moonshot

Kimi K2 Thinking

Kimi K2 Thinking adalah model reasoning dengan triliun parameter dari Moonshot AI. Model ini mengungguli GPT-5 pada benchmark HLE dan mendukung 300 tool call...

moonshot logomoonshotKimi2025-11-06
Konteks
256Ktoken
Output maks.
16Ktoken
Harga input
$0.15/ 1M
Harga output
$0.15/ 1M
Modalitas:Text
Kemampuan:AlatStreamingPenalaran
Benchmarks
GPQA
93%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Kimi K2 Thinking meraih skor 93% pada benchmark ini.
HLE
44.9%
HLE: Penalaran Keahlian Tingkat Tinggi. Menguji kemampuan model untuk mendemonstrasikan penalaran tingkat ahli di domain khusus. Mengevaluasi pemahaman mendalam tentang topik kompleks yang membutuhkan pengetahuan tingkat profesional. Kimi K2 Thinking meraih skor 44.9% pada benchmark ini.
MMLU
90%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Kimi K2 Thinking meraih skor 90% pada benchmark ini.
MMLU Pro
78%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Kimi K2 Thinking meraih skor 78% pada benchmark ini.
SimpleQA
55%
SimpleQA: Benchmark Akurasi Faktual. Menguji kemampuan model untuk memberikan respons yang akurat dan faktual terhadap pertanyaan langsung. Mengukur keandalan dan mengurangi halusinasi dalam tugas pengambilan pengetahuan. Kimi K2 Thinking meraih skor 55% pada benchmark ini.
IFEval
92%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Kimi K2 Thinking meraih skor 92% pada benchmark ini.
AIME 2025
99.1%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Kimi K2 Thinking meraih skor 99.1% pada benchmark ini.
MATH
99.1%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Kimi K2 Thinking meraih skor 99.1% pada benchmark ini.
GSM8k
99%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Kimi K2 Thinking meraih skor 99% pada benchmark ini.
MGSM
95%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Kimi K2 Thinking meraih skor 95% pada benchmark ini.
MathVista
75%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Kimi K2 Thinking meraih skor 75% pada benchmark ini.
SWE-Bench
71.3%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Kimi K2 Thinking meraih skor 71.3% pada benchmark ini.
HumanEval
83%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Kimi K2 Thinking meraih skor 83% pada benchmark ini.
LiveCodeBench
83.1%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Kimi K2 Thinking meraih skor 83.1% pada benchmark ini.
MMMU
80%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Kimi K2 Thinking meraih skor 80% pada benchmark ini.
MMMU Pro
60%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Kimi K2 Thinking meraih skor 60% pada benchmark ini.
ChartQA
88%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Kimi K2 Thinking meraih skor 88% pada benchmark ini.
DocVQA
94%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Kimi K2 Thinking meraih skor 94% pada benchmark ini.
Terminal-Bench
55%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Kimi K2 Thinking meraih skor 55% pada benchmark ini.
ARC-AGI
12%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Kimi K2 Thinking meraih skor 12% pada benchmark ini.

Tentang Kimi K2 Thinking

Pelajari tentang kemampuan, fitur, dan cara menggunakan Kimi K2 Thinking.

Kecerdasan Terbuka Triliun-Parameter

Kimi K2 Thinking adalah model reasoning triliun-parameter terobosan dari Moonshot AI yang telah mendefinisikan ulang batasan kecerdasan open-source. Dirilis pada November 2025, model ini menggunakan arsitektur Mixture-of-Experts (MoE) yang canggih dengan total 1T parameters—hanya mengaktifkan 32B saat inference—menjadikannya sangat kuat sekaligus efisien secara komputasi. Berbeda dengan model bahasa standar, K2 Thinking dirancang sebagai "thinking agent," menskalakan komputasi test-time untuk melakukan reasoning logis yang mendalam, perencanaan, dan penggunaan alat secara otonom.

