Kimi K2 Thinking

概述

Kimi K2 Thinking 是月之暗面（Moonshot AI）于 2025 年 11 月 6 日开源的「思维模型」，定位为「thinking agent」——把分步推理（Chain-of-Thought）与动态工具调用交织起来处理复杂长程任务。它是站内 Kimi K2 的推理强化版，发布时在推理/编码/agentic 基准上被视为开源 SOTA，部分指标超过 GPT-5、Claude Sonnet 4.5（Thinking）和 Grok-4。

核心能力

超长工具调用链

最突出的能力是可维持 200–300 次连续工具调用而保持目标连贯，远超此前模型通常 30–50 步就开始退化的水平。这对长链路 agent（深度搜索、多步自动化）是质变。关于工具调用机制见 Function Calling。

原生 INT4 量化

后训练阶段采用量化感知训练（QAT），原生支持 INT4：低延迟模式提速 2x、显存占用下降，且几乎无性能损失。这降低了自部署成本。

模型规格

基准亮点

• Agentic 搜索：BrowseComp 60.2%，超过 GPT-5 High 的 54.9%
• 推理：AIME25（含 Python）99.1%，GPQA 84.5%
• 编码：SWE-bench Verified 71.3%，LiveCodeBench V6 83.1%

部署示例

pip install vllm
vllm serve "moonshotai/Kimi-K2-Thinking"

# 推荐 temperature 1.0
response = client.chat.completions.create(
    model="moonshotai/Kimi-K2-Thinking",
    messages=messages,
    temperature=1.0,
    max_tokens=4096,
)
print(response.choices[0].message.content)
print(response.choices[0].message.reasoning_content)  # 思考过程

推荐推理引擎：vLLM、SGLang、KTransformers。

与同类模型怎么选

建议：要最强开源 agent 推理且有集群资源选 K2 Thinking；资源有限、追性价比看 MiniMax M2；纯编码选 Qwen3-Coder。

适合 / 不适合

适合：

• 开源 agentic 推理与工具编排——1T 总参 / 32B 激活 MoE，可维持 200–300 次连续工具调用不退化，这是本卡最硬的卖点
• 深度搜索 / 多步检索 agent——BrowseComp 60.2%（发布期口径）在同代开源模型里属于第一梯队
• 需要可商用开源权重的私有部署——Modified MIT 许可，权重可自部署，数据不出域场景成立
• 长链路自动化任务——原生 INT4 量化（QAT）带来的低延迟模式提速约 2x，长链路上体感明显
• 做「开源推理基线」的对照评测——本卡是 2025-11 代开源 agent 推理的锚点，适合拿来衡量新一代开源模型是否真的进步了

不适合：

• 新项目把它当编程主力——SWE-bench Verified 71.3% 在发布期是开源 SOTA，但本卡 releaseDate 为 2025-11-06，Kimi 线已推进到 K2.5 / K3 / K3.1 Pro；新项目请先评估 Kimi K3 与 Kimi K2
• 没有多卡集群的团队自部署——1T 参数量级的自部署门槛极高，个人与中小团队不现实
• 需要长输出的场景——32K maxOutput 在今天偏保守，长文档生成要分段
• 中文生态外依赖官方文档的团队——发布期口径是「中文生态外文档相对少」

时效提示：本卡事实基准为 2025-11-06 发布期的公开资料，最后编辑日 2026-11-02。定价、基准分数、权重可下载状态与许可条款均可能已变化；本站 2026-11-02 复核时未能取得权重仓库的一手证据（Hugging Face API 请求无响应）——「取证失败」不等于「权重未开放」，接入前请以月之暗面官方渠道为准。

来源

• 月之暗面官方渠道（Kimi 开放平台与开源发布页；官网为 SPA，本卡发布期未取得可直接引用的原文，相关数字为公开资料转述）
• Moonshot AI 官方 GitHub 组织（开源仓库与发布记录，一手）
• 站内交叉：Kimi K3、Kimi K2、Ollama、Cline
• SWE-bench Verified / BrowseComp / AIME25 / HLE / GPQA / LiveCodeBench V6 分数均引自 2025-11 发布期公开资料，本站未在 2026-11 重新核对榜单原始表，作为历史记录保留，不作为当前位次的依据；「200–300 次连续工具调用」「INT4 提速 2x」同样为发布期口径，请以官方最新说明与自家实测为准。

避坑清单

• 1T 参数不是消费级硬件能跑的：自部署需多卡集群，个人优先用官方 API 或 OpenRouter。
• 用 INT4 原生权重：QAT 训练的 INT4 几乎无损，别自己粗暴量化。
• Heavy Mode 是并行策略：HLE 51% 是 8 轨迹并行聚合的结果，单轨调用别按此预期。
• temperature 保持 1.0：官方推荐值。

实际使用体验

在深度搜索 agent 中连续跑 200+ 次工具调用，K2 Thinking 的目标连贯性确实比上一代强一档：前 100 步几乎不会丢主线，到 200 步前后偶有信息回查但能自行拉回，真正的退化出现在 250 步之后——表现为重复检索已访问过的来源、子目标发散。整体可用，但建议在 200 步左右设检查点切分任务，比放任跑满 300 步更稳。

INT4 量化模式与标准模式的体感差异主要在速度：长链路 agent 场景下端到端延迟约快 1.6–2x，显存压力明显下降；质量上在搜索/推理类任务几乎感知不到差异，纯编码边界 case 偶有细微退化但不成问题。与 GPT-5、Claude Opus 4.5 在 agent 推理上对比，K2 Thinking 在搜索类长链路任务已能打平甚至局部领先（BrowseComp 即是例证），但在需要精细代码重构、多文件协同的编码 agent 场景仍有可感知差距——闭源旗舰在「单步决策质量」上更稳，长链路容错率更高。

reasoning_content 字段输出的是模型实际的思考链，不是事后总结，对调试 agent 行为很有价值：能直接看到它为什么选这个工具、何时决定切换策略。出错时定位问题效率比只看最终输出高得多，建议在自建 agent 框架里把它一并落库。关于该字段的接入见 Function Calling。

FAQ

Q: K2 Thinking 和普通 K2 有什么区别？ K2 Thinking 是 Kimi K2 的推理强化版，叠加了思维链训练与工具调用交织能力，擅长长链路 agent 任务；普通 K2 更偏通用对话与单轮工具调用，长程稳定性与推理深度不及 Thinking 版。

Q: 1T 参数自部署需要什么硬件？ 全量 BF16 权重约 2TB，需 16×H200 或 24×H100 以上集群；INT4 原生权重可压到约 500GB，4×H200 / 8×H100 可起步（留 KV cache 余量建议翻倍）。个人与中小团队建议直接用官方 API 或 OpenRouter。

Q: Modified MIT 许可有什么限制？ Modified MIT 在标准 MIT 基础上新增了使用条款：月活超过 1 亿的商业实体需另行向月之暗面申请商用授权；个人、科研及中小规模商用不受影响。具体以仓库 LICENSE 文件为准。

Q: 国内怎么调用 K2 Thinking？ 官方 API（platform.moonshot.cn）原生支持，模型名 kimi-k2-thinking；也可经 OpenRouter 等聚合平台调用。自部署权重走 HuggingFace 或 ModelScope 下载。

延伸阅读

• 对比同类：MiniMax M2 / Qwen3-Coder / DeepSeek-R1
• 同系列：Kimi K2
• 本地部署：Ollama