Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Kimi · pașaport de model

MoonshotAI: Kimi K2 Thinking

kimi-k2-thinking

Ponderi deschise
1.03T parametri
262,144 context
Lansat 2025-11-04(repo HF creat)

Cea mai bună percentilă: 95.8LiveCodeBench (Artificial Analysis)
Poziția în cohortă: 66.3mediană 53.6

Ce spun datele

Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

95.8 pct — LiveCodeBench (Artificial Analysis) (85.3%)
89.9 pct — MMLU-Pro (Artificial Analysis) (84.8%)

Neuniform: 54,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 95.8 pct pe LiveCodeBench (Artificial Analysis) față de 40.9 pct pe Terminal-Bench.

LiveCodeBench (Artificial Analysis)95.8 pct85.3%Verifică →
MMLU-Pro (Artificial Analysis)89.9 pct84.8%Verifică →
IFBench (Artificial Analysis)79 pct68.1%Verifică →
LiveBench74.6 pct65.8%Verifică →
Terminal-Bench40.9 pct35.7%Verifică →
GeneralNeevaluat
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
ProgramareNeevaluat
Urmarea instrucțiunilorNeevaluat
Prompturi dificileNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorymoonshotai/Kimi-K2-Thinking

Parametri1.03T

ArhitecturăDeepseekV3ForCausalLM

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "moonshotai/Kimi-K2-Thinking"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APImoonshotai/kimi-k2-thinking

Lungime context262,144 tokeni

Ieșire maximă98,304 tokeni

Preț intrare$0.60 per 1M tokeni

Preț intrare din cache$0.15 per 1M tokeni

Preț ieșire$2.50 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogprobsMax tokensPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"moonshotai/kimi-k2-thinking","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

kimi-k2-thinking stands at 66.3 (raw mean 76) — measured on 5 of 27 axes.
pozițieșablonVerifică →
kimi-k2-thinking stands at 66.3 versus a cohort median of 53.6 across 132 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →