Kimi K2 替换 Claude Code 默认模型

最新推荐文章于 2025-07-24 15:44:35 发布

原创

最新推荐文章于 2025-07-24 15:44:35 发布 · 342 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

1. 获取 Moonshot API Key（Kimi）

前往月之暗面开发者后台申请 API Key：
👉 https://platform.moonshot.cn/console/api-keys

注册赠送 ¥15 额度
建议充值 ¥50 以获得更高并发性能。

用户等级	累计充值金额	并发	RPM	TPM	TPD
Free	¥0	1	3	32,000	1,500,000
Tier1	¥50	50	200	128,000	10,000,000
Tier2	¥100	100	500	128,000	20,000,000
Tier3	¥500	200	5,000	3

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

@井九

关注关注

3
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

保姆级教程：10招调出神级Kimi K2 Claude Code，把Cursor压在地上打

强化学习曾小健

07-19

172

说实话，像这种一口气写了十几招的操作文，我自己回头看的时候都觉得头皮发麻，信息量爆炸。但我真心希望有一天，哪怕是第一次装 Kimi K2 Claude Code 的朋友，能从这篇文章里捡到哪怕一两个关键节点，帮你打开效率的新世界。正确退出 Claude Code 要用 /exit，直接关窗口的话会话记录不会保存的；想切换模型也可以用 /model，我个人几乎都在用 Opus，除非限额才切 Sonnet；图片读取不是用 Cmd+V，而是 Control+V；

Kimi K2深度解析：开源万亿参数大模型，复杂场景能力强悍，为AI Agent而生！

Code_流苏：在代码中寻诗意，在实践中觅真知

07-13

1420

月之暗面正式发布并开源了Kimi K2大模型！这是国内首个开源的万亿参数模型，更是专门为AI Agent（智能体）任务而生的强大基座。

参与评论您还未登录，请先登录后发表或查看评论

RAG与MCP技术对比分析：深入探讨两者差异与优势！

2401_84204207的博客

04-20

896

通过增强生成结果的准确性和专业性通过协调 LLM 与外部工具/数据源的交互，支持复杂操作流程检索模块（如向量数据库）获取外部信息 → 生成模块（LLM）融合检索结果生成内容 [1] [9]定义标准协议规范 LLM 的输入输出上下文，实现多工具调用、动态数据路由和状态管理 [13] [21]依赖外部结构化/非结构化知识库（如文档、数据库）依赖预定义的工具集（API、函数）及上下文路由规则医疗问答（检索最新论文+患者病历生成诊断建议）[15] [34]

windows 安装 Claude Code 并接入 kimi k2

intwei的博客

07-14

454

Claude Code 接入 kimi k2

国内终于能用 Claude Code，我用 Kimi K2 替换了 Claude Code 默认模型

杰森写代码

07-12

639

唯一槽点就是需要累积冲 50 提高并发能力才能丝滑使用 Claude Code。另外体验和编程能力肯定是没有原生 Claude 4 好，但是国内不会封号啊，这点很重要，而且价格还便宜。这类编程类的 AI Agent，背后有很多流程，我们只是把“决策大脑”从 Claude AI 替换成了 Kimi K2，其他的都还是用 Clade Code 自己的。如果想要了解 AI Agent 背后原理，可以看我写的一文读懂 AI 应用核心：Agent、LLM、RAG、MCP、Function Call。

Cursor最强平替：Kimi K2+Claude Code（windows版本）

longzhutengyue的博客

07-16

1787

Kimi K2与Claude Code的强强联合为开发者带来了高效AI编程新体验。Kimi K2作为国产万亿参数大模型，通过API以高性价比提供强大技术支持；而Claude Code作为智能编程工具，通过WSL环境安装后可与Kimi K2无缝对接。安装过程涉及配置WSL、Node.js环境及kimi-cc脚本接入，最终实现终端自然语言编程交互。这一组合打破了现有工具的限制，显著降低开发成本，虽终端操作对新手存在门槛，但为AI编程工具生态多元化发展提供了新方向。

