当用户为长文档处理等待数秒加载,当企业为 GPU 算力投入不堪重负,Moonshot AI(月之暗面)通过架构创新与开源策略,正在重塑 LLM 技术的应用边界。 本文将深入解析 Moonshot 的核心技术突破,结合腾讯云生态实践,探讨其如何为开发者与企业打造高效、经济的 AI 解决方案。 四、行业影响与未来展望Moonshot 的技术突破正在引发连锁反应,从成本结构到生态格局全方位重塑 AI 行业。1. 对于开发者而言,把握 Moonshot 的技术内核与实践方法,无疑将在 AI 应用开发的浪潮中抢占先机。 正如 LLM 技术的演进规律所示:"更多数据 + 更大模型 + 更长上下文 = 更高智能",而 Moonshot 正在用技术创新让这一公式的实现成本不断降低,最终推动 AI 从实验室走向千行百业。
有了之前的文章铺垫,这篇文章开始,我们聊聊如何折腾 AI 工作流,把不 AI 的应用,“AI 起来”。 而获取 API Key 难度很低的 MoonShot,则在最近悄悄上线了 “Tool Use[10]” 功能。 这个函数接收一个参数(文章内容),并将文章内容传入 Dify 的调用结构体中,当 Dify 调用 Moonshot 模型后,我们解析调用结果,取出返回内容中的 answer 字段,就得到了模型生成的标题内容 Moonshot 的模型进行请求,并将模型生成结果填充到标题区域。 最后 好啦,这篇文章就先聊到这里,后面的文章里,我们继续聊聊如何构建 “AI 工作流”,让你的不 AI 的应用,能够 AI 化。
有了之前的文章铺垫,这篇文章开始,我们聊聊如何折腾 AI 工作流,把不 AI 的应用,“AI 起来”。 而获取 API Key 难度很低的 MoonShot,则在最近悄悄上线了 “Tool Use” 功能。 这个函数接收一个参数(文章内容),并将文章内容传入 Dify 的调用结构体中,当 Dify 调用 Moonshot 模型后,我们解析调用结果,取出返回内容中的 answer 字段,就得到了模型生成的标题内容 当我们点击“发布”按钮后,WordPress 会调用上文中我们配置好的 Dify AI 应用,将我们的文章内容发送给 Dify,构建出一个新的(完整的)提示词,然后向 Moonshot 的模型进行请求, 本文作者: 苏洋创建时间: 2024年04月24日统计字数: 12884字阅读时间: 26分钟阅读本文链接: https://soulteary.com/2024/04/24/use-dify-and-moonshot-api-to-build-your-ai-workflow-make-non-ai-applications-goto-ai.html
中国某机构发布全新开源模型Kimi K2.5及编程智能体某AI机构推出了Kimi K2.5,这是一个开源的、原生多模态模型。该模型在15万亿混合视觉和文本令牌上进行了训练,能够理解文本、图像和视频。 某机构向AI高级用户推出Genie 3的交互式世界构建原型某机构将Genie 3的交互式世界构建原型开放给其AI高级用户。FINISHED
MoonshotAI(月之暗面)凭借其强大的Kimi系列大模型,已成为中文AI生态中的重要力量。 ,"agents":{"defaults":{"model":{"primary":"moonshot/kimi-k2.5"},"models":{"moonshot/kimi-k2.5":{"alias ","providers":{"moonshot":{"baseUrl":"https://api.moonshot.ai/v1",//国际版;国内用.cn"apiKey":"${MOONSHOT_API_KEY 复杂推理(需分步思考)→选用moonshot/kimi-k2-thinking并启用thinking:enabled。 通过明确区分Kimi通用模型与KimiCoding,你可以在同一个AI代理系统中,为不同场景调度最合适的模型,最大化性能与成本效益。
