Kimi K2.5

Fiche modèle · Moonshot AI · kimi-k2.5

Kimi K2.5 is Moonshot AI's flagship agentic model and a new SOTA open model. It unifies vision and text, thinking and non-thinking modes, and single-agent and multi-agent execution into one model. Built with Full-Parameter RL tuning, it achieves state-of-the-art performance across agents, coding, image, and video benchmarks.

Fiches modèles

Identité

Organisation	Moonshot AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-01-27
Licence	mit
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 1e+03 Md > 107 Md
Modalités	image\|text\|video
Fenêtre de contexte	262 144
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-K2.5
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	15 000 000 000 000
Coupure de connaissance	—
Créé le	2026-05-07T16:53:32.733724Z
Mis à jour le	2026-11-04T06:04:57.536029Z
Source	LLM Stats
URL	https://llm-stats.com/models/kimi-k2.5

Tokens/tâche

IA Act — preuves fournisseur

ICA 2/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	0,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via Tensorix (eurouter).

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 « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Tensorix	eurouter	souverain	—	—	—	262 144	—	—	—
AWS Bedrock	eurouter	partiel	—	—	—	262 144	—	—	—

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
image_to_text	0.80
language	0.90
legal	0.90
long_context	0.80
math	0.80
multimodal	0.70
physics	0.70
reasoning	0.70
safety	0.40
search	0.70
structured_output	0.70
finance	0.90
frontend_development	0.80
general	0.70
healthcare	0.70
agents	0.60
biology	0.70
chemistry	0.70
code	0.50
tool_calling	0.50
video	0.80
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-lcr	reasoning	0.70	1.00	0.70	non	oui	2026-11-04T06:04:57.688728Z
aime-2025	math	0.96	1.00	0.96	non	oui	2026-11-04T06:04:57.576881Z
browsecomp	reasoning	0.75	1.00	0.75	non	oui	2026-11-04T06:04:57.542823Z
charxiv-r	reasoning	0.78	1.00	0.78	non	oui	2026-11-04T06:04:57.623706Z
cybergym	code	0.41	1.00	0.41	non	oui	2026-11-04T06:04:57.673075Z
deepsearchqa	search	0.77	1.00	0.77	non	oui	2026-11-04T06:04:57.700002Z
finsearchcomp-t2-t3	finance	0.68	1.00	0.68	non	oui	2026-11-04T06:04:57.704025Z
frontierswe	code	0.26	1.00	0.26	non	non	2026-11-04T06:04:57.707095Z
gpqa	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:04:57.615539Z
hmmt-2025	math	0.95	1.00	0.95	non	oui	2026-11-04T06:04:57.602560Z
humanity's-last-exam	reasoning	0.50	1.00	0.50	non	oui	2026-11-04T06:04:57.539433Z
imo-answerbench	math	0.82	1.00	0.82	non	oui	2026-11-04T06:04:57.611517Z
infovqatest	vision	0.93	1.00	0.93	non	oui	2026-11-04T06:04:57.638247Z
livebench	math	0.69	1.00	0.69	non	non	2026-11-04T06:04:57.710241Z
livecodebench-v6	reasoning	0.85	1.00	0.85	non	oui	2026-11-04T06:04:57.685976Z
longbench-v2	long_context	0.61	1.00	0.61	non	oui	2026-11-04T06:04:57.595460Z
longvideobench	vision	0.80	1.00	0.80	non	oui	2026-11-04T06:04:57.573056Z
lvbench	vision	0.76	1.00	0.76	non	oui	2026-11-04T06:04:57.663028Z
mathvision	math	0.84	1.00	0.84	non	oui	2026-11-04T06:04:57.559501Z
mathvista-mini	math	0.90	1.00	0.90	non	oui	2026-11-04T06:04:57.628135Z
mmlu-pro	language	0.87	1.00	0.87	non	oui	2026-11-04T06:04:57.619809Z
mmmu-pro	vision	0.79	1.00	0.79	non	oui	2026-11-04T06:04:57.556422Z
mmvu	vision	0.80	1.00	0.80	non	oui	2026-11-04T06:04:57.650017Z
motionbench	vision	0.70	1.00	0.70	non	oui	2026-11-04T06:04:57.653682Z
ocrbench	vision	0.92	1.00	0.92	non	oui	2026-11-04T06:04:57.635007Z
ojbench-cpp	reasoning	0.57	1.00	0.57	non	oui	2026-11-04T06:04:57.683176Z
omnidocbench-1.5	vision	0.89	1.00	0.89	non	oui	2026-11-04T06:04:57.564737Z
paperbench	code	0.64	1.00	0.64	non	oui	2026-11-04T06:04:57.669774Z
scicode	reasoning	0.49	1.00	0.49	non	oui	2026-11-04T06:04:57.679958Z
seal-0	reasoning	0.57	1.00	0.57	non	oui	2026-11-04T06:04:57.580155Z
simplevqa	vision	0.71	100.00	0.71	non	oui	2026-11-04T06:04:57.641209Z
swe-bench-multilingual	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:04:57.553186Z
swe-bench-pro	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:04:57.583459Z
swe-bench-verified	reasoning	0.77	1.00	0.77	non	oui	2026-11-04T06:04:57.545906Z
terminal-bench-2	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:04:57.591573Z
video-mme	multimodal	0.87	1.00	0.87	non	oui	2026-11-04T06:04:57.658995Z
videommmu	multimodal	0.87	1.00	0.87	non	oui	2026-11-04T06:04:57.569654Z
widesearch	search	0.79	1.00	0.79	non	oui	2026-11-04T06:04:57.695930Z
worldvqa	vision	0.46	1.00	0.46	non	oui	2026-11-04T06:04:57.645113Z
zerobench	vision	0.11	100.00	0.11	non	oui	2026-11-04T06:04:57.631279Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
math	39	0.80	36.64	9	trueskill	2026-11-04T08:08:42.442591Z	rankings
multimodal	42	0.70	28.92	15	trueskill	2026-11-04T08:08:46.488887Z	rankings
agents	86	—	17.91	8	trueskill	2026-10-19	model_history
code	84	—	24.61	8	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