Mengenal Model Kimi: AI Multimodal dan Agent Swarm Tercanggih
Temukan performa luar biasa dari ekosistem Kimi K2.5 dengan arsitektur 1T MoE and koordinasi Agent Swarm.
Coba Sekarang
Gambaran Umum Model Kimi
Platform Kimi dari Moonshot AI menawarkan jajaran model AI yang mengesankan dengan arsitektur Mixture-of-Experts sebesar 1 triliun parameter. Model unggulan Kimi K2.5 yang dirilis pada Januari 2026 menghadirkan kemampuan multimodal asli, koordinasi Agent Swarm, dan performa benchmark yang bersaing dengan GPT-5.2 dan Claude Opus 4.5. Baik Anda membutuhkan respons cepat untuk pertanyaan sederhana, penalaran mendalam untuk masalah kompleks, atau alur kerja agen otonom, keluarga model Kimi mencakup setiap kebutuhan penggunaan.
Ekosistem Kimi telah berkembang pesat sejak peluncuran K1.5 pada Januari 2025. Setiap rilis berikutnya telah memperluas kemampuan dari penalaran khusus teks menjadi pemahaman multimodal penuh dengan video, gambar, dan dokumen. Semua model seri K2 berbagi fondasi 1T MoE yang sama namun berbeda dalam data pelatihan, rangkaian fitur, dan mode operasional. Seluruh model K2.5 bersifat sumber terbuka di bawah Lisensi MIT yang Dimodifikasi dan tersedia di Hugging Face untuk penerapan mandiri.
| Model | Tanggal Rilis | Parameter | Jendela Konteks | Fitur Utama |
|---|---|---|---|---|
| Kimi K2.5 | Januari 2026 | 1T MoE (32B aktif) | 256K token | Multimodal asli, Agent Swarm, sumber terbuka |
| Kimi K2-Instruct-0905 | September 2025 | 1T MoE (32B aktif) | 256K token | Peningkatan pengodean, konteks diperluas |
| Kimi K2 | Juli 2025 | 1T MoE (32B aktif) | 128K token | 1T MoE pertama, basis sumber terbuka |
| Kimi Linear | Oktober 2025 | 48B MoE (3B aktif) | 128K token | Ringan, inferensi efisien |
| Kimi-VL | April 2025 | 16B MoE (3B aktif) | 128K token | Visi-bahasa, multimodal ringkas |
| Kimi K1.5 | Januari 2025 | Tidak disebutkan | 128K token | Penalaran setara dengan OpenAI o1 |
Model Unggulan Kimi K2.5
Kimi K2.5 mewakili model paling mumpuni dalam jajaran ini yang dilatih pada sekitar 15 triliun campuran token visual dan teks melalui pra-pelatihan berkelanjutan di atas basis K2. Arsitekturnya menggunakan 384 pakar dengan 8 pakar yang diaktifkan per token, Multi-Latent Attention (MLA), dan aktivasi SwiGLU. Desain multimodal asli mengintegrasikan MoonViT-3D yang merupakan enkoder visi 400M parameter menggunakan pengemasan NaViT untuk input gambar resolusi variabel.
Empat Mode Operasional Utama
K2.5 beroperasi dalam empat mode berbeda yang masing-masing dioptimalkan untuk alur kerja yang bervariasi. K2.5 Instant memberikan respons cepat tanpa proses berpikir untuk pertanyaan langsung. K2.5 Thinking mengaktifkan penalaran berantai untuk masalah yang kompleks. K2.5 Agent memungkinkan penggunaan alat agen tunggal untuk penyelesaian tugas otonom. K2.5 Agent Swarm mengoordinasikan hingga 100 sub-agen khusus yang bekerja secara paralel untuk memangkas waktu eksekusi hingga 4,5 kali lipat.
| Mode | Kasus Penggunaan | Kecepatan | Kedalaman Penalaran |
|---|---|---|---|
| K2.5 Instant | Jawaban cepat, tugas sederhana | Paling Cepat | Standar |
| K2.5 Thinking | Matematika, logika, analisis rumit | Moderat | Penalaran berantai mendalam |
| K2.5 Agent | Penggunaan alat, eksekusi kode, browsing | Tergantung tugas | Penalaran agen |
| K2.5 Agent Swarm | Riset kompleks, alur kerja multisaluran | 4,5x lebih cepat dari agen tunggal | Multi-agen terdistribusi |
Pencapaian Benchmark dan Performa
K2.5 mencapai skor 96,1% pada AIME 2025 (GPT-5.2: 100%), 98,0% pada MATH-500, dan 87,6% pada GPQA-Diamond. Dalam hal pengodean, model ini mencetak 83,1% pada LiveCodeBench v6 yang secara signifikan mengungguli skor Claude Opus 4.5 sebesar 64,0%. Mode Agent Swarm berhasil meraih 50,2% pada Humanity's Last Exam dengan bantuan alat serta melampaui GPT-5.2 yang mencetak 45,5% dengan biaya 76% lebih rendah. Kemampuan visi mencakup skor 92,3% pada OCRBench dan 86,6% pada VideoMMMU.
