Kimi K2 Instruct

Fiche modèle · Moonshot AI · kimi-k2-instruct

Kimi K2 is a state-of-the-art mixture-of-experts (MoE) language model with 32 billion activated parameters and 1 trillion total parameters. Trained with the MuonClip optimizer, it achieves exceptional performance across frontier knowledge, reasoning, and coding tasks while being meticulously optimized for agentic capabilities. The instruct variant is post-trained for drop-in, general-purpose chat and agentic experiences without long thinking.

Fiches modèles

Identité

Organisation	Moonshot AI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-07-11
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 1e+03 Md > 107 Md
Modalités	text
Fenêtre de contexte	131 072
KV cache / token (Q8)	874.5 ko/token
Paramètres totaux	1 T
Paramètres actifs (session)	32 B
Source des paramètres actifs	web : https://huggingface.co/moonshotai/Kimi-K2-Instruct
Curation des paramètres actifs	2026-11-04
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	15 500 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:40.735003Z
Mis à jour le	2026-11-04T06:05:14.752519Z
Source	LLM Stats
URL	https://llm-stats.com/models/kimi-k2-instruct

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)

Catégorie	Score
chat	0.70
instruction_following	0.90
language	0.90
legal	0.80
math	0.70
physics	0.70
reasoning	0.70
structured_output	0.90
factuality	0.30
finance	0.80
general	0.70
healthcare	0.80
agents	0.30
biology	0.80
chemistry	0.70
code	0.60
communication	0.60
economics	0.60
tool_calling	0.60
vision	0.00

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
acebench	general	0.77	1.00	0.77	non	oui	2026-11-04T06:05:14.755899Z
aider-polyglot	general	0.60	1.00	0.60	non	oui	2026-11-04T06:05:14.758862Z
aime-2024	math	0.70	1.00	0.70	non	oui	2026-11-04T06:05:14.761778Z
aime-2025	math	0.49	1.00	0.49	non	oui	2026-11-04T06:05:14.764963Z
autologi	reasoning	0.90	1.00	0.90	non	oui	2026-11-04T06:05:14.768378Z
cbnsl	math	0.96	1.00	0.96	non	oui	2026-11-04T06:05:14.771639Z
cnmo-2024	math	0.74	1.00	0.74	non	oui	2026-11-04T06:05:14.774722Z
csimpleqa	general	0.78	1.00	0.78	non	oui	2026-11-04T06:05:14.777681Z
gpqa	reasoning	0.75	1.00	0.75	non	oui	2026-11-04T06:05:14.780592Z
gsm8k	math	0.97	1.00	0.97	non	oui	2026-11-04T06:05:14.783921Z
hmmt-2025	math	0.39	1.00	0.39	non	oui	2026-11-04T06:05:14.786844Z
humaneval	reasoning	0.93	1.00	0.93	non	oui	2026-11-04T06:05:14.789827Z
humaneval-er	reasoning	0.81	1.00	0.81	non	oui	2026-11-04T06:05:14.792799Z
humanity's-last-exam	reasoning	0.05	1.00	0.05	non	oui	2026-11-04T06:05:14.795606Z
ifeval	chat	0.90	1.00	0.90	non	oui	2026-11-04T06:05:14.798711Z
livebench	math	0.76	1.00	0.76	non	oui	2026-11-04T06:05:14.801778Z
livecodebench-v6	reasoning	0.54	1.00	0.54	non	oui	2026-11-04T06:05:14.804998Z
math-500	math	0.97	1.00	0.97	non	oui	2026-11-04T06:05:14.807909Z
mmlu	general	0.90	1.00	0.90	non	oui	2026-11-04T06:05:14.811174Z
mmlu-pro	language	0.81	1.00	0.81	non	oui	2026-11-04T06:05:14.813964Z
mmlu-redux	language	0.93	1.00	0.93	non	oui	2026-11-04T06:05:14.816766Z
multichallenge	chat	0.54	1.00	0.54	non	oui	2026-11-04T06:05:14.819771Z
multipl-e	general	0.86	1.00	0.86	non	oui	2026-11-04T06:05:14.822644Z
musr	reasoning	0.76	1.00	0.76	non	oui	2026-11-04T06:05:14.825617Z
ojbench	reasoning	0.27	1.00	0.27	non	oui	2026-11-04T06:05:14.828453Z
polymath-en	math	0.65	1.00	0.65	non	oui	2026-11-04T06:05:14.831507Z
simpleqa	factuality	0.31	1.00	0.31	non	oui	2026-11-04T06:05:14.834851Z
supergpqa	reasoning	0.57	1.00	0.57	non	oui	2026-11-04T06:05:14.838237Z
swe-bench-multilingual	reasoning	0.47	1.00	0.47	non	oui	2026-11-04T06:05:14.841807Z
swe-bench-verified-(agentic-coding)	reasoning	0.66	1.00	0.66	non	oui	2026-11-04T06:05:14.845020Z
swe-bench-verified-(agentless)	general	0.52	1.00	0.52	non	oui	2026-11-04T06:05:14.848025Z
swe-bench-verified-(multiple-attempts)	reasoning	0.72	1.00	0.72	non	oui	2026-11-04T06:05:14.850945Z
tau2-airline	chat	0.56	1.00	0.56	non	oui	2026-11-04T06:05:14.853713Z
tau2-retail	communication	0.71	1.00	0.71	non	oui	2026-11-04T06:05:14.856578Z
tau2-telecom	communication	0.66	1.00	0.66	non	oui	2026-11-04T06:05:14.859362Z
terminal-bench	reasoning	0.30	1.00	0.30	non	oui	2026-11-04T06:05:14.862625Z
terminus	reasoning	0.25	1.00	0.25	non	oui	2026-11-04T06:05:14.865651Z
zebralogic	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:05:14.868500Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
chat	37	0.70	21.95	3	trueskill	2026-11-04T08:08:43.789169Z	rankings
agents	191	—	-0.93	1	trueskill	2026-10-19	model_history
code	160	—	12.27	4	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