Kimi - K2 - Baseオープンソース言語モデル - 無料でデプロイし、エージェントが強力なアプリケーション能力を実現するのを支援します

ホーム

Kimi K2 Base

moonshotaiによって開発

Kimi K2は、320億のアクティブパラメータと1兆の総パラメータを持つ、高度な混合専門家（MoE）言語モデルで、エージェント機能に最適化されています。

大規模言語モデル

Transformers

オープンソースライセンス:その他 #兆億規模のMoEアーキテクチャ #エージェント最適化 #128K長文脈

ダウンロード数 1,325

リリース時間 : 7/3/2025

モデル概要

Kimi K2は、ツールの使用、推論、自律的な問題解決のために設計された混合専門家言語モデルで、最先端の知識、推論、コーディングタスクで卓越した性能を発揮します。

モデル特徴

大規模トレーニング

15.5兆個のトークンで1兆パラメータのMoEモデルを事前学習し、トレーニング中に不安定性は一切発生しませんでした。

MuonClipオプティマイザ

Muonオプティマイザをこれまでにない規模で適用し、拡張時の不安定性を解消するための新しい最適化技術を開発しました。

エージェントの知能

ツールの使用、推論、自律的な問題解決のために設計され、コーディングと数学のタスクで優れた性能を発揮します。

長文脈サポート

128Kの文脈長をサポートし、長いドキュメントや複雑なタスクの処理に適しています。

モデル能力

テキスト生成

コード生成と補完

数学的推論

ツール使用

自律的な問題解決

多言語サポート

長文処理

使用事例

プログラミング開発

コード補完と生成

開発者がコードを迅速に生成し、補完するのを支援し、開発効率を向上させます。

LiveCodeBench v6でPass@1が53.7に達しました

ソフトウェアエンジニアリングの問題解決

実際のソフトウェアエンジニアリングの問題を解決し、バグ修正や機能実装を含みます。

SWE - benchの検証テストで合格率が65.8%でした

数学とSTEM

数学問題の解決

複雑な数学問題を解決し、競技レベルの数学問題も含みます。

AIME 2024で平均得点が69.6でした

論理的推論

複雑な論理的推論と問題解決を行います。

ZebraLogicで正解率が89.0%でした

汎用インテリジェントアシスタント

知識問答

様々な分野の知識的な質問に答えます。

MMLUでEM得点が89.5でした

ツール使用

ツールの呼び出しを通じて複雑なタスクを完了します。

Tau2 retailでAvg@4が70.6に達しました

🚀 Kimi K2: オープンなエージェント型人工知能

Kimi K2は、最先端の混合専門家（MoE）言語モデルです。大規模なトレーニングと独自の最適化技術により、フロンティア知識、推論、コーディングタスクなどで卓越した性能を発揮し、エージェント型の知的能力に特化して最適化されています。

📰 Tech Blog | 📄 Paper Link (comming soon)

🚀 クイックスタート

Kimi K2についてすぐに始めることができます。以下のセクションで、モデルの概要、評価結果などをご覧いただけます。

✨ 主な機能

大規模トレーニング

15.5Tトークンで1TパラメータのMoEモデルを事前学習し、トレーニングの不安定性をゼロに抑えました。

MuonClipオプティマイザ

Muonオプティマイザを前例のない規模で適用し、拡張時の不安定性を解消するための新しい最適化技術を開発しました。

エージェント型知能

ツールの使用、推論、自律的な問題解決に特化した設計です。

モデルバリアント

Kimi-K2-Base：基礎モデルで、微調整やカスタムソリューションを完全にコントロールしたい研究者や開発者に最適なスタート地点です。
Kimi-K2-Instruct：事後学習されたモデルで、一般的なチャットやエージェント型のエクスペリエンスに最適です。長時間の思考を必要としない即応型のモデルです。

📚 ドキュメント

モデル概要

| 属性 | 详情 | |------|------| | アーキテクチャ | 混合専門家（MoE） | | 総パラメータ数 | 1T | | 活性化パラメータ数 | 32B | | レイヤー数（密レイヤー含む） | 61 | | 密レイヤー数 | 1 | | アテンション隠れ次元 | 7168 | | MoE隠れ次元（エキスパートごと） | 2048 | | アテンションヘッド数 | 64 | | エキスパート数 | 384 | | トークンごとの選択エキスパート数 | 8 | | 共有エキスパート数 | 1 | | 語彙サイズ | 160K | | コンテキスト長 | 128K | | アテンションメカニズム | MLA | | 活性化関数 | SwiGLU |

