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推出的具备超强代码和 Agent 能力的 MoE 架构基础模型，总参数 1T，激活参数 32B。在通用知识推理、编程、数学、Agent 等主要类别的基准性能测试中，K2 模型的性能超过其他主流开源模型。k2 模型上下文长度为 128k，不支持视觉功能，支持 ToolCalls、JSON Mode、Partial Mode、联网搜索功能等。k2模型开源了两个版本，Kimi-K2-Base基础模型，适合做后续研究和定制化开发；Kimi-K2-Instruct指令微调模型，能直接用于通用聊天和智能体场景。

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：支持多步骤工具调用（ToolCalls），可自主规划并执行任务链（如数据查询、API 调用、文件操作等）。
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

在自主编程（Agentic Coding）、工具调用（Tool Use）和数学推理（Math & Reasoning）三项能力上，Kimi K2 已超越 DeepSeek-V3-0324 与 Qwen-235B-A22B，但仍稍落后于 Claude 4 Opus 和 GPT-4.1 等顶级闭源模型。

如何使用k2

访问kimi智能助手：访问Kimi智能助手的官网，默认选择使用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：K2 专为复杂代码任务设计，支持一次性阅读上万行源码或整份需求文档，生成完整项目骨架。
智能 Agent 与流程自动化：K2 支持理解自然语言指令，自主调用数据库、文件系统、邮件或内部 API，完成多步骤业务闭环。
数学推理与科研辅助：在 AIME、MATH 等基准上领先主流开源模型。用户可一次性输入整篇论文、竞赛题或复杂公式，模型会给出分步推导、可复现的 Python/JAX/PyTorch 实验脚本，输出可直接插入论文的 LaTeX 推导过程。
文本洞察：法务、审计、运维团队用k2模型可以快速完成协议对比、合规检查或故障定位。