k2 - 月之暗面 Kimi 最新开源的 MoE 架构基础模型

k2是什么

k2是月之暗面Kimi推出的 MoE 架构基础模型，代码和 Agent 能力是它的主要卖点，总参数 1T，激活参数 32B。通用知识推理、编程、数学、Agent 这几类基准测试里，K2 模型的成绩压过其他主流开源模型。k2 的上下文长度是 128k，不支持视觉，支持 ToolCalls、JSON Mode、Partial Mode、联网搜索等。k2 开源了两个版本：Kimi-K2-Base 是基础模型，适合做后续研究和定制化开发；Kimi-K2-Instruct 是指令微调版，能直接用在通用聊天和智能体场景里。

k2的主要功能

• 超强代码能力：专为编程任务优化，支持复杂代码生成、调试、解释和跨语言转换。
• Agent 能力：多步骤工具调用（ToolCalls）没问题，能自己规划任务链并执行，比如查数据、调 API、操作文件。
• 数学与逻辑推理：在数学竞赛题（如 AIME）、逻辑谜题及科学计算中表现优于主流开源模型。

k2的技术特性

• MoE 架构：总参数 1 万亿，激活参数 320 亿，兼顾性能与效率。
• 上下文长度：128K tokens（约 25 万汉字），适合长文档分析或长对话。
• 非视觉模型：专注于文本处理，不支持图片理解（需用 kimi-latest-vision 替代）。

k2的性能表现

自主编程（Agentic Coding）、工具调用（Tool Use）和数学推理（Math & Reasoning）这三项上，Kimi K2 已经超过了 DeepSeek-V3-0324 和 Qwen-235B-A22B，不过和 Claude 4 Opus、GPT-4.1 这些闭源模型比，还差一点。

如何使用k2

• 访问kimi智能助手：访问Kimi智能助手官网，进去默认就是 k2 模型。
• 获取 API 密钥：注册并登录 Moonshot AI 开放平台。进入 “API 密钥” 页面，创建并复制密钥。

k2的测试案例

官方测试：

• Prompt: Create a 3D HTML mountain scene with cliffs, rivers, and day-night lighting. Supports drag/zoom, animated transitions, realistic gradients, and toggleable contour lines… (创建一个 3D HTML 山脉场景，包含悬崖、河流和昼夜光照变化。支持拖动和缩放、动画过渡、真实感渐变色，并可切换等高线显示…)

• Prompt：Create a HTML!! an immersive browser-based futures trading simulator with professional-grade UI/UX using modern JavaScript libraries. Focus on real-time visualizations and interactive trading mechanics.(创建一个基于 HTML 的沉浸式浏览器期货交易模拟器，使用现代 JavaScript 库，具备专业级 UI/UX 设计。重点实现实时可视化和交互式交易机制。)

k2的模型定价

模型版本	上下文长度	输入价格（缓存命中）	输入价格（缓存未命中）	输出价格
kimi-k2-0711-preview	128 K tokens	¥1.00 / 百万 tokens	¥4.00 / 百万 tokens	¥16.00 / 百万 tokens

• 计费说明
  • 1M tokens = 1,000,000 tokens
  • 缓存命中：如果请求内容在系统缓存中已有，输入部分按 ¥1.00/百万 tokens 计费
  • 缓存未命中：全新或未被缓存的内容，输入部分按 ¥4.00/百万 tokens 计费
  • 输出部分：无论是否缓存，统一按 ¥16.00/百万 tokens 计费
  • 上下文长度：单次请求最大支持 131,072 tokens（≈25 万汉字）

k2的项目地址

• 项目官网：Kimi智能助手
• HuggingFace模型库：https://huggingface.co/moonshotai/Kimi-K2-Instruct
• 技术论文：https://moonshotai.github.io/Kimi-K2/

k2的应用场景

• 代码与软件开发：复杂代码任务是 K2 的主场：上万行源码、整份需求文档能一次读进去，然后生成完整的项目骨架。
• 智能 Agent 与流程自动化：K2 能听懂自然语言指令，自己去调数据库、文件系统、邮件或内部 API，把多步骤的业务串完。
• 数学推理与科研辅助：AIME、MATH 这些基准上，它领先主流开源模型。整篇论文、竞赛题或复杂公式可以一次性喂进去，模型会给出分步推导、能复现的 Python/JAX/PyTorch 实验脚本，还能输出可以直接插进论文的 LaTeX 推导。
• 文本洞察：法务、审计、运维团队用 k2 模型做协议对比、合规检查、故障定位，都比人翻得快。