Kemampuan Agentic dan Skalabilitas

Model ini sangat terkenal karena kemampuan agentic-nya, berhasil mengeksekusi hingga 300 panggilan alat berurutan tanpa intervensi manusia. Hal ini menjadikannya pilihan tangguh untuk riset kompleks, pemrograman kompetitif, dan alur kerja teknis multi-langkah. Dengan menggunakan presisi INT4 secara native melalui Pelatihan Sadar Kuantisasi (Quantization-Aware Training), Moonshot AI telah memungkinkan model masif ini berjalan pada klaster perangkat keras yang terjangkau sambil mengungguli raksasa closed-source seperti GPT-5 dan Claude 4.5 dalam benchmark reasoning dan browsing yang kritis.

Arsitektur yang Mengutamakan Developer

Dirancang untuk komunitas developer global, Kimi K2-Thinking menawarkan metrik biaya-per-performa yang tak tertandingi. Dengan context window 256K yang masif dan dukungan untuk pemrosesan chain-of-thought yang ekstensif, model ini menjembatani celah antara model khusus lokal dan API cloud tingkat enterprise. Metodologi pelatihannya berfokus pada perencanaan jangka panjang, memungkinkan model untuk merefleksikan, mengoreksi, dan mengoptimalkan output-nya secara berulang.

Kimi K2 Thinking

Kasus Penggunaan untuk Kimi K2 Thinking

Temukan berbagai cara menggunakan Kimi K2 Thinking untuk hasil yang luar biasa.

Riset Otonom

Mengeksekusi penyelidikan web mendalam yang membutuhkan ratusan panggilan alat berurutan dan verifikasi informasi berulang.

Pemecahan Masalah Ilmiah

Menangani pertanyaan matematika dan fisika tingkat PhD menggunakan eksekusi alat Python dan pemrosesan chain-of-thought.

Pemrograman Kompetitif

Menyelesaikan tantangan algoritma tingkat kesulitan tinggi dari platform seperti Codeforces dan LeetCode dengan akurasi tingkat PhD.

Debugging Kode Kompleks

Mengidentifikasi dan memperbaiki kesalahan logika dalam codebase multi-file yang masif melalui langkah-langkah reasoning tingkat tinggi yang mendalam.

Analisis Hukum dan Kepatuhan

Meninjau dokumen teknis atau hukum yang panjang dalam context window 256K untuk mengidentifikasi risiko halus atau kontradiksi.

Otomasi Agentic AI

Menggerakkan agen otonom yang dapat merencanakan, bertindak, merefleksikan, dan menyempurnakan output mereka sendiri selama berjam-jam tanpa intervensi manusia.

Kelebihan

Keterbatasan

Kedalaman Agentic: Satu-satunya model open-weights yang mampu mengelola 200–300 panggilan alat berurutan tanpa penurunan performa.
Input Khusus Teks: Saat ini belum memiliki dukungan vision multimodal native untuk memproses file gambar, video, atau audio secara langsung.
Reasoning State-of-the-Art: Mengungguli GPT-5 dan Claude 4.5 pada Humanity's Last Exam (HLE) dan BrowseComp melalui penskalaan test-time yang intensif.
Kebutuhan RAM Masif: Penerapan lokal dari arsitektur 1T lengkap membutuhkan lebih dari 500GB RAM atau klaster Mac terdistribusi.
Efisiensi Biaya Tak Tertandingi: Dibanderol dengan harga flat $0,15/1M tokens, model ini menawarkan kecerdasan frontier model dengan sebagian kecil dari biaya API berbayar.
Latensi Token Awal: Fase reasoning internal yang intensif menyebabkan time-to-first-token yang lebih lambat dibandingkan dengan LLM non-thinking.
Optimasi INT4 Native: Kuantisasi native melalui Pelatihan Sadar Kuantisasi (Quantization-Aware Training) memberikan peningkatan kecepatan 2x untuk inference lokal pada perangkat keras yang terjangkau.
Verbosity Reasoning: Model dapat menghasilkan urutan chain-of-thought yang terlalu panjang bahkan untuk pertanyaan yang relatif sederhana.

