ข้อกำหนดทางเทคนิคของ Kimi k2.5
| รายการ | ค่า / หมายเหตุ |
|---|---|
| ชื่อโมเดล / ผู้ให้บริการ | Kimi-K2.5 (v1.0) — Moonshot AI (open-weights). |
| ตระกูลสถาปัตยกรรม | โมเดลให้เหตุผลแบบไฮบริด Mixture-of-Experts (MoE) (MoE สไตล์ DeepSeek). |
| พารามิเตอร์ (ทั้งหมด / ที่ใช้งาน) | ≈ 1 ล้านล้านพารามิเตอร์ทั้งหมด; ~32B ที่ใช้งานต่อโทเค็น (ผู้เชี่ยวชาญ 384 คน เลือกใช้งาน 8 ต่อโทเค็นตามรายงาน). |
| โมดาลิตี (อินพุต / เอาต์พุต) | อินพุต: ข้อความ รูปภาพ วิดีโอ (มัลติโมดัล). เอาต์พุต: เป็นข้อความเป็นหลัก (มีร่องรอยการให้เหตุผลที่ละเอียด) และอาจเป็นการเรียกใช้เครื่องมือแบบมีโครงสร้าง / เอาต์พุตหลายขั้นตอน. |
| หน้าต่างบริบท | 256k โทเค็น |
| ข้อมูลการฝึก | การพรีเทรนต่อเนื่องบน ~15 ล้านล้านโทเค็นแบบผสมภาพ+ข้อความ (ตามที่ผู้ให้บริการรายงาน). ป้ายกำกับการฝึก/องค์ประกอบชุดข้อมูล: ไม่เปิดเผย. |
| โหมด | โหมด Thinking (ส่งคืนร่องรอยการให้เหตุผลภายใน; แนะนำ temp=1.0) และโหมด Instant (ไม่มีร่องรอยการให้เหตุผล; แนะนำ temp=0.6). |
| ความสามารถของเอเจนต์ | Agent Swarm / ซับเอเจนต์แบบขนาน: ออร์เคสเตรเตอร์สามารถสร้างซับเอเจนต์ได้สูงสุด 100 ตัว และดำเนินการเรียกใช้เครื่องมือจำนวนมาก (ผู้ให้บริการอ้างว่าสูงสุด ~1,500 ครั้ง; การทำงานแบบขนานช่วยลดเวลาในการประมวลผล). |
Kimi K2.5 คืออะไร?
Kimi K2.5 เป็นโมเดลภาษาขนาดใหญ่แบบ open-weight รุ่นธงของ Moonshot AI ที่ออกแบบเป็นระบบมัลติโหมดและเน้นเอเจนต์โดยกำเนิด ไม่ใช่ LLM แบบข้อความล้วนที่ต่อเติมภายหลัง โดยผสานการให้เหตุผลด้วยภาษา ความเข้าใจด้านวิชัน และการประมวลผลบริบทยาวไว้ในสถาปัตยกรรมเดียว ทำให้สามารถทำงานหลายขั้นตอนที่ซับซ้อนซึ่งเกี่ยวข้องกับเอกสาร รูปภาพ วิดีโอ เครื่องมือ และเอเจนต์ได้
ถูกออกแบบมาสำหรับเวิร์กโฟลว์ระยะยาวที่เสริมด้วยเครื่องมือ (การเขียนโค้ด การค้นหาแบบหลายขั้น การทำความเข้าใจเอกสาร/วิดีโอ) และมาพร้อมโหมดปฏิสัมพันธ์สองแบบ (Thinking และ Instant) และการควอนไทซ์แบบ INT4 โดยกำเนิดเพื่อการอนุมานที่มีประสิทธิภาพ
คุณสมบัติหลักของ Kimi K2.5
- การให้เหตุผลแบบมัลติโหมดโดยกำเนิด
วิชันและภาษาได้รับการฝึกร่วมกันตั้งแต่ช่วงพรีเทรน Kimi K2.5 สามารถให้เหตุผลข้ามภาพ สกรีนช็อต ไดอะแกรม และเฟรมวิดีโอ โดยไม่ต้องพึ่งพาอะแดปเตอร์วิชันภายนอก - หน้าต่างบริบทยาวเป็นพิเศษ (256K โทเค็น)
