moonshot

Kimi K2 Thinking

Kimi K2 Thinking er Moonshot AI's milliard-parameter reasoning model. Den overgår GPT-5 på HLE og understøtter 300 sekventielle tool calls autonomt til...

moonshot logomoonshotKimi2025-11-06
Kontekst
256Ktokens
Maks output
16Ktokens
Input-pris
$0.15/ 1M
Output-pris
$0.15/ 1M
Modalitet:Text
Funktioner:VærktøjerStreamingRæsonnering
Benchmarks
GPQA
93%
GPQA: Spørgsmål og svar på kandidatniveau. En streng benchmark med 448 multiple choice-spørgsmål inden for biologi, fysik og kemi skabt af domæneeksperter. PhD-eksperter opnår kun 65-74% nøjagtighed, mens ikke-eksperter scorer kun 34% selv med ubegrænset webadgang (derfor 'Google-proof'). Kimi K2 Thinking scorede 93% på denne benchmark.
HLE
44.9%
HLE: Ekspertniveau-ræsonnering. Tester en models evne til at demonstrere ekspertniveau-ræsonnering på tværs af specialiserede domæner. Evaluerer dyb forståelse af komplekse emner, der kræver professionel viden. Kimi K2 Thinking scorede 44.9% på denne benchmark.
MMLU
90%
MMLU: Massiv flerfaglig sprogforståelse. En omfattende benchmark med 16.000 multiple choice-spørgsmål på tværs af 57 akademiske fag, herunder matematik, filosofi, jura og medicin. Tester bred viden og ræsonneringsevner. Kimi K2 Thinking scorede 90% på denne benchmark.
MMLU Pro
78%
MMLU Pro: MMLU Professionel udgave. En forbedret version af MMLU med 12.032 spørgsmål i et sværere format med 10 svarmuligheder. Dækker matematik, fysik, kemi, jura, ingeniørvidenskab, økonomi, sundhed, psykologi, business, biologi, filosofi og datalogi. Kimi K2 Thinking scorede 78% på denne benchmark.
SimpleQA
55%
SimpleQA: Faktuel nøjagtighedsbenchmark. Tester en models evne til at give nøjagtige, faktuelle svar på ligetil spørgsmål. Måler pålidelighed og reducerer hallucinationer i vidensindhentningstasks. Kimi K2 Thinking scorede 55% på denne benchmark.
IFEval
92%
IFEval: Instruktionsfølgningsevaluering. Måler, hvor godt en model følger specifikke instruktioner og begrænsninger. Tester evnen til at overholde formateringsregler, længdegrænser og andre eksplicitte krav. Kimi K2 Thinking scorede 92% på denne benchmark.
AIME 2025
99.1%
AIME 2025: American Invitational Math Exam. Konkurrence-niveau matematikopgaver fra den prestigefyldte AIME-eksamen designet til talentfulde gymnasieelever. Tester avanceret matematisk problemløsning, der kræver abstrakt tænkning, ikke kun mønstergenkendelse. Kimi K2 Thinking scorede 99.1% på denne benchmark.
MATH
99.1%
MATH: Matematisk problemløsning. En omfattende matematikbenchmark, der tester problemløsning inden for algebra, geometri, calculus og andre matematiske domæner. Kræver flertrinssværsonnering og formel matematisk viden. Kimi K2 Thinking scorede 99.1% på denne benchmark.
GSM8k
99%
GSM8k: Folkeskole matematik 8K. 8.500 folkeskole-niveau matematiske tekstopgaver, der kræver flertrinssræsonnering. Tester grundlæggende aritmetik og logisk tænkning gennem virkelige scenarier som shopping eller tidsberegninger. Kimi K2 Thinking scorede 99% på denne benchmark.
MGSM
95%
MGSM: Flersproget folkeskolematematik. GSM8k-benchmarken oversat til 10 sprog, herunder spansk, fransk, tysk, russisk, kinesisk og japansk. Tester matematisk ræsonnering på tværs af forskellige sprog. Kimi K2 Thinking scorede 95% på denne benchmark.
MathVista
75%
MathVista: Matematisk visuel ræsonnering. Tester evnen til at løse matematikopgaver, der involverer visuelle elementer som diagrammer, grafer, geometriske figurer og videnskabelige illustrationer. Kombinerer visuel forståelse med matematisk ræsonnering. Kimi K2 Thinking scorede 75% på denne benchmark.
SWE-Bench
71.3%
SWE-Bench: Softwareingeniør-benchmark. AI-modeller forsøger at løse rigtige GitHub-issues i open source Python-projekter med menneskelig verifikation. Tester praktiske softwareingeniørfærdigheder på produktionskodebaser. Topmodeller gik fra 4,4% i 2023 til over 70% i 2024. Kimi K2 Thinking scorede 71.3% på denne benchmark.
HumanEval
83%
HumanEval: Python-programmeringsopgaver. 164 håndskrevne programmeringsopgaver, hvor modeller skal generere korrekte Python-funktionsimplementeringer. Hver løsning verificeres mod unit tests. Topmodeller opnår nu 90%+ nøjagtighed. Kimi K2 Thinking scorede 83% på denne benchmark.
LiveCodeBench
83.1%
LiveCodeBench: Live kodningsbenchmark. Tester kodningsevner på løbende opdaterede, virkelige programmeringsudfordringer. I modsætning til statiske benchmarks bruger den friske problemer for at forhindre dataforurening og måle ægte kodningsevner. Kimi K2 Thinking scorede 83.1% på denne benchmark.
MMMU
80%
MMMU: Multimodal forståelse. Massiv multi-disciplin multimodal forståelsesbenchmark, der tester vision-sprogmodeller på universitetsniveau-problemer på tværs af 30 fag, der kræver både billedforståelse og ekspertviden. Kimi K2 Thinking scorede 80% på denne benchmark.
MMMU Pro
60%
MMMU Pro: MMMU Professionel udgave. Forbedret version af MMMU med mere udfordrende spørgsmål og strengere evaluering. Tester avanceret multimodal ræsonnering på professionelt og ekspertniveau. Kimi K2 Thinking scorede 60% på denne benchmark.
ChartQA
88%
ChartQA: Diagram-spørgsmål og svar. Tester evnen til at forstå og ræsonnere om information præsenteret i diagrammer og grafer. Kræver udtrækning af data, sammenligning af værdier og udførelse af beregninger fra visuelle datarepræsentationer. Kimi K2 Thinking scorede 88% på denne benchmark.
DocVQA
94%
DocVQA: Dokument visuel Q&A. Document Visual Question Answering benchmark, der tester evnen til at udtrække og ræsonnere om information fra dokumentbilleder, herunder formularer, rapporter og scannet tekst. Kimi K2 Thinking scorede 94% på denne benchmark.
Terminal-Bench
55%
Terminal-Bench: Terminal/CLI-opgaver. Tester evnen til at udføre kommandolinjeopgaver, skrive shell-scripts og navigere i terminalmiljøer. Måler praktiske systemadministrations- og udviklingsworkflow-færdigheder. Kimi K2 Thinking scorede 55% på denne benchmark.
ARC-AGI
12%
ARC-AGI: Abstraktion og ræsonnering. Abstraction and Reasoning Corpus for AGI - tester flydende intelligens gennem nye mønstergenkendelsespuslespil. Hver opgave kræver opdagelse af den underliggende regel fra eksempler, der måler generel ræsonneringsevne snarere end memorering. Kimi K2 Thinking scorede 12% på denne benchmark.

