キミ K2

-
開発元 ダークサイド オブ ザ ムーン (ムーンショット AI)
公式サイト https://platform.kimi.ai

Kimi K2 は、Moonshot AI によって開始されたオープンソースの MoE 大規模言語モデル シリーズです。合計パラメータは 1T、起動パラメータは 32B です。これは、ツールの呼び出し、コード生成、自律的なタスク解決などのエージェントのシナリオ向けに特別に設計されています。 Base と Instruct の 2 つのバリアントが提供され、128K コンテキストをサポートし、SWE ベンチや Tau2 ベンチなどのエージェント ベンチマークでオープン ソース SOTA レベルに達し、API は OpenAI/Anthropic インターフェイスと互換性があります。

キミ K2 製品インターフェース

キミK2

コアパラメータと統計

Kimi K2 は、2025 年 7 月に Moonshot AI によってオープンソース化された大規模な言語モデル シリーズです。これは、合計パラメーター量 1 兆 (1T) の混合エキスパート (MoE) アーキテクチャを採用しており、トークンごとに有効化されるパラメーターはわずか 32B です。非思考モデルルートで最先端レベルの知識、推論、プログラミングを実現し、これに基づいて「質問に答える」だけでなく「アクションを実行する」というエージェントのタスク向けに徹底的に最適化されています。

パラメータ項目 キミ K2-Instruct / K2-Base 君 K2-0905 (強化版) キミ K2.6 (ユニバーサルフラッグシップ)
建築 MoE (混合専門知識) 環境省 環境省
合計パラメータ 1T 1T 未公開
アクティベーションパラメータ 32B 32B 未公開
専門家の数 384 (トークンごとに 8 つ選択) 384 未公開
注意メカニズム MLA (多重潜在的注意) MLA MLA
コンテキストウィンドウ 128,000 トークン 256,000 トークン 256,000 トークン
語彙のサイズ 160K 160K 未公開
トレーニングデータ 15.5T トークン — —
オプティマイザー MuonClip (自社開発スタビライズオプティマイザー) ミュオンクリップ —
視覚的な入力 サポートされていません サポートされていません サポートあり (写真 + ビデオ)
思考連鎖推論 サポートされていません (非思考モデル) サポートされていません サポートあり (思考/非思考デュアルモード)
オープンソースライセンス 修正されたMIT 修正されたMIT オープンソースではありません (API のみ)
推論エンジン vLLM / SGLang / KTransformers / TensorRT-LLM 同上 APIサービス

パラメータの解釈: トークンごとに 384 人のエキスパートのうち 8 人だけがアクティブになります (+1 人の共有エキスパート)。この高いスパース性設計 (活性化率は約 2.3%) が、Kimi K2 が合計 1T のパラメーターで展開可能な推論を実現する中心的な理由です。同じく MoE ルートにある DeepSeek-V3 (合計パラメータ 671B、アクティベーション 37B) と比較すると、K2 の合計パラメータは 49% 大きいものの、アクティベーション パラメータは 13% 小さいため、同じハードウェア条件下での推論計算の量が少なくなります。

128K→256K コンテキスト移行: 初期バージョンは 128K トークンをサポートし、0905 拡張バージョンと後続の K2.6 は 256K まで拡張されます。コード リポジトリ レベルのコンテキスト、長いドキュメント分析、および複数ラウンドのエージェント会話の場合、256K ウィンドウはより完全なコンテキストをカバーし、切り捨てによる計画の中断を減らすことができます。ただし、コンテキストを 2 倍にすると、KV キャッシュのオーバーヘッドも同時に増加するため、自己展開シナリオではビデオ メモリ容量を評価する必要があることに注意してください。

非思考モデルの位置付けの違い: K2 の初期バージョンは、「反射グレード」(反射レベル) の非思考モデルとして位置付けられています。明示的な思考連鎖は実行されませんが、事前トレーニングと強化学習に依存して、能力を直観的な応答に内面化します。これにより、K2 の推論レイテンシーは現代の思考モデル (DeepSeek-R1 など) よりも低くなりますが、この思考モデルは、複数ステップのロジック拡張を必要とする複雑な推論タスクにおいて依然として利点を持っています。後続の K2.6 バージョンでは、思考連鎖推論のサポートが追加され、このギャップが補われています。

キミ K2 のユーザーと市場の認知度

Kimi K2 の市場への影響は、オープンソース コミュニティと開発者エコシステムにおいて特に顕著です。 C エンド ユーザーは、主に kimi.com の無料チャット ポータルを通じて K2 シリーズ モデルに接触します。

