AI 工具产品日榜：Kimi K3、AIRI 与小团把 AI 推进开放权重、虚拟生命和日常办事 (2026)

先看结论

北京时间 7 月 27 日 08:00 至 7 月 28 日 08:00，最值得留意的变化不是又多了几个聊天机器人，而是 AI 开始把「能力」接到更具体的交付上：Kimi K3 把开放权重和长任务推到超大规模，AIRI 把虚拟陪伴做成可自己拥有的开源项目，小团开始替用户处理本地生活的最后几步；imagi 则在学校场景里补上安全、课程和教师支持这一层。

本榜按新事实强度、可复现入口、真实使用价值、商业化清晰度和风险透明度排序，不是 Product Hunt 或 GitHub 的自然排名。窗口内没有把只有搜索摘要、没有详情或没有可复现入口的产品硬塞进榜单；全球开发者侧采用 GitHub 日榜信号补充，国内侧使用 36 氪与公开微信公众号的具体条目。

排名	产品	一句话判断	入口	最大风险
1	Kimi K3	开放权重终于从「宣布」进入可下载、可部署的阶段	Kimi.com、模型卡	2.8T 参数不是普通电脑能轻松承担的规模，且模型要求保留完整思考历史
2	AIRI	把会聊天的虚拟角色推进到会玩游戏、能长期运行的开源陪伴项目	网页试用、GitHub	仍在早期，模型、语音和隐私配置的成本由用户承担
3	imagi	学校买的不是一个模型，而是一套安全使用 AI 的教学入口	imagi Edu、预约演示	主要是学校和学区生意，销售周期与安全责任都比 ToC 产品重
4	小团	从「帮我找」往「帮我办」走，本地生活是 Agent 最容易被验证的场景之一	美团 App 内的小团入口；公开报道没有给出统一按钮路径	真实库存、授权和执行失败会直接影响用户信任
5	OpenCodeReview	把通用编程 Agent 的代码审查能力改造成可控的 CLI 工具	GitHub、安装文档	仍需配置模型端点；项目方自报的规模与评测不能替代独立测试

1. Kimi K3：开放权重从新闻变成了入口

普通用户最容易理解的用法，是把 Kimi K3 当成一个能处理超长材料、长时间编程任务和复杂研究的模型；开发者则可以通过 API、Kimi Code 或模型权重，把它接进自己的产品。官方介绍显示，Kimi K3 是 2.8T 参数的原生多模态模型，支持约 104.9 万 token 上下文，完整权重已经出现在 Moonshot AI 的 Hugging Face 模型卡中。1 2

它排第一，依据不是「参数最大」这种宣传话，而是本窗口内出现了可下载、可接 API、可跑 Kimi Code 的完整入口。官方 API 目前给出的价格是每百万 token 输入 0.30 美元（缓存命中）、3 美元（缓存未命中），输出 15 美元；这让它同时具备模型产品和开发者基础设施的属性。1 2

风险在哪： 2.8T 是总参数规模，不等于一台家用电脑可以直接运行。官方推荐使用 vLLM、SGLang 等推理引擎，模型卡还要求多轮调用保留完整的 reasoning_content 和工具调用历史；如果接入方把这部分上下文丢掉，官方明确提示质量可能变得不稳定。官方评测也应按产品方自测阅读，不能直接等同于独立排行榜。

适合谁试： 想体验开放权重模型的开发者，或需要长代码仓库、长文档和多步骤任务的人。只想聊天的用户，直接用 Kimi.com，比折腾本地部署划算。

2. AIRI：虚拟陪伴终于开始像一个「可拥有的项目」

AIRI 的目标不是再做一个角色聊天页面，而是让一个虚拟角色拥有语音、记忆、视觉和游戏互动能力。官方仓库提供网页试用、Windows、macOS、Linux 下载入口，项目还列出 Minecraft、Factorio、Telegram 和 Discord 等互动方向；本轮 GitHub Trending 日榜返回的窗口新增 star 为 572，说明它在开发者社区获得了明显关注，但这不是用户数。3

它排第二，是因为「好玩」和「可复现」同时成立：用户可以先在网页里试，再决定是否下载桌面版本；开发者也能看到模型、语音、记忆和游戏接口的实际边界。相比只展示一张会说话的头像，AIRI 更接近一个能陪你玩、也能被你自己维护的数字宠物。

风险在哪： 仓库自己把项目定义为早期阶段。语音合成、模型 API、显卡和本地数据都会带来额外成本，记忆系统一旦长期保存聊天内容，也会把隐私问题从「聊天记录」扩大到「持续生活数据」。它目前更适合愿意折腾的玩家和开发者，不适合期待安装后立刻稳定陪伴的普通用户。

