MoonshotAI: Kimi K2.5

MoonshotAI: Kimi K2 0905

moonshotai

Kimi K2 0905 — это сентябрьское обновление модели Kimi K2 0711. Она представляет собой крупномасштабную языковую модель с архитектурой Mixture-of-Experts (MoE), разработанную Moonshot AI. Общее количество параметров составляет 1 триллион, из которых 32 миллиарда активны при каждом проходе. Модель поддерживает работу с длинным контекстом до 256 000 токенов, что вдвое больше предыдущего лимита в 128 000. Данное обновление повышает эффективность написания кода в режиме агента, обеспечивая более высокую точность и улучшенную обобщающую способность при работе с различными фреймворками. Также улучшена фронтенд-разработка: модель создает более эстетичные и функциональные результаты для веб-интерфейсов, 3D-графики и смежных задач. Kimi K2 оптимизирована для агентских функций, включая продвинутое использование инструментов, логическое рассуждение и синтез кода. Модель демонстрирует отличные результаты в бенчмарках по программированию (LiveCodeBench, SWE-bench), логике (ZebraLogic, GPQA) и работе с инструментами (Tau2, AceBench). При обучении использовался инновационный стек технологий, включающий оптимизатор MuonClip для обеспечения стабильности тренировки масштабных MoE-систем. Модель доступна через API на платформе alltokens.

MoonshotAI: Kimi K2 0711

moonshotai

Kimi K2 Instruct — это крупномасштабная языковая модель на архитектуре Mixture-of-Experts (MoE), разработанная компанией Moonshot AI. Модель содержит в общей сложности 1 триллион параметров, из которых 32 миллиарда активны при каждом проходе. Она оптимизирована для работы в качестве ИИ-агента, демонстрируя продвинутые возможности в использовании инструментов, логическом мышлении и синтезе программного кода. Kimi K2 показывает отличные результаты в широком спектре бенчмарков, особенно в задачах программирования (LiveCodeBench, SWE-bench), логики (ZebraLogic, GPQA) и вызова функций (Tau2, AceBench). Модель поддерживает обработку длинного контекста до 128 000 токенов и создана с использованием инновационного стека обучения, включающего оптимизатор MuonClip для стабильной тренировки масштабных MoE-систем. Доступ к модели осуществляется через alltokens.