オープンソース コミュニティの人気: GitHub リポジトリ「MoonshotAI/Kimi-K2」は、11,000 個を超えるスターと 880 個以上のフォークを獲得しており、10 人のアクティブなメンテナが貢献し続けています。これは、中国の AI 企業のオープンソース プロジェクトの中でコミュニティの注目が最も高いモデル ウェアハウスの 1 つです。コミュニティは、K2 を中心に多数のエコロジー プロジェクト (kimi-writer、kimiflare、Kimi-K2.7 Swarm Workstation など) を生み出してきました。

開発者 API の採用: Kimi API プラットフォームは何百万人ものプロの開発者にサービスを提供しており、そのパートナーには Vercel、Cursor、Windsurf、TRAE、GenSpark、Xiaohongshu、Huawei、Coze、CodeBuddy、その他の大手企業や開発ツールが含まれます。特に AI プログラミングの分野では、多くの有名な IDE プラグイン (Kilo Code、Cursor など) が K2 シリーズを基礎モデルとして統合しています。 Tencent CodeBuddy は、K2 Thinking モデルを統合して、開発者が複雑なプログラミング タスクを解決できるように支援します。 Genspark は、K2 0905 バージョンを使用して、エージェント プラットフォーム上で自律エージェントを駆動します。

業界顧客の検証: 公開事例によると、K2 は金融研究 (AlphaEngine FinGPT Agent)、材料科学 (XtalPi 化学文献の理解)、科学用 AI (DP Technology RxnBench Top 2) などの専門分野で使用されています。これらのシナリオでは、ツール呼び出しの精度と長いコンテキストの信頼性について非常に高い要件が求められます。これらの垂直シナリオにおける K2 の実装は、そのエージェント機能が運用レベルのレベルに達していることを示しています。

ベンチマーク パフォーマンス: SWE ベンチ検証済み (エージェント コーディング) で 65.8% の合格@1 を達成し、同期間のすべてのオープン ソース モデルを上回りました。 Tau2 ベンチの 3 つのサブフィールド (ツールの使用状況) でオープンソースで 1 位にランクされ、その中で通信サブ項目が 40% 以上の差で 2 位をリードしています。 Math & STEM の評価では、AIME 2024/2025、MATH-500、GPQA-Diamond およびその他のベンチマークが、クローズドソースのフラッグシップ モデルのレベルに達しているか、それに近づいています (GitHub README の評価表を参照)。これらの結果は、非思考モデル条件下で達成されたことに注意してください。思考チェーン (K2.6 以降) に参加した後は、さらに改善の余地があることが予想されます。

コストの利点: オープンソース + API のデュアルトラック価格ですべてのシナリオをカバー

Kimi K2 のコスト構造は、純粋なクローズドソース モデルまたは純粋なオープンソース モデルとは異なります。 「オープンソースのセルフホスティング ライセンス料ゼロ」と「従量課金制 API の極めて低単価」の両方を提供し、個人開発者から大企業までのさまざまな予算とコンプライアンスのニーズをカバーします。

C-side: kimi.com で無料で使用可能: 一般ユーザーは、kimi.com で対話用に K2 シリーズ モデルを回数制限なく無料で選択できます。これは、C エンド ユーザーを引き付けるための Dark Side of the Moon の中核戦略であり、無料体験を通じてブランド認知度を高め、開発者や企業が有料 API を使用するよう誘導することです。無料版は現在、MCP ツールの呼び出しやビジュアル入力などのハイエンド機能をサポートしていません。

API 価格 (開発者レベル): Kimi K2.6 の API 価格は、主流の大規模モデルの中で低から中程度の範囲にあり、反復入力の限界コストはコンテキスト キャッシュ メカニズムによってさらに削減されます。

モデル 入力 (キャッシュヒット) 入力 (キャッシュミス) 出力 コンテキストウィンドウ
キミ K2.6 $0.16 / 100 万トークン $0.95 / 100 万トークン $4.00 / 100 万トークン 256K
キミ K2.7 コード $0.19 / 100 万トークン $0.95 / 100 万トークン $4.00 / 100 万トークン 256K
キミ K2.7 コード高速 $0.38 / 100 万トークン $1.90 / 100 万トークン $8.00 / 100 万トークン 256K
比較: DeepSeek-V4-Flash ~0.14ドル/100万トークン ~0.14ドル/100万トークン ~0.28ドル/100万トークン 1M
比較: GPT-4o ~$2.50 / 100 万トークン ~$2.50 / 100 万トークン ~$10.00 / 100 万トークン 128K

