Kimi K2.5の利用料金はいくらですか？

入力tokenは100万tokenあたり0.60ドル、出力tokenは100万tokenあたり3.00ドルです。この価格設定により、frontier modelクラスの中では最も手頃なモデルの一つとなっています。

Kimi K2.5の最大context lengthはどれくらいですか？

Kimi K2.5は256,000 tokenのcontext windowをサポートしています。これにより、ユーザーは書籍一冊分や大規模なコードベース全体を1つのpromptで処理できます。

Kimi K2.5は動画ファイルを処理できますか？

はい、長時間動画を処理するためのネイティブなMoonViT-3Dエンコーダーを搭載しています。イベントの特定、要約、視覚的な詳細分析のために数時間の映像を解析可能です。

Kimi K2.5はopen-sourceですか？

Moonshot AIは、修正を加えたMIT Licenseの下でモデルの重みを公開しています。これにより、開発者は自身のインフラ上でモデルをホストすることが可能です。

Agent Swarm機能とは何ですか？

これはモデルが最大100個の並列サブエージェントを管理するオーケストレーションモードです。高い並列性が求められるリサーチや、複数ファイルにまたがる編集タスクに使用されます。

Kimi K2.5とClaude 3.7 Sonnetはどのように比較されますか？

Kimi K2.5は同等のreasoning能力を備えていますが、ネイティブな動画対応と大幅に低い価格設定が特徴です。また、独自の並列Swarmアーキテクチャも搭載しています。

Kimi K2.5をローカルで動かすにはどのようなハードウェアが必要ですか？

量子化されていないフルモデルを実行するには約632GBのRAM（VRAM）が必要です。ほとんどのローカル環境のユーザーは、ハイエンドなコンシューマー向けハードウェア上で量子化バージョンを使用する必要があります。

API経由でThinking modeにアクセスする方法を教えてください。

API呼び出しのextra_bodyでthinkingオブジェクトのtypeをenabledに設定することで有効化できます。これにより、論理的なタスクのパフォーマンスが向上します。

Kimi K2.5

Moonshot AIのKimi K2.5を紹介します。1Tパラメータのopen-sourceエージェントモデルで、ネイティブなmultimodal機能、262K context window、SOTAなreasoning能力を備えています。

Agentic AIMultimodalOpen SourceReasoningMoE

moonshotKimi2026年1月27日

コンテキスト

256Kトークン

最大出力

66Kトークン

入力価格

$0.60/ 1M

出力価格

$3.00/ 1M

モダリティ:TextImageVideo

機能:ビジョンツールストリーミング推論

ベンチマーク

GPQA

87.6%

HLE

50.2%

MMLU

91.5%

MMLU Pro

87.1%

SimpleQA

48%

IFEval

85%

AIME 2025

96.1%

MATH

90.1%

GSM8k

97.1%

MGSM

95%

MathVista

90.1%

SWE-Bench

76.8%

HumanEval

88%

LiveCodeBench

85%

MMMU

78.5%

MMMU Pro

78.5%

ChartQA

77.5%

DocVQA

88.8%

Terminal-Bench

50.8%

ARC-AGI

12%

APIドキュメントを見る

Kimi K2.5について

Kimi K2.5の機能、特徴、そしてより良い結果を得るための方法について学びましょう。

Kimi K2.5は、Moonshot AIによるopen-sourceのmultimodalモデルです。1兆パラメータのMixture-of-Expertsアーキテクチャを採用しており、各tokenあたり320億パラメータがアクティブになります。このシステムは、モードごとに別々の外部エンコーダーを使用するのではなく、単一のreasoningフレームワークを通じてテキスト、画像、動画の処理を統合しています。このアーキテクチャにより、256,000 tokenのcontextを維持しながら、非常に長いシーケンス全体で高い検索精度と論理的一貫性を保つことが可能です。

このモデルの最大の特徴は、Agent Swarm機能です。この機能により、システムは最大100個の並列サブエージェントを調整し、複雑なリサーチやエンジニアリングタスクを同時に実行できます。400MパラメータのMoonViT-3Dエンコーダーを統合することで、K2.5は数時間の動画コンテンツを時間的精度を持って解析可能です。これは自律的な実行のために特別に設計されており、SWE-BenchやBrowseCompのようなエージェント系benchmarkにおいて、多くの独自モデルを上回る性能を発揮します。