为了帮助大家更直观地掌握其中的规律性,我将通过对比OpenAI与《月之暗面》中的Moonshot两个案例来阐述这一点。通过这样的对比,大家可以更清晰地看到,这些对接业务的整体框架其实非常相似。 PROVIDER_NAME:模型公司的名字,一个字符串,如:openai、ollama、moonshot等CHAT_MODEL_OPERATION:一个枚举类主要用来实现接口的默认方法。 生成低基数键值对:包括AI操作类型、提供者、请求模型和响应模型。生成高基数键值对:包括请求和响应的各种参数,如频率惩罚、最大令牌数等。 总结通过对OpenAI与《月之暗面》中Moonshot案例的对比,我们可以清晰地看到,尽管每个业务对接的实现有所不同,但其整体框架和逻辑结构却高度相似。 我是努力的小雨,一个正经的 Java 东北服务端开发,整天琢磨着 AI 技术这块儿的奥秘。特爱跟人交流技术,喜欢把自己的心得和大家分享。
月之暗面Moonshot Moonshot AI 是一家专注于通用人工智能领域的公司,其愿景是寻求将能源转化为智能的最优解,通过产品与用户共创智能,实现普惠AI。 Moonshot AI 的核心团队曾参与开发Transformer XL、RoPE等关键算法,并且在大模型领域有着深厚的技术积累。 5.0 融合接入 模型驱动 目录plugin\ai\app\handler\driver新建月之暗面Moonshot.php模型驱动 <? ', 'moonshot-v1-32k', 'moonshot-v1-128k', ]; /** * @var string[] 自定义配置 模型 新增月之暗面模型配置 配置模型ApiKey Ai角色 新增月之暗面角色配置,并开启预安装,模型选择月之暗面大模型 界面预览
这篇文章,我们继续聊聊,如何折腾 AI 应用,把不 AI 的东西,“AI 起来”。 在不折腾复杂的检索系统的前提下,做一些轻量的 RAG 实践。 准备工作 本篇文章的准备工作和上一篇《使用 Dify 和 Moonshot API 构建你的 AI 工作流(一):让不 AI 的应用 AI 化[2]》没有太大差别,想要顺滑的复现本文的结果,你有个 Docker 至于应用的初始化,包括 Dify 和用到的 WordPress 应用的初始化,Moonshot API 在 Dify 中的初始化,参考上一篇文章可以非常简单的搞定,这里就不赘述啦。 soulteary/dify-simple-rag-with-wp: https://github.com/soulteary/dify-simple-rag-with-wp [2] 使用 Dify 和 Moonshot API 构建你的 AI 工作流(一):让不 AI 的应用 AI 化: https://soulteary.com/2024/04/24/use-dify-and-moonshot-api-to-build-your-ai-workflow-make-non-ai-applications-goto-ai.html
紧跟Kimi K2.6,推一篇有点脑洞的论文,来自月之暗面(Moonshot AI)和清华大学的最新联合研究 一句话说清楚:这论文在搞什么? 把 Prefill(预填充)变成一种跨数据中心的云服务。 先说背景 PD 分离(Prefill-Decode Disaggregation)已经是大规模 LLM 推理的标准范式了 Moonshot AI 自家的 Mooncake 系统就是这个方向的先行者,后来跟 作为 Mooncake 的延续之作,这篇论文继续体现了 Moonshot AI 在推理系统领域的深厚积累。
截至2026年,Kimi不仅在C端用户中积累了庞大的忠实群体,其背后的Moonshot-1.5系列模型也通过开放平台赋能了无数企业和开发者,成为推动中国AI应用落地的重要基础设施。 2.3Moonshot开放平台面向企业和开发者,月之暗面提供了完整的API接口和SDK。 开发者可以将Kimi的强大能力无缝集成到自己的产品中,无论是构建智能客服、自动化办公系统,还是开发垂直领域的AI应用,Moonshot平台都提供了坚实的技术支持。 第四章:生态与未来——构建AI时代的操作系统月之暗面的野心远不止于一个优秀的大模型。其战略目标是打造一个围绕Kimi的AI原生操作系统。 安全与伦理:高度重视AI的安全性和可控性,投入大量资源研究对齐(Alignment)技术,确保AI的发展始终服务于人类福祉。结语Kimi的成功,是中国AI创新力量的一个缩影。