エンタープライズ/プライベート展開: K2 Base および Instruct ウェイトは、Modified MIT ライセンスに基づいてオープン ソースです。企業は、ライセンス料を支払うことなく、それらを自由にダウンロード、自己ホストし、微調整することができます。自己展開の隠れたコストには、GPU サーバー (4×A100-80G から開始することを推奨、同時実行性を高めるにはさらに多くのコストが必要)、運用および保守の人員、ネットワーク帯域幅、推論エンジンのチューニングが含まれます。データ主権要件や高度なコンプライアンス監査のニーズがある業界 (金融、医療、政府事務) にとって、セルフホスティングが唯一の実現可能な方法です。中小規模のチームの場合、API を直接呼び出す方が、自己構築するよりもはるかに経済的です。

暗黙的なコストの考慮事項: K2 の初期バージョンは、視覚的な入力と思考連鎖推論をサポートしていません。ビジネス シナリオでマルチモーダルまたは複雑な推論が必要な場合は、K2.6 以降にアップグレードする必要があります。 K2.6 はオープンソースではなく、API 経由でのみ呼び出すことができます。これにより、エンドツーエンドのセルフホスティングを期待するチームに「能力の上限」が生じます。セルフホスティング (無料ライセンス + 制限された機能) と API (従量課金制 + 完全な機能) の間でトレードオフを行う必要があります。

Kim K2 の主な機能

Kim K2 の機能セットは、「ツールの呼び出し」と「自律的なタスクの実行」という 2 つの主要なラインを中心に展開します。従来のチャット モデルとは異なります。その中核となる製品ロジックは、「モデルにツールを直接操作させ、閉ループのタスクを完了させる」ことです。

  • ツール呼び出し/関数呼び出し: K2 の中核となる差別化機能。モデルは、外部ツールをいつ呼び出すか、どのパラメータを渡すか、返された結果を解析する方法を独自に決定できます。 OpenAI/Anthropic 互換ツール スキーマ定義をサポートしており、開発者はリクエストで「tools」パラメータを渡すだけで有効にできます。一般的なアプリケーション: 天気クエリ、データベース クエリ、外部 API 呼び出し、コード実行。 Tau2 ベンチの評価では、K2 は小売/航空/通信の 3 つの分野で他のオープンソース モデルを大幅に上回っており、複雑なツールの組み合わせシナリオを制御できる能力を実証しています。

  • エージェント コーディング: K2 は、SWE ベンチ検証で 65.8% 合格@1 (単一ビルド、テストなしで計算) を獲得し、オープンソース モデルのチャンピオンになりました。これは、K2 が人間の介入なしに、GitHub の問題を理解し、関連するコード ファイルを特定し、修正パッチを生成し、テストを実行し、修正を繰り返し行うことができることを意味します。また、SWE ベンチ多言語でも 47.3% 合格@1 に達し、ほとんどのクローズド ソース モデルを上回っています。開発者にとって、これは K2 が PR レビュー アシスタント、バグ修正の自動化、コード リファクタリングの基礎となるエンジンとして機能できることを意味します。

  • 自律的なタスクの計画と実行: K2 は、高レベルのタスクの説明 (「2020 ～ 2025 年の給与に対するリモートワークの影響を分析する」など) を受け入れ、それを自律的に複数ステップの計画に分割します: データのロード → クリーンアップ → 統計分析 → 視覚化 → レポートの生成。 K2 の公式デモでは、Python コードの実行、エラーの捕捉、戦略の修正、インタラクティブな HTML レポートの生成など、16 回の IPython 呼び出しで完全なデータ サイエンス ワークフローを自律的に完了する様子が示されています。

  • 長いコンテキストの理解 (128K→256K): MLA (マルチヘッド潜在アテンション) メカニズムに基づいて、K2 は長いコンテキストのシナリオでも低い KV キャッシュ オーバーヘッドを維持します。初期バージョン 128K、0905 拡張バージョンおよび後続バージョン 256K コンテキスト ウィンドウで、完全なコード リポジトリ、数百ページのドキュメント、または数十回にわたるエージェントの会話履歴を処理します。ロングコンテキストの取得タスクでは、K2 の中期および後期段階の情報再現率は、同じスケールのモデルよりも優れています。これは、エージェント シナリオにとって特に重要です。エージェントは、会話の後半で初期の指示を確認する必要があることがよくあります。

  • API エコロジカル ツール セット: Kimi API プラットフォームには、Web Search (インターネット検索)、Code-Runner (Python コード実行)、Excel (Excel/CSV ファイル分析)、Memory (会話記憶の永続化)、Fetch (URL コンテンツ抽出)、Rethink (アイデアの再編成) などを含む豊富な公式ツールが組み込まれています。これらのツールは K2 モデルと深く統合されており、開発者が独自に開発する必要がなく、すぐに使用できます。

