1. 通用测试细节
   • 我们报告了启明 K2.5 和 DeepSeek-V3.2 在开启思考模式下的结果，Claude Opus 4.5 在扩展思考模式下的结果，GPT-5.2 在 xhigh 推理力度下的结果，以及 Gemini 3 Pro 在高思考水平下的结果。对于视觉基准测试，我们还额外报告了 Qwen3-VL-235B-A22B-Thinking 的结果。
   • 除非另有说明，所有启明 K2.5 的实验均在温度 = 1.0、top-p = 0.95、上下文长度为 256k 个 token 的条件下进行。
   • 对于没有公开分数的基准测试，我们在与启明 K2.5 相同的条件下重新评估，并用星号 (*) 标记。
   • 由于服务稳定性问题，我们无法在所有基准测试上评估 GPT-5.2 xhigh。对于未测试的基准，我们标记为 "-"。
2. 文本与推理
   • HLE、AIME 2025、HMMT 2025（2月）和 GPQA-Diamond 均以最多 96k 个 token 的完成预算进行评估。
   • AIME 和 HMMT 的结果取 32 次运行的平均值（avg@32）；GPQA-Diamond 取 8 次运行的平均值（avg@8）。
   • 对于 HLE，我们报告完整数据集（文本与图像）的得分。启明 K2.5 在不使用工具时得分为 31.5（文本）和 21.3（图像），而使用工具时则为 51.8（文本）和 39.8（图像）。DeepSeek-V3.2 的得分对应其仅限文本的部分（标记为 †）。为防止潜在的数据泄露，我们屏蔽了对 Hugging Face 的访问。在使用工具的 HLE 中，我们采用简单的上下文管理策略：一旦上下文超过阈值，就只保留最新一轮的工具消息。
3. 工具增强/代理搜索
   • 启明 K2.5 在使用工具的 HLE 以及所有代理搜索基准测试中，配备了搜索、代码解释器和网页浏览工具。
   • 除 BrowseComp（K2.5 和 DeepSeek-V3.2 使用丢弃所有策略）外，未应用任何上下文管理措施，且超出支持上下文长度的任务直接计为失败。
   • 测试系统提示强调深度和主动的工具使用，指导模型仔细推理、利用工具并验证不确定的信息。完整提示将在技术报告中提供。
   • Seal-0 和 WideSearch 的结果取四次运行的平均值（avg@4）。
4. 视觉基准测试
   • 最大 token 数 = 64k，取三次运行的平均值（avg@3）。
   • ZeroBench（带工具）在多步推理中使用每步最大 token 数 = 24k 以及最大步骤数 = 30。
   • MMMU-Pro 遵循官方协议，保持输入顺序并在前面添加图像。
   • GPT-5.2-xhigh 约有 10% 的失败率（尽管重试三次仍无输出），被视为错误；报告的分数可能低估了真实性能。
   • WorldVQA 是一个用于评估原子级视觉中心世界知识的基准测试。可在 https://github.com/MoonshotAI/WorldVQA 上访问 WorldVQA。
   • OmniDocBench 得分计算方式为 (1 − 归一化 Levenshtein 距离) × 100，分数越高表示准确性越好。
5. 编程任务
   • Terminal-Bench 2.0 的得分是在默认代理框架（Terminus-2）和提供的 JSON 解析器下获得的。在我们的实现中，我们以非思考模式评估了 Terminal-Bench 2.0。之所以做出这一选择，是因为我们当前的思考模式上下文管理策略与 Terminus-2 不兼容。
   • 对于 SWE-Bench 系列评估（包括已验证版、多语言版和专业版），我们使用了一个内部开发的评估框架。该框架包含一组最小工具——bash 工具、createfile 工具、insert 工具、view 工具、strreplace 工具和 submit 工具——以及针对具体任务量身定制的系统提示。最高得分是在非思考模式下取得的。
   • Claude Opus 4.5 在 CyberGym 上的得分是在非思考设置下报告的。
   • 所有编程任务的报告得分均取 5 次独立运行的平均值。
6. 长上下文基准测试
   • AA-LCR：得分取三次运行的平均值（avg@3）。
   • LongBench-V2：使用相同的提示和标准化至约 128k 个 token 的输入上下文。
7. 代理群
   • BrowseComp（群模式）：主代理最多 15 步；子代理最多 100 步。
   • WideSearch（群模式）：主代理和子代理最多 100 步。

