K2月之暗面Kimi发布新MoE模型

珍惜时间，勤奋学习！今天给大家带来《K2月之暗面Kimi新MoE模型发布》，正文内容主要涉及到等等，如果你正在学习科技周边，或者是对科技周边有疑问，欢迎大家关注我！后面我会持续更新相关内容的，希望都能帮到正在学习的大家！

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）。

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。
• 使用示例：“介绍一下Kimi-k2是什么”

k2的模型定价

• 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。

到这里，我们也就讲完了《K2月之暗面Kimi发布新MoE模型》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！