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 Muon optimizer, Kimi K2 achieves exceptional performance across frontier knowledge, reasoning, and coding tasks while being...

Commencer gratuitement ← Tous les modèles

moonshotai/Kimi-K2-Instruct Sur demande

text->text · moonshotai · sovereign EU

Runs on EU infrastructure operated by European companies; US marketplace capacity is never part of this chain. Full chain

—

Paramètres

131K

Fenêtre de contexte

1236GB

VRAM minimale

POST /api/v1/chat/completions Sur demande

Caractéristiques

Fenêtre de contexte 131,072 tokens

VRAM minimale 1236 GB

Architecture DeepseekV3ForCausalLM (vLLM)

Licence open-weights

Modalité text->text

Date de sortie July 2025

Éditeur moonshotai ↗

Tarifs

Router partagé · par token

Sur demande

Non disponible sur le Router partagé. Tarif sur demande en déploiement GPU dédié.

GPU dédié · par heure

à partir de 54,00 € par heure

Votre propre instance vLLM sur un cloud européen (1236 Go de VRAM), facturée à l'heure.

Router européen partagé, paiement au token, scale-to-zero. Les déploiements GPU dédiés sont facturés à l'heure, voir tarifs.

Indice Bench

Bench est notre indice de qualité pour chaque modèle, de 0 à 100. Il s'appuie sur des mesures publiques (Epoch AI avec une quarantaine de benchmarks, LiveBench, LMArena et d'autres) et est actualisé chaque matin. Là où personne ne mesure, il affiche une estimation avec une fourchette.

62,7 / 100 · Mesuré

Mesuré par Epoch AI sur 7 benchmarks, avec une fourchette.

Fourchette de 57,8 à 65,2 · Rang 119 sur 277 chez Epoch AI

Sources: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Mis à jour chaque jour, dernière fois le 19-10-2026

LiveBench · 48,1

Raisonnement 42,2

Code 74,3

Code agentique 31,7

Mathématiques 58,2

Analyse de données 43,3

Langue 66,7

Respect des consignes 20,4

Tous les benchmarks (7)

Lech Mazur Writing 85,6

Fiction.LiveBench 61,1

Aider polyglot 59,1

WeirdML 39,4

Terminal Bench 27,8

SimpleBench 11,6

GSO-Bench 4,9

LiveBench · Toutes les tâches

Raisonnement

theory of mind 51,9

zebra puzzle 21,0

spatial 62,0

logic with navigation 34,0

Code

code generation 74,7

code completion 73,9

Code agentique

javascript 35,0

typescript 15,0

python 45,0

Mathématiques

AMPS Hard 82,0

integrals with game 7,0

math comp 72,6

olympiad 71,1

Analyse de données

consecutive events 3,2

tablejoin 32,7

tablereformat 94,1

Langue

connections 78,2

plot unscrambling 45,9

typos 76,0

Respect des consignes

paraphrase 13,0

simplify 20,3

story generation 24,3

summarize 23,9

Appelez-le dès maintenant

Remplacement direct d'OpenAI : changez uniquement l'URL de base et la clé API. Le format Anthropic (/v1/messages) est également pris en charge.

curl https://hostyourai.com/api/v1/chat/completions \
  -H "Authorization: Bearer hyai-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/Kimi-K2-Instruct",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Questions fréquentes

Puis-je exécuter Kimi K2 Instruct dans l'UE ?

Oui. HostYourAI exécute Kimi K2 Instruct sur des GPU situés dans des centres de données européens via vLLM. Les prompts et les réponses ne quittent jamais l'UE, et aucun fournisseur de cloud américain n'intervient dans la chaîne.

L'hébergement de Kimi K2 Instruct est-il conforme au RGPD ?

Oui. Tout le traitement a lieu au sein de l'UE, un accord de traitement des données (DPA) est disponible et la liste des sous-traitants est publique. Des poids open source signifient aussi : aucun entraînement sur vos données.

Combien coûte Kimi K2 Instruct ?

Kimi K2 Instruct est disponible sur demande : via le Router européen partagé après un bref échange, ou en déploiement GPU dédié facturé à l'heure. Décrivez-nous votre cas d'usage et nous le configurerons pour vous.

L'API est-elle compatible avec OpenAI ?

Oui. Vous utilisez les SDK OpenAI standard avec une URL de base personnalisée (https://hostyourai.com/api/v1). L'API Anthropic Messages est également prise en charge en remplacement direct.

Autres modèles de Moonshotai

Kimi K3

Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (KDA) and Attention Residuals (AttnRes), with native vision capabilities and a 1-million-token context window. It is the world's first open 3T-class model, designed for frontier intelligence across long-horizon coding, knowledge work, and reasoning.

1M contexte Voir le modèle →

Kimi K2.7 Code

Kimi K2.7 Code is a coding-focused agentic model built upon Kimi K2.6. With substantial improvements on real-world long-horizon coding tasks, it strengthens end-to-end task completion across complex software engineering workflows while improving token efficiency, reducing thinking-token usage by approximately 30% compared with Kimi K2.6.

1027B 262K contexte Voir le modèle →

Kimi K2.6

Kimi K2.6 is an open-source, native multimodal agentic model that advances practical capabilities in long-horizon coding, coding-driven design, proactive autonomous execution, and swarm-based task orchestration.

1027B 262K contexte Voir le modèle →

Kimi K2.5

Kimi K2.5 is an open-source, native multimodal agentic model built through continual pretraining on approximately 15 trillion mixed visual and text tokens atop Kimi-K2-Base. It seamlessly integrates vision and language understanding with advanced agentic capabilities, instant and thinking modes, as well as conversational and agentic paradigms.

1027B 262K contexte Voir le modèle →

Kimi K2 Thinking

Kimi K2 Thinking is the latest, most capable version of open-source thinking model. Starting with Kimi K2, we built it as a thinking agent that reasons step-by-step while dynamically invoking tools. It sets a new state-of-the-art on Humanity's Last Exam (HLE), BrowseComp, and other benchmarks by dramatically scaling multi-step reasoning depth and maintaining stable tool-use across 200–300 sequential calls. At the same time, K2 Thinking is a native INT4 quantization model with 256k context window, achieving lossless reductions in inference latency and GPU memory usage.

1026B 262K contexte Voir le modèle →

Kimi Linear 48B A3B Base

Kimi Linear is a hybrid linear attention architecture that outperforms traditional full attention methods across various contexts, including short, long, and reinforcement learning (RL) scaling regimes. At its core is Kimi Delta Attention (KDA)—a refined version of Gated DeltaNet that introduces a more efficient gating mechanism to optimize the use of finite-state RNN memory.

49B Voir le modèle →

Essayez Kimi K2 Instruct gratuitement

La création d'un compte prend une minute. Testez Kimi K2 Instruct tout de suite dans le Playground.

Commencer gratuitement