Kimi K2.5は、深い論理を必要とするタスクのために専用のThinking modeを提供しています。有効にすると、モデルは内部で推論チェーンを生成し、最終的な回答を出す前にステップを自己修正および検証します。これにより、競技レベルの数学や大規模なソフトウェア開発において非常に効果的です。また、そのtoken経済性はエンタープライズ導入に最適化されており、競合するclosed-sourceシステムよりもはるかに低いコストでfrontier-levelのインテリジェンスを提供します。

Kimi K2.5のユースケース

Kimi K2.5を使って素晴らしい結果を得るさまざまな方法を発見してください。

自律的なソフトウェアエンジニアリング

SWE-Benchで最適化されたロジックを使用して、複雑なGitHub issueの解決や複数ファイルのプロジェクトアーキテクチャ構築を行います。

ビジュアルWeb開発

既存のWebサイト操作の画面録画から、機能的なフロントエンドコードやUIデザインを直接生成します。

マルチスレッド・リサーチ

Agent Swarmを使用して、1つの並列ワークフロー内で100以上のソースから情報をクロールし、統合します。

長時間動画解析

外部のフレーム抽出ツールを使わずに、セキュリティカメラや講義映像の数時間分から特定のイベントや時系列データを抽出します。

数学的証明の生成

Deep thinking modeを適用し、オリンピックレベルの数学問題を96%の精度で解きます。

エンタープライズ文書自動化

非構造化ビジネスデータから、複数ページのPDFレポートや複雑な財務スプレッドシートを生成します。

強み

制限

卓越したエージェント性能: SWE-Bench Verifiedで76.8を記録し、ソフトウェアエンジニアリングタスクにおいて多くの独自frontier modelを凌駕します。

極めて高いローカルVRAM要件: 量子化されていないフルモデルには632GBのVRAMが必要であり、ほとんどのコンシューマー環境でのローカル展開は不可能です。

比類なきコスト効率: 1TパラメータのMoEインテリジェンスを100万入力tokenあたり0.60ドルで提供しており、これはClaude Opusの約10分の1のコストです。

reasoningのレイテンシ: Thinking modeでは、応答を生成する前にモデルが内部で論理チェーンを構築するため、大きな遅延が発生する場合があります。

ネイティブな動画理解: 外部のフレーム抽出なしで複雑な動画ファイルを処理でき、長時間の録画に対する正確な時系列分析が可能です。

形式の繰り返し: 特定の段落構造を使用するよう厳密にpromptで指定しない場合、非常に長いテキストの壁を出力する可能性があります。

並列Swarmオーケストレーション: 大規模でマルチスレッドなリサーチワークフローのために、最大100個のサブエージェントを調整できるよう訓練された唯一のopen modelです。

データ所在地に関する懸念: 主要なインフラが中国にあるため、一部の欧米企業にとってはコンプライアンス上の問題となる可能性があります。

APIクイックスタート

fireworks/kimi-k2p5

ドキュメントを見る

moonshot SDK

import OpenAI from 'openai';
const client = new OpenAI({ apiKey: process.env.KIMI_API_KEY, baseURL: 'https://api.moonshot.cn/v1' });
async function main() {
  const res = await client.chat.completions.create({
    model: 'kimi-k2.5',
    messages: [
      { role: 'system', content: 'You are Kimi, a reasoning agent.' },
      { role: 'user', content: 'Design a parallel research plan for quantum computing trends.' }
    ],
    extra_body: { thinking: { type: 'enabled' } }
  });
  console.log(res.choices[0].message.content);
}
main();

SDKをインストールして、数分でAPIコールを開始しましょう。

Kimi K2.5についてのユーザーの声

Kimi K2.5についてコミュニティがどう思っているか見てください

“Kimi K2.5は同等の性能を持つOpusの約10分の1のコストで利用できます。”

— Odd_Tumbleweed574

“中国の研究機関が重要な技術をopen-source化した際、Nvidiaが6000億ドルの時価総額を失ったことを皆忘れています。Kimiはfrontier intelligenceで再びそれをやろうとしています。”

