月之暗面kimi-k2-thinking
Kimi-K2-Thinking 是 Moonshot AI 为 Kimi 智能助手开发的一种深度推理框架。它专为处理复杂问题而设计，通过系统性的多步分析和深度思考，将难题层层拆解，以探索解决方案的核心与细节。 该框架能引导模型进行更严谨的逻辑推演、因果分析及多角度评估，尤其擅长应对需要长链条思考、专业领域知识或创新性规划的任务。其目标是超越表面应答，提供更具洞察力、结构更清晰的高质量输出，助力用户在研究分析、战略决策、复杂创作等场景中突破思维局限。
公共模型广场
找到适合你的模型
探索文本、图像、视频与音频模型，按能力和厂商快速筛选。
32 个结果 / 全部 52 个模型
勾选卡片，比较 2–3 个模型月之暗面月之暗面kimi-k2.6
Kimi K2.6 是 Kimi 最新最智能的模型，具备更强更稳的长程代码编写能力，指令遵循和自我纠错能力显著提升，同时支持文本、图片与视频输入，思考与非思考模式，对话与 Agent 任务
月之暗面kimi-k2.7-code
Kimi K2.7 Code 是 Kimi 迄今最智能的 Coding 模型，在长上下文中更可靠地遵循指令，能以更高的成功率完成编程任务，同时支持文本、图片与视频输入，思考模式，对话与 Agent 任务。
月之暗面kimi-k3
Kimi K3 是 Kimi 迄今能力最强的旗舰模型，拥有 2.8 万亿参数，基于 KDA 混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口。它是全球首个开源的 3 万亿级别模型，面向长程编程、知识工作和推理等前沿智能场景而设计。
MiniMaxminimax-m2.5
经过数十万个真实复杂环境中的大规模强化学习训练，M2.5 在编程、工具调用和搜索、办公等生产力场景都达到或者刷新了行业的 SOTA，比如 SWE-Bench Verified（80.2%），Multi-SWE-Bench（51.3%），BrowseComp（76.3%）。 M2.5 优化了模型对复杂任务的拆解能力和思考过程中 token 的消耗，使其能更快地完成复杂的 Agentic 任务，比如在 SWE-Bench Verified 的测试中，比上一个版本 M2.1 完成任务的速度快了 37%
阿里巴巴qwen3-235b-a22b-instruct-2507
Qwen3-235B-A22B-Instruct-2507是阿里Qwen团队于2025年7月发布的旗舰混合专家大语言模型，拥有2350亿参数（每次推理激活22B），支持256K上下文处理。该模型在指令遵循、逻辑推理、数学、科学、编程和工具使用等场景表现突出，尤其优化了多语言长尾知识覆盖和复杂任务处理能力。
阿里巴巴qwen3-32b
Qwen3将"思考模式"与"非思考模式"整合到统一框架中，支持根据任务复杂度动态切换推理策略。例如，复杂问题采用多步推理模式，简单问题则快速响应。
阿里巴巴qwen3-8b
Qwen3-8B是阿里推出的80亿参数规模的Dense模型，属于Qwen3系列中的中小参数量稠密架构模型。该模型支持100+自然语言和多门编程语言，具备长文本理解、多语言处理及混合推理能力，可处理32K tokens的超长上下文
阿里巴巴qwen3-next-80b-a3b-instruct
Qwen3-Next是阿里云通义团队于2025年9月发布的下一代大模型基础架构，通过混合注意力机制、高稀疏度MoE结构和多token预测机制等核心改进，实现训练成本较Qwen3-32B降低90%以上，32k以上上下文推理吞吐量提升十倍以上 。该架构总参数规模达800亿，每次推理仅激活约30亿参数，采用512专家路由的3B激活超稀疏MoE结构，结合75%线性注意力与25%原创门控注意力的混合机制 2025年9月，阿里云基于该架构开源Qwen3-Next-80B-A3B系列模型，包含Base、Instruct和Thinking三个版本。Base模型采用15T tokens预训练数据集，GPU资源消耗仅为Qwen3-32B的9.3% ，在编程、数学推理等任务中性能接近或超越Qwen3-32B密集模型 。Instruct模型支持256K上下文处理，指令执行能力与Qwen3-235B-A22B-Instruct相当；Thinking模型在复杂推理任务中超越Gemini-2.5-Flash-Thinking 。该系列通过魔搭社区和HuggingFace开源，原生支持Transformers、SGLang等部署框架
阿里巴巴qwen3-vl-235b-a22b-instruct
Qwen3-VL-235B-A22B-Instruct是阿里云通义实验室研发的多模态大模型，基于通义千问3.0架构升级，融合视觉与语言理解能力，支持图像、视频、图表等多模态输入。其核心优势包括：2350亿参数规模配合A22B优化技术，在数学推理、代码生成等任务表现突出；多模态交互能力可识别图像文字、物体及场景，完成表格提取、图表分析等复杂任务；通过RLHF强化学习确保内容安全可控。
阿里巴巴qwen3-vl-30b-a3b-instruct
Qwen3-VL-30B-A3B-Instruct是阿里云通义实验室推出的多模态大语言模型，基于通义千问3.0架构，融合视觉与语言理解能力，支持图像、视频、图表等多模态输入。其核心优势在于：30亿参数规模配合A3B优化技术，在数学推理、代码生成等任务中表现高效；多模态交互能力可精准识别图像文字、物体及场景，完成表格提取、图表分析等复杂任务；通过RLHF强化学习确保内容安全可控。
阿里巴巴qwen3.5-122b-a10b
Qwen3.5系列122B-A10B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。该模型的综合表现仅次于Qwen3.5-397B-A17B，文本能力显著优于Qwen3-235B-2507，视觉能力优于Qwen3-VL-235B。