Home/Models/Moonshot AI/Kimi K2.5
M

Kimi K2.5

輸入:$0.48/M
輸出:$2.4/M
Kimi K2.5 是 Kimi 迄今最智能的模型，在 Agent、代码、视觉理解以及一系列通用智能任务上实现了开源 SoTA 性能。Kimi K2.5 也是 Kimi 迄今功能最全面的模型，采用原生多模态架构，支持视觉与文本输入、思考与非思考模式，以及对话与 Agent 任务。
新
商用
Playground
概览
功能亮点
定价
API

Kimi k2.5 的技术规范

ItemValue / notes
Model name / vendorKimi-K2.5 (v1.0) — Moonshot AI (开放权重，open-weights)。
Architecture family专家混合（Mixture-of-Experts, MoE）混合推理模型（DeepSeek 风格 MoE）。
Parameters (total / active)≈ 1 万亿总参数；每个 token 激活约 ~32B（据报共有 384 个专家，每个 token 选择 8 个）。
Modalities (input / output)输入：文本、图像、视频（多模态）。输出：以文本为主（丰富的推理轨迹），可选结构化工具调用/多步输出。
Context window256k tokens
Training data持续预训练于约 15 万亿混合视觉+文本 tokens（厂商报告）。训练标签/数据集构成：未披露。
ModesThinking 模式（返回内部推理轨迹；建议 temp=1.0）与 Instant 模式（无推理轨迹；建议 temp=0.6）。
Agent featuresAgent Swarm/并行子代理：编排器可生成最多 100 个子代理并执行大量工具调用（厂商称最多约 ~1,500 次工具调用；并行执行可降低运行时间）。

什么是 Kimi K2.5？

Kimi K2.5 是 Moonshot AI 的开放权重旗舰大语言模型，被设计为一个原生多模态、面向代理的系统，而非在纯文本 LLM 上叠加外部组件。它将语言推理、视觉理解与长上下文处理整合于单一架构中，能够处理涉及文档、图像、视频、工具与代理的复杂多步任务。

它面向长时程、工具增强的工作流（编码、多步检索、文档/视频理解），并提供两种交互模式（Thinking 与 Instant），同时原生支持 INT4 量化以提升推理效率。

Kimi K2.5 的核心特性

  1. 原生多模态推理
    自预训练起即联合训练视觉与语言。Kimi K2.5 可在不依赖外部视觉适配器的情况下，跨图像、截图、图表与视频帧进行推理。
  2. 超长上下文窗口（256K tokens）
    可对完整代码库、长篇论文、法律文档或数小时的扩展对话进行持续推理，无需截断上下文。
  3. Agent Swarm 执行模型
    支持动态创建与协调多达约 100 个专业化子代理，实现并行规划、工具使用与任务分解，适配复杂工作流。
  4. 多种推理模式
    • Instant 模式：低延迟响应
    • Thinking 模式：深度多步推理
    • Agent/Swarm 模式：自主任务执行与编排
  5. 强大的视觉到代码能力
    能将 UI 原型、截图或视频演示转换为可运行的前端代码，并结合视觉上下文进行软件调试。
  6. 高效的 MoE 扩展
    MoE 架构按 token 激活部分专家，使万亿规模容量在推理成本上相较稠密模型更可控。

Kimi K2.5 的基准表现

公开报告的基准结果（以推理为主的场景）：

推理与知识基准

BenchmarkKimi K2.5GPT-5.2 (xhigh)Claude Opus 4.5Gemini 3 Pro
HLE-Full (with tools)50.245.543.245.8
AIME 202596.110092.895.0
GPQA-Diamond87.692.487.091.9
IMO-AnswerBench81.886.378.583.1

视觉与视频基准

BenchmarkKimi K2.5GPT-5.2Claude Opus 4.5Gemini 3 Pro
MMMU-Pro78.579.5*74.081.0
MathVista (Mini)90.182.8*80.2*89.8*
VideoMMMU87.486.0—88.4

带 * 的分数反映了原始来源报告的评估设置差异。

总体而言，Kimi K2.5 在多模态推理、长上下文任务与面向代理的工作流中展现出强劲竞争力，尤其是在超越短问答形式的评估中表现突出。

Kimi K2.5 与其他前沿模型对比

DimensionKimi K2.5GPT-5.2Gemini 3 Pro
Multimodality原生（视觉 + 文本）集成模块集成模块
Context length256K tokens长（具体上限未披露）长（<256K 典型）
Agent orchestration多代理群（Swarm）单代理为主单代理为主
Model access开放权重专有专有
Deployment本地/云/自定义仅 API仅 API

