请从这份文档中提取所有涉及"研发投入"的数据， 按年度整理成表格，并标注数据所在的页码。
需要提醒的是，提问时明确要求的输出格式越具体，结果越好用。我一开始只是说"总结研发投入"，它给了一大段散文，后来改成"按年度、金额、占营收比例三列出表格"，直接就能复制进 Excel。
场景二：通过官方 API 做推理集成
如果你是要做产品集成，那不该用 App，而是走 Moonshot 开放平台。下面是一段我调试过的调用示例（Node.js，官方 SDK）：
// 安装: npm install openai // Kimi 的 API 兼容 OpenAI 格式，改 baseURL 即可 import OpenAI from "openai";
const client = new OpenAI({ apiKey: process.env.MOONSHOT_API_KEY, // 在开放平台申请 baseURL: "https://api.moonshot.cn/v1", // 官方接口地址 });
const completion = await client.chat.completions.create({ model: "moonshot-v1-128k", // 128k 上下文版本 messages: [ { role: "system", content: "你是一名严谨的技术文档助手。" }, { role: "user", content: "解释一下 RoPE 位置编码的外推原理。" }, ], temperature: 0.3, // 技术类问答调低温度，减少发散 });
console.log(completion.choices[0].message.content);
注意这里的两个坑：一是 `MOONSHOT_API_KEY` 一定要走环境变量，别硬编码进代码；二是不同上下文长度对应不同 `model` 名称，128k 和 32k 的价格不一样，别一股脑全用最长的。
资源与工具推荐
顺着"Kimi下载官方"这条线，把相关资源理一理：
- **官方入口**：kimi.moonshot.cn（网页版）、iOS/安卓应用商店搜"Kimi"、Moonshot 开放平台（开发者）
- **模型技术报告**：月之暗面在 arXiv 上发布过 Kimi 的技术论文，想深挖长上下文的可以直接读原文
- **横向对比**：想了解它和 DeepSeek、通义千问的差异，可以参考 [VergeX AI工具导航](https://nav.vergex.cn) 上的国产大模型分类整理
- **推理优化学习**：如果关注大模型推理加速，vLLM 和 SGLang 这两个框架的官方文档值得通读
需要说清楚的是，Kimi 不是万能的。它在长文本和中文语境下表现突出，但纯代码生成我认为还是 Claude 更稳，数学推理 DeepSeek 有自己的一套。选工具要按场景来，别迷信单一模型。
总结与学习路径
绕回开头那个朋友的遭遇——其实规避风险的方法特别简单：认准官方域名，App 只从应用商店下。国产大模型生态这两年跑得很快，但配套的渠道治理还没跟上，用户自己多留个心眼比什么都强。
如果你刚开始接触，建议的学习路径是这样的：先用官方 App 熟悉基础对话和文件上传，然后尝试长文档分析场景，最后需要做集成时再上开放平台读 API 文档。一步一步来，别一上来就啃技术论文，容易劝退。
关键要点速览：
- Kimi 官方入口仅官网、官方应用商店、开放平台三个，其余渠道需警惕
- 2025 年初主力模型上下文窗口达百万字级别，但实际可用长度受有效注意力影响
- 长文档提取时，输出格式要求越具体，结果越直接可用
- API 调用兼容 OpenAI 格式，只改 baseURL 即可迁移
- 选大模型按场景来，Kimi 长文本强，代码和数学另有强者
相关推荐
阅读相关专题：想系统了解国产大模型的技术格局？欢迎翻阅 VergeX 上的「大模型」专题，我们持续跟踪 Moonshot、DeepSeek、智谱等团队的最新进展与技术报告解读。
查看工具推荐：需要对比更多 AI 工具？访问 VergeX AI工具导航，我们按对话、编程、绘图、办公等场景做了分类整理，帮你快速筛选。
订阅更新：想第一时间收到国产大模型的实测与技术拆解？可通过站点邮件订阅或关注我们的公众号，每周更新不掉队。