オープンソースのKimi K2言語モデル - 超強力なエージェント能力で多様なタスクにインテリジェントなサポートを提供

ホーム

Moonshotai.kimi K2 Instruct BF16

DevQuasar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、高度なハイブリッドエキスパート（MoE）言語モデルで、エージェント能力に対して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 #ハイブリッドエキスパートモデル #128K長コンテキスト #エージェントインテリジェンス最適化

ダウンロード数 110

リリース時間 : 7/11/2025

モデル概要

Kimi K2は、ツール使用、推論、および自律的な問題解決のために設計されたハイブリッドエキスパート言語モデルで、最先端の知識、推論、および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

15.5Tトークンで1TパラメータのMoEモデルを事前学習し、トレーニング過程で不安定性は一切発生しませんでした。

MuonClipオプティマイザー

Muonオプティマイザーをこれまでにない規模で適用し、拡張過程での不安定性問題を解決するための新しい最適化技術を開発しました。

エージェントインテリジェンス

ツール使用、推論、および自律的な問題解決のために特別に設計されています。

長コンテキストサポート

128Kのコンテキスト長をサポートします。

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

マルチラウンド対話

複雑な問題解決

使用事例

プログラミング開発

コード生成

自然言語の説明に基づいて高品質のコードを生成します。

LiveCodeBench v6でPass@1が53.7に達しました。

コード修正

コード内のエラーを自動的に修正します。

SWE - bench Verified (Agentless Coding)で51.8%の正解率を達成しました。

数学とSTEM

数学問題解決

複雑な数学問題を解決します。

MATH - 500で97.4%の正解率を達成しました。

論理的推論

複雑な論理問題を解決します。

ZebraLogicで89.0%の正解率を達成しました。

汎用AIアシスタント

知識問答

様々な分野の知識性の質問に答えます。

MMLUでEMが89.5に達しました。

ツール使用

外部ツールを使用して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。320億の活性化パラメータと1兆の総パラメータを持ち、幅広いタスクで卓越した性能を発揮します。特にエージェント機能に最適化されており、ツールの使用、推論、自律的な問題解決に適しています。

📰 Tech Blog | 📄 Paper Link (comming soon)

✨ 主な機能

大規模トレーニング

15.5兆トークンで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。

エージェント型人工知能

ツールの使用、推論、自律的な問題解決に特化して設計されています。

モデルバリアント

Kimi-K2-Base：基礎モデルで、ファインチューニング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です。
Kimi-K2-Instruct：事後学習モデルで、即座に使用できる汎用的なチャットやエージェント体験に最適です。長時間の思考を必要としないリフレックスグレードのモデルです。

📚 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 | 1兆 | | 活性化パラメータ数 | 320億 | | レイヤー数 (全結合層を含む) | 61 | | 全結合層の数 | 1 | | アテンション隠れ次元 | 7168 | | MoE隠れ次元 (専門家ごと) | 2048 | | アテンションヘッドの数 | 64 | | 専門家の数 | 384 | | トークンごとに選択される専門家数 | 8 | | 共有専門家の数 | 1 | | 語彙サイズ | 16万 | | コンテキスト長 | 12.8万 | | アテンションメカニズム | MLA | | 活性化関数 | SwiGLU |

評価結果

命令型モデルの評価結果

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の出力トークン長で評価されています。SWE-bench Verified (Agentless) は16kの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65.8%のPass@1を達成しています（単一試行のパッチ、テスト時の計算なし）。同じ条件下で、SWE-bench Multilingualテストで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。}

基礎モデルの評価結果

ベンチマーク	指標	ショット	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	Correct	5-shot	77.6