モデルとバージョンの進化

Kimi K2 は 2025 年 7 月に最初にオープンソース化されて以来、明確なパスを持つ 4 つのメジャー バージョン ノードに反復されてきました。つまり、初期オープン ソース→ エージェントティック コーディングの強化→ マルチモーダルの一般的なフラッグシップ→ プログラミングに特化したブランチです。

メインラインバージョン

バージョン 発売日 主要な変更点 特長 オープンソースのステータス
K2ベース/K2命令 2025 年 7 月 (~2025 年 7 月 22 日) 最初のオープンソース リリース 128K コンテキスト、非思考、ツール呼び出し オープンソース (修正された MIT)
K2-0905 2025-09-05 エージェントティック コーディングの機能強化 コンテキストが 256K に拡張され、プログラミング タスクの成功率が向上します。オープンソース (修正 MIT)
K2.6 2026年4月 一般的な機能のアップグレード ビジュアル + テキスト入力、256K コンテキスト、思考連鎖推論をサポート、思考/非思考デュアル モードを追加 API のみ
K2.7 コード / K2.7 コード高速 2026-05 プログラミング専門分野 プログラミング タスクの最適化、高速バージョン ~180 トークン/秒、256K コンテキスト、思考連鎖推論 API のみ

バージョンコンテキストの解釈

V1 ステージ (K2-Base/Instruct): The Dark Side of the Moon は、修正された MIT ライセンスに基づいて 1T パラメーター MoE モデルを完全にオープンソースにすることを選択しました。これは、当時最も多くのパラメータを備えたオープンソース モデルの 1 つでした。 Base バージョンは詳細な微調整が必​​要な研究者やチーム向けであり、Instruct バージョンはプラグアンドプレイの一般的な対話とエージェント シナリオ向けです。初期バージョンは「非思考モデル」という位置づけで、当時主流だった連鎖推論ルートとは意図的に差別化されていた。

V2 ステージ (K2-0905): 約 1.5 か月後の拡張バージョン。エージェントティック コーディング機能の改善とコンテキストの 2 倍の 256K に重点が置かれています。このリリースは、開発者シーンに対する Dark of the Moon の傾きを反映しています。SWE ベンチでの優れたパフォーマンスは、その技術的アプローチの有効性を証明しています。

V3 ステージ (K2.6): これは、K2 シリーズの「純粋なテキスト非思考モデル」から「マルチモーダル思考モデル」への移行の重要なバージョンです。視覚的な入力、思考連鎖推論、思考/非思考デュアル モードの追加により、能力の範囲が大幅に拡大されました。しかし、これはオープンソースではない最初のバージョンでもあり、Dark Side of the Moon のオープンソース戦略の差別化を特徴づけています。基本的なモデル機能は引き続きオープンソースであり、最先端の機能は API の形で商用化されています。

V4 ステージ (K2.7 コード): プログラミング シナリオに特化したブランチであり、Cursor や Windsurf などの IDE プラグインの基礎となるモデル要件を直接ターゲットとする高スループット バージョン (180 トークン/秒) を提供します。コード ファミリはユニバーサル K2.6 を補完します。1 つはコード品質を固定し、もう 1 つは幅広いアプリケーションをカバーします。

技術的な利点: MuonClip から大規模な Agentic RL までの技術スタック

Kimi K2 の技術的利点は単一のイノベーションではなく、トレーニング前のオプティマイザーからトレーニング後の強化学習までのフルリンクの体系的なエンジニアリングのブレークスルーです。

MuonClip Optimizer: Muon トレーニングの不安定性の問題を解決: Muon オプティマイザーは、トークン効率において広く使用されている AdamW よりも大幅に優れていますが、大規模なトレーニングでは注意ロジットの爆発が起こりやすく、トレーニングの中断を引き起こします。 Kimi K2 チームは qk-clip テクノロジーを提案しました。これは、Muon が更新された後にクエリ/キー投影の重みを直接再スケーリングして、ソースからアテンション ロジット スケールを制御します。適応係数 (最大ロジットに基づく動的しきい値) を導入することにより、MuonClip は 15.5T トークンの事前トレーニングでトレーニング スパイクをゼロにします。この背後にある工学的な意味は、大規模な MoE トレーニングのコストとリスクが大幅に削減され、Dark Side of the Moon が同業他社よりもはるかに低い予算で 1T パラメータ モデルをトレーニングできるようになることです。

高スパース性 MoE 設計: 384 人のエキスパート + トークンごとに選択された 8 人 (+ 1 人の共有エキスパート)、アクティベーション率はわずか ~2.3% です。高いスパース性とは、パラメーターの総数が増加するにつれて計算量が準線形的に増加し、推論中に 32B のアクティベーション パラメーターのみがビデオ メモリにロードされることを意味します。これにより、1 枚のカード A100-80G で推論を実行できるようになり、自己展開のハードウェアしきい値が下がります。