模型选择建议：

  • 选择 Kimi K2.5：当需要开放权重部署、研究、长上下文推理或复杂代理工作流时。
  • 选择 GPT-5.2：当需要面向生产的通用智能与成熟工具生态时。
  • 选择 Gemini 3 Pro：当需要与 Google 的生产力与搜索体系深度集成时。

典型用例

  1. 大规模文档与代码分析
    在单个上下文窗口中处理完整仓库、法律语料或研究档案。
  2. 视觉驱动的软件工程工作流
    基于截图、UI 设计或录屏生成、重构或调试代码。
  3. 自主代理流水线
    通过代理群进行规划、检索、工具调用与综述，执行端到端工作流。
  4. 企业知识自动化
    分析内部文档、表格、PDF 与演示文稿，生成结构化报告与洞见。
  5. 研究与模型定制
    借助开放权重开展微调、对齐研究与实验。

局限与注意事项

  • 硬件需求高：全精度部署需要大量 GPU 显存；生产环境通常采用量化（如 INT4）。
  • Agent Swarm 成熟度：高级多代理行为仍在演进中，可能需要精心设计编排方案。
  • 推理复杂度：最佳性能依赖推理引擎、量化策略与路由配置。

如何通过 CometAPI 访问 Kimi k2.5 API

步骤 1：注册获取 API Key

登录 cometapi.com。如果您还不是我们的用户，请先注册。进入 CometAPI 控制台。获取接口的访问凭证 API key。在个人中心的 API token 处点击“Add Token”，获得 token key：sk-xxxxx 并提交。

cometapi-key

步骤 2：向 Kimi k2.5 API 发送请求

选择 “kimi-k2.5” 端点发送 API 请求并设置请求体。请求方法与请求体可从我们网站的 API 文档获取。我们的网站也提供 Apifox 测试以便使用。将您账户中的实际 CometAPI key 替换到请求中。基础 URL 为 Chat Completions。

将您的问题或请求填入 content 字段——模型将对该字段作出响应。处理 API 响应以获取生成的答案。

步骤 3：获取并验证结果

处理 API 响应以获得生成的答案。处理完成后，API 会返回任务状态与输出数据。

常见问题

How many parameters does Kimi K2.5 have, and what architecture does it use?

Kimi K2.5 采用 Mixture-of-Experts（MoE）架构，总参数量约为 ~1 trillion 个参数，其中在推理时每个 token 激活约 32 billion 个参数。 :contentReference[oaicite:1]{index=1}

What types of input can Kimi K2.5 handle?

Kimi K2.5 是原生多模态模型，可在无需附加模块的情况下处理语言与视觉输入（图像和视频），使用其内置的 MoonViT 视觉编码器。 :contentReference[oaicite:2]{index=2}

What is the context window size of Kimi K2.5 and why does it matter?

Kimi K2.5 支持最多 256,000 tokens 的扩展上下文窗口，使其能够在大型文档、庞大代码库或长对话中保持上下文。 :contentReference[oaicite:3]{index=3}

What are the main modes of operation in Kimi K2.5?

该模型支持多种模式，包括 Instant（快速响应）、Thinking（深度推理）以及 Agent/Agent Swarm 模式，用于编排复杂的多步骤任务。 :contentReference[oaicite:4]{index=4}

How does the Agent Swarm feature enhance performance?

Agent Swarm 使 Kimi K2.5 能够动态生成并协同最多 ~100 个专门的子代理并行处理复杂目标，从而减少多步骤工作流的端到端运行时间。 :contentReference[oaicite:5]{index=5}

Is Kimi K2.5 suitable for coding tasks involving visual specifications?

是的 — Kimi K2.5 能够根据 UI 原型或截图等视觉输入生成或调试代码，因为其视觉与语言推理在核心层面实现了集成。 :contentReference[oaicite:6]{index=6}

What are practical limitations to consider with Kimi K2.5?

由于其规模（1T 参数），完整权重的本地部署需要大量硬件（数百 GBs 的 RAM/VRAM），且其最先进的功能（如 Agent Swarm）可能处于实验或测试阶段。 :contentReference[oaicite:7]{index=7}

Kimi K2.5 的功能

了解 Kimi K2.5 的核心能力，帮助提升性能与可用性，并改善整体体验。

Kimi K2.5 的定价

查看 Kimi K2.5 的竞争性定价，满足不同预算与使用需求，灵活方案确保随需求扩展。
Comet 价格 (USD / M Tokens)官方定价 (USD / M Tokens)
輸入:$0.48/M
輸出:$2.4/M
輸入:$0.6/M
輸出:$3/M

Kimi K2.5 的示例代码与 API

获取完整示例代码与 API 资源，简化 Kimi K2.5 的集成流程，我们提供逐步指导，助你发挥模型潜能。
Python
JavaScript
Curl
from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="kimi-k2.5",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"},
    ],
)

print(completion.choices[0].message.content)

更多模型