
MoonshotAI: Kimi K2 0711
moonshotai/kimi-k2
模型权重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.
提供商
此模型由一家提供商托管。OpenRouter 直接转发每个请求,不进行路由。
| US$0.57 | US$2.30 | 1.06s | 34 tok/s |
- 输入 US$0.57 / 输出 US$2.3034 tok/s100.00% 正常运行时间
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
Kimi K2 0711 — 价格历史
| US$0.570 | US$2.30 | 57.6% | 100.0% |
- 有效输入价格 US$0.570 / 实际输出 US$2.30token 占比100.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| 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 | 1019 |
| Design Arena | Kimi K2 Models Arena Website Elo | 1042 |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
文档
在 OpenRouter 上使用 MoonshotAI: Kimi K2 0711 构建应用的指南、实用教程、博客文章和工具。
常见问题
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 上的 Kimi K2 0711 文档包括 Use OpenRouter Models in Cursor: Try it with Moonshot AI's Kimi K2 博客文章。快速入门介绍了 API 密钥和您的首次请求,API 参考列出了所有参数。
Kimi K2 0711 的费用为 US$0.57/百万输入 token 和 US$2.30/百万输出 token。
Kimi K2 0711 的上下文窗口为 131,072 个 token。它最多支持 98,304 个补全 token。
是的。Kimi K2 0711 接受 tools 和 tool_choice,以进行函数调用。 它不支持 response_format,因此不会强制输出 JSON 格式。
在 OpenRouter 上,Kimi K2 0711 由 1 家提供商提供服务:NovitaAI。
Kimi K3.1 Pro, Kimi K3, Kimi K2.7 Code 及另外 4 个 是 MoonshotAI 的其他 文本 模型。
Kimi K2 0711 于 2025年7月11日 发布。其知识截止日期为 2024年12月31日。