Moonshot Kimi K2 (0905 baseline) — modelo de chat MoE de 1T de parâmetros com 32B ativos por passagem, contexto de 256k, desempenho equilibrado.
Kimi K2.5 é um modelo de linguagem multimodal criado pelo provedor Kimi. Ele aceita entradas de texto e imagem e é projetado para lidar com tarefas de contexto longo com uma janela de contexto de…
Kimi K2.5 se destaca na compreensão de longos contextos com uma janela de 262 mil tokens. Pode processar documentos inteiros de uma só vez, permitindo tarefas como resumo, resposta a perguntas e extração de informações em textos longos. A capacidade de entrada de imagens permite raciocínio multimodal — por exemplo, descrever um gráfico, ler texto de uma foto ou combinar dados visuais e textuais para responder a perguntas complexas. A alta pontuação no τ²-Bench (95.9) indica um forte desempenho em tarefas de uso de ferramentas e raciocínio em várias etapas, como chamar APIs, realizar cálculos ou navegar por dados.
Você deve selecionar o Kimi K2.5 quando sua tarefa exigir uma janela de contexto grande (acima de 32K tokens) ou quando precisar processar imagens. Se sua tarefa for puramente baseada em texto e se encaixar em uma janela de tokens de 4K a 32K, um modelo menor pode ser mais econômico. A força do Kimi K2.5 no raciocínio de uso de ferramentas (evidenciada por sua pontuação no τ²-Bench) o torna uma boa escolha para fluxos de trabalho agentivos onde o modelo deve chamar ferramentas externas, lidar com interações de múltiplas etapas ou seguir instruções complexas. Para geração ou classificação de texto simples, um modelo mais barato pode ser suficiente.
As tarefas que mais se beneficiam incluem: análise de documentos longos (por exemplo, revisão de contratos, sumarização de artigos acadêmicos), raciocínio multimodal (por exemplo, legendagem de imagens, QA visual), fluxos de trabalho agentivos (por exemplo, automação web, geração de código com múltiplas etapas) e tarefas que exigem contexto consistente ao longo de muitos turnos (por exemplo, chatbots de suporte ao cliente lidando com históricos extensos). A combinação de grande contexto e entrada de imagem torna-a especialmente útil para domínios como saúde (análise de relatórios e imagens), jurídico (revisão de documentos) e pesquisa (processamento de gráficos e publicações).
Limitações específicas não são fornecidas, mas como um modelo grande, pode ter latência maior em comparação com modelos menores. O preço por token é mais alto do que algumas alternativas compactas, portanto pode não ser econômico para consultas muito curtas. O processamento de entrada de imagens pode consumir muitos tokens, aumentando o custo. O desempenho do modelo em tarefas não cobertas pelo benchmark τ²-Bench não é verificado. Os usuários devem testar em seus próprios dados para confirmar a adequação. O modelo é acessado através do OrcaRouter, que adiciona uma camada de API padrão, mas sem acréscimo sobre o preço do provedor.
τ²-Bench é um benchmark projetado para avaliar agentes de IA em tarefas de raciocínio de uso de ferramentas no mundo real. Ele testa a capacidade de um modelo de entender instruções, planejar etapas, usar ferramentas externas (por exemplo, calculadoras, motores de busca) e produzir resultados corretos. Uma pontuação de 95.9 indica que Kimi K2.5 tem um desempenho muito forte nessas tarefas práticas de raciocínio. No entanto, esse número único não captura o desempenho em outras dimensões, como criatividade, precisão factual ou suporte multilíngue. O benchmark fornece uma referência útil para comparar modelos que são otimizados para fluxos de trabalho agentivos.
