Spesifikasi teknis Kimi k2.5
| Item | Nilai / catatan |
|---|---|
| Model name / vendor | Kimi-K2.5 (v1.0) — Moonshot AI (bobot terbuka). |
| Architecture family | Model penalaran hibrida Mixture-of-Experts (MoE) (MoE gaya DeepSeek). |
| Parameters (total / active) | ≈ 1 triliun parameter total; ~32B aktif per token (384 pakar, 8 dipilih per token, dilaporkan). |
| Modalities (input / output) | Input: teks, gambar, video (multimodal). Output: terutama teks (jejak penalaran yang kaya), opsional panggilan alat terstruktur / output multi-langkah. |
| Context window | 256k token |
| Training data | Pra-pelatihan berkelanjutan pada ~15 triliun token campuran visual + teks (dilaporkan oleh vendor). Label pelatihan/komposisi dataset: tidak diungkapkan. |
| Modes | Thinking mode (mengembalikan jejak penalaran internal; temp=1.0 yang direkomendasikan) dan Instant mode (tanpa jejak penalaran; temp=0.6 yang direkomendasikan). |
| Agent features | Agent Swarm / sub-agen paralel: orkestrator dapat membuat hingga ~100 sub-agen dan mengeksekusi sejumlah besar panggilan alat (vendor mengklaim hingga ~1.500 panggilan alat; eksekusi paralel mengurangi waktu proses). |
Apa itu Kimi K2.5?
Kimi K2.5 adalah model bahasa besar open-weight andalan dari Moonshot AI, yang dirancang sebagai sistem multimodal natif dan berorientasi agen, bukan LLM berbasis teks dengan komponen tambahan. Model ini mengintegrasikan penalaran bahasa, pemahaman visi, dan pemrosesan konteks panjang dalam satu arsitektur, sehingga memungkinkan tugas multi-langkah kompleks yang melibatkan dokumen, gambar, video, alat, dan agen.
Model ini dirancang untuk alur kerja jangka panjang yang diperkuat oleh alat (pengodean, penelusuran multi-langkah, pemahaman dokumen/video) dan hadir dengan dua mode interaksi (Thinking dan Instant) serta kuantisasi INT4 bawaan untuk inferensi yang efisien.
Fitur Inti Kimi K2.5
- Penalaran multimodal natif
Visi dan bahasa dilatih bersama sejak pra-pelatihan. Kimi K2.5 dapat melakukan penalaran lintas gambar, tangkapan layar, diagram, dan frame video tanpa mengandalkan adaptor visi eksternal. - Jendela konteks ultra-panjang (256K token)
Memungkinkan penalaran persisten atas keseluruhan basis kode, makalah riset panjang, dokumen hukum, atau percakapan multi-jam yang diperluas tanpa pemangkasan konteks. - Model eksekusi Agent Swarm
Mendukung pembuatan dan koordinasi dinamis hingga ~100 sub-agen khusus, memungkinkan perencanaan paralel, penggunaan alat, dan dekomposisi tugas untuk alur kerja kompleks. - Beragam mode inferensi
- Instant mode untuk respons berlatensi rendah
- Thinking mode untuk penalaran multi-langkah yang mendalam
- Agent / Swarm mode untuk eksekusi tugas otonom dan orkestrasi
- Kemampuan visi-ke-kode yang kuat
Mampu mengonversi mockup UI, tangkapan layar, atau demonstrasi video menjadi kode front-end yang berfungsi, serta melakukan debug perangkat lunak menggunakan konteks visual. - Skalabilitas MoE yang efisien
Arsitektur MoE hanya mengaktifkan sebagian pakar per token, memungkinkan kapasitas triliun parameter dengan biaya inferensi yang terkelola dibandingkan dengan model dense.
Performa Benchmark Kimi K2.5
Hasil benchmark yang dilaporkan secara publik (terutama dalam pengaturan berfokus pada penalaran):
Benchmark Penalaran & Pengetahuan
| Benchmark | Kimi K2.5 | GPT-5.2 (xhigh) | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| HLE-Full (with tools) | 50.2 | 45.5 | 43.2 | 45.8 |
| AIME 2025 | 96.1 | 100 | 92.8 | 95.0 |
| GPQA-Diamond | 87.6 | 92.4 | 87.0 | 91.9 |
| IMO-AnswerBench | 81.8 | 86.3 | 78.5 | 83.1 |
Benchmark Visi & Video
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| MMMU-Pro | 78.5 | 79.5* | 74.0 | 81.0 |
| MathVista (Mini) | 90.1 | 82.8* | 80.2* | 89.8* |
| VideoMMMU | 87.4 | 86.0 | — | 88.4 |
Skor yang ditandai mencerminkan perbedaan dalam pengaturan evaluasi yang dilaporkan oleh sumber asli.
