Kimi K2 Thinking，現已發布并開源！

主打一個“模型即Agent”，不僅是Kimi“迄今能力最強的開源思考模型”，還掌握邊思考，邊使用工具的能力——

無需人工干預，即可執行200-300次連續工具調用。

圖片

作為今年最受關注的開源模型系列之一，Kimi K2的Thinking版本一上線，就成為熱議對象：再次縮小了開源模型與閉源模型的差距。

圖片

更多技術細節速覽在此：

• 1TB參數，激活參數32B，采用INT4而非FP8。
• 256K上下文窗口。
• 更多專家，更少head，更多思考。

△與DeepSeek R1的架構對比，圖源x@rasbt

在人類最后的考試（HLE）、測試自主網絡瀏覽能力的BrowseComp，和復雜信息收集推理基準測試SEAL-0等評測基準中，Kimi K2 Thinking都刷新了SOTA，超越GPT-5、Claude Sonnet 4.5（Thinking）等閉源模型。

圖片

Kimi K2 Thinking的代碼和權重均遵循最為寬松的MIT協議。新模型也已第一時間上線kimi.com和最新版Kimi手機應用，即刻就能實測體驗。API可通過Kimi開放平臺訪問。

技術細節

官方提到，K2 Thinking是月之暗面在Test-Time Scaling（測試時擴展）領域的最新進展，通過同時擴展思考Token和工具調用輪次，模型實現了更強的Agent和推理性能。

智能體、推理能力全面提升

體現在測試上，在人類最后的考試（HLE）中，允許使用工具——搜索、Python、網絡瀏覽工具的同等情況下，Kimi K2 Thinking取得了44.9%的SOTA成績。

圖片

官方還放出了一個通過23次推理和工具調用，K2 Thinking成功解決博士級別數學問題的示例。

圖片

第三方測試也印證了其智能體能力的提升：

Artificial Analysis在??2-Bench Telecom智能體工具使用基準中測試了Kimi K2 Thinking。

結果顯示，Kimi K2 Thinking達到SOTA，在智能體場景下，比此前廣受好評的K2 Instruct更進一大步（73%→93%）。

圖片

自主搜索與瀏覽能力全面提升

在復雜搜索和瀏覽場景中，Kimi K2 Thinking也表現出色。

在人類平均智能取得29.2%分數的BrowseComp上，Kimi K2 Thinking展現出“刨根問底”的鉆研能力，以60.2%的成績成為新的SOTA模型。

圖片

在長程規劃和自主搜索能力的驅動下，Kimi K2 Thinking可借助多達上百輪的“思考→搜索→瀏覽網頁→思考→編程”動態循環，持續地提出并完善假設、驗證證據、進行推理，并構建出邏輯一致的答案。

這種邊主動搜索邊持續思考的能力，使Kimi K2 Thinking能夠將模糊且開放式的問題分解為清晰、可執行的子任務。

Agentic編程能力增強

編程方面，在SWE-Multilingual、SWE-bench驗證集，和LiveCodeBench等測試基準中，Kimi K2 Thinking也能和最強閉源模型GPT-5、Claude Sonnet 4.5等打得有來有回。

圖片

官方提到，Kimi K2 Thinking在處理 HTML、React以及組件豐富的前端任務時性能有明顯提升，能將創意轉變為功能齊全、響應式的產品。

在Agentic Coding場景中，Kimi K2 Thinking能在調用各種工具的同時進行思考，靈活地融入software agents中，處理更復雜、多步驟的開發工作流。

比如，復刻一個真實可用的Word文字編輯器。

圖片

又比如創造一個華麗風格的voxel art作品：

圖片

通用基礎能力升級

在智能體和推理能力的主線之外，Kimi K2 Thinking的通用基礎能力也獲得了升級。

創意寫作：Kimi K2 Thinking顯著提升了寫作能力，能將粗略的靈感轉化為清晰、動人且意圖明確的敘述，使其兼具韻律感和深度。它能駕馭微妙的文風差異和模糊的結構，并在長篇大論中保持風格的連貫性。在創意寫作方面，它筆下的意象更生動，情感共鳴更強烈，將精準的表達與豐富的表現力融為一體。

學術與研究：在學術研究和專業領域，Kimi K2 Thinking在分析深度、信息準確性和邏輯結構方面均有顯著提升。它能剖析復雜的指令，并以清晰嚴謹的方式拓展思路。這使其尤其擅長處理學術論文、技術摘要，以及那些對信息完整性和推理質量要求極高的長篇報告。

個人與情感：在回應個人或情感類問題時，Kimi K2 Thinking的回答更富同理心，立場也更中正平和。不僅思考更深入且明確，能提供細致入微的觀點和切實可行的后續建議，還更有人情味。

原生INT4量化

值得注意的一點是，K2 Kimi Thinking用的是INT4而非FP8精度。

官方的解釋是，思考模型會產生極長的解碼長度，常規的量化手段往往會導致模型性能大幅下降。為了克服這一挑戰，他們在后訓練階段采用了量化感知訓練（QAT），并對MoE組件應用了INT4純權重（weight-only）量化。

這使得Kimi K2 Thinking能夠在復雜推理和Agentic任務中支持原生的INT4推理，并將生成速度提升了約2倍。

以及，INT4對推理硬件的兼容性更強，對國產加速計算芯片更友好。

p.s. Blackwell之前的英偉達GPU不支持FP4。

上手實測

更多測試實例，可以在官方技術博客中查看，我們也第一時間簡單測試了一波（僅開啟長思考模式，未聯網）。

經典題：

一根7米長的甘蔗如何通過1×2米的門

思考了將近5分鐘，Kimi給出的回答是：

圖片

思考的時間是有點長，但Kimi K2 Thinking成功繞過了這道題目中的陷阱，想到了門的長寬其實并不會限制甘蔗的通過。

編程方面，我們測試的題目是：

編寫一個Python程序，讓一個小球在旋轉的六邊形內彈跳，小球運動遵循物理規律

這一次，Kimi K2 Thinking很快就開始上手編寫代碼了。

圖片

這個表現你覺得如何？

如果你也已經上手實測，歡迎在評論區與我們分享更多測試結果~

項目地址：https://huggingface.co/moonshotai/Kimi-K2-Thinking
技術博客鏈接：https://moonshotai.github.io/Kimi-K2/thinking.html

參考鏈接：
[1]https://x.com/Kimi_Moonshot/status/1986449512538513505
[2]https://x.com/ArtificialAnlys/status/1986541785511043536
[3]https://mp.weixin.qq.com/s/oQp1kFpoYFhYQ8GzbwZLyA