Kimi K2
Moonshot AI · 其他
Kimi K2 是 Moonshot AI 的開放權重模型，擁有 1 兆參數，專為程式開發、工具呼叫與代理型任務打造。它分成 Kimi-K2-Base 與 Kimi-K2-Instruct 兩種版本。
關於 Kimi K2
What Is Kimi K2
Kimi K2 是 Moonshot AI 的大型語言模型，2025 年 7 月以修改版 MIT 授權釋出。它採用混合專家（MoE）架構：總參數 1 兆，但每個 token 只啟用 320 億。這種設計讓執行成本維持在合理範圍，模型卻能動用遠為龐大的知識庫。
它最大的特點在於代理型工作的定位。Moonshot 把 K2 做成適合工具呼叫、多步驟推理與程式開發的模型，而不是用來展開冗長的可見思考鏈，是市面上少見的開源代理型模型。官方形容 Instruct 版本是「沒有長思考的反射級模型」，回答快、工具呼叫到位，不會先推演好幾頁才動手。想要看到推理過程的話，那是後來 Kimi K2 Thinking 才有的，原本的 K2 並沒有。
主要門檻在硬體。完整的 1T 權重要自己架設得先備妥相應的基礎設施，而且這款模型不處理圖像。任何視覺任務都得另外搭配 Kimi-VL 這類視覺模型。多數人會走 API，而不是在自己的機器上跑。
Getting Started
- 在 platform.moonshot.ai 註冊 Moonshot AI 帳號
- 進入 API 金鑰區塊，產生一組金鑰
- 在控制台挑選模型，可選這款 Kimi K2 程式開發模型，或較新的 K2 版本
- 透過相容於 OpenAI 的端點送出第一個請求，或把 Claude Code 這類相容於 Anthropic 的工具指向基底網址
- 想免寫程式先試玩，就用 kimi.com 的聊天服務
產品資訊
快速了解 Kimi K2 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 開發代理應用的工程師：K2 針對工具呼叫與多步驟流程訓練，適合需要模型自行挑選工具並動手的流程，是典型的代理型 AI 模型。要接起來仍得具備一些程式底子。
- 預算有限的團隊：開放權重搭配低廉的單 token 價格，成本上勝過多數封閉模型，前提是你不需要超大上下文。
- 想自行微調的研究者：Base 版本讓你能完全掌控訓練，做客製化用途。
任務
- 儲存庫層級的程式開發：模型能讀懂較大的程式碼庫、提出修補，並在代理型程式基準上撐得住，而許多較小的模型在這類測試中會卡住。
- 多工具自動化流程：它能把搜尋、計算與 API 呼叫串起來，中間不必有人逐步介入。
- 數學與推理題：競賽數學的成績不錯，用來輔導或分析都算合理，只要你不需要它公開逐步推理。
情境
- 把開放模型接進程式助理：K2 支援相容於 Anthropic 的協定，只要幾行設定就能放進 Claude Code 這類工具。
- 架設自用的助理：有自家 GPU 的團隊可以部署這款代理型模型的開放權重，資料留在自家環境。基礎設施的預算還是省不掉。
- 對成本敏感的批次處理：API 採用量計費，跑大量文字任務相對負擔得起。
主要功能
1 兆參數的 MoE 架構
K2 把 1 兆總參數分散在 384 個專家，每個 token 只啟用 320 億。你得到的是龐大模型的知識量，付出的卻是小型模型的運算成本。這正是它能在 Kimi K2 基準測試中競爭、同時又便宜好用的根本原因。
為工具呼叫與代理而生
Moonshot 用涵蓋數百個領域、數千種工具的大規模合成資料訓練 K2。它原生支援多輪工具使用與 JSON 式的結構化輸出，因此 Kimi K2 工具呼叫的能力特別扎實，讓它能在代理框架裡派上用場，不只是聊天機器人。
程式開發表現出色
在 SWE-bench Verified 上，Kimi K2 Instruct 於單次嘗試的代理模式下拿下 65.8%，同一測試中領先多款封閉模型。LiveCodeBench v6 也有 53.7% 的水準。這些數字來自 Moonshot 自家的評估，請當作廠商自報的數據。
128K 上下文視窗
初版 K2 支援 128,000 token 的上下文，足以一次載入長篇技術文件或像樣的程式模組。後續版本把上限拉到 256K，應付更長的工作。
可自行架設的開放權重
權重可從 Hugging Face 下載，採修改版 MIT 授權，模型能在 vLLM、SGLang 與 TensorRT-LLM 上運行。你不會被單一供應商綁死，也能檢查或調整模型。
相容 OpenAI 與 Anthropic 的 API
API 同時接受 OpenAI 與 Anthropic 兩種格式的請求，既有應用要搬過來，多半只需換掉基底網址與金鑰。對已經在用其中一種協定的團隊來說，轉換成本降低不少。
優缺點
優點
- 開放權重加上寬鬆授權，你可以自己架設與微調，不必租用存取權
- 推出時在開放模型中，程式開發與工具呼叫的成績名列前茅
- 每百萬 token 的 API 價格低廉，重複上下文還有快取命中折扣
- 兩種版本（Base 與 Instruct）同時涵蓋研究與正式上線
- 相容 OpenAI 與 Anthropic 兩種 API 格式，搬遷更容易
缺點
- 基礎版 K2 不具備圖像理解，視覺任務得另外找模型
- 完整的 1T 模型要在地端執行得有像樣的硬體，隨手自架幾乎不可能
- 初版上下文上限 128K，比部分對手少，而且它不像專門的推理模型那樣反覆推演
- 基準數據由廠商自行發布，對你的實際工作負載來說，獨立驗證依然重要
常見問題
Kimi K2 主攻代理型工作：程式開發、工具呼叫與多步驟任務自動化。它也能處理一般對話、數學與寫作，但真正突出的是工具使用與程式能力。
相關內容
探索與 Kimi K2 相關的工具、技能與文章。
Kimi K2 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。