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。 官方地址:https://www.moonshot.cn WebmanAI 5.0 恭喜喜:WebmanAI 5.0.0 今天发布,全新升级! 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 <? string[] 支持的模型名称 */ public static $models = [ 'moonshot-v1-8k', 'moonshot-v1
本文将深入解析 Moonshot 的核心技术突破,结合腾讯云生态实践,探讨其如何为开发者与企业打造高效、经济的 AI 解决方案。 Moonshot 提出的 Mooncake 架构,以 KV 缓存重构为核心,给出了颠覆性解决方案。1. :通过开源确立 MoE 架构的技术话语权,吸引开发者生态聚集三、腾讯云生态下的 Moonshot 实践指南Moonshot 与腾讯云的技术适配性,为开发者提供了从原型到生产的全链路解决方案。 快速集成:云端 API 接入实战在腾讯云环境中集成 Moonshot API 可参照以下步骤,以考试系统智能题库场景为例:环境配置:在腾讯云控制台创建环境变量存储 Moonshot API 密钥,避免硬编码风险 对于开发者而言,把握 Moonshot 的技术内核与实践方法,无疑将在 AI 应用开发的浪潮中抢占先机。
核心区别:KimivsKimiCoding特性Kimi(通用模型)KimiCoding提供商标识moonshotkimi-codingAPI密钥环境变量MOONSHOT_API_KEYKIMI_API_KEY ,"agents":{"defaults":{"model":{"primary":"moonshot/kimi-k2.5"},"models":{"moonshot/kimi-k2.5":{"alias ","providers":{"moonshot":{"baseUrl":"https://api.moonshot.ai/v1",//国际版;国内用.cn"apiKey":"${MOONSHOT_API_KEY 使用建议通用任务(如文档总结、知识问答、内容创作)→使用moonshot/kimi-k2.5。编程任务(如写代码、修Bug、生成测试)→使用kimi-coding/k2p5。 复杂推理(需分步思考)→选用moonshot/kimi-k2-thinking并启用thinking:enabled。
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。
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。 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。
这是一个潜入市场并寻找一两个moonshot的机会。 什么是Moonshot? 百度百科:“moonshot”是一个疯狂的想法或者不大可能实现的项目,它被解决的科学几率可能只有一百万分之一。 在他关于ICON作为潜在魔鬼案的优秀文章中,IIB作者David Olarinoye描述了一个“moonshot”如下: moonshot是一种山寨币,根据其功能,成就和现实,它的价值可以飙升至当前值的多倍 对于一个现实被认为是潜在的moonshot的山寨币,它必须赢得一个专门的社区的信任,这将有助于推动项目的开发和采用,无论市场条件如何。 请求网络的3个方面使其成为潜在的Moonshot 1.可以接触到大众的工作产品 如果加密货币比现有的集中式解决方案更难以使用,则它们无法实现强大的采用率。 这使得它成为一个潜在的moonshot,可能值得以现在的价格抓住机会。
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。
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
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 kimi 是他们家智能助手的名字,真正的大模型是叫 Moonshot。这一点我们从 API 的 model 参数中也能发现。因此后面谈到大模型时,就统一称呼为 Moonshot。 官方地址:https://www.moonshot.cn API 设计 Moonshot 还有一点让魔法哥很有好感——它的 API 语法完全兼容 OpenAI。 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
", base_url = "https://api.moonshot.cn/v1",)res = requests.post( url = "https://api.moonshot.cn ", "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。'}]
/v1" DEFAULT_MODEL = "moonshot-v1-8k" PROVIDER_NAME = "moonshot" AVAILABLE_MODELS = [ "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: # . ': { 'base_url': 'https://api.moonshot.cn/v1', 'model': 'moonshot-v1-8k'
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。
By 超神经 场景描述:谷歌母公司 Alphabet 的 X 部门,最新宣布了其 Moonshot 项目 Tidal。 关键词:Moonshot 项目 水产养殖 最近,谷歌的创新技术孵化之地 X 实验室,宣布了其最新的 Moonshot 项目——Tidal(潮汐)。 天马行空的 Moonshot Factory Alphabet 旗下的 X 实验室大约在十年前推出,它致力于用新技术解决全球性问题,类似于谷歌内部的新兴技术孵化器。 ? 一个项目必须能够潜在地解决数百万人的问题 才会被 X 实验室的 Moonshot 工厂立项 实验室将一些天马行空的项目称为「Moonshot」(登月项目),代表了看似不太可能实现,但又值得一试的想法 到目前为止,Moonshot Factory 已经开发了一些项目,包括无人机和互联网气球。而最广为人知的是 Alphabet 的自动驾驶汽车部门 Waymo。 —— 完 ——
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 点击发布,AI 将迅速的生成标题 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 9] v0.6.4: https://github.com/langgenius/dify/compare/0.6.3...0.6.4 [10] Tool Use: https://platform.moonshot.cn
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。
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
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。 时机到来 机器之心:公司名为什么是“Moonshot”? 杨植麟:我们今年3月1日正式成立,正好是Pink Floyd专辑Dark Side of the Moon发行50周年。 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
import os import json from typing import List from tqdm import tqdm from langchain_community.chat_models.moonshot /console/api-keys 以moonshot-v1-128k为例,每1,000,000 tokens价格为60元,对于一段通常的中文文本,1 个 Token 大约相当于 1.5-2 个汉字。 《甄嬛传》小说第一部20 万字,所以一本小说消耗约6块钱,而moonshot-v1-8k相对于128k会便宜5倍。 假设你已经获取了API Key,那么现在我们在代码中设置它: # 设置 Moonshot API Key os.environ["MOONSHOT_API_KEY"] = "eyJhbGciOixxx 点击测试,可以看到右上角测试通过 然后向config文件加入moonshot-v1-128k模型 配置好后,由于配置了新的渠道,所以我们得重启一下: docker-compose restart 备注
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。
大模型配置 目前支持Moonshot,openAI,Azure openAI,Baidu Qianfan, Baichuan,Tongyi Qwen, DeepSeek这些。 国内要用的话推荐Moonshot(最近发现moonshot不太稳定,大家可以考虑Baichuan或者DeepSeek)。 同样的到Moonshot开发者平台上注册一个key:https://platform.moonshot.cn/ 填入对应的配置即可。