Kimi-K2-Instruct開源語言模型 - 優化智能代理能力，助力高效交互應用

首頁

Kimi K2 Instruct

由unsloth開發

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

大型語言模型

Transformers

開源協議:其他 #混合專家模型 #智能代理優化 #萬億參數規模

下載量 102

發布時間 : 7/11/2025

模型概述

Kimi K2是一款最先進的混合專家（MoE）語言模型，通過Muon優化器進行訓練，在前沿知識、推理和編碼任務中表現出色，同時針對智能代理能力進行了精心優化。

模型特點

大規模訓練

在15.5萬億個標記上預訓練了一個1萬億參數的MoE模型，且訓練過程零不穩定。

MuonClip優化器

將Muon優化器應用到了前所未有的規模，並開發了新的優化技術來解決擴展過程中的不穩定性問題。

智能代理能力

專門為工具使用、推理和自主問題解決而設計。

高性能編碼能力

在LiveCodeBench v6、OJBench等編碼任務中表現卓越。

模型能力

文本生成

智能代理

推理能力

編碼能力

數學與STEM任務

工具使用

使用案例

編碼任務

LiveCodeBench v6

在2024年8月至2025年5月的編碼任務中表現卓越。

Pass@1: 53.7

OJBench

編碼任務評估。

Pass@1: 27.1

工具使用任務

Tau2 retail

工具使用任務評估。

Avg@4: 70.6

Tau2 airline

工具使用任務評估。

Avg@4: 56.5

數學與STEM任務

AIME 2024

數學任務評估。

Avg@64: 69.6

MATH-500

數學任務評估。

準確率: 97.4

🚀 Kimi K2：開放式智能代理模型

Kimi K2是一款先進的混合專家（MoE）語言模型，具備320億激活參數和1萬億總參數。它採用Muon優化器進行訓練，在前沿知識、推理和編碼任務中表現卓越，同時針對智能代理能力進行了精心優化。

重要提示

⚠️ 重要提示

本模型包含我們的聊天模板修復！對於llama.cpp，請使用--jinja

快速訪問鏈接

Unsloth Dynamic 2.0 實現了卓越的準確性，性能優於其他領先的量化模型。

📰 技術博客 | 📄 論文鏈接（即將推出）

✨ 主要特性

模型簡介

Kimi K2是一款最先進的混合專家（MoE）語言模型，擁有320億激活參數和1萬億總參數。通過Muon優化器進行訓練，Kimi K2在前沿知識、推理和編碼任務中表現出色，同時針對智能代理能力進行了精心優化。

關鍵特性

大規模訓練：在15.5萬億個標記上預訓練了一個1萬億參數的MoE模型，且訓練過程零不穩定。
MuonClip優化器：我們將Muon優化器應用到了前所未有的規模，並開發了新的優化技術來解決擴展過程中的不穩定性問題。
智能代理能力：專門為工具使用、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自定義解決方案的研究人員和開發者提供了強大的起點。
Kimi-K2-Instruct：後訓練模型，最適合直接使用、通用聊天和智能代理體驗。它是一個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
架構	混合專家（MoE）
總參數	1萬億
激活參數	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)}	^{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 Verified ^{(無代理編碼)}	無測試單補丁（準確率）	51.8	36.6	39.4	50.2	53.0	40.8	32.6
SWE-bench Verified ^{(智能代理編碼)}	單次嘗試（準確率）	65.8	38.8	34.4	72.7^*	72.5^*	54.6	—
SWE-bench Verified ^{(智能代理編碼)}	多次嘗試（準確率）	71.6	—	—	80.2	79.4^*	—	—
SWE-bench Multilingual ^{(智能代理編碼)}	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	精確匹配	89.5	89.4	87.0	91.5	92.9	90.4	90.1
MMLU-Redux	精確匹配	92.7	90.5	89.2	93.6	94.2	92.4	90.6
MMLU-Pro	精確匹配	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。}
^{• 標記有 * 的數據點直接取自模型的技術報告或博客。}
^{• 除SWE-bench Verified（無代理）外，所有指標均在8k輸出標記長度下進行評估。SWE-bench Verified（無代理）的輸出標記長度限制為16k。}
^{• Kimi K2在使用bash/編輯器工具的SWE-bench Verified測試中（單次嘗試補丁，無測試時計算）達到了65.8%的Pass@1。在相同條件下，它在SWE-bench Multilingual測試中也達到了47.3%的Pass@1。此外，我們還報告了利用並行測試時計算的SWE-bench Verified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單個最佳序列。}
^{• 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，部分數據點已被省略。}

基礎模型評估結果

基準測試	指標	樣本數	Kimi K2 Base	Deepseek-V3-Base	Qwen2.5-72B	Llama 4 Maverick
通用任務
MMLU	精確匹配	5樣本	87.8	87.1	86.1	84.9
MMLU-pro	精確匹配	5樣本	69.2	60.6	62.8	63.5
MMLU-redux-2.0	精確匹配	5樣本	90.2	89.5	87.8	88.2
SimpleQA	正確	5樣本	35.3	26.5	10.3	23.7
TriviaQA	精確匹配	5樣本	85.1	84.1	76.0	79.3
GPQA-Diamond	Avg@8	5樣本	48.1	50.5	40.8	49.4
SuperGPQA	精確匹配	5樣本	44.7	39.2	34.2	38.8
編碼任務
LiveCodeBench v6	Pass@1	1樣本	26.3	22.9	21.1	25.1
EvalPlus	Pass@1	-	80.3	6