Om Kimi K2 Thinking

Lær om Kimi K2 Thinkings muligheder, funktioner og hvordan den kan hjælpe dig med at opnå bedre resultater.

Billion-parameter åben intelligens

Kimi K2 Thinking er en banebrydende billion-parameter reasoning model fra Moonshot AI, der har gendefineret grænserne for open-source intelligens. Udgivet i november 2025, benytter den en sofistikeret Mixture-of-Experts (MoE) arkitektur med 1T samlede parameters — hvor kun 32B aktiveres ved inference — hvilket gør den både bemærkelsesværdigt kraftfuld og beregningsmæssigt effektiv. Til forskel fra standard sprogmodeller er K2 Thinking konstrueret som en "thinking agent", der skalerer test-time computation for at udføre dyb logisk reasoning, planlægning og autonom tool-brug.

agentic formåen og skalerbarhed

Model er især kendt for sine agentic evner, da den succesfuldt udfører op til 300 sekventielle tool calls uden menneskelig indgriben. Dette gør den til et formidabelt valg til kompleks forskning, konkurrence-programmering og tekniske workflows i flere trin. Ved indbygget at anvende INT4-præcision via Quantization-Aware Training har Moonshot AI gjort det muligt for denne massive model at køre på tilgængelige hardware-klynger, mens den overgår closed-source giganter som GPT-5 og Claude 4.5 i kritiske reasoning- og browsing-benchmarks.