4. 原生 INT4 量化

启明-K2.5 采用了与 启明-K2-思考 相同的原生 int4 量化方法。

5. 部署

[!注意] 您可以通过 https://platform.moonshot.ai 访问启明-K2.5 的 API，我们还为您提供与 OpenAI/Anthropic 兼容的 API。为验证部署是否正确，我们还提供了 启明供应商验证器。 目前，建议在以下推理引擎上运行启明-K2.5：

• vLLM
• SGLang
• KTransformers

transformers 的最低版本要求是 4.57.1。

部署示例可在 模型部署指南 中找到。

6. 模型使用

以下使用演示展示了如何调用我们的官方 API。

对于使用 vLLM 或 SGLang 部署的第三方 API，请注意：

[!注意]

• 与视频内容的聊天是一项实验性功能，目前仅在我们的官方 API 中支持。

• 推荐的 temperature 在思考模式下为 1.0，在即时模式下为 0.6。

• 推荐的 top_p 为 0.95。

• 若要使用即时模式，您需要在 extra_body 中传递 {'chat_template_kwargs': {"thinking": False}}。

聊天完成

这是一个简单的聊天完成脚本，展示了如何在思考模式和即时模式下调用 K2.5 API。

import openai
import base64
import requests
def simple_chat(client: openai.OpenAI, model_name: str):
    messages = [
        {'role': 'system', 'content': '您是启明，由 Moonshot AI 创建的人工智能助手。'},
        {
            'role': 'user',
            'content': [
                {'type': 'text', 'text': '9.11 和 9.9 哪个更大？请仔细思考。'}
            ],
        },
    ]
    response = client.chat.completions.create(
        model=model_name, messages=messages, stream=False, max_tokens=4096
    )
    print('====== 思考模式下的推理内容如下 ======')
    print(f'推理内容：{response.choices[0].message.reasoning_content}')
    print('====== 思考模式下的回复如下 ======')
    print(f'回复：{response.choices[0].message.content}')

    # 若要使用即时模式，需传递 {"thinking" = {"type":"disabled"}}
    response = client.chat.completions.create(
        model=model_name,
        messages=messages,
        stream=False,
        max_tokens=4096,
        extra_body={'thinking': {'type': 'disabled'}},  # 这是官方 API 的用法
        # extra_body= {'chat_template_kwargs': {"thinking": False}}  # 这是 vLLM/SGLang 的用法
    )
    print('====== 即时模式下的回复如下 ======')
    print(f'回复：{response.choices[0].message.content}')

带视觉内容的聊天补全

K2.5 支持图像和视频输入。

以下示例展示了如何使用图像输入调用 K2.5 API：

import openai
import base64
import requests

def chat_with_image(client: openai.OpenAI, model_name: str):
    url = 'https://huggingface.co/moonshotai/Kimi-K2.5/resolve/main/https://oss.gittoolsai.com/images/MoonshotAI_Kimi-K2.5_readme_4733a3fd6ea5.png'
    image_base64 = base64.b64encode(requests.get(url).content).decode()
    messages = [
        {
            'role': 'user',
            'content': [
                {'type': 'text', 'text': '详细描述这张图片。'},
                {
                    'type': 'image_url',
                    'image_url': {'url': f'data:image/png;base64, {image_base64}'},
                },
            ],
        }
    ]

    response = client.chat.completions.create(
        model=model_name, messages=messages, stream=False, max_tokens=8192
    )
    print('====== 以下是思考模式下的推理内容 ======')
    print(f'推理内容: {response.choices[0].message.reasoning_content}')
    print('====== 以下是思考模式下的回复 ======')
    print(f'回复: {response.choices[0].message.content}')