将Kimi K2集成到Claude Code的方法

weixin_44903776的博客

07-18

1261

本文介绍了将Moonshot AI的Kimi K2模型集成到Claude Code的方法。通过注册Moonshot平台获取API密钥，配置环境变量将请求重定向到Kimi K2兼容端点，即可在不修改代码的情况下让Claude Code调用Kimi K2的强大功能。Kimi K2作为万亿参数模型，在编码任务中表现优异，SWE-bench单次尝试准确率达65.8%。这种集成方式展示了AI开发中兼容性和开放生态系统的重要性。

claude code使用kimi k2

u012399690的博客

07-18

1176

Kimi K2发布后提供了Anthropic兼容API，支持在Claude Code中作为低成本替代方案使用。配置方法包括：获取API Key并充值50元以提升并发性能，修改Windows环境变量和claude.json文件，或调整Linux/Mac的.zshrc配置。调试工具MoonPalace可用于API测试，数据存储在SQLite中。常见问题如API 429错误可通过充值解决。该方案虽效果略逊于官方API，但性价比高，适合开发者使用。

用Kimi最新模型kimi-k2来驱动Claude Code

zengke520的博客

07-17

232

填补了国内模型圈和国际开源模型圈的工具调用能力和code能力双重强的空白，也算是个好的开端，不过相比于claude编程能力还是有差距。有了它以后不用再科学上网用cc了，兼容claude的接口标准，也就能够一下子承接所有的支持claude的项目；，同时kimi+claude code=上下文工程的国产之光，霸榜huggingface。，热度快赶上当年deepseek的热度了？实测了下最大的亮点有几个： 1、macos设置环境变量即可。kimi沉寂了很久，上。

Claude Code & Kimi K2 环境配置指南 (Windows/macOS/Ubuntu)

YoungHong1992

07-22

1103

在 macOS 和 Ubuntu 系统中，环境变量通常配置在 Shell 的配置文件中。注意：为了获得最佳的安装体验，建议连接稳定的网络环境（例如使用科学上网）运行安装命令。将通过 Kimi K2 API 运作，因此您需要获取一个 API Key。能够成功连接到 Kimi API，您需要配置两个重要的环境变量。的所有必要步骤，以利用 Kimi K2 API 的强大功能。在开始之前，您的系统需要安装好 Node.js 和 Git。使用您喜欢的文本编辑器打开对应的文件。替换为您真实的 API Key。

Kimi K2驱动Claude Code，稳定且低价

07-15

975

Claude Code 是 Anthropic 推出的一个 AI 辅助编程工具，它提供了一个终端界面，开发者可以直接从终端将复杂编程任务委托给 Claude Code 来完成。据开发者实践总结，通过简单调试，Claude Code 可以完成95%的日常开发工作。但是，Claude 模型有地区访问限制，且支付门槛高，让许多开发者望而却步。不过，因此，可以通过调用该模型驱动 Claude Code ，实现完美平替。现在，以下为完整接入教程，即刻体验 Claude Code 超强性能！

【Claude Code】 AI 编程指南

AaronZZH 的博客

07-13

245

Claude Code 是 Anthropic 推出的智能编程工具，直接集成在命令行环境中，通过自然语言交互帮助开发者完成代码编辑、问题修复、测试执行、版本管理等开发任务，显著提升编程效率。

claude node安装

最新发布

07-26

如果你使用第三方聚合 API，例如 Open Router 或 Kimi K2，也可以在环境变量中指定相应的 API 密钥和基础 URL： ```bash export ANTHROPIC_API_KEY="your_api_key" export ANTHROPIC_BASE_URL=...

时间序列预测Python机器学习应用

木头大左的博客

07-23

1099

时间依赖性：当前值受过去值的影响。趋势性：数据可能呈现长期上升或下降的趋势。季节性：数据在固定周期内重复出现的模式。噪声：随机波动，无明显规律。

腾讯内测的 AI 编程 IDE，上手表现如何？（含实测）

非著名程序员

07-22

1386

通过截图，我们可以看到，点击小火箭图标，也就是「部署」按钮之后，开始执行命令，先是创建 sandbox ，然后上传代码，安装部署环境和各种依赖，最后启动服务。另外，最后，我不得不夸一句，腾讯的产品力不仅体现在功能和人性化上，在产品设计上也是非常好，这个 IDE 的界面语言，是我目前见过的 AI 编程工具当中最好的。让你的需求变成真正可用的应用。虽然是基于开源的 VS Code IDE 衍化而来，但是，从整体的界面的细腻程度，真的做到了简洁大方，非常好看，给你一看就是一款有质感，有追求的 IDE。