大規模なエージェント データ合成パイプライン: K2 のエージェント機能は 2 つの主要なイノベーションから生まれています。まず、ACEBench からインスピレーションを得た自動データ合成パイプライン - 数百の分野で数千のツール (実際の MCP ツールや合成ツールを含む) を体系的に進化させ、多様なツールを搭載した数百のエージェントを生成し、シミュレートされた環境で複数のラウンドでユーザー エージェントと対話できるようにします。 LLM ジャッジは、ルーブリックに基づいてインタラクション結果をスコアリングしてフィルタリングし、高品質のトレーニング データを生成します。第二に、一般的な強化学習システム - 検証可能な報酬 (数学、競技プログラミング) と検証不可能な報酬 (執筆、研究) を区別し、後者には「自己批判」メカニズムを採用します。モデルは自身の批評家として機能し、ルーブリックに基づいてスケーラブルなフィードバックを提供します。同時に、検証可能な報酬をポリシーに基づいて展開することで批評家が継続的に更新され、正のフィードバック ループが形成されます。

API 互換性設計: API は、OpenAI と Anthropic の両方のインターフェイス形式と互換性があります。これにより、開発者の移行コストが削減されます。既存の OpenAI SDK ベースのアプリケーションは、base_url と API キーを変更するだけで K2 に切り替えることができます。 Anthropic 互換インターフェイスの温度は、既存のアプリケーションとの互換性を確保するために、「real_temperature = request_temperature × 0.6」を通じてマッピングされます。

複数の推論エンジンのサポート: 推奨される実行エンジンには、vLLM、SGLang、KTransformers、TensorRT-LLM が含まれており、学術研究から運用環境への展開まで、さまざまなパフォーマンス要件をカバーします。 vLLM と SGLang はスループットの最適化に重点を置き、KTransformers はシングルカードの実験に適しており、TensorRT-LLM は極端な推論の最適化に使用されます。

使い方

Kimi K2 は、一般ユーザーから開発者までの完全なアクセス レベルをカバーする 3 つの使用パスを提供します。

使い方 入口 群衆に適しています 主要な制限事項
ウェブチャット きみ.com 一般ユーザー、製品体験者 ビジュアル入力および MCP ツール (初期バージョン) はサポートされていません。ログインが必要です
API 呼び出し プラットフォーム.kimi.ai 開発者、エンタープライズ統合 アカウントを登録し、API キーを作成する必要があります。ボリュームに基づいて請求
セルフホスト型展開 GitHub + ハグフェイス 研究チーム、高コンプライアンス企業 GPU サーバーが必要です。推論エンジンは自分で構築する必要があります

API クイック アクセスの例 (Python、OpenAI SDK と互換性あり):

「」パイソン openaiインポートからOpenAI

クライアント = OpenAI( api_key="", Base_url="https://api.moonshot.ai/v1" )

応答 = client.chat.completions.create( モデル="kimi-k2.6", メッセージ=[ {"role": "system", "content": "あなたは、Dark Side of the Moon が作成した AI アシスタント、キミです。"}, {"role": "user", "content": "Python でクイック ソート アルゴリズムを作成します。"} ]、 温度=0.6、 max_tokens=2048、 ストリーム=偽 ) print(response.choices[0].message.content) 「」

ツール呼び出しを使用した API の例:

「」パイソン ツール = [{ "タイプ": "関数", 「関数」: { "名前": "get_weather", "description": "指定した都市の現在の気象情報を取得します", 「パラメータ」: { "タイプ": "オブジェクト", "必須": ["都市"]、 "プロパティ": { "都市": {"タイプ": "文字列", "説明": "都市名"} } } } }]

応答 = client.chat.completions.create( モデル="kimi-k2.6", messages=[{"role": "user", "content": "今日の北京の天気はどうですか?"}], ツール=道具、 tool_choice="自動", 温度=0.6 ) 「」

セルフホスト型展開 (vLLM の例):

「」バッシュ

vLLM をインストールします (Kimi K2 バージョンをサポートする必要があります)

pip インストール vllm

推論サービスを開始します (例として K2-Instruct を使用します)

python -m vllm.entrypoints.openai.api_server \ --モデル月笑隊/君-K2-指示\ --tensor-Parallel-size 4 \ --max-model-len 131072 \ --gpu メモリ使用率 0.9

サービスの開始後は、OpenAI 互換インターフェイスを通じて呼び出すことができます

「」

一般的な使用プロセス: kimi.com または platform.kimi.ai にアクセス → 登録/ログイン → API キーの作成 (API モード) → モデルの選択 (K2.6/K2.7 コード) → メッセージとツール定義の入力 (オプション) → 生成された結果の取得 → ツール呼び出しの解析 (必要な場合) → キーの出力を手動で確認します。

