moonshot

Kimi K2 Thinking

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

moonshot logomoonshotKimi K26 November 2025
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.

Mixture of Experts Satu Triliun Parameter

Kimi K2 Thinking adalah model reasoning satu triliun parameter yang menggunakan arsitektur Mixture-of-Experts (MoE). Dikembangkan oleh Moonshot AI dan dirilis pada akhir 2025, model ini hanya mengaktifkan 32B parameter untuk inference, yang menyeimbangkan kapasitas pengetahuan yang masif dengan efisiensi komputasi. Model ini dirancang khusus sebagai agen berpikir yang menskalakan komputasinya selama fase inference untuk memecahkan masalah logis yang kompleks. Pendekatan ini memungkinkan model untuk merefleksikan reasoning-nya sendiri dan mengoreksi kesalahan sebelum memberikan jawaban akhir.

Penggunaan Tool Agentic dan Perencanaan

Model ini membedakan dirinya melalui kemampuannya untuk menangani hingga 300 pemanggilan tool sekuensial secara otonom. Sementara sebagian besar model bahasa standar kesulitan dengan perencanaan jangka panjang, K2 Thinking dirancang untuk alur kerja agentic seperti browsing web otonom dan rekayasa perangkat lunak multi-langkah. Model ini secara native mendukung presisi INT4 melalui Quantization-Aware Training, yang memungkinkan model mempertahankan kinerja tingkat frontier sambil berjalan pada cluster perangkat keras perusahaan standar.

Fokus Pengembang dan Riset

Dengan context window 256K token, model ini dibangun untuk riset mendalam dan tugas teknis yang kompleks. Ia menjembatani kesenjangan kinerja antara sistem closed-source dan model open-weights. Kemampuannya untuk menjawab pertanyaan sains tingkat PhD dan masalah matematika kompetitif menjadikannya pilihan yang cocok untuk riset akademik, asisten coding otomatis, dan aplikasi reasoning fidelitas tinggi di mana konsistensi logis adalah persyaratan utama.

Kimi K2 Thinking

Kasus Penggunaan untuk Kimi K2 Thinking

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

Rekayasa Perangkat Lunak Kompleks

Menyelesaikan issue GitHub nyata dan merancang codebase multi-file menggunakan koreksi diri iteratif.

Agen Riset Otonom

Menjalankan ratusan pemanggilan tool sekuensial untuk mengumpulkan dan menyintesis data teknis yang rumit.

Matematika Tingkat Olimpiade

Menyelesaikan masalah geometri dan aljabar tingkat lanjut dengan verifikasi chain-of-thought yang mendalam.

Inkuiri Sains Tingkat PhD

Menjawab pertanyaan ahli di bidang fisika dan biologi yang memerlukan deduksi logis multi-langkah.

Kontrol Komputer Interaktif

Menavigasi lingkungan terminal dan infrastruktur cloud untuk mengotomatisasi alur kerja devops.

Penulisan Kreatif Berbasis Logika

Menghasilkan konten long-form yang memerlukan kepatuhan ketat terhadap aturan pembangunan dunia yang rumit.

Kelebihan

Keterbatasan

Reasoning State-of-the-Art: Mencetak skor 44,9% pada HLE dengan tools, melampaui model closed-source utama dalam logika tingkat ahli.
Kebutuhan Sumber Daya Masif: Inference lokal memerlukan setidaknya 245GB VRAM bahkan dengan kuantisasi, membatasi penggunaannya pada cluster server kelas atas.
Kedalaman Agentic yang Luar Biasa: Mampu melakukan 300 pemanggilan tool sekuensial, memungkinkan riset web otonom dan tugas browser yang sebenarnya.
Latency Respon Bawaan: Proses deep thinking mengakibatkan waktu tunggu yang signifikan seiring model menskalakan komputasi test-time-nya.
Akurasi Matematika Tingkat Atas: Mencapai 94,5% pada AIME 2025, membuktikan keandalannya untuk pemecahan masalah matematika tingkat tinggi.
Kurangnya Multimodality Bawaan: Varian ini tidak dapat memproses input gambar atau video secara langsung, sehingga memerlukan model visi terpisah untuk tugas multimodal.
Aksesibilitas Open-Weights: Menawarkan kecerdasan frontier-level kepada komunitas pengembang untuk deployment lokal dan fine-tuning.
Overhead Token yang Tinggi: Langkah-langkah reasoning internal mengonsumsi sejumlah besar token output, yang meningkatkan biaya API untuk query sederhana.

