Moonshot Kimi K2 (0905 baseline) — โมเดลแชท MoE ขนาด 1T-param มี 32B ทำงานต่อรอบ, บริบท 256k, ประสิทธิภาพสมดุล.
Kimi K2.5 เป็นโมเดลภาษาหลายรูปแบบ (multimodal language model) ที่สร้างโดยผู้ให้บริการ Kimi รองรับทั้งการป้อนข้อความและรูปภาพ และออกแบบมาเพื่อรองรับงานที่มีบริบทยาว (long-context tasks)…
Kimi K2.5 มีความสามารถในการทำความเข้าใจบริบทระยะยาวด้วยหน้าต่างโทเค็น 262K สามารถประมวลผลเอกสารทั้งหมดได้ในครั้งเดียว ช่วยให้ทำงานต่างๆ เช่น การสรุปความ การตอบคำถาม และการสกัดข้อมูลจากข้อความยาวๆ ได้ ความสามารถในการรับอินพุตภาพช่วยให้เกิดการคิดเชิงหลายรูปแบบ เช่น การอธิบายแผนภูมิ การอ่านข้อความจากภาพถ่าย หรือการรวมข้อมูลภาพและข้อความเพื่อตอบคำถามที่ซับซ้อน คะแนนτ²-Bench ที่สูง (95.9) บ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในการใช้เครื่องมือและงานที่ต้องใช้การคิดแบบหลายขั้นตอน เช่น การเรียก API การคำนวณ หรือการค้นหาข้อมูล
คุณควรเลือก Kimi K2.5 เมื่องานของคุณต้องการหน้าต่างบริบทขนาดใหญ่ (เกิน 32K tokens) หรือเมื่อคุณต้องการประมวลผลภาพ หากงานของคุณเป็นข้อความล้วนและอยู่ในหน้าต่าง token ขนาด 4K ถึง 32K โมเดลที่เล็กกว่าอาจคุ้มค่ากว่า จุดแข็งของ Kimi K2.5 ในการใช้เหตุผลเกี่ยวกับเครื่องมือ (จากคะแนน τ²-Bench) ทำให้เหมาะกับเวิร์กโฟลว์แบบ agentic ที่โมเดลต้องเรียกใช้เครื่องมือภายนอก จัดการการโต้ตอบหลายรอบ หรือทำตามคำแนะนำที่ซับซ้อน สำหรับการสร้างข้อความหรือการจัดหมวดหมู่ง่ายๆ โมเดลที่ถูกกว่าก็อาจเพียงพอ
งานที่ได้รับประโยชน์มากที่สุดได้แก่: การวิเคราะห์เอกสารแบบยาว (เช่น การตรวจสอบสัญญา, การสรุปบทความวิชาการ), การให้เหตุผลแบบหลายรูปแบบ (เช่น การบรรยายภาพ, การตอบคำถามเชิงภาพ), ขั้นตอนการทำงานแบบอัตโนมัติ (เช่น การทำงานอัตโนมัติบนเว็บ, การสร้างโค้ดแบบหลายขั้นตอน), และงานที่ต้องการบริบทที่สอดคล้องกันตลอดหลายรอบการสนทนา (เช่น แชทบอทบริการลูกค้าที่จัดการประวัติที่ยาวนาน) การรวมกันของบริบทขนาดใหญ่และการป้อนรูปภาพทำให้มีประโยชน์อย่างยิ่งสำหรับโดเมน เช่น การดูแลสุขภาพ (วิเคราะห์รายงานและรูปภาพ), กฎหมาย (การตรวจสอบเอกสาร), และการวิจัย (ประมวลผลแผนภูมิและสิ่งพิมพ์)
ไม่ได้มีการระบุข้อจำกัดเฉพาะ แต่ในฐานะที่เป็นโมเดลขนาดใหญ่ อาจมีความหน่วงสูงกว่าเมื่อเทียบกับโมเดลขนาดเล็ก ราคาต่อโทเคนสูงกว่าตัวเลือกขนาดกะทัดรัดบางตัว ดังนั้นอาจไม่คุ้มค่าสำหรับพรอมต์ที่สั้นมาก การประมวลผลอินพุตรูปภาพอาจใช้โทเคนจำนวนมาก ทำให้ต้นทุนเพิ่มขึ้น ประสิทธิภาพของโมเดลในงานที่ไม่อยู่ในเกณฑ์วัด τ²-Bench ยังไม่ได้รับการยืนยัน ผู้ใช้ควรทดสอบกับข้อมูลของตนเองเพื่อยืนยันความเหมาะสม โมเดลนี้เข้าถึงผ่าน OrcaRouter ซึ่งเพิ่มชั้น API มาตรฐาน แต่ไม่มีมาร์กอัปเพิ่มเติมจากราคาของผู้ให้บริการ