製品の価格設定

Kim K2 シリーズの価格戦略は、オープンソース戦略を補完する「オープンソース無料 + API 従量課金 + エンタープライズカスタマイズ」の 3 層構造を採用しています。

C-side: kimi.com で無料: kimi シリーズのすべてのモデル (K2/K2.6/K2.7 コードを含む) は、kimi.com で上限なく無料で使用できます。この価格設定戦略の目的は、ユーザー ベースを最大化し、API サービスの有料コンバージョンを促進することです。無料版では機能が制限されていることに注意してください（ツール呼び出しをサポートしていない、高頻度のリクエストが制限されている、SLA 保証がないなど）。

API 従量課金制: API の価格は、モデルのバージョンとキャッシュ ヒット ステータスによって異なります。

モデル 入力 (キャッシュ ヒット) / 100 万トークン 入力 (キャッシュミス) / 100 万トークン 出力 / 100 万トークン 高スループットバージョンの出力
キミ K2.6 $0.16 $0.95 $4.00 —
キミ K2.7 コード $0.19 $0.95 $4.00 —
キミ K2.7 コード高速 $0.38 $1.90 $8.00 —
キミ K3 (フラッグシップ) $0.30 $3.00 $15.00 —

エンタープライズ カスタマイズ ソリューション: このプラットフォームは、柔軟なレート制限、マルチプロジェクト導入サポート、SLA 保証、データ コンプライアンスとプライバシー保護、および独占的なテクニカル サポートを含む「エンタープライズ ソリューションとカスタマイズ」サービスを提供します。エンタープライズ価格はビジネス チームに問い合わせて入手する必要があり、標準価格は公開されていません。セルフホスティングのニーズがある企業の場合、K2 Base/Instruct オープンソース ウェイトは無料で利用できますが、GPU インフラストラクチャ、運用保守の人員、推論エンジンのチューニングにかかる​​コストは自分で評価する必要があります。

無料割り当てと請求の詳細: API 登録後、デフォルトで無料トライアル割り当てがあります (具体的な値は platform.kimi.ai ページに応じて異なります)。コンテキスト キャッシュは自動的に有効になります。同じプレフィックスが繰り返し入力されると、キャッシュ ヒット価格が自動的に適用されます。ファイルのアップロードとコンテンツ抽出のインターフェイスは現在無料です。実際の請求はリアルタイム ページに基づいて行われます。デプロイメントの前に、トークンを通じて推定 API 使用量を計算することをお勧めします。

アプリケーションのシナリオ

Kimi K2 のコア機能により、単にテキストを生成するだけでなく、ツールを積極的に操作する必要があるタスク シナリオに最適であることがわかります。次のタイプのシナリオの入出力比が最も高くなります。

  • エージェント プログラミングとコード ウェアハウス メンテナンス: SWE ベンチでの K2 の SOTA パフォーマンスは、GitHub の問題修復、コード レビュー、テスト生成、リファクタリングなどのエンジニアリング タスクが可能であることを意味します。実際の使用効果は、コード ウェアハウスのモジュール性と問題の説明の明確さに依存します。高度に結合された古いコード ベースでは、K2 の問題位置の精度が低下します。 受け入れに関する懸念事項: 中小規模の倉庫 (50,000 行未満) では単一ファイルの修復タスクから検証を開始し、徐々に複数ファイルの再構築に拡張することをお勧めします。

  • 詳細な調査および分析レポートの生成: Web 検索、コードランナー、ロングコンテキスト機能を組み合わせた K2 は、データ収集、統計分析からレポート作成までの完全なワークフローを完了するリサーチアシスタントとして機能します。公式デモでは、16 回の IPython 呼び出しで給与データ分析を完了し、インタラクティブな HTML レポートを生成する機能を示します。 受け入れに関する懸念事項: データ ソースに対する信頼できる要件が高くなるほど、主要な結論リンクに手動レビュー ポイントを設定する必要性が高くなります。 K2 の統計分析は自動化できますが、因果推論とビジネス上の推奨事項を完全にモデルに任せることはお勧めできません。

  • 自動化されたワークフローとエージェント システム: K2 は、自律型エージェント システムを構築するための理想的な基礎モデルです。開発者は、Kimi API 上でマルチエージェント コラボレーション システムを構築できます。各エージェントは異なるツール セットを搭載し、タスク オーケストレーションを通じて複雑なビジネス ロジックを完成させます。 Tencent CodeBuddy および Genspark Agent プラットフォームは、このシナリオの典型的なケースです。 受け入れに関する懸念事項: エージェントのシナリオでは、トークン消費の増加に注意を払う必要があります。ツール呼び出しを複数ラウンド行うと、出力トークンの量が大幅に増加します。シングルタスクの max_steps とトークンバジェットの上限を設定することをお勧めします。