A única referência de benchmark fornecida publicamente para o Kimi K2.5 é sua pontuação τ²-Bench de 95.9. Nenhum outro número de benchmark (por exemplo, MMLU, HumanEval) está disponível nos fatos de origem. Portanto, comparações diretas não podem ser feitas usando apenas esses dados. Em geral, uma pontuação alta no τ²-Bench sugere que o Kimi K2.5 é competitivo com outros modelos projetados para uso de ferramentas e tarefas de raciocínio em várias etapas. Os usuários devem realizar suas próprias avaliações em casos de uso específicos para determinar se atende aos seus requisitos de desempenho. O OrcaRouter fornece acesso a este modelo sem nenhum markup adicional.
Não são fornecidos números específicos de latência ou tokens por segundo para o Kimi K2.5. Por ser um modelo grande com uma janela de contexto de 262 mil tokens, o tempo de inferência geralmente será maior do que em modelos menores, especialmente para prompts longos ou alta contagem de tokens de saída. A latência também depende do hardware utilizado pelo provedor (Kimi) e da carga atual na API do OrcaRouter. Para aplicações em tempo real, os usuários devem testar o modelo com seus tamanhos típicos de prompt para determinar tempos de resposta aceitáveis. O preço é por token, não por requisição, portanto não há taxas extras de velocidade.
O Kimi K2.5 custa $0,60 por 1 milhão de tokens de entrada e $3,00 por 1 milhão de tokens de saída. Essas taxas são cobradas com base na taxa do provedor, sem margem de lucro, o que significa que o OrcaRouter repassa o custo exato do Kimi. Não há taxas adicionais nem preços escalonados. Os tokens de entrada incluem tokens de texto e de imagem. Os tokens de saída correspondem à resposta gerada. O preço é por token, portanto o custo total depende do comprimento do prompt e da resposta. Não há cobrança separada para processamento de imagem além da contagem de tokens.
Os fatos fornecidos não mencionam nenhum mecanismo de cache ou descontos especiais de preço para o Kimi K2.5. A API padrão do OrcaRouter não inclui cache automático de prompt neste momento. Os usuários podem otimizar os custos gerenciando cuidadosamente o comprimento do prompt e reduzindo tokens desnecessários. Para tarefas repetitivas, o agrupamento de várias consultas em uma única solicitação pode reduzir o uso total de tokens. Como não há margem sobre os preços dos provedores, o custo do modelo está diretamente ligado ao consumo de tokens. Considere usar um modelo menor para tarefas que se encaixam em um contexto mais curto para economizar dinheiro.
A principal relação de custo-benefício é entre desempenho e custo. O preço por token de saída do Kimi K2.5 ($3.00/1M) é maior que o de muitos modelos menores. Para tarefas que exigem saídas longas (por exemplo, geração de documentos completos), os custos podem se acumular rapidamente. No entanto, a grande janela de contexto pode reduzir a necessidade de várias chamadas de API para lidar com entradas longas, potencialmente economizando despesas gerais. A capacidade de entrada de imagem adiciona consumo de tokens, mas pode eliminar a necessidade de pipelines separados de processamento de imagem. Os usuários devem avaliar os volumes de token esperados e comparar com alternativas por meio do OrcaRouter para encontrar a melhor opção.
Kimi K2.5 é acessível via a API compatível com OpenAI da OrcaRouter. A URL base é https://api.orcarouter.ai/v1. Você deve usar o identificador do modelo 'kimi/kimi-k2.5' em suas requisições. A autenticação é feita por meio de uma chave de API obtida da OrcaRouter. A API suporta os mesmos endpoints da API Chat Completions da OpenAI, incluindo chat completions e streaming. Exemplo: POST para /chat/completions com model: 'kimi/kimi-k2.5', array messages (content pode incluir texto e URLs de imagem), e parâmetros opcionais como temperature, max_tokens (até 32768), e stream.