τ²-Bench เป็นเกณฑ์มาตรฐานที่ออกแบบมาเพื่อประเมิน AI agents ในงานที่ต้องใช้เหตุผลในการใช้เครื่องมือในโลกจริง โดยทดสอบความสามารถของโมเดลในการ理解คำแนะนำ วางแผนขั้นตอน ใช้เครื่องมือภายนอก (เช่น เครื่องคิดเลข เครื่องมือค้นหา) และสร้างผลลัพธ์ที่ถูกต้อง คะแนน 95.9 บ่งชี้ว่า Kimi K2.5 มีประสิทธิภาพสูงมากในงานให้เหตุผลเชิงปฏิบัติเหล่านี้ อย่างไรก็ตาม ตัวเลขเดียวนี้อาจไม่ได้สะท้อนถึงประสิทธิภาพในมิติอื่นๆ เช่น ความคิดสร้างสรรค์ ความถูกต้องตามข้อเท็จจริง หรือการรองรับหลายภาษา เกณฑ์มาตรฐานนี้เป็นข้อมูลอ้างอิงที่มีประโยชน์สำหรับการเปรียบเทียบโมเดลที่ถูกปรับให้เหมาะสมกับเวิร์กโฟลว์แบบเอเจนต์
ตัวเลขการวัดประสิทธิภาพที่เปิดเผยต่อสาธารณะเพียงตัวเดียวสำหรับ Kimi K2.5 คือคะแนน τ²-Bench ที่ 95.9 ไม่มีตัวเลขการวัดอื่นๆ (เช่น MMLU, HumanEval) ปรากฏในข้อมูลต้นทาง ดังนั้นจึงไม่สามารถเปรียบเทียบโดยตรงได้จากข้อมูลนี้เพียงอย่างเดียว โดยทั่วไป คะแนน τ²-Bench ที่สูงบ่งชี้ว่า Kimi K2.5 สามารถแข่งขันกับโมเดลอื่นๆ ที่ออกแบบมาสำหรับงานที่ใช้เครื่องมือและการให้เหตุผลหลายขั้นตอน ผู้ใช้ควรทำการประเมินของตนเองในกรณีการใช้งานเฉพาะเพื่อพิจารณาว่าโมเดลตรงตามข้อกำหนดด้านประสิทธิภาพหรือไม่ OrcaRouter ให้การเข้าถึงโมเดลนี้โดยไม่มีค่าธรรมเนียมเพิ่มเติม
ไม่มีตัวเลขเวลาแฝงหรือโทเค็นต่อวินาทีที่เฉพาะเจาะจงสำหรับ Kimi K2.5 ในฐานะที่เป็นโมเดลขนาดใหญ่ที่มีหน้าต่างบริบท 262K โทเค็น เวลาในการอนุมานโดยทั่วไปจะนานกว่าโมเดลขนาดเล็ก โดยเฉพาะอย่างยิ่งสำหรับพรอมป์ยาวหรือจำนวนโทเค็นเอาต์พุตที่สูง เวลาแฝงยังขึ้นอยู่กับฮาร์ดแวร์ที่ผู้ให้บริการ (Kimi) ใช้และภาระปัจจุบันบน API ของ OrcaRouter สำหรับแอปพลิเคชันแบบเรียลไทม์ ผู้ใช้ควรทดสอบโมเดลกับขนาดพรอมป์ทั่วไปของตนเพื่อกำหนดระยะเวลาตอบสนองที่ยอมรับได้ ราคาคิดต่อโทเค็น ไม่ใช่ต่อคำขอ ดังนั้นจึงไม่มีค่าใช้จ่ายเพิ่มเติมสำหรับความเร็ว
Kimi K2.5 มีราคาอยู่ที่ $0.60 ต่อ 1 ล้านโทเค็นอินพุต และ $3.00 ต่อ 1 ล้านโทเค็นเอาท์พุต อัตราค่าบริการเหล่านี้จะถูกเรียกเก็บในอัตราของผู้ให้บริการโดยไม่มีส่วนเพิ่มใดๆ หมายความว่า OrcaRouter จะส่งผ่านต้นทุนที่แท้จริงจาก Kimi โดยไม่มีค่าธรรมเนียมเพิ่มเติมหรือราคาแบบหลายระดับ โทเค็นอินพุตรวมถึงโทเค็นข้อความและรูปภาพ โทเค็นเอาท์พุตคือคำตอบที่สร้างขึ้น การคิดราคาเป็นต่อโทเค็น ดังนั้นต้นทุนทั้งหมดขึ้นอยู่กับความยาวของข้อความนำเข้าและคำตอบ ไม่มีค่าใช้จ่ายแยกต่างหากสำหรับการประมวลผลภาพนอกเหนือจากจำนวนโทเค็น