  • カスタマー サービスと会話インテリジェンス: K2 のコマンド追従機能と長いコンテキスト ウィンドウにより、インテリジェントなカスタマー サービス システムの構築に適しています。ユーザーの意図とコンテキストを正確に理解しながら、数十ラウンドにわたるマルチターンの会話を処理できます。メモリ ツールを使用すると、会話履歴の永続化とユーザー ポートレートの蓄積を実現できます。 受け入れに関する懸念事項: ビジネス分野向けに、高品質の数ショットの例とシステム プロンプト ワードを構築する必要があります。機密性の高いビジネス操作 (返金、アカウントのキャンセルなど) については、手動で確認ポイントを設定する必要があります。

  • 法律および契約のレビュー: K2 のロングコンテキスト機能により、数十から数百ページの契約文書を一度に処理し、重要な用語を抽出し、リスクポイントをマークし、バージョンの違いを比較できます。 受け入れ重視: 法律文書の特殊な用語と論理構造は、高精度の理解を必要とします。正式導入前のシステム評価には、対象分野の契約サンプルをご利用いただくことをお勧めします。最終的な法的意見は、やはり現役の弁護士によって確認される必要があります。

該当する人

Kimi K2 の対象者は個人の開発者、研究チーム、大企業に及びますが、役割ごとに価値ポイントや前提条件は大きく異なります。

  • AI アプリケーション開発者: これは K2 の中心的な対象者です。エージェント アプリケーション、プログラミング アシスタント、自動ワークフローのいずれを構築する場合でも、K2 のツール呼び出し機能とオープン ソース ライセンスは、柔軟な統合基盤を提供します。前提条件: OpenAI/Anthropic API 形式に精通し、ツール スキーマ定義とエージェント アーキテクチャを理解していること。セルフホスティングが必要な開発者には、GPU クラスターの展開の経験も必要です。 該当しないシナリオ: 高度な視覚的理解を必要とするマルチモーダル アプリケーション (K2.6 API を推奨するか、マルチモーダル モデルに切り替えることを推奨)。極端な遅延を必要とするリアルタイム会話 (専用の小型モデルまたは高速バージョン API を推奨)。

  • AI 研究チーム: K2-Base のオープンソース ウェイトは、微調整、アライメント研究、モデル圧縮、エージェント動作分析に使用できる 1T パラメーター対応の研究プラットフォームを研究者に提供します。 MuonClip オプティマイザーの実装は、トレーニングの安定性研究の参考にもなります。前提条件: 十分な GPU コンピューティング能力 (8×A100-80G 以上を推奨) および MoE モデルのトレーニング/微調整の経験。 N/A シナリオ: 予算が限られている個人の研究者 (モデルの重量が 600 GB を超え、ストレージと読み込みのコストが高い)。

  • エンタープライズ AI チーム: K2 のオープンソース ライセンスと API のデュアルトラック システムは、企業に柔軟な選択肢を提供します。コンプライアンス要件が高い場合はセルフホスティングを選択し、速度要件が高い場合は API を選択します。中小企業は API を通じてコン​​セプトを迅速に証明でき、大企業はオープンソースの重みに基づいてプライベート展開を構築できます。前提条件: セルフホスティングと API の総所有コスト (TCO) を評価する必要があります。これには、GPU の購入/レンタル料金、運用と保守の人員、モデルの更新頻度が含まれます。 シナリオには適用されません: マルチモダリティ (画像/ビデオ入力) が強く必要であり、API を使用したくないシナリオ (K2 の初期バージョンはビジョンをサポートしていません)。 1M トークンを超える非常に長いコンテキストを必要とするシナリオ (1M コンテキストをサポートする DeepSeek またはその他のモデルが推奨されます)。

  • セルフメディア運営およびコンテンツ作成者: kimi.com への無料入場により、一般ユーザーは K2 のテキスト生成機能をゼロコストで体験できます。これは、記事の下書き、コンテンツの要約、ブレインストーミングなどの軽いタスクに適しています。 シナリオには適用されません: ビジュアル生成が必要なシナリオ (グラフィックスやテキスト レイアウト、ポスター デザインなど)。綿密な長文の創造的なライティングを必要とするシナリオ (K2 非思考モードの出力は、専用のライティング モデルほど創造的で物語的なロジックではない可能性があります)。

