Kimi K2 0905

Fiche modèle · Moonshot AI · kimi-k2-0905

Kimi K2 0905 is the September update of Kimi K2 0711. It is a large-scale Mixture-of-Experts (MoE) language model developed by Moonshot AI, featuring 1 trillion total parameters with 32 billion active per forward pass. It supports long-context inference up to 256k tokens, extended from the previous 128k. This update improves agentic coding with higher accuracy and better generalization across scaffolds, and enhances frontend coding with more aesthetic and functional outputs for web, 3D, and related tasks. The model is trained with a novel stack incorporating the MuonClip optimizer for stable large-scale MoE training.

Fiches modèles

Identité

Organisation	Moonshot AI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-09-05
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	text
Fenêtre de contexte	256 000
KV cache / token (Q8)	—
Paramètres totaux	1 T
Paramètres actifs (session)	32 B
Source des paramètres actifs	web : https://huggingface.co/moonshotai/Kimi-K2-Instruct-0905
Curation des paramètres actifs	2026-10-19
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:41.321787Z
Mis à jour le	2026-11-04T06:05:15.648337Z
Source	LLM Stats
URL	https://llm-stats.com/models/kimi-k2-0905

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.90
legal	0.90
math	0.80
physics	0.80
reasoning	0.80
finance	0.90
general	0.80
healthcare	0.90
biology	0.80
chemistry	0.80
code	0.90

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2024	math	0.72	1.00	0.72	non	oui	2026-11-04T06:05:15.665018Z
gpqa	reasoning	0.76	1.00	0.76	non	oui	2026-11-04T06:05:15.651191Z
humaneval	reasoning	0.94	1.00	0.94	non	oui	2026-11-04T06:05:15.659683Z
math	math	0.89	1.00	0.89	non	oui	2026-11-04T06:05:15.656836Z
mmlu	general	0.90	1.00	0.90	non	oui	2026-11-04T06:05:15.653891Z
mmlu-pro	language	0.82	1.00	0.82	non	oui	2026-11-04T06:05:15.662377Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	113	—	19.39	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04