發展歷程
2025年7月11日,北京月之暗面科技有限公司發布Kimi K2模型,並同步開源兩個模型版本。7月13日,Perplexity的CEO阿拉溫德發文稱,Kimi K2模型在測試中良好表現,公司後續可能會基K2進行後訓練。7月14日訊息,金山雲全面接入Kimi-K2系列模型,包括Kimi-K2-Base和Kimi-K2-Instruct兩個版本。7月15日報導,OpenRouter、Visual Studio Code、矽基流動、金山雲、無問芯穹、納米AI、歐派雲在內的多家科技公司宣布接入和部署Kimi K2。
產品功能
主要功能
Kimi K2是一款具備更強代碼能力、更擅長通用Agent任務的MoE架構基礎模型,總參數1T,激活參數32B。在SWE Bench Verified、Tau2、AceBench等基準性能測試中,Kimi K2均取得開源模型中的SOTA成績,展現出在代碼、Agent、數學推理任務上的領先能力。
Kimi K2的預訓練階段使用MuonClip最佳化器實現萬億參數模型的穩定高效訓練,在人類高質量數據成為瓶頸的背景下,有效提高Token利用效率,找到新的Scaling空間。
其他關鍵技術包括大規模Agentic Tool Use數據合成和引入自我評價機制的通用強化學習等。
優勢功能
Kimi K2 在自主編程(Agentic Coding)、工具調用(Tool Use)和數學推理(Math & Reasoning)三大能力維度的基準性能測試中取得優秀表現。

在前端開發任務中,Kimi K2 擅長生成兼具設計感與視覺表現力的代碼,支持粒子系統、可視化和 3D 場景等表現形式,具備較強的圖形能力與互動性。
Kimi K2 現已具備穩定的複雜指令解析能力,可將需求自動拆解為一系列格式規範、可直接執行的 ToolCall 結構。可以將其無縫接入 owl、Cline、RooCode 等 Agent/Coding 框架,完成複雜任務或自動化編碼。
Agent 能力已可通過 API 使用,更多工具能力即將在 Kimi 上線。先來看看我們內部測試環境中的實際演示,體驗一下擁有強大 Agentic 能力的模型的魅力:
比如,將 13 萬行的原始數據丟給 Kimi K2,他可以幫你分析遠程辦公比例對薪資的影響,分析顯著差異,自動生成統計圖表與回歸模型解讀,並用統一色調做出小提琴圖(violin plot) 、箱線圖(box plot)、散點圖(scatter plot)等專業圖表,整理成報告。
在改寫任務中,Kimi K2 能準確控制輸出風格,無論是用國中生語氣改寫科研文本,還是模仿蘋果廣告文案,都能同時保留原意與表達風格,體現較強的語境保持和表達遷移能力。
版本更新
發布日期 | 模型版本 | 更新內容 |
|---|
| | 未經過指令微調的基礎預訓練模型,適合科研與自定義場景。 |
| 通用指令微調版本(非思考模型),在大多數問答與 Agent 任務中表現卓越。 |
API及定價
Kimi K2的API服務現已全面上線,支持最長 128K 上下文,具備更強的通用性與工具調用能力。計費方案如下:
每百萬輸入 tokens:4 元
每百萬輸出 tokens:16 元