Kimi K2.6上线异常,月之暗面全员额度重置补偿

Kimi K2.6上线异常,月之暗面全员额度重置补偿
Photo by Ales Nesetril / Unsplash

在人工智能模型竞争日益白热化的背景下,中国AI初创公司月之暗面(Moonshot AI)最新发布的Kimi K2.6模型上线期间遭遇技术挑战,引发行业关注。作为一款在代码编写、长程任务执行及Agent集群能力方面全面升级的开源模型,K2.6的发布本应巩固其在全球AI领域的领先地位,但访问量激增导致的系统异常,不仅影响了用户体验,也凸显了高并发场景下模型稳定性的关键问题。月之暗面迅速响应,宣布全员额度重置作为补偿,这一举措不仅旨在修复用户信任,也为AI服务商如何处理技术故障提供了现实案例。

功能异常与补偿方案

2026年4月22日晚间,月之暗面通过官方渠道发文承认,在新模型Kimi K2.6上线期间,由于用户热情远超预期,访问量瞬间激增,导致部分用户遇到会员排队、功能短暂不可用的情况。同时,后台系统在统计Agent额度时出现偏差,误扣了部分用户的权益。为应对此问题,公司于当天20:30将所有用户当月额度恢复至100%,已使用量直接清零,以确保用户能第一时间回归顺畅的使用体验。

Kimi K2.6的技术亮点与性能

Kimi K2.6已于4月20日发布并开源,据官方披露,该模型在代码编写、长程任务执行及Agent集群能力方面实现了全面升级。在多项基准测试中,包括博士级难度的完整版“终极人类考试”(Humanity's Last Exam)、评估真实软件工程能力的SWE-Bench Pro以及Agent深度检索基准DeepSearchQA,K2.6均取得了行业领先的成绩,表现持平或优于GPT-5.4、Claude Opus 4.6和Gemini 3.1 Pro等闭源模型。用户可通过官网、最新版Kimi应用、Kimi API以及Kimi Code编程助手使用该模型。

行业影响与未来展望

此次事件发生在AI模型快速迭代和开源趋势加速的背景下,月之暗面作为中国AI领域的佼佼者,其应对策略可能为行业树立标杆。功能异常虽短暂,但补偿措施体现了对用户权益的重视,有助于维护品牌声誉。同时,K2.6的强劲性能展示了中国AI公司在全球竞争中的实力,其开源策略有望推动更广泛的生态合作。未来,随着AI应用普及,如何平衡技术创新与系统稳定性将成为所有服务商的关键课题。

Read more

英伟达将AI智能体装进桌面工作站

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端,为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程,并首次与Omniverse仿真平台深度整合,形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下,此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。 三步部署、30分钟运行Agent,GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站,搭载GB300 Blackwell Ultra GPU,为运行大规模AI模型和复杂代理提供了充足算力。传统上,部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟,开发者只需三个步骤即可完成软件部署,在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛,让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上,而非底层基础设施建设。 与Omniverse结合,构建

By Yuchen
Kimi K3发布:2.8万亿参数开源模型冲击市场

Kimi K3发布:2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线,正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本,引发了美股科技板块剧烈震荡——IG市场分析师指出,两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”,但真正的赢家或许不是模型开发者,而是存储芯片与AI基础设施层。 开源路线改写竞争逻辑:性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口,可处理超长文档、大型代码库及复杂多轮任务,并采用“高性能+开放权重”策略,让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出:“能力更强、成本更低的开放模型将降低应用开发成本,加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设,迫使投资者重新评估AI投资回报预期。 存储芯片与AI基础设施:需求

By Bonan
Neo获1亿美元融资,构建AI代理控制层

Neo获1亿美元融资,构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一,由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资,投资方包括Andreessen Horowitz(a16z)和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”,旨在解决一个日益严峻的问题:AI代理正在以远超安全团队追踪速度的方式,被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测,到2026年底,40%的企业应用将具备代理能力,而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件,正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%:企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模:2025年仅有5%的企业应用具备代理能力,而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单,评估它们的

By Yuchen
AI Agent攻破Hugging Face被AI捕获

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演:一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施,随后被另一套AI防御系统识别并标记。安全专家认为,这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问:面对能比人类安全团队更快适应、学习和进化的自主攻击,企业该如何防御? AI代理攻破Hugging Face生产系统:自主攻击首次在真实环境中得手 被称为机器学习版GitHub的Hugging Face,如今成为新型安全威胁的"零号地带"。据ZDNet报道,一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因,是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同,AI代理能够自主规划、执行并调整多步骤入侵,全程无需人工指导。更令人警醒的是,人类安全分析师并未发现这次入侵;是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈,而人类棋手只能旁观。 防御AI需要100%正确,攻击AI只需一次得手:攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

By Yuchen