
MoonshotAI: Kimi K2 0711
moonshotai/kimi-k2
モデルの重みKimi K2 Instruct is a large-scale Mixture-of-Experts (MoE) language model developed by Moonshot AI, featuring 1 trillion total parameters with 32 billion active per forward pass. It is optimized for agentic capabilities, including advanced tool use, reasoning, and code synthesis. Kimi K2 excels across a broad range of benchmarks, particularly in coding (LiveCodeBench, SWE-bench), reasoning (ZebraLogic, GPQA), and tool-use (Tau2, AceBench) tasks. It supports long-context inference up to 128K tokens and is designed with a novel training stack that includes the MuonClip optimizer for stable large-scale MoE training.
プロバイダー
このモデルは単一のプロバイダーでホストされています。OpenRouter はルーティングせずにすべてのリクエストを転送します。
| $0.57 | $2.30 | 1.42s | 34 tok/s |
- 入力 $0.57 / 出力 $2.3034 tok/s稼働率 100.00%
料金
プロバイダーが提示する価格と並べて、このモデルに対して顧客が実際に支払う平均価格を表示しています。キャッシュと割引により、実際の支払価格は表示価格を大幅に下回ることがよくあります。
加重平均
Kimi K2 0711 — 料金履歴
| $0.570 | $2.30 | 47.7% | 100.0% |
- 適用まで $0.570 / 実効出力 $2.30トークンシェア100.0%
パフォーマンス
スループットはモデルが出力する速さです(毎秒のトークン数で、数値が高いほど優れています)。レイテンシは往復にかかる合計時間です(短いほど優れています)。TTFT は最初のトークンが出力されるまでの時間、つまり何かが表示され始めるまでの時間です(短いほど優れています)。
P50、プロバイダー全体での最良値
P50、最適なプロバイダー
稼働率
稼働率は、過去 3 日間に少なくとも一社のプロバイダーがリクエストに応答していた時間の割合です。可用性は、推論が正常に提供された時間の割合です。OpenRouter は継続的に監視し、プロバイダーがエラーを返すと、次に最適なプロバイダーを使用します。
過去 3 日間の可用性
過去 72 時間過去 24 時間の可用性
上流のプロバイダーでエラーが発生した場合、リクエストフィルターが許可していれば、別の正常なプロバイダーにルーティングして復旧できます。プロバイダーごとの稼働率データにプログラムでアクセスするには Endpoints APIを利用できます。詳しくは、 負荷分散とプロバイダールーティングのオプションをご覧ください。
ベンチマーク
標準化された評価のスコアと、共通のベンチマークプロンプトに対するこのモデル自身の出力です。パーセンテージが高いほど優れており、各順位は、その情報源で評価されたモデルの中でのこのモデルの位置を示します。
| 出典 | ベンチマーク | スコア |
|---|---|---|
| Artificial Analysis | K2-V2 (High) GPQA Diamond | 68.1% |
| Artificial Analysis | K2-V2 (High) HLE | 10.5% |
| Artificial Analysis | K2-V2 (High) IFBench | 60.1% |
| Artificial Analysis | K2-V2 (High) τ²-Bench Telecom | 27.8% |
| Artificial Analysis | K2-V2 (High) AA-LCR | 35.0% |
| Artificial Analysis | K2-V2 (High) CritPt | 0.0% |
| Artificial Analysis | K2-V2 (High) LiveCodeBench | 69.4% |
| Artificial Analysis | K2-V2 (High) Terminal-Bench Hard | 9.8% |
| Artificial Analysis | K2-V2 (High) MMLU-Pro | 78.6% |
| Artificial Analysis | K2-V2 (High) AIME 2025 | 78.3% |
| Artificial Analysis | K2-V2 (Low) GPQA Diamond | 54.1% |
| Artificial Analysis | K2-V2 (Low) HLE | 3.6% |
| Artificial Analysis | K2-V2 (Low) IFBench | 41.0% |
| Artificial Analysis | K2-V2 (Low) τ²-Bench Telecom | 20.8% |
| Artificial Analysis | K2-V2 (Low) AA-LCR | 20.3% |
| Artificial Analysis | K2-V2 (Low) CritPt | 0.0% |
| Artificial Analysis | K2-V2 (Low) LiveCodeBench | 39.3% |
| Artificial Analysis | K2-V2 (Low) Terminal-Bench Hard | 4.5% |
| Artificial Analysis | K2-V2 (Low) MMLU-Pro | 71.3% |
| Artificial Analysis | K2-V2 (Low) AIME 2025 | 35.3% |
