MoonshotAI: Kimi K2 Thinking
moonshotai/kimi-k2-thinkingKimi K2 Thinking — это самая продвинутая открытая модель для рассуждений от Moonshot AI, расширяющая серию K2 до агентных и долгосрочных рассуждений. Построенная на триллионной архитектуре смеси экспертов (MoE), представленной в Kimi K2, она активирует 32 миллиардов параметров за проход и поддерживает контекстные окна в 256 тысяч токенов. Модель оптимизирована для устойчивого пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждений, охватывающих сотни витков. Она чередует пошаговые рассуждения с использованием инструментов, что позволяет автономно выполнять исследования, написание кода и текстов, сохраняя устойчивость на протяжении сотен последовательных действий без сбоев. Она устанавливает новые открытые эталоны в HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, сохраняя стабильное мультиагентное поведение благодаря 200–300 вызовам инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, модель сочетает глубокую способность к рассуждениям с высокой эффективностью вывода для сложных агентных и аналитических задач.
Kimi K2 Thinking — это самая продвинутая открытая модель для рассуждений от Moonshot AI, расширяющая серию K2 до агентных и долгосрочных рассуждений. Построенная на триллионной архитектуре смеси экспертов (MoE), представленной в Kimi K2, она активирует 32 миллиардов параметров за проход и поддерживает контекстные окна в 256 тысяч токенов. Модель оптимизирована для устойчивого пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждений, охватывающих сотни витков. Она чередует пошаговые рассуждения с использованием инструментов, что позволяет автономно выполнять исследования, написание кода и текстов, сохраняя устойчивость на протяжении сотен последовательных действий без сбоев.
Она устанавливает новые открытые эталоны в HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, сохраняя стабильное мультиагентное поведение благодаря 200–300 вызовам инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, модель сочетает глубокую способность к рассуждениям с высокой эффективностью вывода для сложных агентных и аналитических задач.
Провайдеры
Провайдер выбирается автоматически с учётом цены и доступности. Для явного выбора скопируйте его ID из таблицы. Как указать провайдера
Цены
Стоимость показана в рублях по текущему курсу пополнения. Итоговая сумма зависит от фактического usage ответа.
Бенчмарки
Результаты стандартизированных оценок. Для индексов, ELO и точности большее значение означает лучший результат.
Параметры и модальности
Поддержка параметров синхронизирована с текущей версией модели.