概要と展望

Kimi K2 は、「オープンソース エージェント モデル」セグメントにおける Dark Side of the Moon の正確な位置にあります。これは、最大のパラメーターや最長のコンテキストを持つモデルではありませんが、ツール呼び出しとエージェント タスクの点で、オープンソース モデルをクローズド ソースのフラッグシップ レベルに引き上げた最初の製品です。 1T MoE + MuonClip オプティマイザー + 大規模 Agentic RL のテクノロジーの組み合わせは、2025 年のオープンソース モデルの状況において明確な差別化要因となります。

コア コンピテンシー: Agentic 機能 (SWE ベンチ 65.8%、Tau2 ベンチ オープンソース 1 位) は、K2 のコピーが最も困難な堀であり、これは Dark Side of the Moon の Agentic データ合成と一般的な RL システムへの長期投資から来ています。オープン ソース戦略 (修正 MIT) により企業の試行錯誤コストが削減され、OpenAI/Anthropic との API 互換性により移行のしきい値が低くなります。このモデルには、推論効率においても明らかな利点があります。32B アクティベーション パラメータにより、単一のカード上で実行でき、同じ機能レベルの高密度モデルよりも推論コストが低くなります。

現在の制限事項: 初期バージョンは視覚的な入力と思考連鎖推論をサポートしていません (K2.6 は API を通じてそれを補っています)。オープン ソース バージョンは K2-0905 のままで、後続の K2.6/K2.7 コードは API 呼び出しのみを提供し、セルフホスト ユーザーはマルチモーダルおよび思考チェーン機能を取得できません。超ロングコンテキスト (1M+) シナリオでは、DeepSeek などの競合製品よりも劣ります。一部の複雑な推論タスクでは、トークンの無駄や不完全なツール呼び出しが発生することがあります (制限事項で公式に認められています)。

追跡進化観察: (1) Dark Side of the Moon が後続バージョンの重要性をオープンソースにし続けるかどうか - これにより、オープンソース コミュニティにおける K2 の長期的な生態学的地位が決まります。 (2) 「思考モデル」の方向での K2 シリーズのさらなる統合 - 初期バージョンは明らかに CoT ルートに従っていませんが、K2.6 では思考チェーンのサポートが追加され始めており、この戦略的変更は追跡する価値があります。 (3) エージェントのエコロジカル構築 - K2 を中心としたコミュニティ プロジェクト (Swarm、MCP ツールの統合など) が、同様の LangChain や AutoGPT のエコロジカルな集積効果を形成できるかどうか。

調達/採用リスク評価: 中小規模のチームにとって最も経済的なエントリー パスは、Kimi API から始めて、GPU の初期投資を必要としない K2.6 で習熟度検証を行うことです。大企業および中規模企業の場合は、まず API を使用して PoC を実行し、ターゲット シナリオでの K2 のパフォーマンスを検証し (テスト ツールの呼び出し精度、長いコンテキストの再現率、タスクの完了率に重点を置く)、その後セルフホスト環境を構築する価値があるかどうかを評価することをお勧めします。セルフホスティングでは、以下の確認に重点を置く必要があります。(1) 商用利用および二次配布に関するライセンス条項 (Modified MIT の特定の制限)。 (2) GPU クラスターの購入/リース費用と運用保守チームの能力。 (3) モデルの更新とコミュニティのサポートの予測可能性。コンプライアンスの強い業界 (金融、医療、官公庁) では、K2 オープンソース ウェイトによってデータ主権の保護が提供されますが、企業は正式な製品化の前に内部セキュリティ監査と敵対的テストを完了する必要があります。

関連ツール: CrewAI、langchain

バージョン情報

  • キミ K2.6 ：K2 シリーズのユニバーサル フラッグシップ バージョンは、ビジュアルおよびテキスト入力、思考連鎖推論、および 256K コンテキストをサポートします。 API の価格は、100 万トークン入力あたり 0.95 ドル、100 万トークン出力あたり 4.00 ドルです。
  • キミ K2.7 コード ：256K のコンテキストと思考連鎖推論をサポートする特殊なプログラミング バージョンは、プログラミング タスクの成功率が高く、高速バージョン (~180 トークン/秒) を提供します。 API の価格は、100 万トークン入力あたり 0.95 ドル、100 万トークン出力あたり 4.00 ドルです。
  • キミ K2-0905 ：著作権保護が強化され、エージェント コーディング機能が改善され、コンテキストが 256K に拡張され、Hugging Face がダウンロード可能になりました。
  • キミ K2-Instruct ：初期命令微調整バージョン、128K コンテキスト、非思考モード、一般的なチャットおよびエージェントのシナリオ向けに最適化されています。
  • キミ K2ベース ：基本的な事前トレーニング モデル、合計パラメータ 1T/32B アクティベーション、研究者が微調整およびカスタマイズするのに適しています。

ユーザーレビュー

  • レビューを読み込み中...