3. imagi：学校需要的不是「儿童版模型」

imagi 解决的具体问题是：老师想让学生学习 AI 和编程，却不想让每个班级自己判断模型安全、数据保护、课程设计和学生作品边界。它把自己定位成 AI 工具与 K-12 学校之间的安全教育层，与 OpenAI、Lovable 合作，提供课程、教师支持和受控的 AI 使用环境。官方 Press Kit 也提供学校邮箱免费注册、imagi Edu 和预约演示入口。4

本窗口内，imagi 宣布完成 450 万美元种子轮融资。36 氪转发的多知网报道写明，imagi 由 Dora Palfi 和 Beatrice Ionascu 于 2018 年创立，报道引用公司口径称其已在美国 50 个州的 100 多个学区开展业务，超过 70 万名学生使用过平台，用户同比增长 30 倍、ARR 增长 3 倍。以上增长数字是公司披露，经媒体转述，未在本轮找到独立审计。5

风险在哪： 这不是给个人用户即开即用的消费产品。学区采购、安全审查和教师培训会拖长成交时间；平台还依赖 OpenAI、Lovable 等上游工具，合作方的权限和价格变化会影响产品体验。公司声称的前置内容筛选也不等于独立安全验证，涉及未成年人的产品不能只看融资和用户数。

4. 小团：Agent 的价值，取决于最后有没有把事办完

「帮我找一家 6 个人、晚上 7 点还有位置的川菜馆」是一个很好的测试：如果 AI 只给出一串店名，用户还得自己看营业时间、评价、空位和预订页面；如果它能在用户确认后继续完成预订，价值才真正落地。美团 7 月 27 日公开介绍的小团 2.0，正是从搜索、问答和决策辅助，扩展到下单、打车、订位等执行动作。6 7

它排第四，是因为场景真实、数据密度高，而且结果能被用户马上验证。公开信息称，小团的信息服务覆盖全国 2800 多个城市，累计完成超过 7 亿次商家信息校验，收录用户评价超过 13 亿条；这些数字来自美团披露，报道没有给出第三方验证。小团还声称能对没有线上预订系统的商家发起 AI 外呼，处理电话确认这一类过去很难自动化的步骤。6

风险在哪： 本轮公开报道没有给出统一的按钮位置、灰度范围或失败赔付规则，不能据此保证每个美团用户都已经看到完整能力。餐位、车辆和商户电话都属于实时状态，Agent 一旦把过期信息当成确定结果，用户损失的不是几秒时间，而是一次已经安排好的行程。

5. OpenCodeReview：把代码审查从「会说」拉回「可控」

OpenCodeReview 是阿里巴巴开源的 AI 代码审查 CLI。它读取 Git diff，把变更文件交给可配置的模型，再生成精确到代码行的审查意见；项目还支持扫描整个文件或目录。对不熟悉技术的人，可以把它理解成一位会指出「哪一行可能有问题、为什么」的自动审查员，而不是只给一段泛泛的代码总结。8

本轮 GitHub Trending 日榜返回的窗口新增 star 为 979，强于榜内多数 AI 应用信号。仓库自述称，这套工具曾在阿里内部服务数万名开发者、发现数百万个代码缺陷；它还公开了一套基于 50 个开源仓库、200 个 Pull Request、1505 条人工标注问题的评测，但这些规模与评测由项目方发布，不能代替独立复核。8

风险在哪： 你仍然需要配置模型端点或使用支持的 Agent，API 费用和代码出境边界需要自己承担。项目明确把高精度换取较低召回率作为取舍，也就是它可能少报错，但不代表不会漏掉问题。对个人开发者，它更像一个可安装的工程工具，不是普通用户会每天打开的 AI 应用。

重点拆解：imagi 的创始人判断、增长路径与商业模式

Dora Palfi 说的不是「把孩子变成程序员」

Dora Palfi 是 imagi 联合创始人兼 CEO，CTO 是 Beatrice Ionascu。她在 2026 年 1 月 19 日的 Edtech Insiders 访谈中回顾过自己的路径：她先学神经科学，后来为了做研究接触编程，再转向人机交互和教育。她说，编程的规则不是限制创造力的墙，而是让创造力有落点的约束；访谈页把这段观点概括为「Constraints breed creativity」。9

