
MoonshotAI: Kimi K2 0711
moonshotai/kimi-k2
모델 가중치Kimi 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.
제공업체
이 모델은 한 제공업체에서 호스팅합니다. OpenRouter는 라우팅 없이 모든 요청을 전달합니다.
| US$0.57 | US$2.30 | 1.62s | 32 tok/s |
- 입력 US$0.57 / 출력 US$2.3032 tok/s가동 시간 100.00%
요금
고객이 이 모델에 실제로 지불하는 평균 가격을 제공업체가 게시한 가격과 나란히 표시합니다. 캐싱과 할인으로 인해 실제 지불 가격은 정가보다 훨씬 낮은 경우가 많습니다.
가중 평균
Kimi K2 0711 — 가격 이력
| US$0.570 | US$2.30 | 44.8% | 100.0% |
- 적용 시점 US$0.570 / 실효 출력 US$2.30토큰 점유율100.0%
성능
처리량은 모델의 출력 속도입니다(초당 토큰 수 — 높을수록 좋습니다). 지연 시간은 전체 왕복 시간입니다(낮을수록 좋습니다). TTFT는 첫 토큰까지 걸리는 시간, 즉 출력이 나타나기까지 걸리는 시간입니다(낮을수록 좋습니다).
P50, 제공업체 중 최고
P50, 최상의 제공업체
가동 시간
가동 시간은 지난 3일 동안 하나 이상의 제공업체가 요청에 응답한 시간의 비율입니다. 가용성은 추론이 성공적으로 제공된 시간의 비율입니다. OpenRouter는 지속적으로 모니터링하며 제공업체가 오류를 반환하면 차선의 제공업체를 사용합니다.
지난 3일간 가용성
최근 72시간지난 24시간 동안의 가용성
업스트림 제공업체에서 오류가 발생하면 요청 필터가 허용하는 경우 정상 상태인 다른 제공업체로 라우팅하여 복구할 수 있습니다. 제공업체별 가동 시간 데이터에 프로그래밍 방식으로 액세스할 때 사용하는 API는 엔드포인트 API입니다. 자세히 알아볼 수 있는 관련 옵션은 부하 분산 및 제공업체 라우팅 옵션입니다.
벤치마크
표준화된 평가 점수와 공통 벤치마크 프롬프트에 대한 이 모델 자체의 출력입니다. 백분율이 높을수록 좋으며, 각 순위는 해당 출처에서 평가한 모델 중 이 모델의 위치를 보여 줍니다.
| 출처 | 벤치마크 | 점수 |
|---|---|---|
| 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 |
앱
이 모델에 가장 많은 트래픽을 보내는 공개 앱입니다. 실제 프로덕션 워크로드의 모습을 보여주는 유용한 지표이자 이 모델이 어떤 사용 사례에 가장 적합한지 알려주는 단서입니다.
활동
시간에 따른 이 모델의 토큰 사용량 및 요청 트래픽.
API
이 모델을 호출하는 데 바로 사용할 수 있는 코드입니다. OpenRouter의 API는 OpenAI와 호환되므로 대부분의 SDK는 기본 URL만 바꾸면 작동합니다. 모델 간에 달라지는 것은 아래 모델 슬러그뿐입니다.
현재 EU 역내 라우팅을 통해 사용할 수 없습니다. 리전 내 라우팅 문서
문서
OpenRouter에서 MoonshotAI: Kimi K2 0711을 활용해 개발하기 위한 가이드, 쿡북, 블로그 게시물 및 도구입니다.
자주 묻는 질문
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.
OpenRouter의 Kimi K2 0711 문서에는 Use OpenRouter Models in Cursor: Try it with Moonshot AI's Kimi K2 블로그 게시물이 포함되어 있습니다. 빠른 시작에서는 API 키와 첫 요청을 다루며, API 참조에는 모든 매개변수가 나열되어 있습니다.
Kimi K2 0711의 비용은 US$0.57/M 입력 토큰 및 US$2.30/백만 출력 토큰입니다.
Kimi K2 0711의 컨텍스트 윈도우는 131,072토큰입니다. 최대 98,304개의 완성 토큰을 지원합니다.
예. Kimi K2 0711은(는) 함수 호출을 위해 tools와 tool_choice를 지원합니다. response_format을 지원하지 않으므로 JSON 출력이 강제되지 않습니다.
Kimi K2 0711은 OpenRouter에서 1개 제공업체가 제공합니다: NovitaAI.
Kimi K3.1 Pro, Kimi K3, Kimi K2.7 Code 외 4개은(는) MoonshotAI의 다른 텍스트 모델입니다.
Kimi K2 0711의 출시일은 2025년 7월 11일입니다. 지식 기준일은 2024년 12월 31일입니다.