Kimi K2 Thinking

moonshotmoonshot/kimi-k2-thinking

Moonshot AI's deep reasoning model (1T total, 32B active MoE). Specialist for 200-300 step stable tool orchestration, long-horizon planning, and complex coding. Text-only.

Kimi K2 Thinking Hugging Face 模型页 ↗Kimi K2 Thinking 发布公告 ↗Kimi K2 Thinking OpenRouter 模型页 ↗月之暗面 AI 平台文档 ↗

Kimi K2 Thinking 由月之暗面（Moonshot AI）于 2025 年 11 月 6 日发布，是开源 Kimi K2 模型家族的推理/思考变体。它保留相同的 1 万亿参数、320 亿激活的混合专家（MoE）架构（384 个专家，每 token 选择 8 个），但新增了原生思维链推理与实时工具调用的融合能力。后训练采用量化感知训练（QAT），目标 INT4 精度，将模型体积从约 1 TB 缩小至约 600 GB，同时保持基准测试竞争力。

K2 Thinking 的核心差异化能力在于其在单次推理链中维持 200–300 次连续工具调用的同时保持状态一致——大多数模型在 30–50 次调用后就会急剧退化。它在 BrowseComp（60.2%）和 HLE with tools（44.9%）等 agent 基准测试中领先，两项均超越 GPT-5。对于 TheRouter 路由层用户，它与 moonshot/kimi-k2.6 共同构成高端推理+agent 层级，提供开源路径用于长周期自主研究、多步代码生成和复杂信息检索流水线。

适合使用

• 长周期自主研究：在 100+ 次工具调用中持续浏览、搜索、交叉引用和综合信息，不丢失连贯性
• 具备自我修正的 agent 编程：通过集成工具调用实现多步代码生成、缺陷复现、日志分析、假设测试和迭代调试
• 复杂问题的深度推理：数学证明、多步逻辑演绎、需要跨来源综合的学术研究
• 自托管推理流水线：开放权重（Modified MIT License）允许在特定领域轨迹上微调，并部署在自己的 GPU 基础设施上

不适合使用

• 视觉或多模态输入——K2 Thinking 为纯文本；图像/视频路由至 moonshot/kimi-k2.5 或 moonshot/kimi-k2.6，它们原生支持多模态输入
• 延迟敏感的实时对话——延伸思考链会增加明显延迟；保持使用 moonshot/kimi-k2（非思考模式）或 moonshot/kimi-k2.6-instruct 以获得更快的响应
• 简单问答场景，深度推理开销纯属浪费——使用标准非思考模式 K2 或 K2.6 以获得更高性价比

上下文长度

256K

最大输出

64K

输入价格每百万 tokens

$0.648每百万 Tokens

输出价格每百万 tokens

$2.70每百万 Tokens

模态能力

文本→文本

价格明细

类型	费率
输入	$0.648 每百万 Tokens
输出	$2.70 每百万 Tokens

支持参数

temperaturemax_tokenstop_ptoolstool_choiceresponse_formatreasoningstop

模型规格

发布日期	2025-11-06kimi-k2.org ↗	已核实
架构	1T 总参数 / 32B 激活 MoE；384 个专家，每 token 选择 8 个；61 层；MLA 注意力；SwiGLU 激活；INT4 QAT 后训练huggingface.co ↗	已核实
训练成本	$460 万（据 CNBC 报道，未独立验证）cnbc.com ↗	待核实
磁盘占用（INT4）	~600 GB（Hugging Face）；非思考 K2 约 1.03 TBhuggingface.co ↗	已核实
许可	Modified MIT License——代码与权重huggingface.co ↗	已核实
支持的推理引擎	vLLM、SGLang、KTransformers、NVIDIA NIM、mlx-lm（Apple Silicon）huggingface.co ↗	已核实
训练数据截止	未公开披露	未知

基准成绩

Benchmark	Score	Source
Humanity's Last Exam (w/ tools) 带工具 HLE；强力模式（8 条并行轨迹）可达 51.0–51.3%。对比：GPT-5 = 41.7%，DeepSeek-R1 = 20.3%	44.9%%	lambda.ai ↗
BrowseComp 自主网页浏览与跨来源信息综合。对比：GPT-5 = 54.9%，Claude = 24.1%，DeepSeek = 40.1%	60.2%%	lambda.ai ↗
SWE-bench Verified 软件工程——真实 GitHub issue。对比：GPT-5 = 74.9%，Claude = 77.2%，DeepSeek = 67.8%。CAISI NIST 评估：56.2%	71.3%%	lambda.ai ↗
AIME 2025 (w/ Python) AIME 2025 数学竞赛（使用 Python 执行工具）。CAISI NIST OTIS-AIME 2025（无工具）：84.3%	99.1%%	www.reddit.com ↗
GPQA-Diamond 研究生级别问答（物理、化学、生物）。CAISI NIST 独立评估数据	83.8%%	nist.gov ↗
MMLU-Pro 大规模多任务语言理解（专业级）。CAISI NIST 独立评估数据	89.3%%	nist.gov ↗
CVE-Bench 网络安全漏洞利用。CAISI NIST 独立评估数据	50.5%%	nist.gov ↗
SMT 2025 斯坦福数学竞赛 2025。CAISI NIST 评估数据。对比：GPT-5 = 91.8%，DeepSeek-R1-0528 = 87.6%	93.1%%	nist.gov ↗