她在访谈里反复强调的判断有两层：学生仍然需要理解基础原理，不能把「会让模型生成代码」当成学习的终点；但教育公司也没必要自己复制一套能力落后的 AI 工具，更合理的做法是接入领先的专业工具，再由 imagi 补齐学校需要的安全、合规、课程和教师支持。这个判断比「教育也要拥抱 AI」具体得多，它实际上选择了一个夹层生意：不和基础模型正面竞争，也不把学校直接交给通用工具。

增长路径：从硬件兴趣切入，向学区预算上移

imagi 早期的产品更接近创意编程玩具和课程。36 氪报道提到，imagiCharm 售价 112 美元，内置 64 颗可编程彩色 LED，用户通过配套 App 写 Python，让图案、文字和动画亮起来。这个入口让孩子先得到一个看得见的结果，再理解代码，而不是先面对一套抽象语法。5

随后，产品把重心推向学校：先卖课程和平台，再用 Lovable 等工具把真实 AI 创作带进课堂，最后通过学区合作和教师培训扩大覆盖。当前公开材料给出的增长信号包括 100 多个美国学区、70 万名学生和 3 倍 ARR，但都来自公司或报道转述。这个路径的好处是，学校一旦把安全评估、课程和教师培训交给一个供应商，替换成本会高于换一个聊天网页；坏处也很明显，成交依赖预算、采购和合规，不会像消费应用那样一夜之间爆发。

商业模式：三笔钱，三种角色

学校和学区采购。 imagi 的核心收费逻辑应当落在平台、课程、教师支持和安全管理，而不是单独卖一个模型。官方页面提供学校邮箱注册和预约演示，但本轮没有拿到公开的标准价目表，因此不能把它包装成透明订阅产品。4
上游伙伴补贴使用。 OpenAI 曾为 imagi x Lovable 提供 100 万美元额度，帮助学校免费使用相关平台；这既降低了试用门槛，也让 OpenAI 和 Lovable 获得学校场景的真实使用机会。补贴不是永久收入，imagi 仍需把试用转成学校预算。5 9
硬件和家庭端兴趣。 imagiCharm 的 112 美元定价给了公司一个更轻的入门商品，也能把学生作品带出课堂。但它更像获客和体验入口，单靠硬件很难撑起安全层、课程和学区服务的成本，不能把硬件销量直接等同于平台收入。5

伪需求判断

对学校来说，安全护栏、教师培训和课程适配是真问题，尤其当通用 AI 工具更新速度已经超过学校的审核能力。对个人家长来说，若只是让孩子偶尔体验 AI 编程，免费的课程、普通聊天工具和开源项目已经能覆盖一部分需求；为一套完整的学区平台付费，只有在学校确实需要合规、管理和教师支持时才成立。

imagi 最值得跟踪的不是「AI 能不能教孩子写代码」，而是它能否把一次合作、一次免费额度试用，变成学校愿意续费的日常教学系统。公开材料已经给出融资和覆盖数字，但还缺少独立验证的留存率、学区合同金额、续费率和标准价格，这些才是商业模式能否成立的下一组证据。

今天的边界

Product Hunt、Hacker News、X 和 Reddit 的公开线索中，本窗口没有同时满足「具体产品、可核验时间、可复现入口」的新增条目，因此没有用搜索摘要凑榜。即刻公开线索也没有拿到可打开的具体 permalink；本篇用官方产品页、GitHub 日榜、36 氪和公开微信公众号完成了全球开发者侧与国内应用侧的交叉覆盖。榜单里的 GitHub stars、融资、用户量、ARR、城市覆盖和曝光量，凡由项目方或公司披露的，均按自报数据阅读。

最后一个判断很简单：今天最强的产品信号不一定是「最像聊天机器人的那个」，而是能把一次对话接到代码、课堂或真实订单上的那个。Kimi K3 和 OpenCodeReview 把问题交给开发者，imagi 把问题交给学校，小团则把问题交给本地生活的执行链；它们共同面对的门槛也一样，模型会说话只是开始，权限、成本、责任和结果才决定用户会不会留下。

参考入口

References

1
Kimi K3 官方技术博客
kimi.com
2
Moonshot AI 官方模型卡
huggingface.co
3
AIRI 官方 GitHub 仓库
github.com
4
imagi 官方 Press Kit
imagilabs.com
5
36 氪：imagi 获 450 万美元种子轮
36kr.com
6
微信公众号：美团 AI「小团」全面升级
mp.weixin.qq.com
7
36 氪：小团升级代理执行能力
36kr.com
8
Alibaba OpenCodeReview 官方仓库
github.com
9
Edtech Insiders 对 Dora Palfi 的访谈，2026 年 1 月 19 日
edtechinsiders.buzzsprout.com