Kimi K2 思考版
6460°
<kimi-k2-thinking>
支援 ModelTrends 標籤的應用程式，讓你只要在提示詞中複製這段程式碼就能執行或安裝模型，無需設定。請在支援的應用程式中尋找我們的圖示，例如下方的 Prism。
執行此模型
優惠／廣告
Easy Creator (Prism) 網頁
無限 · 固定費用
最適合初學者。強大的工作流程，學習曲線低。
PirateDiffusion Telegram
無限 · 固定費用
創建影片、圖片、自訂聊天角色等更多內容。
Pro studio (SpyGlass) 網頁
無限 · 固定費用
從任何瀏覽器或手機瀏覽模型、渲染並精修。
Discord bot (Vector)
無限 · 固定費用
將 Vector 加入你的伺服器或加入 Vector Discord。創造任何東西！
Unified Editor 網頁
無限 · 固定費用
影像與影片編輯器：在同一頁面渲染、編輯、放大等功能。
OpenRouter 終端機 / API
每個代幣付費
在瀏覽器中與此模型聊天，或用一組 API 金鑰從你的程式碼呼叫它。
本地應用程式
需設定
如果你的電腦硬體夠強，可以安裝本地程式。
ModelDuel 網頁
按次付費
一次在最多 50 個檢查點/基礎模型上產生相同的提示。
本模型的指南
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
MoonshotAI | 262,144 代幣上下文 | 輸入 $0.60/M，輸出 $2.50/M。Kimi K2 Thinking 是 Moonshot AI 迄今最先進的開放推理模型，將 K2 系列擴展至代理式長期推理。基於兆參數 Mixture-of-Experts (MoE) 架構，單次前向啟用 320 億參數，支持 256K 代幣上下文窗口。模型優化於持續的逐步思考、動態工具調用及跨數百輪的複雜推理工作流程。它交錯逐步推理與工具使用，實現可持續數百次連續操作且不偏離的自主研究、編碼與寫作。在 HLE、BrowseComp、SWE-Multilingual 和 LiveCodeBench 上創造新的開源基準，並在 200–300 次工具調用中保持穩定的多代理行為。基於大規模 MoE 架構與 MuonClip 優化，結合深度推理與高推理效率，適合要求嚴苛的代理與分析任務。
船長筆記
2026-10-13 的筆記
Kimi K2 Thinking 是 Moonshot AI 的開放權重推理模型，基於兆參數 MoE 架構，每次前向運算啟用 320 億參數。其特色是穩定的長期代理能力：能連續調用 200–300 次工具而不失去連貫性，而大多數模型在 30–50 步後即失效。適合需要強大、自行託管推理代理，用於複雜程式碼、分析或多步研究工作流程的開發者與研究人員。
以...聞名
- 在 200–300 次連續工具調用中維持連貫性，無漂移現象。
- 原生 INT4 量化感知訓練，推理速度約提升 2 倍。
- 256k 代幣上下文視窗，適合長文件與延伸代理會話。
- 在 HLE、AIME25 和 LiveCodeBench 等開源評測中名列前茅。
- 端到端交錯鏈式思考推理與即時工具調用。
注意
- 擁有 1 兆參數，儘管使用 INT4 效率優化，自行託管仍需強大 GPU 基礎設施。
- 輸出定價為每百萬代幣 2.50 美元，長時間代理運行中成本累積迅速。
- Moonshot AI 未公開授權條款，商業使用前請先檢查倉庫。
可嘗試的提示詞
多步驟程式除錯
我有一個 Python 非同步網路爬蟲，當同時超過 50 個請求時會默默丟失結果。請逐步分析可能原因，撰寫最小可重現範例，並提出使用 asyncio.Semaphore 的修正方案，說明每個決策。
困難數學奧林匹克問題
找出所有正整數對 (m, n)，使得 m 平方減 n 平方等於 2025。請展示完整推理過程，說明所依賴的數論結果，並驗證答案集完整性。
自主研究計畫
我需要了解固態電池商業化的現況。請擬定研究計畫，列出五個最重要的未解問題，說明每步會查詢的資料來源與工具，並執行計畫產出結構化摘要，附上對每項主張的信心水準。
比較
- Kimi K3開放權重模型1,048,576 代幣上下文 · $0.30/M 輸入，$11.94/M 輸出
- Kimi K2.7 Code開放權重模型262,144 代幣上下文 · $0.67/M 輸入，$3.35/M 輸出
- Kimi K2.5開放權重模型262,144 代幣上下文 · $0.50/M 輸入，$2.50/M 輸出
- Kimi K2 0711開放權重模型131,072 代幣上下文 · $0.57/M 輸入，$2.30/M 輸出
更多來自 moonshotai 的文字模型
常見問題
- 我可以在本地執行 Kimi K2 Thinking 嗎？
- 可以，權重開放並可在 Hugging Face 上取得，路徑為 moonshotai/Kimi-K2-Thinking。模型使用原生 INT4 量化以降低記憶體與延遲，但 1 兆參數仍需大量 GPU 硬體。
- Kimi K2 Thinking API 價格是多少？
- Moonshot AI 定價為每百萬輸入代幣 0.60 美元，輸出代幣 2.50 美元，上下文視窗為 262,144 代幣。
- Kimi K2 Thinking 與基礎 Kimi K2 有何不同？
- K2 Thinking 擴展基礎 K2，具備深度鏈式思考推理與端到端工具協調，能在數百步的長期代理工作流程中保持連貫，而基礎模型未優化此類長期行為。
船長評語如果您需要一個開放權重且能在長時間、工具密集的工作流程中保持連貫的推理代理，K2 Thinking 是目前最可信的選擇。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #80 Hottest Text / LLM text model
Not this creator?
Get your own badge
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Kimi K2 思考版 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較、查看熱度分數了解趨勢,並在 PirateDiffusion 或 BitVector 上試用。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153