Kimi K2 0905
1748°
Esegui questo modello
Offerte / Annunci
MoonshotAI | contesto da 262.144 token | $0.60/M input, $2.50/M output. Kimi K2 0905 è l’aggiornamento di settembre di Kimi K2 0711. È un modello linguistico Mixture-of-Experts (MoE) su larga scala sviluppato da Moonshot AI, con 1 trilione di parametri totali e 32 miliardi attivi per ogni passaggio in avanti. Supporta inferenza a lungo contesto fino a 256k token, esteso dai precedenti 128k. Questo aggiornamento migliora il coding agentico con maggiore accuratezza e migliore generalizzazione su scaffold, e potenzia il coding frontend con output più estetici e funzionali per web, 3D e compiti…MoonshotAI | contesto da 262.144 token | $0.60/M input, $2.50/M output. Kimi K2 0905 è l’aggiornamento di settembre di Kimi K2 0711. È un modello linguistico Mixture-of-Experts (MoE) su larga scala sviluppato da Moonshot AI, con 1 trilione di parametri totali e 32 miliardi attivi per ogni passaggio in avanti. Supporta inferenza a lungo contesto fino a 256k token, esteso dai precedenti 128k. Questo aggiornamento migliora il coding agentico con maggiore accuratezza e migliore generalizzazione su scaffold, e potenzia il coding frontend con output più estetici e funzionali per web, 3D e compiti correlati. Kimi K2 è ottimizzato per capacità agentiche, incluso uso avanzato di strumenti, ragionamento e sintesi di codice. Eccelle nei benchmark di coding (LiveCodeBench, SWE-bench), ragionamento (ZebraLogic, GPQA) e uso di strumenti (Tau2, AceBench). Il modello è addestrato con uno stack innovativo che incorpora l’ottimizzatore MuonClip per un training MoE stabile su larga scala.
Guide per questo modello
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Quanta VRAM serve davvero per l'AI locale?
Pesi aperti vs open source vs solo API: cosa puoi davvero fare
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Kimi K2 0905 è l'aggiornamento di settembre 2025 del modello MoE da mille miliardi di parametri di Moonshot AI, con 32 miliardi di parametri attivi per ogni passaggio in avanti e una finestra di contesto di 256k token. L'aggiornamento affina la programmazione agentica e il lavoro frontend, e i pesi sono aperti. È adatto agli sviluppatori che vogliono un agente di codifica serio da ospitare autonomamente o eseguire a basso costo tramite API.
Conosciuto per
- Forte programmazione agentica: competitivo su SWE-Bench verified e SWE-Bench Multilingual.
- Pesi aperti su Hugging Face — puoi scaricarlo ed eseguirlo da solo.
- Finestra di contesto da 256k token, raddoppiata rispetto alla versione precedente da 128k.
- Migliorata la programmazione frontend: estetica e funzionalità migliori per compiti web e 3D.
- Uso di strumenti e ragionamento integrati, non aggiunti successivamente.
Attenzione a
- 1.000 miliardi di parametri totali significa che il deployment locale richiede hardware serio; la maggior parte degli utenti userà l'API.
- L'output costa $2,50 per milione di token — non è costoso, ma esecuzioni agentiche lunghe possono sommarsi rapidamente.
- Moonshot AI non ha pubblicato i termini di licenza in modo evidente; controlla il repository prima di costruire un prodotto basato su questo modello.
Prompt da provare
Correggi un bug reale
Ecco una funzione Python che dovrebbe analizzare una configurazione JSON annidata e restituire un dizionario piatto con chiavi separate da punti e i loro valori. Elimina silenziosamente le chiavi quando un valore è una lista vuota. Identifica il bug, spiega perché accade e restituisci una versione corretta con un test che avrebbe rilevato l'errore.
```python
def flatten(d, prefix=''):
out = {}
for k, v in d.items():
key = f'{prefix}.{k}' if prefix else k
if isinstance(v, dict):
out.update(flatten(v, key))
elif v:
out[key] = v
return out
```
Costruisci un piccolo componente web
Scrivi un file HTML autonomo senza dipendenze esterne che renda una bacheca kanban interattiva con tre colonne: Da fare, In corso, Fatto. Le schede devono essere trascinabili tra le colonne usando l'API drag-and-drop di HTML. Stilizzalo in modo pulito con CSS inline. Aggiungi un piccolo modulo in cima per creare una nuova scheda con un titolo.
Pianifica un compito agente multi-step
Sei un agente di codifica con accesso a un terminale bash e a un editor di file. Il progetto Node.js di un utente fallisce la pipeline CI perché tre test importano un modulo che non esiste più dopo un recente refactoring. Descrivi la sequenza esatta di chiamate agli strumenti che faresti — cosa leggi prima, come tracci gli import rotti e come decidi cosa scrivere — prima di modificare qualsiasi file.
Confronta con
- Kimi K3Modello con pesi apertiContesto di 1,048,576 token · Input $0.30/M, output $11.94/M
- Kimi K2 ThinkingModello con pesi apertiContesto di 262,144 token · Input $0.60/M, output $2.50/M
- Kimi K2.7 CodeModello con pesi apertiContesto di 262,144 token · Input $0.67/M, output $3.35/M
- Kimi K2.5Modello con pesi apertiContesto di 262,144 token · Input $0.50/M, output $2.50/M
Altri modelli di testo da moonshotai
Domande frequenti
- I pesi sono aperti e posso eseguire Kimi K2 0905 localmente?
- Sì, i pesi sono pubblicati su Hugging Face sotto moonshotai/Kimi-K2-Instruct-0905. Con 1.000 miliardi di parametri totali servirà un hardware consistente per eseguirlo a piena precisione; la maggior parte delle persone userà una versione quantizzata o l'API.
- Quanto costa Kimi K2 0905 e qual è la finestra di contesto?
- Via API costa $0,60 per milione di token in input e $2,50 per milione di token in output, con una finestra di contesto di 256k token.
- In cosa differisce l'aggiornamento 0905 dall'originale Kimi K2?
- L'aggiornamento di settembre migliora la precisione e la generalizzazione della programmazione agentica su diversi scaffolds, rafforza l'output di programmazione frontend e estende la finestra di contesto da 128k a 256k token.
Verdetto del capitanoUn agente di codifica capace con pesi aperti a un prezzo API ragionevole — la finestra di contesto da 256k e i miglioramenti agentici rendono l'aggiornamento di settembre degno di essere adottato.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
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.
Come si calcola questo punteggio
Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Kimi K2 0905 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmmoonshotaiprogrammazioneagentiragionamentocontesto lungolocale
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153