Kimi-K2-Base開源語言模型 - 免費部署助力智能體實現強大應用能力

首頁

Kimi K2 Base

由moonshotai開發

Kimi K2 是一款先進的混合專家（MoE）語言模型，擁有 320 億激活參數和 1 萬億總參數，針對智能體能力進行了優化。

大型語言模型

Transformers

開源協議:其他 #萬億級MoE架構 #智能體優化 #128K長上下文

下載量 1,325

發布時間 : 7/3/2025

模型概述

Kimi K2 是一款專為工具使用、推理和自主問題解決設計的混合專家語言模型，在前沿知識、推理和編碼任務中表現卓越。

模型特點

大規模訓練

在 15.5 萬億個標記上預訓練了 1 萬億參數的 MoE 模型，訓練過程零不穩定。

MuonClip 優化器

將 Muon 優化器應用於前所未有的規模，並開發了新的優化技術以解決擴展過程中的不穩定性。

智能體智能

專為工具使用、推理和自主問題解決而設計，在編碼和數學任務中表現優異。

長上下文支持

支持 128K 的上下文長度，適合處理長文檔和複雜任務。

模型能力

文本生成

代碼生成與補全

數學推理

工具使用

自主問題解決

多語言支持

長文本處理

使用案例

編程開發

代碼補全與生成

幫助開發者快速生成和補全代碼，提高開發效率。

在 LiveCodeBench v6 上 Pass@1 達到 53.7

軟件工程問題解決

解決實際的軟件工程問題，包括 bug 修復和功能實現。

在 SWE-bench 驗證測試中通過率 65.8%

數學與 STEM

數學問題求解

解決複雜的數學問題，包括競賽級數學題。

在 AIME 2024 上平均得分 69.6

邏輯推理

進行復雜的邏輯推理和問題解決。

在 ZebraLogic 上準確率 89.0%

通用智能助手

知識問答

回答各種領域的知識性問題。

在 MMLU 上 EM 得分 89.5

工具使用

通過工具調用完成複雜任務。

在 Tau2 retail 上 Avg@4 達到 70.6

🚀 Kimi K2：開放智能體語言模型

Kimi K2 是一款先進的混合專家（MoE）語言模型，擁有 320 億激活參數和 1 萬億總參數。它在前沿知識、推理和編碼任務中表現卓越，尤其針對智能體能力進行了精心優化。

🚀 快速開始

你可以通過以下鏈接快速瞭解和使用 Kimi K2：

✨ 主要特性

大規模訓練：在 15.5 萬億個標記上預訓練了 1 萬億參數的 MoE 模型，且訓練過程零不穩定。
MuonClip 優化器：將 Muon 優化器應用於前所未有的規模，並開發了新的優化技術以解決擴展過程中的不穩定性。
智能體智能：專為工具使用、推理和自主問題解決而設計。

📦 模型變體

Kimi-K2-Base：基礎模型，為希望完全控制微調過程和定製解決方案的研究人員和開發者提供了強大的起點。
Kimi-K2-Instruct：經過後續訓練的模型，最適合直接使用的通用聊天和智能體體驗，是一種無需長時間思考的反射級模型。

📚 詳細文檔

模型概述

屬性	詳情
模型架構	混合專家（MoE）
總參數數量	1 萬億
激活參數數量	320 億
層數（包括密集層）	61
密集層數量	1
注意力隱藏維度	7168
MoE 隱藏維度（每個專家）	2048
注意力頭數量	64
專家數量	384
每個標記選擇的專家數量	8
共享專家數量	1
詞彙表大小	160K
上下文長度	128K
注意力機制	MLA
激活函數	SwiGLU

評估結果

指令模型評估結果

基準測試	指標	Kimi K2 Instruct	DeepSeek-V3-0324	Qwen3-235B-A22B (非思考模式)	Claude Sonnet 4 (無擴展思考)	Claude Opus 4 (無擴展思考)	GPT-4.1	Gemini 2.5 Flash 預覽版 (05 - 20)
編碼任務
LiveCodeBench v6 (2024 年 8 月 - 2025 年 5 月)	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 驗證 (無智能體編碼)	單補丁無測試 (準確率)	51.8	36.6	39.4	50.2	53.0	40.8	32.6
SWE - bench 驗證 (智能體編碼)	單次嘗試 (準確率)	65.8	38.8	34.4	72.7^*	72.5^*	54.6	—
SWE - bench 驗證 (智能體編碼)	多次嘗試 (準確率)	71.6	—	—	80.2	79.4^*	—	—
SWE - bench 多語言 (智能體編碼)	單次嘗試 (準確率)	47.3	25.8	20.9	51.0	—	31.5	—
TerminalBench	內部框架 (準確率)	30.0	—	—	35.5	43.2	8.3	—
TerminalBench	Terminus (準確率)	25.0	16.3	6.6	—	—	30.3	16.8
Aider - Polyglot	準確率	60.0	55.1	61.8	56.4	70.7	52.4	44.0
工具使用任務
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	準確率	76.5	72.7	70.5	76.2	75.6	80.1	74.5
數學與 STEM 任務
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	準確率	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	準確率	89.0	84.0	37.7^*	73.7	59.3	58.5	57.9
AutoLogi	準確率	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	準確率	57.2	53.7	50.2	55.7	56.5	50.8	49.6
Humanity's Last Exam (僅文本)	-	4.7	5.2	5.7	5.8	7.1	3.7	5.6
通用任務
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	嚴格提示	89.8	81.1	83.2^*	87.6	87.4	88.0	84.3
Multi - Challenge	準確率	54.1	31.4	34.0	46.8	49.0	36.4	39.5
SimpleQA	正確	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

^{• 加粗表示全球最優，下劃線表示開源最優。}
^{• 標記為 * 的數據點直接取自模型的技術報告或博客。}
^{• 除 SWE - bench 驗證（無智能體）外，所有指標均在 8k 輸出標記長度下評估。SWE - bench 驗證（無智能體）限制為 16k 輸出標記長度。}
^{• Kimi K2 在使用 bash/編輯器工具的 SWE - bench 驗證測試中，單次嘗試補丁（無測試時計算）的通過率達到 65.8%。在相同條件下，SWE - bench 多語言測試的通過率為 47.3%。此外，我們還報告了利用並行測試時計算的 SWE - bench 驗證測試結果（71.6%），通過採樣多個序列並通過內部評分模型選擇最佳序列。}
^{• 為確保評估的穩定性，我們在 AIME、HMMT、CNMO、PolyMath - en、GPQA - Diamond、EvalPlus、Tau2 上採用了 avg@k。}
^{• 由於評估成本過高，部分數據點已省略。}

基礎模型評估結果

基準測試	指標	樣本數量	Kimi K2 Base	Deepseek - V3 - Base	Qwen2.5 - 72B	Llama 4 Maverick
通用任務
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	正確	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
編碼任務
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
數學任務
MATH	EM	4 - shot	70.2	60.1	61.0	63.0
GSM8k	EM	8 - shot	92.1	91.7	90.4	86.3
中文任務
C - Eval	EM	5 - shot	92.5	90.0	90.9	80.9
CSimpleQA