Kimi-K2-Instruct
О Kimi-K2-Instruct
Kimi K2 — это базовая модель со смесью экспертов (Mixture-of-Experts, MoE) с исключительными возможностями кодирования и агентирования, содержащая 1 триллион общих параметров и 32 миллиарда активированных параметров. В оценках по эталонным тестам, охватывающим общие знания, программирование, математику и задачи, связанные с агентами, модель K2 превосходит другие ведущие модели с открытым исходным кодом.
Исследуйте, как исключительные возможности кодирования, агентства и глубокого мышления Kimi-K2-Instruct могут быть применены для решения сложных реальных задач.
Агент разработки программного обеспечения
Автоматизируйте сложные задачи программного обеспечения от проектирования до развертывания, используя агентские и кодировочные возможности Kimi-K2.
Пример сценария использования:
"Агент самостоятельно рефакторизовал унаследованный микросервис на Java, интегрировав новые API-эндпоинты и создав всеобъемлющие модульные тесты, сократив ручные усилия на 70%."
Полиглотный анализ кода
Анализируйте огромные, многоязычные кодовые базы, чтобы выявить уязвимости, оптимизировать производительность и обеспечить архитектурную согласованность.
Пример сценария использования:
"Сканирование корпоративной системы (Python, Go, JS) на наличие проблем кросс-языковой зависимости, выявление патчей безопасности и предотвращение потенциальных нарушений."
Автономные конвейеры данных
Проектируйте, внедряйте и контролируйте сложные процессы приема и преобразования данных, адаптируясь к изменениям схемы и оптимизируя использование ресурсов.
Пример сценария использования:
"Автоматически создан и развернут конвейер ETL на основе Spark для данных датчиков в реальном времени, обрабатывает эволюцию схемы и оптимизирует производительность запросов."
Научное моделирование и симуляция
Помогите исследователям в создании, валидации и итерации сложных научных моделей, от физики до биологических систем.
Пример сценария использования:
"Сотрудничество с учёным-материаловедом для моделирования молекулярной динамики на Rust, повторной настройки параметров и визуализации результатов, ускоряя проектирование экспериментов."
Аудиты интеллектуальных систем
Проводите глубокие логические аудиты сложных систем, включая конфигурации облака, умные контракты и нормативные документы.
Пример сценария использования:
"Аудит конфигурации кластера Kubernetes в соответствии с передовыми практиками, выявление неправильных конфигураций и создание сценариев исправления в YAML."
Метаданные
Спецификация
Государство
Deprecated
Архитектура
Mixture-of-Experts
Калибровка
Нет
Смешение экспертов
Да
Общее количество параметров
1000B
Активированные параметры
32B
Мышление
Нет
Точность
ФП8
Контекст length
131K
Максимум Tokens
131K
Сравнить с другими Model
Посмотрите, как эта Model сравнивается с другими.
Moonshot AI
chat
Kimi-K2-Thinking
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.55
/ M Tokens
Output:
$
2.5
/ M Tokens
Moonshot AI
chat
Kimi-K2-Instruct-0905
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.4
/ M Tokens
Output:
$
2.0
/ M Tokens
Moonshot AI
chat
Kimi-K2-Instruct
Общий Контекст:
131K
Максимальный Output:
131K
Input:
$
0.58
/ M Tokens
Output:
$
2.29
/ M Tokens
Moonshot AI
chat
Kimi-Dev-72B
Общий Контекст:
131K
Максимальный Output:
131K
Input:
$
0.29
/ M Tokens
Output:
$
1.15
/ M Tokens
Moonshot AI
chat
Kimi-K3
Общий Контекст:
1049K
Максимальный Output:
262K
Input:
$
3.0
/ M Tokens
Output:
$
15.0
/ M Tokens
Moonshot AI
chat
Kimi-K2.7-Code
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.85916
/ M Tokens
Output:
$
3.8
/ M Tokens
Moonshot AI
chat
Kimi-K2.6
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.77
/ M Tokens
Output:
$
3.4
/ M Tokens
Moonshot AI
chat
Kimi-K2.5
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.45
/ M Tokens
Output:
$
2.25
/ M Tokens
