Kimi modeller: Framtidens AI med K2.5 och Agent Swarm

Upptäck en imponerande familj av AI-modeller byggda för allt från snabba svar till komplexa autonoma arbetsflöden.

Översikt Kimi K2.5 Kimi K2 Lättviktiga modeller Kimi K1.5 Välj rätt modell FAQ

Översikt över Kimi modeller

Moonshot AI:s plattform Kimi erbjuder en imponerande uppsättning AI-modeller byggda på en Mixture of Experts arkitektur med 1 biljon parametrar. Flaggskeppet Kimi K2.5, som lanserades i januari 2026, levererar inbyggd multimodalitet, koordinering via Agent Swarm och prestanda som matchar GPT-5.2 och Claude Opus 4.5. Oavsett om du behöver snabba svar på enkla frågor, djup resonemangsförmåga för komplexa problem eller autonoma agentarbetsflöden, täcker Kimi-familjen alla behov.

Ekosystemet kring Kimi har utvecklats snabbt sedan K1.5 lanserades i januari 2025. Varje efterföljande version har utökat förmågan från enbart text till fullständig multimodal förståelse av video, bilder och dokument. Alla modeller i K2-serien delar samma bas på 1T MoE men skiljer sig åt i träningsdata, funktioner och driftlägen. Hela K2.5-modellen är öppen källkod under en modifierad MIT-licens och finns tillgänglig på Hugging Face för egen distribution.

Modell	Lanseringsdatum	Parametrar	Kontextfönster	Nyckelfunktioner
Kimi K2.5	Januari 2026	1T MoE (32B aktiva)	256K tokens	Inbyggd multimodalitet, Agent Swarm, öppen källkod
Kimi K2-Instruct-0905	September 2025	1T MoE (32B aktiva)	256K tokens	Förbättrad kodning, utökat kontextfönster
Kimi K2	Juli 2025	1T MoE (32B aktiva)	128K tokens	Första 1T MoE, basmodell med öppen källkod
Kimi Linear	Oktober 2025	48B MoE (3B aktiva)	128K tokens	Lättviktig, effektiv inferens
Kimi-VL	April 2025	16B MoE (3B aktiva)	128K tokens	Vision-språk, kompakt multimodalitet
Kimi K1.5	Januari 2025	Okänt antal	128K tokens	Resonemangsförmåga i nivå med OpenAI o1

Flaggskeppsmodellen Kimi K2.5

Kimi K2.5 representerar den mest kapabla modellen i serien och är tränad på cirka 15 biljoner blandade visuella tokens och texttokens genom kontinuerlig förträning på K2-basen. Arkitekturen använder 384 experter där 8 aktiveras per token, Multi-Latent Attention (MLA) och SwiGLU-aktivering. Den inbyggda multimodala designen integrerar MoonViT-3D, en bildkodare med 400 miljoner parametrar som använder NaViT-packning för bildinmatning med varierande upplösning.

Fyra olika driftlägen

K2.5 fungerar i och fyra specifika lägen som är optimerade för olika arbetsflöden. K2.5 Instant levererar snabba svar utan djupanalys för enkla frågor. K2.5 Thinking aktiverar en kedja av tankegångar för komplexa problem. K2.5 Agent möjliggör användning av verktyg för autonomt utförande av uppgifter. K2.5 Agent Swarm koordinerar upp till 100 specialiserade underagenter som arbetar parallellt, vilket minskar exekveringstiden med 4,5 gånger.

Läge	Användningsområde	Hastighet	Resonemangsdjup
K2.5 Instant	Snabba svar, enkla uppgifter	Snabbast	Standard
K2.5 Thinking	Matematik, logik, komplex analys	Måttlig	Djup tankekedja
K2.5 Agent	Verktygsanvändning, kodkörning	Uppgiftsbaserad	Agentiskt resonemang
K2.5 Agent Swarm	Komplex forskning, flerstegsflöden	4,5x snabbare än enskild agent	Distribuerat multi-agent-system

Resultat i mätningar

K2.5 uppnår 96,1% på AIME 2025 (GPT-5.2 når 100%), 98,0% på MATH-500 och 87,6% på GPQA-Diamond. Inom kodning når den 83,1% på LiveCodeBench v6, vilket är betydligt högre än Claude Opus 4.5 på 64,0%. Läget Agent Swarm uppnådde 50,2% på Humanity's Last Exam med verktyg, vilket överträffar GPT-5.2 med 76% lägre kostnad. Den visuella förmågan inkluderar 92,3% på OCRBench och 86,6% på VideoMMMU.

Basmodellen Kimi K2

K2 släpptes i juli 2025 och var Moonshot AI:s första MoE-modell med 1 biljon parametrar. Den utgör grunden för alla efterföljande versioner i K2-serien. Modellen släpptes som öppen källkod under MIT-licens och etablerade arkitekturen med 384 experter och 32B aktiva parametrar. Den ursprungliga versionen stödde ett kontextfönster på 128K tokens, vilket senare utökades till 256K i och med uppdateringen i september 2025.

K2-Instruct-0905 medförde betydande förbättringar för kodning och det utökade kontextfönstret. Denna uppdatering fick 94,5% på HumanEval, vilket visar på stark förmåga för kodgenerering. Instruct-varianten finns kvar som ett renodlat textalternativ för användare som inte behöver multimodala funktioner.

