Spesifikasi teknis Kimi k2.5
| Item | Nilai / catatan |
|---|---|
| Nama model / vendor | Kimi-K2.5 (v1.0) — Moonshot AI (bobot terbuka). |
| Keluarga arsitektur | Model penalaran hibrida Mixture-of-Experts (MoE) (MoE gaya DeepSeek). |
| Parameter (total / aktif) | ≈ 1 triliun parameter total; ~32B aktif per token (384 pakar, 8 dipilih per token menurut laporan). |
| Modalitas (masukan / keluaran) | Masukan: teks, gambar, video (multimodal). Keluaran: terutama teks (jejak penalaran kaya), opsional panggilan alat terstruktur / keluaran multi-langkah. |
| Jendela konteks | 256k token |
| Data pelatihan | Pra-pelatihan berkelanjutan pada ~15 triliun token gabungan visual + teks (menurut vendor). Label pelatihan/komposisi dataset: tidak diungkapkan. |
| Mode | Mode Thinking (mengembalikan jejak penalaran internal; disarankan temp=1.0) dan mode Instant (tanpa jejak penalaran; disarankan temp=0.6). |
| Fitur agen | Agent Swarm / sub‑agen paralel: orkestrator dapat memunculkan hingga 100 sub‑agen dan mengeksekusi banyak panggilan alat (klaim vendor hingga ~1.500 panggilan alat; eksekusi paralel mengurangi waktu proses). |
Apa itu Kimi K2.5?
Kimi K2.5 adalah model bahasa besar andalan berbobot terbuka dari Moonshot AI, yang dirancang sebagai sistem multimodal native dan berorientasi agen, bukan sekadar 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 yang kompleks melibatkan dokumen, gambar, video, alat, dan agen.
Model ini dirancang untuk alur kerja berjangka panjang yang ditingkatkan alat (pengkodean, penelusuran multi-langkah, pemahaman dokumen/video) dan dilengkapi dua mode interaksi (Thinking dan Instant) serta kuantisasi INT4 native untuk inferensi efisien.
Fitur Inti Kimi K2.5
- Penalaran multimodal native
Visi dan bahasa dilatih bersama sejak tahap pra‑pelatihan. Kimi K2.5 dapat bernalar lintas gambar, tangkapan layar, diagram, dan bingkai video tanpa bergantung pada adaptor visi eksternal. - Jendela konteks ultra-panjang (256K token)
Memungkinkan penalaran berkelanjutan atas seluruh basis kode, makalah penelitian panjang, dokumen hukum, atau percakapan berjam‑jam tanpa pemotongan 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. - Beberapa mode inferensi
- Mode Instant untuk respons latensi rendah
- Mode Thinking untuk penalaran bertahap yang mendalam
- Mode Agent / Swarm untuk eksekusi tugas otonom dan orkestrasi
- Kemampuan vision‑to‑code 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. - Penskalaan MoE yang efisien
Arsitektur MoE hanya mengaktifkan sebagian pakar per token, memungkinkan kapasitas triliunan parameter dengan biaya inferensi yang terkelola dibandingkan model padat.
Kinerja Benchmark Kimi K2.5
Hasil benchmark yang dilaporkan secara publik (utama pada pengujian berfokus penalaran):
Benchmark Penalaran & Pengetahuan
| Benchmark | Kimi K2.5 | GPT-5.2 (xhigh) | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| HLE-Full (dengan alat) | 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 dengan * mencerminkan perbedaan dalam pengaturan evaluasi yang dilaporkan oleh sumber asli.
Secara keseluruhan, Kimi K2.5 menunjukkan daya saing yang kuat dalam penalaran multimodal, tugas berkonteks panjang, dan alur kerja bergaya agen, terutama ketika dievaluasi melampaui QA bentuk pendek.
Kimi K2.5 vs Model Terdepan Lainnya
| Dimensi | Kimi K2.5 | GPT-5.2 | Gemini 3 Pro |
|---|---|---|---|
| Multimodalitas | Native (visi + teks) | Modul terintegrasi | Modul terintegrasi |
| Panjang konteks | 256K token | Panjang (batas pasti tidak diungkap) | Panjang (<256K umumnya) |
| Orkestrasi agen | Swarm multi‑agen | Fokus agen tunggal | Fokus agen tunggal |
| Akses model | Bobot terbuka | Proprietari | Proprietari |
| Penerapan | Lokal / cloud / kustom | Hanya API | Hanya API |
Panduan pemilihan model:
- Pilih Kimi K2.5 untuk penerapan bobot terbuka, riset, penalaran berkonteks panjang, atau alur kerja agen 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 pencarian 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, merombak, atau men‑debug kode menggunakan tangkapan layar, desain UI, atau interaksi yang direkam. - Pipa agen otonom
Mengeksekusi alur kerja ujung ke ujung yang melibatkan perencanaan, pengambilan, panggilan alat, dan sintesis melalui agent swarm. - Otomatisasi pengetahuan perusahaan
Menganalisis dokumen internal, spreadsheet, PDF, dan presentasi untuk menghasilkan laporan terstruktur dan wawasan. - Riset dan kustomisasi model
Fine-tuning, riset alignment, dan eksperimen dimungkinkan oleh bobot model yang terbuka.
Batasan dan Pertimbangan
- Kebutuhan perangkat keras tinggi: Penerapan presisi penuh memerlukan memori GPU besar; penggunaan produksi umumnya mengandalkan kuantisasi (mis. 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, harap daftar terlebih dahulu. Masuk ke CometAPI console. Dapatkan kunci API kredensial akses antarmuka. Klik “Add Token” pada token API di pusat pribadi, 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 badan permintaan. Metode permintaan dan badan permintaan diperoleh dari dokumen API di situs web kami. Situs kami juga menyediakan pengujian Apifox untuk kenyamanan Anda. Ganti dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. Base URL adalah Chat Completions.
Masukkan pertanyaan atau permintaan Anda ke bidang content—itulah yang akan direspons 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.