moonshotai 的网站图标

MoonshotAI: Kimi K2 Thinking

moonshotai/kimi-k2-thinking

模型权重

Kimi K2 Thinking is Moonshot AI’s most advanced open reasoning model to date, extending the K2 series into agentic, long-horizon reasoning. Built on the trillion-parameter Mixture-of-Experts (MoE) architecture introduced in Kimi K2, it activates 32 billion parameters per forward pass and supports 256 k-token context windows. The model is optimized for persistent step-by-step thought, dynamic tool invocation, and complex reasoning workflows that span hundreds of turns. It interleaves step-by-step reasoning with tool use, enabling autonomous research, coding, and writing that can persist for hundreds of sequential actions without drift.

It sets new open-source benchmarks on HLE, BrowseComp, SWE-Multilingual, and LiveCodeBench, while maintaining stable multi-agent behavior through 200–300 tool calls. Built on a large-scale MoE architecture with MuonClip optimization, it combines strong reasoning depth with high inference efficiency for demanding agentic and analytical tasks.

模态
输入/输出价格
US$0.60 / US$2.50每 1M
上下文
262K
发布时间
2025年11月6日

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。

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

输入
US$0.4454/百万 token
输出
US$2.50/百万 token
价格历史
当前选择无实际价格数据

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)。

吞吐量
43token/秒

P50,所有提供商中最佳

延迟
1.44秒

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。

正常运行时间(3 天)模型可访问。请求已路由至提供商。
100.00%
可用性(3 天)模型通过任意提供商返回了推理结果。错误和空响应均计为失败。
99.84%

过去 3 天的可用性

最近 72 小时
可用性 99.84%
3 天前2 天前昨天现在

过去 24 小时的可用性

OpenRouter Availability
99.86%

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。

基准测试得分摘要: MoonshotAI: Kimi K2 Thinking (Artificial Analysis、Design Arena 和 Vals AI)
来源基准测试得分
Artificial AnalysisK2 Think V2 Coding Index21.0
Artificial AnalysisK2 Think V2 GPQA Diamond71.3%
Artificial AnalysisK2 Think V2 HLE10.1%
Artificial AnalysisK2 Think V2 IFBench62.8%
Artificial AnalysisK2 Think V2 τ²-Bench Telecom25.4%
Artificial AnalysisK2 Think V2 AA-LCR57.0%
Artificial AnalysisK2 Think V2 GDPval-AA0.0%
Artificial AnalysisK2 Think V2 CritPt0.0%
Artificial AnalysisK2 Think V2 Terminal-Bench Hard6.8%
Artificial AnalysisK2 Think V2 Terminal-Bench 2.115.0%
Artificial AnalysisKimi K2 Thinking GPQA Diamond83.8%
Artificial AnalysisKimi K2 Thinking HLE23.8%
Artificial AnalysisKimi K2 Thinking IFBench68.1%
Artificial AnalysisKimi K2 Thinking τ²-Bench Telecom93.0%
Artificial AnalysisKimi K2 Thinking AA-LCR72.0%
Artificial AnalysisKimi K2 Thinking CritPt2.6%
Artificial AnalysisKimi K2 Thinking LiveCodeBench85.3%
Artificial AnalysisKimi K2 Thinking Terminal-Bench Hard31.1%
Artificial AnalysisKimi K2 Thinking MMLU-Pro84.8%
Artificial AnalysisKimi K2 Thinking AIME 202594.7%
Design ArenaKimi K2 Thinking Models Arena Website Elo1105
Vals AIKimi K2 Thinking AIME85.4%
Vals AIKimi K2 Thinking CaseLaw v265.7%
Vals AIKimi K2 Thinking CorpFin v260.6%
Vals AIKimi K2 Thinking Finance Agent v1.136.6%
Vals AIKimi K2 Thinking GPQA Diamond78.5%
Vals AIKimi K2 Thinking LiveCodeBench63.1%
Vals AIKimi K2 Thinking LegalBench80.2%
Vals AIKimi K2 Thinking MedQA92.6%
Vals AIKimi K2 Thinking MGSM90.1%
Vals AIKimi K2 Thinking MMLU Pro81.1%
Vals AIKimi K2 Thinking SWE-bench60.2%
Vals AIKimi K2 Thinking TaxEval v271.7%
Vals AIKimi K2 Thinking Terminal-Bench 2.037.1%

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。

1.
https://pi.dev/ 的网站图标
pi
1.37Btoken
2.
https://nousresearch.com 的网站图标
Hermes Agent
284Mtoken
3.
https://chatboxai.app/ 的网站图标
Chatbox AI
284Mtoken
4.
https://janitorai.com/ 的网站图标
Janitor AI
253Mtoken
5.
103Mtoken
OpenRouter 的其他部分
110M
前 5 大应用
18.8M

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 Thinking 构建应用的指南、实用教程、博客文章和工具。

常见问题

探索更多模型