— chetaslua

twitter

“K2.5のAttention Residualsコンセプトは、LLMの忘却問題を実際に解決する、ここ数年で初めてのアーキテクチャ変更です。”

— logic_king

hackernews

“Workers AIでビッグモデルが動くようになりました。最初はKimi K2.5。現時点で最高のopen-sourceモデルの一つで、コーディングにも非常に向いています。”

— dok2001

twitter

“Kimi K2.5は別格です。賢くて信じられないようなRP（ロールプレイ）モデルですが、コミュニティのプリセットを使わないと神経質になることがあります。”

— dptgreg

“GPT-4のワークフローをKimi K2.5に置き換えました。Thinking modeがより透明であり、context windowがリポジトリ全体を扱えるからです。”

— Dev_Max

Kimi K2.5についての動画

Kimi K2.5についてのチュートリアル、レビュー、ディスカッションを見る

“Kimi K2.5は強力なthinking能力でGPT 5.2を凌駕し、他のfrontier modelを完全に圧倒しています。”

“SWE Verifiedで76.8を記録した、現時点で最強のopen-sourceコーディングモデルです。”

“Agent swarmは、単一エージェントから最大1500の協調ステップにわたる並列ワークフローを実行するマルチエージェントへのシフトです。”

“256k tokenのcontext windowは、ほとんどのプロジェクトにとって十分な容量です。”

“Moonshotは2026年初頭、open weightsで可能な限界を押し広げています。”

“Appleのようなデザインの美学を見事に捉え、ビデオから直接アニメーション付きの素晴らしいWebサイトを作成しました。”

“Swarm機能は非常にクールで、各サブエージェントにIDバッジを割り当てるなど、使っていて間違いなく楽しいです。”

“K2.5は100万入力tokenあたり60セント、出力tokenあたり3ドルと、はるかに安価です。”

“ネイティブな動画処理により、フレームを処理するために高価な外部ツールを使用する必要がありません。”

“予算内で自律型エージェントを必要とする開発者にとって、このモデルはゲームチェンジャーです。”

“Moonshotは、シリアルな崩壊を防ぐために、各重要なステップ段階で各サブエージェントに報酬を与えることでこれを実現しました。”

“このモデルは、クリティカルパスを短縮できる場合にのみ並列化を選択することを学習しており、これは非常に賢いイノベーションです。”

“Kimi K2.5は、GGUFを使用してコンシューマーハードウェア上でギリギリ動作可能なラインにあります。”

“Thinking modeは、Pythonの複雑な論理エラーを解決するために非常に堅牢です。”

“1兆パラメータのモデルがこのようにリリースされるのを見るのは、open-sourceコミュニティにとって非常に大きな出来事です。”

プロンプト以上のもの

ワークフローを強化する AI自動化

AutomatioはAIエージェント、ウェブ自動化、スマート統合のパワーを組み合わせ、より短時間でより多くのことを達成するお手伝いをします。

AIエージェント

ウェブ自動化

スマートワークフロー

無料で始める

Kimi K2.5のプロのヒント

Kimi K2.5を最大限に活用し、より良い結果を得るための専門家のヒント。

Thinking Modeを有効化する

APIリクエストにthinkingパラメータを渡すことで、数学やコーディングタスクで最大限の精度を引き出せます。

Agent Swarmをトリガーする

リサーチタスクにおいてAgent Swarmを展開するよう指示し、サブエージェント間での並列オーケストレーションを強制的に実行させます。

Temperatureを最適化する

Thinking modeでは多様な推論を許可するためにtemperatureを1.0に設定し、標準的なチャットでは0.6に下げて利用してください。

テキストと画像を統合したprompt

コードスニペットと一緒にエラーのスクリーンショットをアップロードし、モデルの統合されたtext-visionトレーニングを活用しましょう。

Context Cachingの活用

繰り返し使用する長大なドキュメントにはContext Cachingを活用することで、入力コストを最大90%削減できます。

お客様の声

ユーザーの声

ワークフローを変革した何千人もの満足したユーザーに加わりましょう

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

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

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

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

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

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.