Kimi K2は無料で使えるか

モデルの重みは改変MITライセンスで無料でダウンロードでき、kimi.comのチャットには無料枠がある。APIは従量課金で、Kimi Codeのプランは月数ドルから始まる。

Kimi K2のAPIはいくらか

Kimi K2 API料金は100万トークン単位で課金される。Moonshotはキャッシュヒットを新規入力より安く設定し、出力は入力より高い。数字は変わるので、最新は公式の料金ページで確認したい。

自分のハードウェアでKimi K2を動かせるか

動かせるが、本格的な設備を見込む必要がある。1兆パラメータは単体のコンシューマGPUには大きすぎ、複数GPUのサーバーかホスト型の配備が要る。多くのチームはAPIから始め、後でセルフホストへ移る。

Kimi K2は画像に対応するか

初期のK2は対応しない。テキスト専用のモデルなので、画像を扱う作業ならKimi-VLのような視覚モデルと組み合わせる。後発のマルチモーダル版はあるが、別のリリースだ。

Kimi K2はオープンソースか

そうだ。Moonshot AIは重みを改変MITライセンスでHugging Faceに公開した。商用利用を認める寛容な仕組みで、わずかな帰属条件が付く。

Kimi K2を使い始めるには

platform.moonshot.aiで登録し、APIキーを発行して、OpenAI互換のエンドポイントにリクエストを送る。設定を省きたいなら、まずkimi.comのチャットでモデルの応答を確かめるといい。

Kimi K2

Moonshot AI · その他

Kimi K2はMoonshot AIのオープンウェイトモデルで、1兆パラメータを備え、コーディング、ツール呼び出し、エージェント的タスク向けに設計されている。Kimi-K2-BaseとKimi-K2-Instructの2種類がある。

ツールを見る

Kimi K2 について

What Is Kimi K2

Kimi K2はMoonshot AIの大規模言語モデルで、2025年7月に改変MITライセンスで公開された。採用するのはMixture-of-Experts（MoE）アーキテクチャだ。総パラメータは1兆だが、1トークンあたりで動くのは320億にすぎない。この構成が実行コストを抑えつつ、はるかに大きな知識の土台を使えるようにしている。

際立つのはエージェント的な作業への振り切りだ。MoonshotはK2をツール利用、多段階の推論、コーディング向けに作り込んでおり、長い思考の連鎖を見せるためのモデルではない。オープンソースのエージェント型モデルとしては異例の振り切り方だ。Instruct版について同社は「長い思考を伴わない反射型モデル」と説明する。素早く答え、何ページも考える前にツールを的確に呼び出す。可視の推論過程が欲しければ、それは後発のKimi K2 Thinkingで手に入るもので、元のK2にはない。

最大の難点はハードウェアにある。1Tの重みを自前で動かすには本格的な設備が要るし、このモデルは画像を扱えない。視覚を伴う作業にはKimi-VLのような別のモデルが要る。多くの利用者はローカル実行ではなくAPI経由で使うことになる。

Getting Started

platform.moonshot.aiでMoonshot AIのアカウントを作る
APIキーの画面を開いてキーを発行する
ダッシュボードでモデルを選ぶ。このKimi K2 コーディングモデルか、より新しいK2の派生版を選べる
OpenAI互換のエンドポイントに最初のリクエストを送る。あるいはClaude CodeのようなAnthropic互換ツールにベースURLを指定する
コードなしで試すならkimi.comのチャットを使う

AIツール情報

Kimi K2の料金、対応プラットフォーム、性能を簡単に確認できます。

無料プランはい

有料プラン$0 - $6/month chat plans; API billed per token

プラットフォームWeb, API, self-hosted

開発元Moonshot AI

カテゴリその他

リリース日Jul 2025

最終更新Nov 2025

サイト訪問数142.8K

サイト世界ランキング346.4K

API提供状況はい

こんな人におすすめ

このツールが最も力を発揮するユーザー、タスク、シーン。

ユーザー

エージェントを組む開発者
予算を抑えたいチーム
ファインチューニングしたい研究者

タスク

リポジトリ規模のコーディング
複数ツールをつなぐ自動化
数学と推論の問題

シーン

コーディング支援にオープンモデルを組み込む
自前のアシスタントを運用する
コスト重視の大量処理

主な機能

1兆パラメータのMoEアーキテクチャ

K2は1兆の総パラメータを384のエキスパートに配分し、1トークンあたり320億だけを動かす。巨大なモデルの知識を、ずっと小さいモデルの計算コストで手に入れられる。ベンチマークで張り合いながら提供コストを抑えられる根本的な理由はここにある。

ツール呼び出しとエージェント向けの設計

Moonshotは数百の領域と数千のツールを覆う大規模な合成データでK2を訓練した。多段階のツール利用とJSON形式の構造化出力を標準で扱える。これがチャットボットにとどまらず、エージェントの枠組みで役立つ理由だ。

高いコーディング性能

SWE-bench Verifiedで、Kimi K2 Instructは単一試行のエージェントモードで65.8%を記録し、同じテストで複数のクローズドモデルを上回る。Kimi K2 ベンチマークの中でもLiveCodeBench v6では53.7%と上位の数値だ。いずれもMoonshot自身の評価による数字なので、ベンダー公表値として受け止めたい。