Model Dasar Kimi K2
Dirilis pada Juli 2025, K2 adalah model MoE 1 triliun parameter pertama dari Moonshot AI serta menjadi fondasi bagi semua rilis seri K2 setelahnya. Sebagai model yang bersifat sumber terbuka di bawah Lisensi MIT, K2 menetapkan arsitektur 384 pakar dengan 32B parameter aktif yang diwarisi oleh K2.5. Rilis aslinya mendukung jendela konteks sebesar 128K token yang kemudian diperluas menjadi 256K melalui pembaruan Instruct pada September 2025.
Kimi K2-Instruct-0905 menghadirkan peningkatan pengodean yang signifikan dan jendela konteks 256K yang lebih luas. Pembaruan ini mencetak skor 94,5% pada HumanEval yang menunjukkan kemampuan pembuatan kode yang sangat kuat. Varian Instruct tetap tersedia sebagai alternatif khusus teks bagi para pengguna yang tidak memerlukan fitur-fitur multimodal.
Model Kimi Versi Ringan
Model Kimi Linear
Diluncurkan pada Oktober 2025, Kimi Linear menggunakan arsitektur MoE 48B yang ringkas dengan hanya 3B parameter aktif per token. Model ini dirancang untuk penerapan edge dan lingkungan dengan sumber daya terbatas namun memberikan performa yang sangat mumpuni dibandingkan ukurannya. Model ini mendukung konteks 128K token dan berjalan efisien pada perangkat keras kelas konsumen sehingga cocok untuk penggunaan lokal, aplikasi seluler, dan skenario throughput tinggi yang mengutamakan latensi rendah.
Model Kimi VL
Kimi-VL dirilis pada April 2025 sebagai model visi-bahasa MoE dengan 16B parameter dan 3B parameter aktif. Ini merupakan model multimodal sumber terbuka pertama dari Moonshot AI yang dirancang untuk tugas-tugas penggabungan pemahaman gambar dengan pembuatan teks. Meskipun posisinya mulai digantikan oleh kemampuan multimodal asli K2.5 untuk beban kerja berat, Kimi-VL tetap berharga untuk tugas visi ringan di mana model 1T penuh dianggap terlalu berlebihan.
Model Penalaran Kimi K1.5
K1.5 yang dirilis pada Januari 2025 menandai masuknya Moonshot AI ke dalam ranah model penalaran tingkat lanjut. Model ini mengklaim kesetaraan performa dengan OpenAI o1 pada benchmark matematika dan pengodean serta memperkenalkan kemampuan penalaran berbasis pembelajaran penguatan ke platform Kimi. Meskipun jumlah parameter pastinya tidak pernah diungkapkan, K1.5 membuktikan bahwa Moonshot AI mampu bersaing di garis depan penalaran AI.
K1.5 berfokus secara eksklusif pada penalaran berbasis teks tanpa kemampuan multimodal. Perilisannya menetapkan Moonshot AI sebagai kompetitor serius dalam ruang model penalaran dan meletakkan dasar bagi seri K2 yang lebih mumpuni. Pengguna yang masih menggunakan K1.5 disarankan untuk beralih ke K2.5 karena model terbaru tersebut melampaui K1.5 dalam setiap benchmark sekaligus menambahkan kemampuan multimodal serta fitur agen otonom.
Cara Memilih Model Kimi
Pemilihan model sangat bergantung pada kebutuhan spesifik Anda terkait kemampuan, biaya, dan fleksibilitas penerapan. Panduan berikut membantu menyesuaikan kasus penggunaan dengan pilihan model yang paling optimal.
- Kebutuhan AI serbaguna dengan kemampuan maksimal: Gunakan K2.5 melalui API atau situs resmi. Mode Instant menangani tugas sederhana secara efisien sementara mode Thinking menangani penalaran rumit.
- Alur kerja otonom dan riset mandiri: Gunakan K2.5 Agent atau mode Agent Swarm. Sistem swarm sangat unggul dalam tugas multisaluran yang membutuhkan pengumpulan informasi secara paralel.
- Penerapan mandiri dengan fitur lengkap: Unduh K2.5 dari Hugging Face dan terapkan melalui vLLM, SGLang, atau Docker sesuai kebutuhan infrastruktur Anda.
- Penerapan ringan atau perangkat edge: Gunakan Kimi Linear (48B MoE) untuk lingkungan dengan sumber daya terbatas yang memerlukan AI mumpuni pada perangkat keras menengah.
- Tugas visi sederhana dengan anggaran terbatas: Gunakan Kimi-VL (16B MoE) saat kemampuan multimodal penuh dari K2.5 melampaui kebutuhan teknis Anda.
- Penalaran teks murni dengan biaya rendah: Gunakan K2-Instruct-0905 jika Anda tidak membutuhkan kemampuan visi tetapi menginginkan kekuatan penalaran dari arsitektur 1T MoE.