    # 如果传递 {"thinking": {"type":"disabled"}}，也支持即时模式
    response = client.chat.completions.create(
        model=model_name,
        messages=messages,
        stream=False,
        max_tokens=4096,
        extra_body={'thinking': {'type': 'disabled'}},  # 这是官方 API 的写法
        # extra_body= {'chat_template_kwargs': {"thinking": False}}  # 这是 vLLM/SGLang 的写法
    )
    print('====== 以下是即时模式下的回复 ======')
    print(f'回复: {response.choices[0].message.content}')

    return response.choices[0].message.content

以下示例展示了如何使用视频输入调用 K2.5 API：

import openai
import base64
import requests

def chat_with_video(client: openai.OpenAI, model_name:str):
    url = 'https://huggingface.co/moonshotai/Kimi-K2.5/resolve/main/figures/demo_video.mp4'
    video_base64 = base64.b64encode(requests.get(url).content).decode()
    messages = [
        {
            "role": "user",
            "content": [
                {"type": "text","text": "详细描述这段视频。"},
                {
                    "type": "video_url",
                    "video_url": {"url": f"data:video/mp4;base64,{video_base64}"},
                },
            ],
        }
    ]

    response = client.chat.completions.create(model=model_name, messages=messages)
    print('====== 以下是思考模式下的推理内容 ======')
    print(f'推理内容: {response.choices[0].message.reasoning_content}')
    print('====== 以下是思考模式下的回复 ======')
    print(f'回复: {response.choices[0].message.content}')

    # 如果传递 {"thinking": {"type":"disabled"}}，也支持即时模式
    response = client.chat.completions.create(
        model=model_name,
        messages=messages,
        stream=False,
        max_tokens=4096,
        extra_body={'thinking': {'type': 'disabled'}},  # 这是官方 API 的写法
        # extra_body= {'chat_template_kwargs': {"thinking": False}}  # 这是 vLLM/SGLang 的写法
    )
    print('====== 以下是即时模式下的回复 ======')
    print(f'回复: {response.choices[0].message.content}')
    return response.choices[0].message.content

交错式思考与多步工具调用

K2.5 拥有与 K2 Thinking 相同的交错式思考和多步工具调用设计。有关使用示例，请参阅 K2 Thinking 文档。

编码代理框架

Kimi K2.5 最适合与 Kimi Code CLI 作为其代理框架一起使用——请访问 https://www.kimi.com/code 尝试一下。

7. 许可证

代码仓库和模型权重均采用 修改后的 MIT 许可证 发布。

9. 联系我们

如有任何问题，请通过 support@moonshot.cn 联系我们。

git clone https://github.com/MoonshotAI/Kimi-K2.git
cd Kimi-K2

python -m venv kimi-env
source kimi-env/bin/activate  # Windows 用户请使用: kimi-env\Scripts\activate

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download moonshotai/Kimi-K2-5 --local-dir ./models/kimi-k2-5

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# 配置模型路径
model_path = "./models/kimi-k2-5"

# 加载分词器
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)

# 加载模型 (根据显存情况调整 device_map 和 dtype)
# 注意：全量加载 1T 参数模型需要极高的显存，通常需使用量化或分布式推理
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

# 准备输入：包含文本指令和图片路径
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "path/to/your/image.png"},
            {"type": "text", "text": "请分析这张图表中的数据趋势，并生成相应的 Python 代码来复现它。"}
        ]
    }
]

# 构建输入张量
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)

# 生成回复
outputs = model.generate(
    inputs,
    max_new_tokens=2048,
    do_sample=True,
    temperature=0.7,
    top_p=0.9
)

# 解码输出
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)