API 使用示例

所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。

cURL

curl https://api.therouter.ai/v1/chat/completions   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{
    "model": "moonshot/kimi-k2-thinking",
    "messages": [
      {"role": "user", "content": "Summarize the key points from this input."}
    ]
  }'

API 使用指南

完整 API 参考 →

Chat 调用

K2 Thinking 的标准 Chat 调用。模型会在内部生成思考链再输出最终答案。支持流式输出推理 token。

cURL

curl https://api.therouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshot/kimi-k2-thinking",
    "messages": [
      {"role": "system", "content": "You are a helpful AI assistant."},
      {"role": "user", "content": "Design a distributed caching strategy for a global e-commerce platform."}
    ],
    "max_tokens": 8192,
    "temperature": 0.7
  }'

moonshot 其他模型

moonshot/kimi-k2基础 K2 非思考版本，在不需要深度推理时提供更快更便宜的补全 moonshot/kimi-k2.6最新 K2.6——多模态、1T agent 带 300 子 agent、顶级编码基准（2026 年 4 月）moonshot/kimi-k2.6Moonshot K2 系列中在线的后继版本。

动态与变更

2025-11-06

月之暗面发布 Kimi K2 Thinking——支持 200+ 连续工具调用的开源推理模型

月之暗面发布了 Kimi K2 Thinking，这是首个将思维链与实时工具调用原生融合的开源推理模型。训练成本 $460 万，在 HLE（带工具）上取得 44.9%，在 BrowseComp 上取得 60.2%——在 agent 网页搜索基准上超越 GPT-5。INT4 QAT 模型（~600 GB）以 Modified MIT License 发布。

TheRouter 编辑重写kimi-k2.org ↗

2025-12-09

NIST CAISI 评估 Kimi K2 Thinking——发布时最强的中国开发开源模型

美国 NIST 的 AI 标准与创新中心独立评估了 K2 Thinking，认定其为发布时中国开发的最强开源模型，但在网络和软件工程方面仍落后于美国顶级模型。报告确认 K2 Thinking 在 SWE-bench（56.2%）、GPQA（83.8%）和 SMT 2025（93.1%）上领先中国模型。

TheRouter 编辑重写nist.gov ↗

2025-11-08

Kimi K2 Thinking 在 2× M3 Ultra 上通过 mlx-lm 以 15 tok/s 运行

Apple MLX 团队成员 Awni Hannun 展示了在两台 M3 Ultra Mac Studio（各 512 GB）上通过 mlx-lm 管道并行运行 K2 Thinking，达到约 15 tok/s。模型的 QAT INT4 格式以原生精度运行无质量损失，使 1T 参数推理模型在高端 Apple Silicon 集群上的本地部署成为现实。

TheRouter 编辑重写simonwillison.net ↗

常见问题

Kimi K2（Instruct）和 Kimi K2 Thinking 有什么区别？

Kimi K2 Instruct 是一个简单的指令遵循（反射级）模型，优化快速响应，没有显式推理链。K2 Thinking 在生成答案前增加了完整的思维链推理阶段，并将推理与工具调用原生融合——它可以在推理过程中调用工具，无需等待推理完成。这使得 K2 Thinking 在复杂的多步任务上显著更强，但也更慢、每条查询成本更高。简单问答场景，K2 Instruct 是更高效的选择。

kimi-k2.org ↗

我能在普通消费级硬件上运行 Kimi K2 Thinking 吗？

全精度（FP8）需要约 1.3 TB+ 显存——大约 12–16× H100 GPU。INT4 QAT 版本（~600 GB）需要约 1.1 TB+ 显存——推荐最低 8× H200。Apple Silicon 上，已演示在 2× M3 Ultra（各 512 GB）上通过 mlx-lm 运行，约 15 tok/s。消费级 GPU（单张 4090、5090）无法运行完整模型。但该模型可通过 TheRouter 和月之暗面官方平台以 API 形式使用，无需任何硬件要求。

lambda.ai ↗

K2 Thinking 与 DeepSeek-R1 相比如何？

K2 Thinking 在几乎所有基准测试上均超越 DeepSeek-R1。根据月之暗面的对比表：HLE 带工具：44.9% 对比 20.3%；BrowseComp：60.2% 对比 40.1%；SWE-bench Verified：71.3% 对比 67.8%。NIST CAISI 的独立评估确认 K2 Thinking 在 CVE-Bench（50.5 对比 36.0）、GPQA（83.8 对比 81.3）和 SMT 2025（93.1 对比 87.6）上领先 DeepSeek-R1-0528。K2 Thinking 的关键优势在于推理与原生工具调用的融合——DeepSeek-R1 需要单独的工具编排循环。