Kimi K2 完整指南 — 月之暗面長文本模型實測

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-10-19

Kimi K2 是月之暗面（Moonshot AI）在 2025 年 7 月開源的混合專家（MoE）模型，總參數 1 兆、每個 token 只啟用 320 億參數。它真正值得用的地方不是聊天，而是「長上下文 + 工具呼叫」的代理任務：0905 版把上下文視窗擴大到 256K tokens，程式修復類基準 SWE-ben

Kimi K2 是月之暗面（Moonshot AI）在 2025 年 7 月開源的混合專家（MoE）模型，總參數 1 兆、每個 token 只啟用 320 億參數。它真正值得用的地方不是聊天，而是「長上下文 + 工具呼叫」的代理任務：0905 版把上下文視窗擴大到 256K tokens，程式修復類基準 SWE-bench Verified 的分數也達到 69.2%。要一次讀完大量文件，或讓 AI 自己多步驟執行工作，K2 系列是目前成本最低的開源選項之一。 Kimi K2 是什麼：架構與版本 Kimi K2 用 MoE 架構，把 1 兆參數分給 384 個專家，每個 token 只挑 8 個專家加 1 個共享專家來計算。這樣模型的知識容量有兆級規模，推論成本卻接近 30B 級的密集模型。完整規格公布在 「總參數 1 兆、啟用參數 320 億、預訓練資料 15.5 兆 tokens（2025 年 7 月）」（來源：Moonshot AI 官方 GitHub） 。 訓練穩定性是 K2 的技術重點。月之暗面在 Muon 優化器上加了 QK-Clip 機制，合起來叫 MuonClip。官方表示 15.5 兆 tokens 的預訓練過程中完全沒有出現 loss spike（損失突然暴衝），這對兆級模型來說很少見。技術細節可以看官方的 Kimi K2 技術說明頁 。 三個主要版本 Kimi-K2-Instruct（2025-07） ：初版，上下文 128K tokens，給一般對話與代理任務使用。 Kimi-K2-Instruct-0905（2025-09） ：上下文擴大到 256K tokens，強化了前端程式碼生成與工具呼叫。 Kimi K2 Thinking（2025-11） ：推理版本，會邊思考邊呼叫工具，原生支援 INT4 量化，可以連續執行 200–300 次工具呼叫而不偏離任務。 三個版本的權重都用修改版 MIT 授權開源，可以在 Hugging Face 模型頁 下載。修改的條款只有一條：產品月活躍用戶超過 1 億或月營收超過 2,000 萬美元時，必須在介面上標明「Kimi K2」。 長文本能力：從 20 萬字到 256K tokens 長文本一直是月之暗面的招牌。2023 年 10 月推出的 Kimi 智能助手，第一版就支援約 20 萬個中文字的輸入，2024 年 3 月又宣布擴大到 200 萬字的無損上下文。公司的發展經過整理在 Wikipedia 的 Moonshot AI 條目 。 K2 模型本身的 API 上限是 256K tokens，跟前面說的消費端產品「200 萬字」是兩回事。消費端 App 加了檢索與分段處理的機制，API 直接呼叫模型時就受 256K tokens 限制。以中文來說，1 個 token 大約對應 1–1.5 個漢字，所以 256K tokens 約等於 25–38 萬字，大概是 3–4 本一般商業書的份量。 長文本實測方法（可自行重現） 測試長上下文要看「找得到」和「推得出」兩件事，不能只看能不能塞進去。建議用下面三個測試： 大海撈針（Needle in a Haystack） ：在 20 萬 tokens 的文件裡，分別在 10%、50%、90% 的位置插入一句不相關的事實，問模型那句話的內容，記錄命中率。 跨段落彙整 ：放入 5 份年報，要求比較各家第三季的毛利率並指出引用頁碼，檢查數字和出處有沒有對上。 長程式碼庫理解 ：把一個 3–5 萬行的專案整個丟進去，要求畫出模組呼叫關係，再比對實際的 import 結構。 實務上要注意：上下文越接近上限，中段資訊被忽略的機率越高（也就是「lost in the middle」現象）。處理超過 15 萬 tokens 的輸入時，建議把最關鍵的指令同時放在開頭和結尾。 基準測試數據：K2 在哪些任務上領先 K2 最突出的是程式碼和代理任務，純數學推理則不是它的主場。依官方公布的數據： 「Kimi-K2-Instruct-0905 在 SWE-bench Verified 取得 69.2% 準確率（2025 年 9 月）」（來源：Moonshot AI Hugging Face 模型卡） ，比 7 月初版的 65.8% 高了 3.4 個百分點。 「Kimi K2 Thinking 在 Humanity's Last Exam（使用工具）取得 44.9%、BrowseComp 取得 60.2%（2025 年 11 月）」（來源：Moonshot AI 官方技術頁） ，這兩項測的是跨領域難題和網路搜尋型代理任務。 「初版 K2 在 LiveCodeBench v6 取得 53.7%、GPQA-Diamond 取得 75.1%（2025 年 7

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-10-19. Independently maintained — not AI-generated boilerplate.