Kimi K2-Instruct-0905

Fiche modèle · Moonshot AI · kimi-k2-instruct-0905

Kimi K2-Instruct-0905 is the latest, most capable version of Kimi K2, achieving state-of-the-art performance in frontier knowledge, math, and coding among non-thinking models. This Mixture-of-Experts model features 32 billion activated parameters and 1 trillion total parameters, meticulously optimized for agentic tasks. Key features include enhanced agentic coding intelligence, extended context length to 256K tokens, and a hybrid architecture trained with MuonClip optimizer on 15.5T tokens. The model achieves 65.8% on SWE-bench Verified (single attempt), 47.3% on SWE-bench Multilingual, and excels at tool use with 70.6% on Tau2-retail. It is a reflex-grade model without long thinking, designed to act and execute complex tasks seamlessly.

Fiches modèles

Identité

OrganisationMoonshot AI
Pays—
Famille—
Typellm
Date de sortie2025-09-05
Licencemit
Licence commercialeoui
Licence open sourceoui
Poids ouvertsoui
Auto-hébergement (DGX Spark)non — 1e+03 Md > 107 Md
Modalités—
Fenêtre de contexte262 144
KV cache / token (Q8)874.5 ko/token
Paramètres totaux1 T
Paramètres actifs (session)32 B
Source des paramètres actifsweb : https://huggingface.co/moonshotai/Kimi-K2-Instruct-0905
Curation des paramètres actifs2026-11-04
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement15 500 000 000 000
Coupure de connaissance—
Créé le2026-05-07T16:53:32.634243Z
Mis à jour le2026-11-04T06:04:57.377430Z
SourceLLM Stats
URLhttps://llm-stats.com/models/kimi-k2-instruct-0905
Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

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)

CatégorieScore
chat0.70
instruction_following0.90
language0.90
legal0.80
math0.70
physics0.70
reasoning0.60
structured_output0.90
factuality0.30
finance0.80
frontend_development0.70
general0.60
healthcare0.80
agents0.20
biology0.80
chemistry0.70
code0.50
communication0.60
economics0.60
tool_calling0.60
vision0.00

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
acebenchgeneral0.771.000.77nonoui2026-11-04T06:04:57.438563Z
aider-polyglotgeneral0.601.000.60nonoui2026-11-04T06:04:57.409813Z
aime-2024math0.701.000.70nonoui2026-11-04T06:04:57.443099Z
aime-2025math0.491.000.49nonoui2026-11-04T06:04:57.463189Z
autologireasoning0.901.000.90nonoui2026-11-04T06:04:57.486148Z
cnmo-2024math0.741.000.74nonoui2026-11-04T06:04:57.475931Z
gpqareasoning0.751.000.75nonoui2026-11-04T06:04:57.489277Z
hmmt-2025math0.391.000.39nonoui2026-11-04T06:04:57.471406Z
humanity's-last-examreasoning0.051.000.05nonoui2026-11-04T06:04:57.500991Z
ifevalchat0.901.000.90nonoui2026-11-04T06:04:57.520547Z
livebenchmath0.761.000.76nonoui2026-11-04T06:04:57.531647Z
livecodebenchreasoning0.541.000.54nonoui2026-11-04T06:04:57.392922Z
math-500math0.971.000.97nonoui2026-11-04T06:04:57.468441Z
mmlugeneral0.901.000.90nonoui2026-11-04T06:04:57.511512Z
mmlu-prolanguage0.811.000.81nonoui2026-11-04T06:04:57.517683Z
mmlu-reduxlanguage0.931.000.93nonoui2026-11-04T06:04:57.514572Z
multichallengechat0.541.000.54nonoui2026-11-04T06:04:57.523403Z
multipl-egeneral0.861.000.86nonoui2026-11-04T06:04:57.403607Z
ojbenchreasoning0.271.000.27nonoui2026-11-04T06:04:57.397042Z
polymath-enmath0.651.000.65nonoui2026-11-04T06:04:57.479127Z
simpleqafactuality0.311.000.31nonoui2026-11-04T06:04:57.526269Z
supergpqareasoning0.571.000.57nonoui2026-11-04T06:04:57.497123Z
swe-bench-multilingualreasoning0.471.000.47nonoui2026-11-04T06:04:57.385516Z
swe-bench-verifiedreasoning0.661.000.66nonoui2026-11-04T06:04:57.382028Z
tau2-airlinechat0.561.000.56nonoui2026-11-04T06:04:57.424681Z
tau2-retailcommunication0.711.000.71nonoui2026-11-04T06:04:57.419758Z
tau2-telecomcommunication0.661.000.66nonoui2026-11-04T06:04:57.433106Z
terminal-benchreasoning0.251.000.25nonoui2026-11-04T06:04:57.389279Z
zebralogicreasoning0.891.000.89nonoui2026-11-04T06:04:57.482943Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
chat360.7022.023trueskill2026-11-04T08:08:43.789169Zrankings
agents197—-4.111trueskill2026-10-19model_history
code184—9.655trueskill2026-10-19model_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