月之暗面Kimi模型从编程转向生物化学科研
时间:2026年11月15日,月之暗面(Moonshot AI)在葡萄牙里斯本 Web Summit 上宣布,将 Kimi 语言模型系列的发展重心从编程领域正式转向生物、化学与制药研究。
地点:葡萄牙里斯本 Web Summit 科技大会 Centre Stage 主题演讲场。
人物:月之暗面国际总监 Giacomo Ficari 代表公司发表主旨演讲。
事件详情:Giacomo Ficari 在演讲中表示,科学任务对 AI 模型智能的要求高于法律、金融或编程,因此 Kimi 系列将瞄准生物学、化学与制药研究。同日,北京 AI 初创公司深势科技(DP Technology)宣布将 Kimi K3.1 Pro 整合进科研智能体 BioMaster。在内部测试中,Kimi K3.1 Pro 分析 3,696 个小鼠胰腺细胞的基因数据,标记 100 个候选基因,耗时 90 分钟,较人工估计的 4 小时缩短约 63%。Kimi K3.1 Pro 是月之暗面最强大的 3T 级开放权重模型,配备 1M token 上下文窗口。
背景:月之暗面认为编程领域的基准测试收益正在递减。在由公司创始人杨植麟与图灵奖得主姚期智设计的 TCSExam 理论计算机科学基准上,领先模型虽能产出可验证的证明,但均未能独立解开任何未解猜想。Anthropic 的 Claude 曾在 9 月发现新的酶系统,OpenAI 宣称的数学与物理突破也遭数学家批评,显示美国同业面临相近局限。月之暗面与清华大学、上海期智研究院于 11 月 3 日在 GitHub 发布了 TCSExam 基准。
影响:科研智能化成为 AI 厂商争夺的新高地。月之暗面将开放权重模型的能力竞赛由编码代理场景延伸至科学工作流,但产业端采用仍审慎。Citi 今年 6 月对 50 名美国研究主管的调查显示,72% 已广泛使用 AI,仅 24% 预期 AI 能显著改善药物开发成功率。
总结:月之暗面将 Kimi 从编程转向科研,既是对编码赛道收益递减的务实应对,也是开放权重模型向垂直领域渗透的缩影。BioMaster 的早期测试显示 AI 已能在特定科研任务中大幅压缩人工耗时,但独立科学突破仍属远期目标。对开发者而言,这意味着科研工作流正成为大模型的新赛场。
参考来源:
The Decoder
https://the-decoder.com/moonshot-ai-pivots-kimi-models-from-coding-to-science-as-benchmark-gains-flatten/
HKAIWeb
https://hkaiweb.com/news/moonshot-ai-%e8%a1%a8%e6%98%8e-kimi-%e8%bd%89%e6%94%bb%e7%a7%91%e5%ad%b8%e7%a0%94%e7%a9%b6%ef%bc%9a%e7%b7%a8%e7%a2%bc%e5%9f%ba%e6%ba%96%e5%9b%9e%e5%a0%b1%e9%81%9e%e6%b8%9b%ef%bc%8c%e7%94%9f%e7%89%a9/
dataist.ai
https://dataist.ai/news/moonshot-ai-shifts-kimi-from-coding-to-scientific-research/
深势科技 BioMaster 实践
https://media.qimingpian.cn/2026/11/13/8756c28ffd17a87677b5cb5405a015d0.html
Web Summit 官方场次
https://websummit.com/sessions/lis26/a84c9139-d4bd-4a63-8a68-f3acde45d75e/open-models-stronger-ecosystems/
AI Polix
https://aipolix.com/en-us/news/moonshot-tsinghua-tcsexam-lean-verified-tcs-research-benchmark-ai-agents
Kimi K3.1 Pro 技术博客
https://www.kimi.ai/blog/kimi-k3-1-pro








