Kimi K2는 무료인가

모델 웨이트는 수정 MIT 라이선스로 무료로 내려받을 수 있고, kimi.com 채팅에는 무료 등급이 있다. API는 종량제이고, Kimi Code 요금제는 월 몇 달러부터 시작한다.

Kimi K2 API 요금은 얼마인가

Kimi K2 API 가격은 100만 토큰 단위로 부과된다. Moonshot은 캐시 적중을 새 입력보다 싸게 매기고, 출력은 입력보다 비싸다. 숫자는 바뀌니 최신 값은 공식 요금 페이지에서 확인해야 한다.

내 하드웨어에서 Kimi K2를 돌릴 수 있나

가능하지만 제대로 된 인프라를 각오해야 한다. 1조 파라미터는 소비자용 GPU 한 장에 담기엔 너무 커서, 여러 GPU 서버나 호스팅 배포가 필요하다. 많은 팀이 API로 시작해 나중에 자체 호스팅으로 옮긴다.

Kimi K2는 이미지를 지원하나

초기 K2는 지원하지 않는다. 텍스트 전용 모델이라, 이미지를 다루는 작업이면 Kimi-VL 같은 비전 모델과 조합해야 한다. 이후 멀티모달 버전이 있지만 별도 출시다.

Kimi K2는 오픈소스인가

그렇다. Moonshot AI는 수정 MIT 라이선스로 웨이트를 Hugging Face에 공개했다. 상업적 사용을 허용하는 관대한 방식이며, 약간의 출처 표시 조건이 붙는다.

Kimi K2를 쓰려면 어떻게 시작하나

platform.moonshot.ai에서 가입하고 API 키를 발급한 뒤 OpenAI 호환 엔드포인트로 요청을 보낸다. 설정을 건너뛰고 싶다면 먼저 kimi.com 채팅에서 모델의 응답을 확인해 보면 된다.

Kimi K2

Moonshot AI · 기타

Kimi K2는 Moonshot AI의 오픈 웨이트 모델로, 1조 개 파라미터를 갖췄고 코딩과 툴 호출, 에이전트 작업에 맞춰 설계됐다. Kimi-K2-Base와 Kimi-K2-Instruct 두 가지로 나온다.

도구 방문

Kimi K2 소개

What Is Kimi K2

Kimi K2는 Moonshot AI의 대규모 언어 모델로, 2025년 7월 수정 MIT 라이선스로 공개됐다. 구조는 전문가 혼합(MoE) 방식이다. 전체 파라미터는 1조 개지만 토큰 하나당 실제로 동작하는 건 320억 개뿐이다. 이 설계 덕분에 실행 비용은 억제하면서 훨씬 큰 지식 토대를 활용한다.

눈에 띄는 점은 에이전트 작업에 집중했다는 것이다. Moonshot은 K2를 툴 사용과 여러 단계 추론, 코딩에 맞춰 만들었지, 긴 사고 과정을 보여주는 용도로 만든 게 아니다. 오픈소스 에이전트형 모델답게 실용적인 동작을 우선한다. 회사는 Instruct 버전을 "긴 사고 없는 반사형 모델"이라고 설명한다. 답이 빠르고, 몇 페이지씩 따져 보기 전에 툴을 잘 호출한다. 눈에 보이는 추론 과정을 원한다면 그건 나중에 나온 Kimi K2 Thinking의 몫이고, 원래 K2에는 없다.

가장 큰 걸림돌은 하드웨어다. 1T 웨이트를 직접 돌리려면 제대로 된 인프라가 필요하고, 이 모델은 이미지를 처리하지 못한다. 시각 작업에는 Kimi-VL 같은 별도 모델이 필요하다. 대부분은 로컬 실행보다 API로 쓰게 된다.

Getting Started

platform.moonshot.ai에서 Moonshot AI Kimi K2를 쓸 계정을 만든다
API 키 항목을 열어 키를 발급한다
대시보드에서 모델을 고른다. 이 Kimi K2 코딩 모델이나 더 새로운 K2 버전을 쓸 수 있다
OpenAI 호환 엔드포인트로 첫 요청을 보낸다. 아니면 Claude Code 같은 Anthropic 호환 도구에 베이스 URL을 지정한다
코드 없이 먼저 써보려면 kimi.com 채팅을 이용한다

제품 정보

Kimi K2의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.

무료 플랜예

유료 플랜$0 - $6/month chat plans; API billed per token

플랫폼Web, API, self-hosted

개발사Moonshot AI

카테고리기타

출시일Jul 2025

최근 업데이트Nov 2025

웹사이트 방문 수142.8K

웹사이트 글로벌 순위346.4K

API 제공 여부예

주요 기능

1조 파라미터 MoE 아키텍처

K2는 1조 개 전체 파라미터를 384개 전문가에 나눠 두고, 토큰당 320억 개만 활성화한다. 거대한 모델의 지식을 훨씬 작은 모델의 연산 비용으로 얻는다. 벤치마크에서 경쟁하면서도 서비스 비용을 낮게 유지하는 근본 이유가 여기 있다.

툴 호출과 에이전트를 겨냥한 설계

Moonshot은 수백 개 영역과 수천 개 툴을 아우르는 대규모 합성 데이터로 K2를 학습시켰다. 여러 차례의 툴 사용과 JSON 형식 구조화 출력을 기본으로 다룬다. 그래서 Kimi K2 툴 호출 능력이 특히 단단하고, 챗봇을 넘어 에이전트 프레임워크 안에서 쓸모가 있다.

뛰어난 코딩 성능

SWE-bench Verified에서 Kimi K2 Instruct는 단일 시도 에이전트 모드로 65.8%를 기록해 같은 테스트의 여러 폐쇄형 모델을 앞선다. Kimi K2 벤치마크 중에서도 LiveCodeBench v6에서 53.7%로 상위권 수치다. 다만 Moonshot 자체 평가에서 나온 숫자이니 제조사 발표치로 받아들여야 한다.