Udvikler-fokuseret arkitektur

Designet til det globale udviklerfællesskab tilbyder Kimi K2-Thinking uovertrufne metrics for pris i forhold til ydeevne. Med et massivt 256K context window og understøttelse af omfattende chain-of-thought-behandling bygger den bro mellem lokale specialiserede modeller og cloud-API'er i virksomhedsklasse. Dens træningsmetodologi fokuserer på langtidsplanlægning, hvilket gør det muligt for model at reflektere, rette og optimere sine resultater iterativt.

Kimi K2 Thinking

Anvendelser for Kimi K2 Thinking

Opdag de forskellige måder, du kan bruge Kimi K2 Thinking til at opnå gode resultater.

Autonom forskning

Udførelse af dybdegående web-undersøgelser, der kræver hundredvis af sekventielle tool calls og iterativ informationsverificering.

Videnskabelig problemløsning

Håndtering af matematik- og fysikopgaver på ph.d.-niveau ved hjælp af Python-værktøjseksekvering og chain-of-thought-behandling.

Konkurrence-programmering

Løsning af algoritmiske udfordringer med høj sværhedsgrad fra platforme som Codeforces og LeetCode med ph.d.-niveau præcision.

Kompleks kode-fejlfinding

Identificering og udbedring af logiske fejl i massive kodebaser med flere filer gennem udtømmende reasoning-trin med høj horisont.

Juridisk og compliance-analyse

Gennemgang af lange tekniske eller juridiske dokumenter på tværs af et 256K context window for at kunne identificere subtile risici eller modsigelser.

agentic AI-automatisering

Driver autonome agenter, der kan planlægge, agere, reflektere og forfine deres egne resultater i timer uden menneskelig indgriben.

Styrker

Begrænsninger

agentic dybde: Den eneste open-weights model, der er i stand til at håndtere 200–300 sekventielle tool calls uden fald i ydeevne.
Kun tekst-input: Mangler i øjeblikket indbygget multimodal vision-support til behandling af direkte billed-, video- eller lydfiler.
State-of-the-art reasoning: Overgår GPT-5 og Claude 4.5 på Humanity's Last Exam (HLE) og BrowseComp gennem intensiv test-time scaling.
Massive RAM-krav: Lokal udrulning af den fulde 1T-arkitektur kræver over 500 GB RAM eller distribuerede Mac-klynger.
Uovertruffen omkostningseffektivitet: Prissat til en flad rate på $0,15/1M tokens, tilbyder den frontier model-intelligens til en brøkdel af prisen på proprietære API-omkostninger.
Latency ved første token: Den intensive interne reasoning-fase fører til en langsommere time-to-first-token sammenlignet med ikke-reasoning LLMs.
Indbygget INT4-optimering: Indbygget kvantisering via Quantization-Aware Training giver et 2x hastighedsboost til lokal inference på tilgængelig hardware.
Reasoning-omstændighed: Model kan generere overdrevent lange chain-of-thought-sekvenser, selv for relativt enkle forespørgsler.

API hurtig start

moonshot/kimi-k2-thinking

Se dokumentation
moonshot SDK
import OpenAI from 'openai';

const openai = new OpenAI({
  apiKey: process.env.MOONSHOT_API_KEY,
  baseURL: 'https://api.moonshot.ai/v1',
});

async function main() {
  const completion = await openai.chat.completions.create({
    model: 'kimi-k2-thinking',
    messages: [
      { role: 'system', content: 'You are Kimi, a reasoning AI by Moonshot AI.' },
      { role: 'user', content: 'Solve the Riemann Hypothesis proof verification task.' }
    ],
  });

  console.log(completion.choices[0].message.content);
}

main();

Installér SDK'et og begynd at foretage API-kald på få minutter.