Mulai Cepat API

moonshot/kimi-k2-thinking

Lihat Dokumentasi
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();

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Kimi K2 Thinking

Lihat apa yang dipikirkan komunitas tentang Kimi K2 Thinking

"Kimi K2 Thinking adalah model AI terbaik yang pernah saya gunakan... tidak ada halusinasi dan ratusan panggilan alat."
Alex Finn
youtube
"Kesenjangan antara closed dan open terus menyempit bahkan saat biaya token anjlok."
Emad Mostaque
x
"Moonshot K2-Thinking mendefinisikan ulang agen cerdas lokal dengan 300 panggilan alat."
Brian Roemmele
x
"Akhirnya sebuah model yang benar-benar memikirkan logika prompt sebelum menjawab!"
ai_user_2025
reddit
"China benar-benar mendorong batas frontier open-source dan open-weight dengan seri Kimi."
Nathan Lambert
x
"Performa yang benar-benar mencengangkan pada masalah matematika kompetitif."
MathWizard
hackernews

Video Tentang Kimi K2 Thinking

Tonton tutorial, ulasan, dan diskusi tentang Kimi K2 Thinking

Ini adalah model independen yang paling agentic yang pernah dibuat.

Ia mampu berpikir dan berefleksi di setiap langkahnya. Jadi, ia tidak pernah tersesat.

Sangat hemat biaya... setengah harga dari ChatGPT 5 dan sekitar sepersepuluh harga Sonnet 4.5.

Ia berhasil menghindari jebakan logika umum yang dialami LLM standar.

Moonshot benar-benar mengubah permainan untuk aksesibilitas open-weight.

Ia dapat mengeksekusi hingga 200 hingga 300 panggilan alat berurutan tanpa campur tangan manusia.

K2 thinking meraih skor 60,2%, secara signifikan melampaui baseline manusia sebesar 29,2% di BrowseComp.

China benar-benar mendorong batas frontier open-source dan open-weight.

Implementasi Mixture-of-Experts di sini sangat efisien untuk 1 triliun parameters.

Anda mendapatkan reasoning tingkat frontier dengan biaya yang sangat murah.

Saya menjalankannya di sini pada Mac Studio menggunakan kontrol pseudo cis berkabel.

Kita menggunakan 500 GB RAM. Kecepatan pemrosesan kita melambat sekitar 6,9 tokens per detik.

Model ini benar-benar menulis kode ini, tetapi tidak langsung berhenti. Ia mulai berpikir lagi.

Bahkan dengan kuantisasi, koherensi logis dari model ini tetap elite.

Monolog internalnya menunjukkan dengan tepat di mana ia memperbaiki kesalahan coding-nya sendiri.

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas
Tonton video demo

Tips Pro untuk Kimi K2 Thinking

Tips ahli untuk memaksimalkan Kimi K2 Thinking.

Aktifkan Thinking Tags

Saat menjalankan secara lokal melalui alat seperti llama.cpp, pastikan Anda menggunakan flag --special untuk merender tokens <think> internal dengan benar.

Optimalkan Temperature

Atur temperature ke 1.0 dan min_p ke 0.01 untuk hasil reasoning yang paling stabil dan ketat.

Klaster Perangkat Keras

Terapkan versi terkuantisasi INT4 pada klaster berisi dua Mac Studio M3 Ultra dengan RDMA untuk pengalaman lokal 1T yang lossless.

Perencanaan Jangka Panjang

Susun prompt untuk meminta 'rencana langkah demi langkah' secara eksplisit terlebih dahulu guna memicu kekuatan adaptive learning dan pencarian model.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

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.

Terkait 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

Pertanyaan yang Sering Diajukan tentang Kimi K2 Thinking

Temukan jawaban untuk pertanyaan umum tentang Kimi K2 Thinking