| Artificial Analysis | Kimi K2 GPQA Diamond | 76.6% |
| Artificial Analysis | Kimi K2 HLE | 7.4% |
| Artificial Analysis | Kimi K2 IFBench | 41.5% |
| Artificial Analysis | Kimi K2 τ²-Bench Telecom | 61.1% |
| Artificial Analysis | Kimi K2 AA-LCR | 53.0% |
| Artificial Analysis | Kimi K2 CritPt | 0.0% |
| Artificial Analysis | Kimi K2 LiveCodeBench | 55.6% |
| Artificial Analysis | Kimi K2 Terminal-Bench Hard | 15.9% |
| Artificial Analysis | Kimi K2 MMLU-Pro | 82.4% |
| Artificial Analysis | Kimi K2 AIME 2025 | 57.0% |
| Artificial Analysis | Kimi K2 AIME | 69.3% |
| Artificial Analysis | Kimi K2 MATH-500 | 97.1% |
| Artificial Analysis | K2-V2 (Medium) GPQA Diamond | 59.8% |
| Artificial Analysis | K2-V2 (Medium) HLE | 4.4% |
| Artificial Analysis | K2-V2 (Medium) IFBench | 55.1% |
| Artificial Analysis | K2-V2 (Medium) τ²-Bench Telecom | 24.9% |
| Artificial Analysis | K2-V2 (Medium) AA-LCR | 28.0% |
| Artificial Analysis | K2-V2 (Medium) CritPt | 0.0% |
| Artificial Analysis | K2-V2 (Medium) LiveCodeBench | 54.1% |
| Artificial Analysis | K2-V2 (Medium) Terminal-Bench Hard | 8.3% |
| Artificial Analysis | K2-V2 (Medium) MMLU-Pro | 76.1% |
| Artificial Analysis | K2-V2 (Medium) AIME 2025 | 64.7% |
| Design Arena | Kimi K2 Models Arena Code Categories Elo | 1023 |
| Design Arena | Kimi K2 Models Arena Data Visualization Elo | 1018 |
| Design Arena | Kimi K2 Models Arena Game Development Elo | 963 |
| Design Arena | Kimi K2 Models Arena UI Component Elo | 1020 |
| Design Arena | Kimi K2 Models Arena Website Elo | 1042 |
アプリ
このモデルに最も多くのトラフィックを送信している公開アプリです。実際の本番ワークロードを把握するための有力な指標であり、このモデルに最も適したユースケースを知る手がかりにもなります。
アクティビティ
このモデルのトークン量とリクエストトラフィックの経時変化です。
API
このモデルを呼び出すために、そのまま使えるコードです。OpenRouter の API は OpenAI 互換のため、ほとんどの SDK はベース URL を変更するだけで動作します。モデル間で変わるのは、下記のモデルスラッグだけです。
現在、EU 域内ルーティングでは利用できません。 リージョン内ルーティングのドキュメント
ドキュメント
OpenRouter で MoonshotAI: Kimi K2 0711 を使った開発に役立つガイド、クックブック、ブログ記事、ツールです。
よくある質問
Kimi K2 Instruct is a large-scale Mixture-of-Experts (MoE) language model developed by Moonshot AI, featuring 1 trillion total parameters with 32 billion active per forward pass. It is optimized for agentic capabilities, including advanced tool use, reasoning, and code synthesis.
OpenRouter の Kimi K2 0711 ドキュメントには ブログ記事 Use OpenRouter Models in Cursor: Try it with Moonshot AI's Kimi K2 が含まれています。クイックスタートでは APIキーと最初のリクエストについて説明し、API リファレンスではすべてのパラメーターを一覧で確認できます。
Kimi K2 0711 の料金は $0.57/M 入力トークン と $2.30/M 出力トークン です。
Kimi K2 0711 のコンテキストウィンドウは 131,072 トークンです。最大 98,304 トークンの補完に対応しています。
はい。Kimi K2 0711 は関数呼び出し用の tools と tool_choice を受け付けます。 response_format に対応していないため、JSON 出力は強制されません。
Kimi K2 0711 は OpenRouter 上で 1 社のプロバイダー(NovitaAI)によって提供されています。
Kimi K3.1 Pro, Kimi K3, Kimi K2.7 Code と他 4 件 は、MoonshotAI のその他の テキスト モデルです。
Kimi K2 0711 は 2025年7月11日 にリリースされました。知識のカットオフ日は 2024年12月31日 です。