Hvad folk siger om Kimi K2 Thinking

Se hvad fællesskabet mener om Kimi K2 Thinking

"Kimi K2 Thinking er den bedste AI-model, jeg nogensinde har brugt... ingen hallucinationer og hundredvis af tool calls."
Alex Finn
youtube
"Gabet mellem lukket og åben fortsætter med at indsnævres, selvom prisen på tokens styrtdykker."
Emad Mostaque
x
"Moonshot K2-Thinking gendefinerer lokale intelligente agenter med 300 tool calls."
Brian Roemmele
x
"Endelig en model, der faktisk tænker prompt-logikken igennem, før den svarer!"
ai_user_2025
reddit
"Kina presser virkelig open-source open-weights-fronten med Kimi-serien."
Nathan Lambert
x
"Helt fantastisk ydeevne på konkurrenceprægede matematikopgaver."
MathWizard
hackernews

Videoer om Kimi K2 Thinking

Se vejledninger, anmeldelser og diskussioner om Kimi K2 Thinking

Dette er den mest agentic uafhængige model nogensinde lavet.

Den er i stand til at tænke og reflektere over hvert eneste trin undervejs. Så den bliver aldrig væk.

Den er ekstremt omkostningseffektiv... halvdelen af prisen på ChatGPT-5 og omkring en tiendedel af prisen på Sonnet 4.5.

Det lykkes den at undgå de almindelige logiske fælder i standard LLMs.

Moonshot ændrer virkelig spillet for open-weight tilgængelighed.

Den kan udføre op til 200 til 300 sekventielle tool calls uden menneskelig indblanding.

K2 Thinking opnåede en score på 60,2%, hvilket væsentligt overgår det menneskelige baseline-niveau på 29,2% på BrowseComp.

Kina presser virkelig open-source open-weights-fronten.

Mixture-of-Experts-implementeringen her er utrolig effektiv for 1 billion parameters.

Du får frontier model-niveau reasoning for stort set ingen penge.

Jeg har den kørende her på en Mac Studio ved hjælp af pseudo cis control wired limit.

Vi bruger 500 GB RAM. Vores behandlingshastighed er faldet til omkring 6,9 tokens i sekundet.

Den skrev faktisk denne kode, men den stoppede ikke rigtig. Den begyndte at tænke igen.

Selv med kvantisering forbliver den logiske kohærens i denne model i topklasse.

Den interne monolog viser præcis, hvor den retter sine egne kodningsfejl.

Mere end bare prompts

Supercharg din arbejdsgang med AI-automatisering

Automatio kombinerer kraften fra AI-agenter, webautomatisering og smarte integrationer for at hjælpe dig med at udrette mere på kortere tid.

AI-agenter
Webautomatisering
Smarte arbejdsgange
Se demovideo

Pro-tips til Kimi K2 Thinking

Eksperttips til at hjælpe dig med at få mest muligt ud af Kimi K2 Thinking og opnå bedre resultater.

Aktivér Thinking Tags

Når du kører lokalt via værktøjer som llama.cpp, skal du sørge for at bruge flaget --special for at rendere interne <think> tokens korrekt.

Optimer Temperature

Sæt temperature til 1,0 og min_p til 0,01 for de mest stabile og grundige reasoning-resultater.

Hardware-clustering

Implementer den INT4-kvantiserede version på en klynge af to Mac Studio M3 Ultras med RDMA for en tabsfri 1T lokal oplevelse.

Langtidsplanlægning

Strukturér prompts til eksplicit at bede om en 'trin-for-trin-plan' først for at aktivere model's adaptive læring og søgestyrker.

Anmeldelser

Hvad vores brugere siger

Slut dig til tusindvis af tilfredse brugere, der har transformeret deres arbejdsgang

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Relateret AI Models

openai

GPT-5.2

openai

GPT-5.2 is OpenAI's flagship model for professional tasks, featuring a 400K context window, elite coding, and deep multi-step reasoning capabilities.

400K context
$1.75/$14.00/1M
openai

GPT-5.2 Pro

openai

GPT-5.2 Pro is OpenAI's 2025 flagship reasoning model featuring Extended Thinking for SOTA performance in mathematics, coding, and expert knowledge work.

400K context
$21.00/$168.00/1M
google

Gemini 3 Pro

google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M
google

Gemini 3 Flash

google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
openai

GPT-5.1

openai

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
xai

Grok-4

xai

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
anthropic

Claude Opus 4.5

anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M
zhipu

GLM-4.7

zhipu

GLM-4.7 by Zhipu AI is a flagship 358B MoE model featuring a 200K context window, elite 73.8% SWE-bench performance, and native Deep Thinking for agentic...

200K context
$0.60/$2.20/1M

Ofte stillede spørgsmål om Kimi K2 Thinking

Find svar på almindelige spørgsmål om Kimi K2 Thinking