同步自 OpenRouter · 400 个模型 · source=openrouter · 2026-08-10T01:43:52.266Z
Kimi K2 Thinking
moonshotai/kimi-k2-thinking
MoonshotAI Kimi K2 Thinking 是 K2 系列的最新代理推理模型，基于 1T 参数 MoE 架构（激活 32B 参数），原生支持 256k 上下文窗口。模型专为持久步步思考与动态工具调用优化，能在数百轮交互中保持连贯，适用于自主研究、复杂编码与长程写作工作流。它交织链式思考与工具使用，在 Humanity's Last Exam、BrowseComp 等基准上表现突出。AA 智力 17.3、代码 21、Agent 1.8。模态以文本为主，工具调用能力强。未知细节以厂商/网关为准。
Moonshot AI 先进的长程代理推理模型，支持 256k 上下文与数百步工具调用。
Kimi / Moonshot
MoonshotAI · 知识库 159 模 / 31 族
Moonshot AI 先进的长程代理推理模型，支持 256k 上下文与数百步工具调用。
MoonshotAI Kimi K2 Thinking 是 K2 系列的最新代理推理模型，基于 1T 参数 MoE 架构（激活 32B 参数），原生支持 256k 上下文窗口。模型专为持久步步思考与动态工具调用优化，能在数百轮交互中保持连贯，适用于自主研究、复杂编码与长程写作工作流。它交织链式思考与工具使用，在 Humanity's Last Exam、BrowseComp 等基准上表现突出。AA 智力 17.3、代码 21、Agent 1.8。模态以文本为主，工具调用能力强。未知细节以厂商/网关为准。
月之暗面 Kimi 系列，以长上下文与 Agent 能力见长。
Kimi K2 Thinking is Moonshot AI’s most advanced open reasoning model to date, extending the K2 series into agentic, long-horizon reasoning. Built on the trillion-parameter Mixture-of-Experts (MoE) architecture introduced in...
- Moonshot AI 先进的长程代理推理模型，支持 256k 上下文与数百步工具调用。
- 归并版本 9 个
- K2 Thinking 变体，基于 K2 系列 1T 参数 MoE（激活 32B），原生 INT4 量化，支持 256k 上下文。
适用场景
- 复杂多步推理与数学问题
- 代理式长程编码调试
- 自主网络研究与信息综合
能力 / 优势
- 深度多步推理
- 代理工具编排
- 长上下文稳定处理
- 自主研究与编码工作流
边界 / 不适合
- 实时多模态生成
- 简单短对话场景
接入提示：OpenAI 兼容 API，通过 OpenRouter 网关访问，模型 ID moonshotai/kimi-k2-thinking；支持工具调用与 reasoning_content。
常见问题
该模型上下文长度是多少？
支持 256k token 上下文窗口，适合长程任务。
如何使用工具调用功能？
通过 OpenAI 兼容接口传入 tools 列表，模型会自主决定调用时机与方式。
历史版本 / 相关变体
| 版本 | 模型 | 参数 | 来源 | 说明 |
|---|---|---|---|---|
| — | Kimi K3 moonshotai/kimi-k3 | — | OpenRouter | |
| — | Kimi K2.7 Code moonshotai/kimi-k2.7-code | — | OpenRouter | |
| — | Kimi K2.7 Code (batch) moonshotai/kimi-k2.7-code:batch | — | OpenRouter | |
| — | MoonshotAI Kimi Latest ~moonshotai/kimi-latest | — | OpenRouter | |
| — | Kimi K2.6 moonshotai/kimi-k2.6 | — | OpenRouter | |
| — | Kimi K2.5 moonshotai/kimi-k2.5 | — | OpenRouter | |
| —当前 | Kimi K2 Thinking moonshotai/kimi-k2-thinking | — | OpenRouter | |
| — | Kimi K2 0905 moonshotai/kimi-k2-0905 | — | OpenRouter | |
| — | Kimi K2 0711 moonshotai/kimi-k2 | — | OpenRouter |
定价与限制
| 输入 | $0.600 / 百万 tokens |
| 输出 | $2.50 / 百万 tokens |
| 缓存读 / 写 | $0.150 / — |
| 最大输出 | 100k |
| 输入模态 | text |
| 输出模态 | text |
| HF | moonshotai/Kimi-K2-Thinking |
支持参数
价格与基准分优先同步自 OpenRouter；网关短 ID 由本站平台清单补全，介绍/历史版本融合 Hugging Face 检索与家族知识库。能力验真请用 bench_v1 实验室 · OCR 天梯。
关于本页实体
Kimi K2 Thinking：怎么用本页做决策
Kimi K2 Thinking: live quotes and risk signals on GrokCode. Aggregation only — not a storefront.
Use related guides for methodology; use the tables above for numbers that change hourly.
相关指南
- 2026 最新模型天梯实测：Claude Opus 5、GPT-5.6 Sol、Grok-3 与 Kimi K3 路由策略 — 基于 SWE-Bench、ARC-AGI 与长上下文 Agent 任务的跨模型基准对比，结合价格、上下文长度与本地/云部署可行性，提供 2026 年最优路由决策
- 2026 Grok 编码模型天梯：性价比与选型实战榜 — 聚焦Grok Build 0.1编码代理天梯，实测多场景性价比、上下文长度与工具调用稳定性；对比主流模型，提供工程选型清单与硬件适配建议。
- 2026 GrokCode vLLM 本地部署生产清单：并发、显存、量化与模型天梯实战 — vLLM本地部署生产级配置全指南，聚焦并发处理能力、显存优化、量化策略与编码模型天梯性价比对比。结合GrokCode实验室实测数据，提供工程可核验的硬件搭配方案
- Grok / xAI 模型天梯在 vLLM 本地部署的性价比排行榜 — 2026年 GrokCode 模型天梯在 vLLM 本地部署场景下的编码模型排行榜，覆盖 70B 级 TCO 实测、量化策略与业务选型路径。
- 本地部署 70B 模型天梯：TCO 实测与电费卡费量化 — GrokCode 针对 70B 级别本地部署的算力账单化方案，涵盖电费、硬件卡费、量化策略实测数据与 vLLM 生产清单，助力模型天梯性价比选型。
- 编码模型天梯怎么读：Grok 4.5 性价比榜与业务选型实战 — 2026 年最新 Grok 4.5 / Grok 4.20 编码模型天梯拆解：BenchAlign v5、LM Arena、HighWalk 实测数据 + 与
- Ollama 到 vLLM 生产升级：硬件门槛与推理性能天梯 — 本地部署模型天梯实测：Ollama 原型 vs vLLM 生产，显存量化与并发实测
- Qwen 2.5 本地部署 vLLM 实战：硬件配置与推理速度天梯 — Qwen 系列模型通过 vLLM 本地部署的硬件档位选择、量化策略与实际推理速度对比，助力开发者快速进入模型天梯实验室。
常见问题
- Where do Kimi K2 Thinking prices come from?
- From public catalogs and lab snapshots. Prefer official pages for final billing truth.
主题柱
slug：moonshotai/kimi-k2-thinking · 主题柱讲方法，实时数字以本页表格为准
関連ツール
Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