论文笔记：EDITING MODELS WITH TASK ARITHMETIC

qq_40206371的博客

07-21

853

2023 ICLR。

大模型开发

2302_81352523的博客

07-23

876

AI（人工智能）是使机器具备类人思考和解决问题能力的技术，其核心是Transformer神经网络模型（如GPT）。大模型应用结合传统编程实现记忆等复杂功能，应用开发技术包括Prompt问答、微调、Agent调用和RAG（外挂知识库），适用于客服、医疗、办公自动化等场景。AI通过数据训练掌握语言规律，处理模糊性问题，与传统程序互补形成强大应用。

统计与大数据分析与数学金融方向课程差异有哪些？如何提升职场竞争力？

LRQ2025的博客

07-23

895

统计与大数据分析和数学金融专业存在显著课程重叠（概率统计、编程、优化等），但主攻方向不同。统计侧重机器学习、大数据处理及广泛领域应用；数学金融则深入金融建模、衍生品定价等专业领域。建议新生结合兴趣（数据算法vs金融建模）与职业规划（数据科学家vs量化分析师），利用大一大二共同基础课程进行体验后选择。两个专业基础课高度相似，扎实掌握数学与编程核心能力是关键。

动手学深度学习2.0-李沐Pytorch版

qq_43361801的博客

07-24

234

教材的pdf我已经上传到资源啦！动手学深度学习在线课程。

kimi模型是否开源

03-08

<think>好的，用户之前问过语音识别大模型有哪些，现在又接着问Kimi模型是否开源。首先，我需要确认Kimi模型的具体信息。Kimi是月之暗面公司开发的智能助手，以长文本处理著称。接下来，用户关心是否开源，可能想自己部署或者研究。我需要查找Kimi的开源状态。根据公开资料，目前Kimi没有开源，官方也没有发布代码或模型权重。用户可能想知道是否有替代的开源方案，或者是否有部分开源的内容。比如，虽然主模型不开源，但可能有相关的工具或SDK。还要考虑用户的需求。他们可能对使用API感兴趣，或者想了解商业应用的可能性。需要提供相关信息，比如API的获取方式和商业合作途径。此外，提到其他开源模型如ChatGLM、Qwen，可以给用户替代选择，尤其是如果他们需要开源方案的话。另外，用户可能关心不开源的原因，比如商业策略或技术保密，但如果没有明确信息，应避免猜测，只陈述事实。最后，建议用户根据需求选择，比如学术研究可以用其他开源模型，商业应用则考虑官方合作。</think>关于Kimi模型的开源情况，截至2024年7月的最新信息如下： --- ### **核心结论** **Kimi模型暂未开源**，其技术实现以闭源形式提供服务，主要通过API接口和官方应用对外提供智能交互能力。以下为详细解析： --- ### **技术现状说明** 1. **商业化部署策略** - 开发方月之暗面(Moonshot AI)选择闭源路线 - 当前仅提供： - 网页端/移动端应用（对话服务） - 企业API接口（需申请） - 插件开发工具包（SDK） 2. **开源替代方案** | 相似能力模型 | 开源状态 | 特点 | |--------------------|-------------|-----------------------------| | ChatGLM3（智谱AI） | 完整开源 | 支持32k上下文 | | Qwen-72B（阿里云） | 部分开源 | 1.8万亿token训练 | | DeepSeek-MoE | 学术开源 | 混合专家架构 | 3. **开源组件生态** - 支持与LangChain等开源框架集成 - 提供RESTful API文档（非模型源码） --- ### **未开源原因推测** 1. **商业竞争考量** - 长文本处理核心技术（20万字符上下文）涉及商业壁垒 - 知识库构建方法论（850TB高质量数据）构成竞争优势 2. **合规性要求** - 多模态交互模块涉及内容安全过滤机制 - 金融/医疗等垂直领域服务需符合监管要求 --- ### **开发者使用路径** ```mermaid graph TD A[需求分析] --> B{是否需要定制} B -->|是| C[申请企业API] B -->|否| D[使用官方应用] C --> E[获取access_key] E --> F[集成到业务系统] F --> G[调用费用: $0.02/千token] ``` --- ### **学术研究建议** 1. 使用OpenBuddy等兼容架构复现长文本处理能力 2. 基于LLaMA-2架构进行上下文窗口扩展实验 3. 参考论文《Scaling Laws for Rope-Based Position Encoding》 --- 如需获取最新开源动态，建议关注月之暗面GitHub官方账号（当前无活跃仓库）或通过contact@moonshot.cn联系技术团队。对于需要完全开源解决方案的场景，建议考虑Meta的LLaMA系列或国内深度求索的DeepSeek系列模型。