Secara keseluruhan, Kimi K2.5 menunjukkan daya saing yang kuat dalam penalaran multimodal, tugas konteks panjang, dan alur kerja bergaya agen, terutama ketika dievaluasi di luar QA bentuk pendek.
Kimi K2.5 vs Model Terdepan Lainnya
| Dimensi | Kimi K2.5 | GPT-5.2 | Gemini 3 Pro |
|---|---|---|---|
| Multimodalitas | Natif (visi + teks) | Modul terintegrasi | Modul terintegrasi |
| Panjang konteks | 256K token | Panjang (batas tepat tidak diungkapkan) | Panjang (<256K tipikal) |
| Orkestrasi agen | Swarm multi-agen | Fokus agen tunggal | Fokus agen tunggal |
| Akses model | Bobot terbuka | Tertutup | Tertutup |
| Penerapan | Lokal / cloud / kustom | Hanya API | Hanya API |
Panduan pemilihan model:
- Pilih Kimi K2.5 untuk penerapan open-weight, riset, penalaran konteks panjang, atau alur kerja agen yang kompleks.
- Pilih GPT-5.2 untuk kecerdasan umum kelas produksi dengan ekosistem alat yang kuat.
- Pilih Gemini 3 Pro untuk integrasi mendalam dengan tumpukan produktivitas dan penelusuran Google.
Kasus Penggunaan Representatif
- Analisis dokumen dan kode skala besar
Memproses seluruh repositori, korpus hukum, atau arsip riset dalam satu jendela konteks. - Alur kerja rekayasa perangkat lunak berbasis visual
Menghasilkan, merapikan, atau melakukan debug kode menggunakan tangkapan layar, desain UI, atau interaksi yang direkam. - Pipa agen otonom
Menjalankan alur kerja end-to-end yang melibatkan perencanaan, pengambilan, panggilan alat, dan sintesis melalui agent swarm. - Otomatisasi pengetahuan perusahaan
Menganalisis dokumen internal, spreadsheet, PDF, dan presentasi untuk menghasilkan laporan dan wawasan terstruktur. - Riset dan kustomisasi model
Fine-tuning, riset penyelarasan, dan eksperimen dimungkinkan oleh bobot model terbuka.
Keterbatasan dan Pertimbangan
- Kebutuhan perangkat keras tinggi: Penerapan presisi penuh memerlukan memori GPU yang besar; penggunaan produksi biasanya mengandalkan kuantisasi (misalnya, INT4).
- Kematangan Agent Swarm: Perilaku multi-agen tingkat lanjut masih berkembang dan mungkin memerlukan desain orkestrasi yang cermat.
- Kompleksitas inferensi: Kinerja optimal bergantung pada mesin inferensi, strategi kuantisasi, dan konfigurasi perutean.
Cara mengakses API Kimi k2.5 melalui CometAPI
Langkah 1: Daftar untuk Kunci API
Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu. Masuk ke CometAPI console. Dapatkan kredensial akses kunci API antarmuka. Klik “Add Token” pada token API di pusat personal, dapatkan kunci token: sk-xxxxx dan kirim.
Langkah 2: Kirim Permintaan ke API Kimi k2.5
Pilih endpoint “kimi-k2.5” untuk mengirim permintaan API dan atur request body. Metode permintaan dan request body diperoleh dari dokumen API di situs kami. Situs kami juga menyediakan uji Apifox untuk kenyamanan Anda. Ganti dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. URL dasar adalah Chat Completions.
Masukkan pertanyaan atau permintaan Anda ke dalam field content—itulah yang akan direspons oleh model. Proses respons API untuk mendapatkan jawaban yang dihasilkan.
Langkah 3: Ambil dan Verifikasi Hasil
Proses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah diproses, API merespons dengan status tugas dan data keluaran.