รองรับการให้เหตุผลต่อเนื่องกับทั้งโค้ดเบส งานวิจัยฉบับยาว เอกสารกฎหมาย หรือการสนทนายาวหลายชั่วโมงโดยไม่ต้องตัดบริบท - โมเดลการทำงานแบบ Agent Swarm
รองรับการสร้างและประสานงานซับเอเจนต์เฉพาะทางได้แบบไดนามิกสูงสุด ~100 ตัว ช่วยให้วางแผนแบบขนาน ใช้เครื่องมือ และแยกย่อยงานสำหรับเวิร์กโฟลว์ที่ซับซ้อนได้ - โหมดการอนุมานหลายแบบ
- โหมด Instant สำหรับการตอบสนองหน่วงต่ำ
- โหมด Thinking สำหรับการให้เหตุผลหลายขั้นอย่างลึกซึ้ง
- โหมด Agent / Swarm สำหรับการทำงานอัตโนมัติและออร์เคสเตรชัน
- ความสามารถในการแปลงจากภาพเป็นโค้ดที่โดดเด่น
สามารถแปลง UI mockup สกรีนช็อต หรือเดโมวิดีโอเป็นโค้ดฝั่งหน้าบ้านที่ใช้งานได้จริง และดีบักซอฟต์แวร์โดยใช้บริบทจากภาพ - การสเกล MoE อย่างมีประสิทธิภาพ
สถาปัตยกรรม MoE จะเปิดใช้งานเฉพาะบางส่วนของผู้เชี่ยวชาญต่อโทเค็น ทำให้ได้ความจุระดับล้านล้านพารามิเตอร์ด้วยต้นทุนอนุมานที่จัดการได้เมื่อเทียบกับโมเดลแบบหนาแน่น
ประสิทธิภาพ Benchmark ของ Kimi K2.5
ผลลัพธ์ benchmark ที่รายงานสาธารณะ (โดยหลักในบริบทที่เน้นการให้เหตุผล):
Benchmark ด้านการให้เหตุผลและความรู้
| 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 ด้านวิชันและวิดีโอ
| 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 |
คะแนนที่มีเครื่องหมาย * สะท้อนความแตกต่างของการตั้งค่าการประเมินตามที่แหล่งต้นฉบับรายงาน
โดยรวมแล้ว Kimi K2.5 แสดงให้เห็นถึงความสามารถในการแข่งขันที่แข็งแกร่งในด้านการให้เหตุผลแบบมัลติโหมด งานบริบทยาว และเวิร์กโฟลว์สไตล์เอเจนต์ โดยเฉพาะอย่างยิ่งเมื่อประเมินเกินกว่าการถามตอบแบบสั้น
Kimi K2.5 เทียบกับโมเดลชั้นแนวหน้าอื่น
| มิติ | Kimi K2.5 | GPT-5.2 | Gemini 3 Pro |
|---|---|---|---|
| มัลติโมดาลิตี | โดยกำเนิด (วิชัน + ข้อความ) | โมดูลที่บูรณาการ | โมดูลที่บูรณาการ |
| ความยาวบริบท | 256K tokens | ยาว (ขีดจำกัดที่แน่นอนไม่เปิดเผย) | ยาว (<256K โดยทั่วไป) |
| การออร์เคสเตรตเอเจนต์ | กลุ่มเอเจนต์หลายตัว | เน้นเอเจนต์เดี่ยว | เน้นเอเจนต์เดี่ยว |
| การเข้าถึงโมเดล | Open weights | เชิงกรรมสิทธิ์ | เชิงกรรมสิทธิ์ |
| การปรับใช้ | ในเครื่อง / คลาวด์ / กำหนดเอง | เฉพาะ API | เฉพาะ API |
แนวทางการเลือกโมเดล:
- เลือกใช้ Kimi K2.5 เมื่อเน้นการปรับใช้น้ำหนักเปิด งานวิจัย การให้เหตุผลบริบทยาว หรือเวิร์กโฟลว์เอเจนต์ที่ซับซ้อน