O modelo suporta parâmetros padrão da API de Chat OpenAI: 'model', 'messages' (array com role e content), 'max_tokens' (padrão varia, máximo 32768), 'temperature' (padrão 0.7), 'top_p', 'stop', 'stream' (booleano), e 'frequency_penalty' e 'presence_penalty'. A entrada de imagem é tratada por meio de partes de conteúdo do tipo 'image_url' na mensagem do usuário. O modelo respeita o limite de contexto de 262144 tokens, portanto prompt+max_tokens não deve exceder esse valor. Todos os outros parâmetros do OpenAI podem ser aceitos, mas seu efeito depende do modelo Kimi subjacente.
A migração é simples porque a API do OrcaRouter é compatível com a OpenAI. Basta alterar a URL base para https://api.orcarouter.ai/v1, sua chave de API para uma chave OrcaRouter e atualizar o nome do modelo para 'kimi/kimi-k2.5'. Se seu código existente usa a biblioteca openai do Python, você pode definir openai.api_base e openai.api_key. Para chat completions, o formato da mensagem permanece o mesmo; se você usou anteriormente entradas de imagem com GPT-4V, o formato da parte 'image_url' é idêntico. Ajuste max_tokens se exceder 32768. Nenhuma outra alteração é necessária para a funcionalidade básica.
Com base nos fatos apresentados, o Kimi K2.5 oferece uma janela de contexto de 262.144 tokens, maior que modelos típicos como GPT-4 (32K), mas comparável a outros modelos de contexto longo como Gemini 1.5 Pro (limite de 1M) ou Claude 3.5 Sonnet (200K). Seu preço de $0,60/$3,00 por 1M de tokens é competitivo, e a margem zero do OrcaRouter mantém os custos previsíveis. A pontuação τ²-Bench de 95,9 sugere raciocínio forte no uso de ferramentas, mas sem benchmarks adicionais, uma comparação completa de desempenho não é possível. Os usuários devem avaliar em suas próprias tarefas.
Modelos menores no OrcaRouter (por exemplo, gpt-4o-mini ou outros modelos compactos) geralmente têm menor custo por token, latência mais rápida e janelas de contexto mais curtas. Eles são adequados para tarefas simples, classificação ou consultas curtas. O Kimi K2.5, com seu contexto de 262K e suporte a imagens, é melhor para raciocínio complexo, documentos longos e entradas multimodais. A compensação é um custo maior por token e tempos de resposta potencialmente mais lentos. Se sua tarefa não exigir o grande contexto ou capacidades multimodais, um modelo mais barato será mais eficiente. O OrcaRouter facilita a troca entre modelos para diferentes casos de uso.
Kimi K2.5 é adequado para produção se suas capacidades atenderem aos seus requisitos. O modelo é acessado através do OrcaRouter, que oferece infraestrutura de API confiável e compatibilidade padrão com OpenAI. O preço à taxa do provedor com margem zero é transparente. No entanto, como em qualquer modelo de terceiros, você deve testar consistência, latência e tratamento de erros sob carga. A pontuação τ²-Bench sugere forte desempenho em cenários de uso de ferramentas, mas a prontidão para produção também depende de fatores como tempo de atividade, limites de taxa e suporte do OrcaRouter. Entre em contato com o OrcaRouter para obter SLAs específicos e detalhes de disponibilidade.
Compatível com OpenAI — mantenha seu SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="kimi/kimi-k2.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoningmax_completion_tokensmax_tokensnpresence_penaltyprompt_cache_keyreasoningresponse_formatsafety_identifierstopstreamstream_optionstemperaturethinkingtoolstop_p| Entrada / 1M tokens | $0.600 |
| Saída / 1M tokens | $3.00 |
| Leitura de cache / 1M | $0.100 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/kimi/kimi-k2.5Abrir @misc{orcarouter_kimi_k2_5,
title = {kimi/kimi-k2.5 API},
author = {kimi},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/kimi/kimi-k2.5}
}kimi. (n.d.). kimi/kimi-k2.5 API. OrcaRouter. https://www.orcarouter.ai/models/kimi/kimi-k2.5