Lättviktiga modeller i familjen

Kimi Linear

Kimi Linear lanserades i oktober 2025 och använder en kompakt MoE-arkitektur på 48B med endast 3B aktiva parametrar per token. Modellen är designad för användning lokalt och i miljöer med begränsade resurser. Den levererar överraskande hög prestanda i förhållande till sin storlek. Modellen stöder 128K tokens och körs effektivt på vanlig konsumenthårdvara, vilket gör den lämplig för mobilapplikationer och scenarier med högt genomflöde där låg latens är prioriterat.

Kimi-VL

Kimi-VL släpptes i april 2025 och är en MoE-modell för vision och språk med 16B parametrar. Det var Moonshot AI:s första multimodala modell med öppen källkod, skapad för uppgifter som kombinerar bildförståelse med textgenerering. Även om den har ersatts av K2.5 för mer krävande arbetsbelastningar, är Kimi-VL fortfarande värdefull för enklare visuella uppgifter där den stora 1T-modellen vore onödigt resurskrävande.

Resonemangsmodellen Kimi K1.5

K1.5 som lanserades i januari 2025 markerade Moonshot AI:s inträde bland avancerade resonemangsmodeller. Den uppvisade prestanda i nivå med OpenAI o1 i tester för matematik och kodning genom att introducera förstärkningslärande i plattformen. Även om det exakta antalet parametrar aldrig avslöjades, visade K1.5 att företaget kunde konkurrera i det absoluta toppskiktet.

K1.5 fokuserade uteslutande på textbaserat resonemang utan multimodala funktioner. Lanseringen etablerade Moonshot AI som en seriös aktör och lade grunden för den mer kapabla K2-serien. Användare som fortfarande använder K1.5 bör uppgradera till K2.5, som överträffar föregångaren i alla mätningar och dessutom erbjuder multimodala funktioner.

Välj rätt Kimi modell

Valet av modell beror på dina specifika krav gällande kapacitet, kostnad och flexibilitet vid distribution. Följande guide hjälper dig att matcha användningsområden med rätt modell.

Använd K2.5 via API eller kimi.com för generella AI-behov med maximal kapacitet. Instant-läget hanterar enkla uppgifter effektivt medan Thinking-läget löser komplexa problem.
Använd K2.5 Agent eller Agent Swarm för autonoma arbetsflöden och forskning. Systemet med svärmar är utmärkt för flerstegsuppgifter som kräver parallell informationsinsamling.
Ladda ner K2.5 från Hugging Face för egen distribution med fullständiga funktioner. Modellen kan köras via vLLM, SGLang eller Docker på egen hårdvara.
Använd Kimi Linear för lättviktig användning eller lokal körning. Den tekniska specifikationen med 48B MoE gör den lämplig för miljöer med begränsad beräkningskraft.
Använd Kimi-VL för enkla bilduppgifter med en begränsad budget. Den fungerar bra när de fullständiga multimodala funktionerna i K2.5 inte är nödvändiga.
Använd K2-Instruct-0905 för resonemang i ren text till en lägre kostnad. Det är ett bra alternativ när du vill ha kraften i en 1T MoE men inte behöver bildstöd.

Vanliga frågor och svar

Vilken Kimi modell är bäst?

Kimi K2.5 är den mest kapabla modellen i alla kategorier inklusive resonemang, kodning, vision och agentuppgifter. Den får 96,1% på AIME 2025 och leder på OCRBench med 92,3%.

Är Kimi modeller gratis att använda?

Alla Kimi modeller är tillgängliga kostnadsfritt via webbplatsen och mobilappar. API-åtkomst använder prissättning per token och vikterna på Hugging Face är gratis att ladda ner.

Kan jag köra Kimi lokalt?

K2.5 och K2 kan köras via vLLM eller Docker på GPU-resurser. Kimi Linear är bäst lämpad för lokal körning på vanlig konsumenthårdvara.

Vad är skillnaden mellan K2 och K2.5?

K2.5 lägger till inbyggd multimodalitet med MoonViT-3D och Agent Swarm-läge. K2 hanterar enbart text och har ett kontextfönster på 128K-256K.

Vad innebär Agent Swarm i K2.5?

Agent Swarm koordinerar upp till 100 specialiserade underagenter som arbetar parallellt, vilket gör exekveringen 4,5 gånger snabbare än en enskild agent.

Vilka språk och filtyper stöder Kimi?

De senaste modellerna som K2.5 stöder fullständig multimodal förståelse av video, bilder, text och dokument.

Är Kimi-modellerna öppen källkod?

Ja, hela K2.5-modellen och K2-serien är öppen källkod under en modifierad MIT-licens tillgänglig på Hugging Face.

Hur stort är kontextfönstret för K2.5?

Kimi K2.5 har ett utökat kontextfönster på 256K tokens.

Kan Kimi användas för kodning?

Absolut, K2.5 når 83,1% på LiveCodeBench v6, vilket överträffar många andra ledande modeller som Claude Opus 4.5.

Vem har skapat Kimi?

Kimi-modellerna utvecklas av företaget Moonshot AI.