ข้อเท็จจริงที่ให้มาไม่ได้กล่าวถึงกลไกการแคชหรือส่วนลดราคาพิเศษใดๆ สำหรับ Kimi K2.5 API มาตรฐานของ OrcaRouter ไม่รวมการแคชพร้อมท์อัตโนมัติในขณะนี้ ผู้ใช้สามารถเพิ่มประสิทธิภาพค่าใช้จ่ายโดยการจัดการความยาวพร้อมท์อย่างระมัดระวังและลดโทเค็นที่ไม่จำเป็น สำหรับงานที่ทำซ้ำๆ การรวมหลายคำถามเข้าเป็นคำขอเดียวอาจลดการใช้โทเค็นทั้งหมด เนื่องจากไม่มีส่วนเพิ่มในราคาของผู้ให้บริการ ต้นทุนของโมเดลจึงเชื่อมโยงโดยตรงกับการใช้โทเค็น พิจารณาใช้โมเดลที่เล็กกว่าสำหรับงานที่พอดีกับบริบทที่สั้นกว่าเพื่อประหยัดเงิน
ข้อแลกเปลี่ยนหลักคือระหว่างประสิทธิภาพและต้นทุน ราคาต่อโทเค็นเอาต์พุตของ Kimi K2.5 ($3.00/1M) สูงกว่ารุ่นเล็กหลายรุ่น สำหรับงานที่ต้องการเอาต์พุตยาว (เช่น การสร้างเอกสารทั้งฉบับ) ค่าใช้จ่ายอาจสะสมอย่างรวดเร็ว อย่างไรก็ตาม หน้าต่างบริบทขนาดใหญ่อาจลดความจำเป็นในการเรียก API หลายครั้งเพื่อจัดการกับอินพุตยาว ซึ่งอาจช่วยประหยัดค่าใช้จ่ายโดยรวม ความสามารถในการรับอินพุตรูปภาพเพิ่มการบริโภคโทเค็นแต่อาจขจัดความจำเป็นในไปป์ไลน์ประมวลผลรูปภาพแยกต่างหาก ผู้ใช้ควรประเมินปริมาณโทเค็นที่คาดหวังและเปรียบเทียบกับทางเลือกอื่นผ่าน OrcaRouter เพื่อหาค่าที่เหมาะสมที่สุด
Kimi K2.5 สามารถเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter URL พื้นฐานคือ https://api.orcarouter.ai/v1 คุณต้องใช้ตัวระบุโมเดล 'kimi/kimi-k2.5' ในการร้องขอของคุณ การตรวจสอบสิทธิ์ทำได้ผ่านคีย์ API ที่ได้รับจาก OrcaRouter API รองรับ endpoints เดียวกันกับ Chat Completions API ของ OpenAI รวมถึง chat completions และ streaming ตัวอย่าง: POST ไปยัง /chat/completions ด้วย model: 'kimi/kimi-k2.5', messages array (เนื้อหาสามารถรวมข้อความและ URLs รูปภาพ), และพารามิเตอร์เสริมเช่น temperature, max_tokens (สูงสุด 32768), และ stream
โมเดลรองรับพารามิเตอร์มาตรฐานจาก OpenAI Chat API ได้แก่ 'model', 'messages' (อาร์เรย์ที่มี role และ content), 'max_tokens' (ค่าเริ่มต้นแตกต่างกันไป สูงสุด 32768), 'temperature' (ค่าเริ่มต้น 0.7), 'top_p', 'stop', 'stream' (บูลีน), และ 'frequency_penalty' และ 'presence_penalty' การป้อนรูปภาพจะจัดการผ่าน content parts ประเภท 'image_url' ในข้อความของผู้ใช้ โมเดลเคารพขีดจำกัดบริบทโทเค็น 262144 ดังนั้น prompt+max_tokens ต้องไม่เกินนั้น พารามิเตอร์ OpenAI อื่นๆ ทั้งหมดอาจถูกรับเข้า แต่ผลกระทบขึ้นอยู่กับโมเดล Kimi ที่อยู่เบื้องหลัง
การย้ายข้อมูลนั้นตรงไปตรงมา เนื่องจาก API ของ OrcaRouter เข้ากันได้กับ OpenAI เพียงเปลี่ยน base URL เป็น https://api.orcarouter.ai/v1, เปลี่ยน API key ของคุณเป็นคีย์ของ OrcaRouter, และอัปเดตชื่อโมเดลเป็น 'kimi/kimi-k2.5' หากโค้ดที่มีอยู่ของคุณใช้ไลบรารี openai สำหรับ Python คุณสามารถตั้งค่า openai.api_base และ openai.api_key สำหรับ chat completions รูปแบบข้อความยังคงเหมือนเดิม; หากคุณเคยใช้อินพุตภาพกับ GPT-4V รูปแบบส่วน 'image_url' ก็เหมือนกัน ปรับ max_tokens หากเกิน 32768 ไม่จำเป็นต้องเปลี่ยนแปลงอื่นๆ สำหรับฟังก์ชันพื้นฐาน