- เลือกใช้ GPT-5.2 สำหรับความอัจฉริยะทั่วไปในระดับโปรดักชันพร้อมระบบนิเวศเครื่องมือที่แข็งแกร่ง
- เลือกใช้ Gemini 3 Pro เพื่อการบูรณาการเชิงลึกกับชุดผลิตภาพและสแต็กการค้นหาของ Google
ตัวอย่างกรณีใช้งาน
- การวิเคราะห์เอกสารและโค้ดขนาดใหญ่
ประมวลผลทั้งรีโพซิทอรี ชุดเอกสารกฎหมาย หรือคลังงานวิจัยภายในหน้าต่างบริบทเดียว - เวิร์กโฟลว์วิศวกรรมซอฟต์แวร์เชิงภาพ
สร้าง รีแฟกเตอร์ หรือดีบักโค้ดโดยใช้สกรีนช็อต การออกแบบ UI หรือการบันทึกการโต้ตอบ - ไปป์ไลน์เอเจนต์อัตโนมัติ
ดำเนินเวิร์กโฟลว์ตั้งแต่ต้นจนจบที่เกี่ยวข้องกับการวางแผน การเรียกคืนข้อมูล การเรียกใช้เครื่องมือ และการสังเคราะห์ ผ่านกลุ่มเอเจนต์ - ระบบอัตโนมัติด้านความรู้ในองค์กร
วิเคราะห์เอกสารภายใน สเปรดชีต PDF และงานนำเสนอ เพื่อสร้างรายงานและอินไซต์ที่มีโครงสร้าง - งานวิจัยและการปรับแต่งโมเดล
รองรับการไฟน์จูน งานวิจัยด้านการจัดแนว และการทดลอง โดยเปิดให้น้ำหนักโมเดลพร้อมใช้งาน
ข้อจำกัดและข้อควรพิจารณา
- ต้องการฮาร์ดแวร์สูง: การปรับใช้แบบความแม่นยำเต็มต้องใช้หน่วยความจำ GPU จำนวนมาก; การใช้งานโปรดักชันมักพึ่งการควอนไทซ์ (เช่น INT4)
- ความสมบูรณ์ของ Agent Swarm: พฤติกรรมหลายเอเจนต์ขั้นสูงยังอยู่ระหว่างพัฒนาและอาจต้องออกแบบออร์เคสเตรชันอย่างรอบคอบ
- ความซับซ้อนของการอนุมาน: ประสิทธิภาพที่เหมาะสมขึ้นกับเอนจินอนุมาน กลยุทธ์การควอนไทซ์ และการตั้งค่าเส้นทาง (routing)
วิธีเข้าถึง API ของ Kimi k2.5 ผ่าน CometAPI
ขั้นตอนที่ 1: สมัครรับ API Key
เข้าสู่ระบบที่ cometapi.com หากยังไม่เป็นผู้ใช้ โปรดลงทะเบียนก่อน ลงชื่อเข้าใช้ CometAPI console รับ API key สำหรับการเข้าถึงอินเทอร์เฟซ คลิก “Add Token” ที่ API token ในศูนย์ส่วนบุคคล รับ token key: sk-xxxxx และส่ง
ขั้นตอนที่ 2: ส่งคำขอไปยัง Kimi k2.5 API
เลือกปลายทาง “kimi-k2.5” เพื่อส่งคำขอ API และกำหนด request body วิธีการร้องขอและเนื้อหาคำขอสามารถดูได้จากเอกสาร API บนเว็บไซต์ของเรา เว็บไซต์ยังมีการทดสอบผ่าน Apifox เพื่อความสะดวก แทนที่ด้วย CometAPI key จริงจากบัญชีของคุณ base url คือ Chat Completions
ใส่คำถามหรือคำขอของคุณลงในฟิลด์ content — นี่คือสิ่งที่โมเดลจะตอบกลับ ประมวลผลการตอบสนองของ API เพื่อรับคำตอบที่สร้างขึ้น
ขั้นตอนที่ 3: ดึงและตรวจสอบผลลัพธ์
ประมวลผลการตอบสนองของ API เพื่อรับคำตอบที่สร้างขึ้น หลังการประมวลผล API จะตอบกลับด้วยสถานะงานและข้อมูลผลลัพธ์