的變化則分列於文檔各節。
性能方面，官方寫法是綜合性能接近 K3，思考效率更高，編碼與智能體能力全面提升，思考效率較 K2.7 Code 顯著改善。此次更新文檔沒有列出 K2.8 Preview 的基準測試分數。
上下文方面，官方表示全部會員檔位均開放最高 1M 上下文窗口，多模態輸入支援圖片與影片，與 K3 的規格一致。
與同門模型比較：K2.8 Preview、K3 與 K2.7 Code 的規格分別
Kimi Code 目前提供三類模型、共四個模型 ID。K2.8 Preview 對應的 kimi-for-coding 是當中的預設編程模型，官方描述為擅長代碼補全與常規開發任務。
| Model ID | 模型版本 | 上下文窗口 | 思考程度 | 多模態輸入 | 調用限制 |
|---|---|---|---|---|---|
| k3 | K3 | 1048576（面向高檔位會員） | low / high / max，默認 high | 圖片、影片 | Moderato 及以上可調用，Allegretto 及以上支援 1M 上下文 |
| k3-256k | K3 | 僅 262144 | low / high / max，默認 high | 僅圖片 | Moderato 及以上會員均可調用 |
| kimi-for-coding | K2.8 Preview | 1048576 | low / high / max，默認 max | 圖片、影片 | 所有會員可用 |
| kimi-for-coding-highspeed | K2.7 Code HighSpeed | 262144 | Thinking:ON | 圖片、影片 | Allegretto 及以上 |
按官方表格，K3 的 1M 上下文窗口屬於高檔位會員的能力，Allegretto 及以上才支援；K2.7 Code HighSpeed 的輸出速度約為普通版 5 至 6 倍，消耗約為 3 倍，調用需要 Allegretto 及以上檔位。K2.8 Preview 的上限同樣是 1M，可用範圍寫明為所有會員。K2.7 Code 的上下文窗口為 256K，因此 1M 是此次更新中較直接的規格變化。
思考程度三檔與關閉 thinking 後的路由行為
K2.8 Preview 與 K3 同樣支援 low、high、max 三檔思考程度，兩者的默認值不同：K3 默認 high，K2.8 Preview 默認 max。官方文檔提醒，直接比較兩款模型的速度、Token 消耗與任務完成效果時，需要統一思考強度，否則默認配置差異會影響結果。
第三方工具傳入的思考強度會按映射表處理：ultra、max、xhigh 對應 max；high、medium 對應 high；low、minimum 對應 low；未填寫則使用模型默認值，其他未知取值會回傳 HTTP 400。
另一個容易被忽略的細節是，關閉 thinking 之後，K3 系列與 K2.8 Preview 的請求均由 K2.8 Preview 的無思考版本處理。
第三方工具的接入方式
官方客戶端可在輸入 /model 之後切換模型。第三方工具需要填寫 Model ID，並使用 Kimi Code API 的 Base URL，該 API 同時兼容 OpenAI（https://api.kimi.com/coding/v1）與 Anthropic（https://api.kimi.com/coding/）兩種協議。官方提醒，調用時必須填寫 Model ID，誤填模型版本名稱（例如 K2.8 Preview）會失敗。
同類測試橫向對比：官方仍未提供 K2.8 Preview 的跑分
此次更新文檔沒有提供 K2.8 Preview 的基準測試數據，因此「綜合性能接近 K3」目前屬於官方描述，並非可對照的測試結果。作為參考，月之暗面在 K3 的技術文檔中公布了跨廠商橫向對比表，同一批測試涵蓋多款旗艦模型。
| 測試項目 | Kimi K3（max） | Claude Fable 5（max） | GPT-5.6 Sol（max） | Claude Opus 4.8（max） | GPT-5.5（xhigh） | GLM-5.2（max） |
|---|---|---|---|---|---|---|
| GPQA Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 93.5 | 91.2 |
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 67.0 | 46.2 |
| ProgramBench | 77.8 | 76.8 | 77.6 | 71.9 | 70.8 | 63.7 |
| Terminal-Bench 2.1 | 88.3 | 88.0 | 88.8 | 84.6 | 83.4 | 82.7 |
| SWE-Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 14.0 | 13.0 |
| Kimi Code Bench 2.0 | 72.9 | 76.9 | 64.8 | 71.7 | 69.0 | 64.2 |
上表為 K3 的官方數據，並非 K2.8 Preview 的成績。按官方註腳，K3 的成績在 reasoning effort 設為 max 與 temperature 1.0 下取得，不同測試分別使用 Kimi Code、Claude Code 或 Codex 作為執行框架；其他模型則按各自來源與最佳框架成績引用。廠商自報數據與第三方標準化測試的執行方式並不相同，同一測試的數字不完全可比。
第三方榜單方面，Vals AI 的 SWE-bench Verified 頁面（9 月 1 日更新）顯示，86 個受測模型中 7 個達到 95% 或以上，榜首為 Claude Opus 5 的 97.00%；DeepSeek V4 Pro 0813 以 96.40% 排第二，Kimi K3 以 93.40% 排在 Claude Opus 4.8（88.60%）與 Grok 4.5（86.60%）之前。該頁面同時註明，此基準的表現已趨飽和，因此不再對新模型執行，過往結果保留作參考。
K2.8 Preview 的出入口與適用範圍
Kimi API 平台的模型列表現時列出 kimi-k3、kimi-k2.7-code、kimi-k2.7-code-highspeed 與 kimi-k2.6，未見 kimi-k2.8 或對應的 API 型號；K2.8 Preview 的對外入口是 Kimi Code，Model ID 為 kimi-for-coding。官方此次更新文檔的適用範圍寫明為 Kimi Code；內地媒體報道則提到 Kimi Work 在 9 月 11 日同步上線 K2.8 Preview。
常見問題
K2.8 Preview 的 Model ID 是甚麼？
仍是 kimi-for-coding，與 K2.7 Code 時期相同，因此客戶端與第三方工具不需要重新配置。
要用到 1M 上下文，需要哪個會員檔位？
官方寫明全部會員檔位均開放最高 1M 上下文窗口。相比之下，K3 的 1M 上下文需要 Allegretto 及以上檔位，K2.7 Code HighSpeed 的上下文固定為 262144。
思考程度應該如何選擇？
K2.8 Preview 提供 low、high、max 三檔，默認 max。官方建議按任務複雜度選定後在同一會話內保持一致，因為切換思考程度會令上下文緩存失效。
關閉 thinking 之後會使用哪個模型？
K3 系列與 K2.8 Preview 關閉 thinking 後，請求均由 K2.8 Preview 的無思考版本處理。
官方有公布 K2.8 Preview 的測試分數嗎？
此次更新文檔未列出基準測試分數，官方僅以文字描述其綜合性能接近 K3。
