
MoonshotAI: Kimi K2 0711
moonshotai/kimi-k2
Pesos do modeloKimi 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.
Provedores
Este modelo é hospedado por um provedor. O OpenRouter encaminha todas as solicitações sem roteamento.
| US$ 0,57 | US$ 2,30 | 3,59s | 36 tok/s |
- Entrada US$ 0,57 / Saída US$ 2,3036 tok/s100,00% de disponibilidade
Preços
O preço médio que os clientes realmente pagam por este modelo, ao lado dos preços publicados pelos provedores. O cache e os descontos fazem com que o preço efetivamente pago seja frequentemente bem inferior ao preço anunciado.
Média ponderada
Kimi K2 0711 — Histórico de preços
| US$ 0,570 | US$ 2,30 | 58,1% | 100,0% |
- Em vigor em US$ 0,570 / Saída efetiva US$ 2,30Participação em tokens100,0%
Desempenho
A vazão indica a velocidade com que o modelo escreve (tokens por segundo — quanto maior, melhor). A latência é o tempo total de ida e volta (quanto menor, melhor). TTFT é o tempo até o primeiro token — quanto tempo leva para você ver algo aparecer (quanto menor, melhor).
P50, melhor entre os provedores
P50, melhor provedor
Disponibilidade
A disponibilidade é a porcentagem dos últimos 3 dias em que pelo menos um provedor estava respondendo às solicitações. A disponibilidade é a porcentagem de tempo em que a inferência foi realizada com sucesso. O OpenRouter monitora continuamente e usa o próximo melhor provedor quando um deles retorna um erro.
Disponibilidade nos últimos 3 dias
Últimas 72 horasDisponibilidade nas últimas 24 horas
Quando ocorre um erro em um provedor upstream, podemos nos recuperar roteando para outro provedor saudável, se os filtros da sua solicitação permitirem. Você pode acessar os dados de disponibilidade por provedor de forma programática pela API de endpoints. Saiba mais sobre nossas opções de balanceamento de carga e roteamento de provedores.
Avaliações de desempenho
Pontuações em avaliações padronizadas e as próprias saídas deste modelo para prompts compartilhados de testes de desempenho. Porcentagens maiores são melhores — e cada posição mostra onde este modelo fica entre os modelos avaliados naquela fonte.
| Fonte | Avaliação comparativa | Pontuação |
|---|---|---|
| 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 |
Aplicativos
Aplicativos públicos que enviam mais tráfego para este modelo. Um bom indicador de como são as cargas de trabalho reais em produção — e uma pista sobre os casos de uso para os quais este modelo é mais adequado.
Atividade
Volume de tokens e tráfego de requisições para este modelo ao longo do tempo.
API
Código pronto para chamar este modelo. A API do OpenRouter é compatível com a OpenAI — a maioria dos SDKs funciona apenas trocando a URL base. A única coisa que muda entre os modelos é o slug do modelo abaixo.
Atualmente indisponível por meio do roteamento intrarregional da UE. Documentação de roteamento na região
Documentação
Guias, receitas práticas, publicações de blog e ferramentas para desenvolver com MoonshotAI: Kimi K2 0711 na OpenRouter.
Perguntas frequentes
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.
A documentação de Kimi K2 0711 no OpenRouter inclui a publicação Use OpenRouter Models in Cursor: Try it with Moonshot AI's Kimi K2 no blog. O guia de início rápido aborda chaves de API e sua primeira requisição, e a referência da API lista todos os parâmetros.
Kimi K2 0711 custa US$ 0,57/M de tokens de entrada e US$ 2,30/M de tokens de saída.
Kimi K2 0711 tem uma janela de contexto de 131.072 tokens. Ele aceita até 98.304 tokens de conclusão.
Sim. Kimi K2 0711 aceita tools e tool_choice para chamadas de função. Não oferece suporte a response_format, portanto a saída em JSON não é garantida.
Kimi K2 0711 é servido por 1 provedor no OpenRouter: NovitaAI.
Kimi K3.1 Pro, Kimi K3, Kimi K2.7 Code e mais 4 são outros modelos de texto de MoonshotAI.
Kimi K2 0711 foi lançado em 11 de julho de 2025. Seu conhecimento vai até 31 de dezembro de 2024.