2025年1月15日，北京月之暗面科技有限公司宣布全新多模态图片理解模型moonshot-v1-vision-preview正式发布，该模型完善了moonshot-v1模型系列的多模态能力，助力Kimi更好地理解世界。
Vision模型具备强大的图像识别能力，能准确识别图像中的复杂细节和细微差别，无论是食物还是动物，都能区分出相似但不相同的对象。例如，面对16张相似的人眼较难区分的蓝莓松饼和吉娃娃图片，Vision模型能精确地区分和识别。
Vision模型还拥有国内领先的高级图像识别能力，在OCR文字识别和图像理解场景中表现优异，比普通文件扫描和OCR识别软件更加准确，能识别收据单、快递单等潦草的手写内容。
Vision视觉模型支持多轮对话、流式输出、工具调用、JSON Mode、Partial Mode等特性，但暂不支持联网搜索，不支持创建带有图片内容的Context Cache，但支持使用已创建成功的Cache调用Vision模型，不支持URL格式的图片，目前仅支持使用base64编码的图片内容。
模型计费
| 模型 | 计费单位 | 价格 |
| moonshot-v1-8k-vision-preview | 1M tokens | ¥12.00 |
| moonshot-v1-32k-vision-preview | 1M tokens | ¥24.00 |
| moonshot-v1-128k-vision-preview | 1M tokens | ¥60.00 |