Mulai Cepat API

moonshot/kimi-k2-thinking

Lihat Dokumentasi
moonshot SDK
import OpenAI from 'openai';

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

async function main() {
  const response = await client.chat.completions.create({
    model: 'kimi-k2-thinking',
    messages: [{ role: 'user', content: 'Rancang sebuah sistem untuk tinjauan kode otonom menggunakan 300 tool calls.' }],
  });
  console.log(response.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 K2.5 adalah model open terbaik untuk coding, mereka benar-benar luar biasa.
npc_gooner
reddit
Moonshot AI baru saja merilis Kimi K2 Thinking. 300 pemanggilan tool sekuensial? Itu adalah masa depan AI agentic.
@tech_trends
twitter
Kimi merilis Kimi K2 Thinking, model reasoning open-source satu triliun parameter. Ini adalah hal yang nyata.
nekofneko
reddit
Fakta bahwa model ini dapat menangani 300 pemanggilan tool secara sekuensial membuka alur kerja agen yang sepenuhnya baru.
AI Explained
youtube
Mengesankan melihat model open-source mencapai angka-angka ini. Pendekatan penskalaan test-time jelas membuahkan hasil.
jsmith23
hackernews
Menjalankan model ini secara lokal adalah tantangan, tetapi kedalaman reasoning-nya tidak seperti apa pun di ruang open weights.
LocalLlamaEnthusiast
reddit

Video Tentang Kimi K2 Thinking

Tonton tutorial, ulasan, dan diskusi tentang Kimi K2 Thinking

Kimi K2 Thinking adalah model AI terbaik yang pernah saya gunakan.

Ini adalah model independen paling agentic yang pernah dibuat. Artinya, ia dapat berjalan selama berjam-jam dengan sendirinya.

Model ini mampu berpikir dan merefleksikan setiap langkah yang diambil. Jadi, ia tidak pernah tersesat.

Kecepatan reasoning-nya sangat cepat meskipun memiliki satu triliun parameter.

Jika Anda membangun agen, inilah arsitektur yang perlu Anda perhatikan.

Kimi K2 Thinking... adalah peningkatan thinking pada model Kimi K2, yang sejujurnya dianggap sangat baik.

Tentu saja ini adalah model open-source... dengan total ukuran sekitar 1 triliun parameter.

Semua hasil benchmark dilaporkan di bawah presisi int4.

Model ini menangani masalah matematika yang kompleks dengan tingkat logika yang menyaingi laboratorium milik perusahaan besar.

Proses instalasi untuk bobot lokal cukup mudah jika Anda memiliki VRAM yang cukup.

Kimi K2.5 adalah model open-source terbaru yang dikembangkan oleh perusahaan Tiongkok bernama Moonshot AI.

Model ini mampu menjalankan hingga 100 sub-agen dan 1.500 tool calls serta menjalankannya secara bersamaan.

Saya tentu merekomendasikannya jika Anda ingin membuat situs web yang benar-benar indah.

Chain-of-thought internal memungkinkannya untuk mengoreksi kesalahan kode sebelum memberikan jawaban akhir.

Moonshot benar-benar berfokus pada perencanaan jangka panjang untuk rilis khusus ini.

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

Tips Pro untuk Kimi K2 Thinking

Tips ahli untuk memaksimalkan Kimi K2 Thinking.

Aktifkan Output Thinking

Gunakan flag special tokens di engine inference Anda untuk melihat langkah-langkah reasoning internal model.

Optimalkan Temperature

Atur sampling temperature ke 1.0 dan min_p ke 0.01 untuk aliran reasoning yang paling konsisten.

Manfaatkan System Prompts

Awali percakapan dengan official identity prompt dari Moonshot AI untuk menstabilkan perilaku model.

Skalakan Test-Time Compute

Izinkan model menghasilkan lebih banyak token internal untuk masalah yang lebih sulit guna meningkatkan akurasi.

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 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
xai

Grok-3

xAI

Grok-3 is xAI's flagship reasoning model, featuring deep logic deduction, a 128k context window, and real-time integration with X for live research and coding.

1M context
$3.00/$15.00/1M
google

Gemini 3.1 Flash Live Preview

Google

Gemini 3.1 Flash Live Preview is Google's ultra-low-latency, audio-to-audio model featuring a 131K context window, high-fidelity multimodal reasoning, and...

131K context
$0.75/$4.50/1M
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 3.1 Pro

Google

Gemini 3.1 Pro is Google's elite multimodal model featuring the DeepThink reasoning engine, a 1M+ context window, and industry-leading ARC-AGI logic scores.

1M context
$2.00/$12.00/1M
anthropic

Claude Opus 4.6

Anthropic

Claude Opus 4.6 is Anthropic's flagship model featuring a 1M token context window, Adaptive Thinking, and world-class coding and reasoning performance.

1M context
$5.00/$25.00/1M
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
anthropic

Claude Sonnet 4.6

Anthropic

Claude Sonnet 4.6 offers frontier performance for coding and computer use with a massive 1M token context window for only $3/1M tokens.

1M context
$3.00/$15.00/1M

Pertanyaan yang Sering Diajukan tentang Kimi K2 Thinking

Temukan jawaban untuk pertanyaan umum tentang Kimi K2 Thinking