評価結果

命令モデルの評価結果

ベンチマーク	指標	^{Kimi K2 Instruct}	^{DeepSeek-V3-0324}	^{Qwen3-235B-A22B ^{(non-thinking)}}	^{Claude Sonnet 4 ^{(w/o extended thinking)}}	^{Claude Opus 4 ^{(w/o extended thinking)}}	^GPT-4.1	^{Gemini 2.5 Flash Preview (05-20)}
コーディングタスク
LiveCodeBench v6 ^{(Aug 24 - May 25)}	Pass@1	53.7	46.9	37.0	48.5	47.4	44.7	44.7
OJBench	Pass@1	27.1	24.0	11.3	15.3	19.6	19.5	19.5
MultiPL-E	Pass@1	85.7	83.1	78.2	88.6	89.6	86.7	85.6
SWE-bench Verified ^{(Agentless Coding)}	Single Patch w/o Test (Acc)	51.8	36.6	39.4	50.2	53.0	40.8	32.6
SWE-bench Verified ^{(Agentic Coding)}	Single Attempt (Acc)	65.8	38.8	34.4	72.7^*	72.5^*	54.6	—
SWE-bench Verified ^{(Agentic Coding)}	Multiple Attempts (Acc)	71.6	—	—	80.2	79.4^*	—	—
SWE-bench Multilingual ^{(Agentic Coding)}	Single Attempt (Acc)	47.3	25.8	20.9	51.0	—	31.5	—
TerminalBench	Inhouse Framework (Acc)	30.0	—	—	35.5	43.2	8.3	—
TerminalBench	Terminus (Acc)	25.0	16.3	6.6	—	—	30.3	16.8
Aider-Polyglot	Acc	60.0	55.1	61.8	56.4	70.7	52.4	44.0
ツール使用タスク
Tau2 retail	Avg@4	70.6	69.1	57.0	75.0	81.8	74.8	64.3
Tau2 airline	Avg@4	56.5	39.0	26.5	55.5	60.0	54.5	42.5
Tau2 telecom	Avg@4	65.8	32.5	22.1	45.2	57.0	38.6	16.9
AceBench	Acc	76.5	72.7	70.5	76.2	75.6	80.1	74.5
数学とSTEMタスク
AIME 2024	Avg@64	69.6	59.4^*	40.1^*	43.4	48.2	46.5	61.3
AIME 2025	Avg@64	49.5	46.7	24.7^*	33.1^*	33.9^*	37.0	46.6
MATH-500	Acc	97.4	94.0^*	91.2^*	94.0	94.4	92.4	95.4
HMMT 2025	Avg@32	38.8	27.5	11.9	15.9	15.9	19.4	34.7
CNMO 2024	Avg@16	74.3	74.7	48.6	60.4	57.6	56.6	75.0
PolyMath-en	Avg@4	65.1	59.5	51.9	52.8	49.8	54.0	49.9
ZebraLogic	Acc	89.0	84.0	37.7^*	73.7	59.3	58.5	57.9
AutoLogi	Acc	89.5	88.9	83.3	89.8	86.1	88.2	84.1
GPQA-Diamond	Avg@8	75.1	68.4^*	62.9^*	70.0^*	74.9^*	66.3	68.2
SuperGPQA	Acc	57.2	53.7	50.2	55.7	56.5	50.8	49.6
Humanity's Last Exam ^{(Text Only)}	-	4.7	5.2	5.7	5.8	7.1	3.7	5.6
一般タスク
MMLU	EM	89.5	89.4	87.0	91.5	92.9	90.4	90.1
MMLU-Redux	EM	92.7	90.5	89.2	93.6	94.2	92.4	90.6
MMLU-Pro	EM	81.1	81.2^*	77.3	83.7	86.6	81.8	79.4
IFEval	Prompt Strict	89.8	81.1	83.2^*	87.6	87.4	88.0	84.3
Multi-Challenge	Acc	54.1	31.4	34.0	46.8	49.0	36.4	39.5
SimpleQA	Correct	31.0	27.7	13.2	15.9	22.8	42.3	23.3
Livebench	Pass@1	76.4	72.4	67.6	74.8	74.6	69.8	67.8

^{• 太字はグローバルなSOTAを示し、下線付きはオープンソースのSOTAを示します。}
^{• * でマークされたデータポイントは、モデルの技術レポートまたはブログから直接取得されています。}
^{• SWE-bench Verified (Agentless) を除くすべての指標は、8k出力トークン長で評価されています。SWE-bench Verified (Agentless) は16k出力トークン長に制限されています。}
^{• Kimi K2は、bash/エディタツールを使用したSWE-bench Verifiedテストで（単一試行パッチ、テスト時の計算なし）65.8%のPass@1を達成しています。同じ条件下でのSWE-bench Multilingualテストでも47.3%のPass@1を達成しています。さらに、内部スコアリングモデルを使用して複数のシーケンスをサンプリングし、単一の最良解を選択することで、並列テスト時の計算を活用したSWE-bench Verifiedテストで71.6%の結果を報告しています。}
^{• 評価の安定性を確保するため、AIME、HMMT、CNMO、PolyMath-en、GPQA-Diamond、EvalPlus、Tau2ではavg@kを採用しています。}
^{• 評価コストが高すぎるため、一部のデータポイントは省略されています。}

ベースモデルの評価結果

ベンチマーク	指標	ショット数	Kimi K2 Base	Deepseek-V3-Base	Qwen2.5-72B	Llama 4 Maverick
一般タスク
MMLU	EM	5-shot	87.8	87.1	86.1	84.9
MMLU-pro	EM	5-shot	69.2	60.6	62.8	63.5
MMLU-redux-2.0	EM	5-shot	90.2	89.5	87.8	88.2
SimpleQA	Correct	5-shot	35.3	26.5	10.3	23.7
TriviaQA	EM	5-shot	85.1	84.1	76.0	79.3
GPQA-Diamond	Avg@8	5-shot	48.1	50.5	40.8	49.4
SuperGPQA	EM	5-shot	44.7	39.2	34.2	38.8
コーディングタスク
LiveCodeBench v6	Pass@1	1-shot	26.3	22.9	21.1	25.1
EvalPlus	Pass@1	-	80.3	65.6	66.0	65.5
数学タスク
MATH	EM	4-shot	70.2	60.1	61.0	63.0
GSM8k	EM	8-shot	92.1	91.7	90.4	86.3
中国語タスク
C-Eval	EM	5-shot	92.5	90.0	90.9	80.9
CSimpleQA