จากข้อเท็จจริงที่ให้มา Kimi K2.5 มีหน้าต่างบริบท (context window) ขนาด 262,144 โทเคน ซึ่งใหญ่กว่าโมเดลทั่วไปอย่าง GPT-4 (32K) แต่เทียบได้กับโมเดลบริบทยาวอื่นๆ เช่น Gemini 1.5 Pro (จำกัดที่ 1M) หรือ Claude 3.5 Sonnet (200K) การกำหนดราคาที่ $0.60/$3.00 ต่อ 1 ล้านโทเคนนั้นแข่งขันได้ และการไม่บวกกำไรเพิ่ม (zero markup) จาก OrcaRouter ทำให้ต้นทุนคาดการณ์ได้ คะแนน τ²-Bench ที่ 95.9 แสดงถึงการให้เหตุผลในการใช้เครื่องมือที่แข็งแกร่ง แต่หากไม่มีเกณฑ์มาตรฐานเพิ่มเติม การเปรียบเทียบประสิทธิภาพอย่างเต็มรูปแบบก็ไม่สามารถทำได้ ผู้ใช้ควรประเมินตามงานของตนเอง
โมเดลขนาดเล็กบน OrcaRouter (เช่น gpt-4o-mini หรือโมเดลขนาดกะทัดรัดอื่นๆ) โดยทั่วไปมีต้นทุนต่อโทเคนที่ต่ำกว่า เวลาแฝงที่เร็วกว่า และหน้าต่างบริบทที่สั้นกว่า เหมาะสำหรับงานง่ายๆ การจำแนกประเภท หรือการสอบถามสั้นๆ ส่วน Kimi K2.5 ซึ่งมีบริบท 262K และรองรับรูปภาพ เหมาะกว่าสำหรับการให้เหตุผลที่ซับซ้อน เอกสารยาว และอินพุตแบบหลายรูปแบบ ข้อแลกเปลี่ยนคือต้นทุนต่อโทเคนที่สูงกว่าและเวลาตอบสนองที่อาจช้ากว่า หากงานของคุณไม่ต้องการบริบทขนาดใหญ่หรือความสามารถแบบหลายรูปแบบ การใช้โมเดลที่ถูกกว่าจะมีประสิทธิภาพมากกว่า OrcaRouter ทำให้การสลับระหว่างโมเดลสำหรับกรณีการใช้งานที่แตกต่างกันเป็นเรื่องง่าย
Kimi K2.5 เหมาะสำหรับการนำไปใช้งานจริงหากความสามารถของมันตรงกับความต้องการของคุณ โมเดลนี้เข้าถึงได้ผ่าน OrcaRouter ซึ่งมีโครงสร้างพื้นฐาน API ที่เชื่อถือได้และเข้ากันได้กับ OpenAI มาตรฐาน การกำหนดราคาในอัตราของผู้ให้บริการโดยไม่มีส่วนเพิ่มมีความโปร่งใส อย่างไรก็ตาม เช่นเดียวกับโมเดลของบริษัทอื่น คุณควรทดสอบความสอดคล้อง ความหน่วง และการจัดการข้อผิดพลาดภายใต้ภาระงาน คะแนน τ²-Bench ชี้ให้เห็นถึงประสิทธิภาพที่แข็งแกร่งในสถานการณ์การใช้งานเครื่องมือ แต่ความพร้อมสำหรับการผลิตยังขึ้นอยู่กับปัจจัยต่างๆ เช่น เวลาทำงาน ขีดจำกัดอัตราการใช้งาน และการสนับสนุนจาก OrcaRouter ติดต่อ OrcaRouter เพื่อขอรายละเอียด SLA และความพร้อมในการให้บริการที่เฉพาะเจาะจง
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| อินพุต / 1M โทเค็น | $0.600 |
| เอาต์พุต / 1M โทเค็น | $3.00 |
| อ่านแคช / 1M | $0.100 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/kimi/kimi-k2.5เปิด @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