", "content": "你是 Kimi,由 Moonshot AI 提供的人工智能助手,你更擅长中文和英文的对话。 Moonshot AI 为专有名词,不可翻译成其他语言。" ','messages': [{'role': 'system','content': '你是 Kimi,由 Moonshot AI 提供的人工智能助手,你更擅长中文和英文的对话。 Moonshot AI 为专有名词,不可翻译成其他语言。'}] AI 开放平台「上下文缓存」正式公测,推动长文本模型降本 90%AI 博客 - 从零开始学AI公众号 - 从零开始学AI
扩展新提供商实现 快速添加新提供商 对于支持 OpenAI API 格式的提供商,只需几行代码即可集成: 这里用 moonshot 作为新厂商接入,在 ai_providers 目录下新增 moonshot_provider.py 文件, # ai_providers/moonshot_provider.py from ai_providers.openai_compatible_provider import OpenAICompatibleProvider "moonshot-v1-8k", "moonshot-v1-32k", "moonshot-v1-128k" ] 环境变量配置 在 .env 文件中新增 moonshot 配置 # Moonshot (月之暗面) MOONSHOT_API_KEY=sk-your-moonshot-api-key MOONSHOT_BASE_URL=https://api.moonshot.cn /v1 # 可选 MOONSHOT_MODEL=moonshot-v1-8k # 可选 配置类更新 config.py 中添加 moonshot 配置, class Config: # .
Moonshot 介绍 Kimi Chat 是由月之暗面科技有限公司(Moonshot AI)开发的一款人工智能助手,支持长达20万字的上下文处理能力,并且能够记住之前的对话内容,提供更加准确和有条理的回答 Moonshot AI 是一家专注于通用人工智能领域的公司,其愿景是寻求将能源转化为智能的最优解,通过产品与用户共创智能,实现普惠AI。 Moonshot AI 的核心团队曾参与开发Transformer XL、RoPE等关键算法,并且在大模型领域有着深厚的技术积累。 现有基于 GPT 的老项目都可以无缝接入 Moonshot,基于 Moonshot 的新项目也可以随时更换引擎。不管是迁移来还是迁移走都毫无压力! 开放平台申请到的Key api : Moonshot公开的服务地址 https://api.moonshot.cn model : 模型填写moonshot-v1-8k 以上确认没问题,启动webman
机器之心得到的最新消息显示,杨植麟成立的大模型公司Moonshot AI已经组建了超过40人的团队,即将完成第二轮融资,累计融资金额有望超过2亿美元。 在机器之心的专访中,杨植麟首次向外界披露了Moonshot AI的工作目标和未来愿景。 时隔多年,道路上的冰山开始瓦解,布道多年的“天才AI科学家”终于迎来了他的magic moment。 目前Moonshot AI已经完成首轮融资,公司技术团队已有数十人规模,拥有2位联合创始人,公司在中国和海外各设立了一个办公点。 我们预期,Moonshot AI的团队将持续补充技术、产品、运营等方面的人才。 我们的当前的工作重点是研发下一代跨模态大模型。 Moonshot AI公司招聘邮箱:hr@moonshot.ai 本文作者微信:jjingl- (欢迎交流) 题图来源:The Dark Side of the Moon Cover
这是国内大模型初创公司 Moonshot AI 推出的大模型智能助手 Kimi Chat,拥有超长的上下文窗口。 Moonshot AI 是怎么做到这一点的? 因此 Moonshot AI 选择直面困难,逐一解决上述问题。 Moonshot AI 创始人杨植麟曾提到,他们相信对海量数据的无损压缩可以实现高程度的智能。 在这些人的共同努力下,Moonshot AI 仅用半年时间就打造出了一款世界领先的产品。
