Kimi K2 0711
4608°
Executar modelo
Ofertas / Anúncios
MoonshotAI | contexto de 131.072 tokens | $0,57/M entrada, $2,30/M saída. Kimi K2 Instruct é um modelo de linguagem Mixture-of-Experts (MoE) em grande escala desenvolvido pela Moonshot AI, com 1 trilhão de parâmetros totais e 32 bilhões ativos por passagem. É otimizado para capacidades agente, incluindo uso avançado de ferramentas, raciocínio e síntese de código. Kimi K2 se destaca em uma ampla gama de benchmarks, especialmente em codificação (LiveCodeBench, SWE-bench), raciocínio (ZebraLogic, GPQA) e uso de ferramentas (Tau2, AceBench). Suporta inferência de longo contexto de até 128K tokens e foi projetado com uma pilha de treinamento inovadora que inclui o otimizador MuonClip para treinamento estável de MoE em grande escala.
Guias para este modelo
Melhor LLM local por caso de uso (outubro de 2026): o modelo aberto certo para cada tarefa
De quanto VRAM eu realmente preciso para IA local?
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Kimi K2 Instruct é o modelo MoE de 1 trilhão de parâmetros da Moonshot AI, ativando 32 bilhões de parâmetros por passagem e treinado em 15,5 trilhões de tokens usando o otimizador MuonClip para treinamento estável em larga escala. Foi construído especificamente para trabalho agente: uso de ferramentas, codificação autônoma e raciocínio multi-etapas, em vez de cadeia de pensamento estendida. Pesos abertos estão disponíveis e o preço da API é modesto para um modelo desse porte.
Conhecido por
- Codificação agente de ponta no SWE-bench Verified, competitivo com Claude Sonnet 4.
- Fortes pontuações em uso de ferramentas nos benchmarks Tau2 e AceBench em tarefas de varejo, aviação e telecom.
- Janela de contexto de 128K tokens para trabalho com documentos longos e bases de código.
- Pesos abertos no Hugging Face sob moonshotai/Kimi-K2-Instruct.
- Arquitetura MoE: 1T parâmetros totais, apenas 32B ativos por token — eficiente na inferência.
Fique atento a
- Este é um modelo instruct de grau reflexo sem modo de pensamento estendido; para cadeia de pensamento profunda, procure outro modelo.
- Com 1T parâmetros totais, auto-hospedar requer hardware sério — versões quantizadas GGUF são sua opção prática local.
- Termos de licença para uso comercial não estão detalhados aqui; verifique o repositório Hugging Face antes de implantar.
Sugestões para tentar
Depurar um loop de agente com falha
Tenho um agente Python que chama uma ferramenta de busca, analisa o resultado e decide se chama novamente. Após duas iterações, ele sempre sai cedo, mesmo quando a condição de parada não é atendida. Aqui está o código: [cole seu código]. Identifique o bug, explique por que causa saída precoce e mostre a versão corrigida com uma breve explicação da correção.
Resolver um quebra-cabeça de restrição lógica
Cinco engenheiros — Ada, Ben, Cara, Dan e Eve — possuem exatamente um dos cinco laptops: A, B, C, D, E. Ada não possui A nem B. Ben possui um laptop com letra maior que o de Cara. Dan possui D. Eve não possui C. Nenhuma pessoa compartilha laptop. Quem possui qual laptop? Mostre seu raciocínio passo a passo.
Projetar um fluxo de trabalho multi-ferramentas
Você tem três ferramentas: search(query), fetch_page(url) e summarize(text). Um usuário pergunta: 'Quais são os três artigos mais citados sobre escalonamento de mixture-of-experts publicados após 2022?' Escreva a sequência exata de chamadas de ferramentas que faria, o que espera que cada uma retorne e como combinaria os resultados em uma resposta final.
Comparar com
- Kimi K3Modelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.30/M, saída $11.94/M
- Kimi K2 ThinkingModelo com pesos abertosContexto de 262,144 tokens · entrada $0.60/M, saída $2.50/M
- Kimi K2.7 CodeModelo com pesos abertosContexto de 262,144 tokens · entrada $0.67/M, saída $3.35/M
- Kimi K2.5Modelo com pesos abertosContexto de 262,144 tokens · entrada $0.50/M, saída $2.50/M
Mais modelos de texto de moonshotai
Perguntas frequentes
- Os pesos são abertos e posso rodar o Kimi K2 localmente?
- Sim — os pesos estão publicados no Hugging Face em moonshotai/Kimi-K2-Instruct. Com 1 trilhão de parâmetros totais, você precisará de versões quantizadas (GGUF ou similar) e VRAM ou RAM substancial para rodar localmente.
- Quanto custa o Kimi K2 via API e qual é a janela de contexto?
- A Moonshot AI cobra $0,57 por milhão de tokens de entrada e $2,30 por milhão de tokens de saída, com uma janela de contexto de 128K tokens.
- Como o Kimi K2 Instruct difere do Kimi K2 Base?
- O modelo Base é o checkpoint pré-treinado bruto destinado a pesquisadores que querem ajustar ou construir soluções personalizadas. O modelo Instruct é pós-treinado para uso direto em chat e pipelines agentes, sem modo de pensamento estendido.
Veredito do capitãoUm modelo agente sério com pesos abertos que entrega mais do que seu preço de API em tarefas de codificação e uso de ferramentas — vale testar antes de optar por Claude ou GPT-4.1.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Kimi K2 0711 é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmmoonshotaiprogramaçãoagentesraciocíniocontexto longolocal
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153