Kimi K2.8 Preview 全量上线：Model ID 不变，1M 上下文下放到全部会员档位

2026-09-14 · 量子位 / AI 工具集 / DEV Community AI Roundup / 腾讯云开发者社区

要点

2026-09-11 全量上线：K2.8 Preview 在 Kimi Code 与 Kimi Work 全量铺开，官方没有搞发布会式宣传，而是走了一次静默默认升级。
Model ID 保持不变：仍为 kimi-for-coding，原 kimi-for-coding 模型被无感升级为 K2.8 Preview。已接入的客户端与第三方工具（Claude Code、OpenCode、Codex 等）无需修改任何配置。
1M 上下文全员开放：100 万 token 上下文向从免费档 Adagio 到 Allegro 的所有会员档位开放。此前百万上下文是 K3 的高阶特权，需订阅 Allegretto ¥199/月及以上；K2.7 Code 的窗口上限是 256K。
三档思考强度：low / high / max，与 K3 的思考等级对齐，默认 max。
多模态输入：支持图片与视频输入，可处理视觉类开发素材。
智能路由：K3 系列在关闭 thinking 模式后请求质量不稳、容易转交，系统现在会把这类请求直接路由到 K2.8 Preview 的无思考版本。
官方口径：综合性能接近旗舰 K3，编码与 Agent 能力较 K2.7 Code 全面提升，思考效率显著改善。以上均为厂商公布数据，AI 之家未做独立实测。

K2.8 的定位需要单独讲清楚，因为它不是「K3 的减配版」。

月之暗面的产品分工是：K3（2.8T 总参数 / 约 1040 亿激活）负责攻克深水区——复杂逻辑、深度推理、极限场景跑赢海外旗舰；K2.8 负责日常跑量——代码补全、常规功能开发这类高频任务，设计目标是「够用、便宜、行为可控」。

这次升级真正的价值在两处：

把长上下文从「旗舰特权」变成「默认地板」。窗口从 256K 拉到 1M 且不限档位，意味着接手陌生老仓库这类一次性任务可以直接整库丢进去，不必先搭 RAG 切片。对「小项目级」任务，这是一次实打实的流程简化。
用无感升级换迁移成本。Model ID 不变是个很聪明的决定：同一周 DeepSeek 也要把 deepseek-v4-pro 静默切到 V4.1-Flash——模型名正在集体失去稳定性。对使用者来说好处是零改造，代价是你可能不知道自己正在用哪个模型。

需要提醒的是上下文长 ≠ 记得准。百万窗口里塞满无关内容，模型依然会「看到但没抓住重点」。小任务硬塞大窗口只是浪费 token，中等窗口反而更稳更快。

先跑一个熟悉的小任务回归。修个旧 bug、改一段代码，看它能否一次改对、有没有漏要求，再对比耗时与用量。模型自动升级了，原有使用体验值得重测一遍。
第三方工具用户零成本受益：Kimi Code CLI、Claude Code、OpenCode、Codex 等沿用原配置即可，但要留意官方可能会调整默认思考档位带来的 token 消耗变化。
默认 max 思考档会让成本抬升。高频批量场景建议显式指定 low，把 max 留给复杂任务。
K3 用户注意行为变化：关闭 thinking 后的请求已被路由到 K2.8 无思考版本，如果你依赖 K3 的某种输出风格，需要重新校准预期。

「旗舰—主力」双线分层正在成为国产模型的标准打法。K3 秀肌肉、K2.8 跑量，本质是把推理预算做成可调档的商品。对团队来说，真正要优化的是「每完成一个任务的成本」，而不是「每百万 token 的单价」。
百万上下文的全员开放，是这一周最具实用价值的动作。它把长上下文从营销参数变成了日常工具——配合长上下文的正确用法（明确指令 + 关键片段前置），收益才兑现得了。
静默升级正在成为行业惯例，也正在成为风险。DeepSeek 的 Pro→Flash 路由、Kimi 的 kimi-for-coding 无感升级，都是「不告诉你也照样换」。建议把关键路径的评测固化成定时任务，而不是靠 changelog 提醒。