输入API key 这里我们去Kimi开放平台https://platform.moonshot.cn/中申请ApiKey,新用户会赠送15元代金券。 选择AI模型,选择moonshot/kimi-k2.5即可。 同时我也发现了一个免费调用kimi-k2.5的三方代理网站:https://routin.ai/,大家可以去试一试。 { "mode": "merge", "providers": { "moonshot": { "baseUrl": "https://api.routin.ai AI (Kimi K2.5) │ ○ Google │ ○ xAI (Grok) │ ○ OpenRouter │ ○ Qwen (OAuth) │ ○ Z.AI │ ○ Qianfan │ ○ Copilot │ ○ Vercel AI Gateway │ ○ OpenCode Zen │ ○ Xiaomi │ ○ Synthetic │ ○ Together AI │
近两年网络最火的莫过于AI了,刚好看相关工具时发现了两个比较好玩的工具:kimi和扣子。 Kimi是月之暗面开发的: https://kimi.moonshot.cn Coze(扣子)是字节开发的: https://www.coze.cn 用扣子+Kimi搭建专属对话机器人 进入扣子官网点击右上角开始使用 工作空间:个人空间 Bot名称:公众号AI客服 Bot功能介绍:微信公众号AI客服,回答粉丝问题并进行互动。传递正能量,让粉丝有力量。 图标:可以AI生成5个图标,选择一个喜欢的。 进入Bot主界面,点击顶部选择菜单【云雀语言模型】,弹出模型设置窗口后,选择模型【moonshot(128k)】,此时Bot对话机器人的模型就切换成Kimi用的moonshot模型了。 接下来就可以愉快的使用AI客服功能了。
ASAP将使用PostEra的端到端AI-first方法来加速发现过程,生成具有优化特性的分子,设计快速合成,并优化实验的优先次序。 ASAP以COVID Moonshot项目的成功为基础,该项目是一项全球开放科学AI驱动计划,于2020年3月开始,并迅速确定了针对SARS-CoV-2病毒主要蛋白酶的抗病毒候选药物。 关于COVID Moonshot的介绍可参见以下文章。 COVID Moonshot始于2020年3月的一次自发的虚拟合作,是一个由来自学术界、生物技术公司、CRO和制药公司的科学家组成的国际联盟,无偿工作或以众筹产生的资金、慈善事业和自筹资金为支持。 PostEra首席科学官Alpha Lee博士是COVID Moonshot的共同创始人。 关于PostEra PostEra成立于2019年,其技术建立在剑桥大学的开创性学术研究之上。
它可以:使用AI大模型技术,一键批量生成各类短视频。 它可以:一键混剪短视频,批量生成短视频不是梦。 它可以:自动把视频发布到抖音,快手,小红书,视频号上。 赚钱从来没有这么容易过! 打开之后,你会看到下面的界面: image-20240612135131890 左侧目前有三项配置, 分别是基本配置,AI视频和混剪视频(开发中)。 基本配置 1. LLM大模型 大模型区目前支持Moonshot,openAI和Azure openAI三种。 推荐使用Moonshot。 会陆续添加市面上其他流行的大模型。 image-20240612140227679 Moonshot API获取地址:https://platform.moonshot.cn/ AI视频 基本配置设置完毕之后。就可以进入到AI视频了。
它可以:使用AI大模型技术,一键批量生成各类短视频。它可以:一键混剪短视频,批量生成短视频不是梦。它可以:自动把视频发布到抖音,快手,小红书,视频号上。赚钱从来没有这么容易过! 打开之后,你会看到下面的界面:左侧目前有三项配置, 分别是基本配置,AI视频和混剪视频(开发中)。基本配置1. LLM大模型大模型区目前支持Moonshot,openAI和Azure openAI三种。推荐使用Moonshot。会陆续添加市面上其他流行的大模型。 Moonshot API获取地址: https://platform.moonshot.cn/AI视频基本配置设置完毕之后。就可以进入到AI视频了。