Moonshot Kimi K2 (0905 基线版本) —— 1T 参数的 MoE 聊天模型，每次推理激活 32B 参数，256k 上下文，性能均衡。
Kimi K2.5 是一款由 Kimi 提供商创建的多模态语言模型。它接受文本和图像输入，并设计用于处理长上下文任务，上下文窗口为 262,144 个 token。该模型单次响应最多可生成 32,768 个 token。它可通过 OrcaRouter 的 OpenAI-compatible API 访问，基础 URL 为 https://api.orcarouter.ai/v1，使用模型标识符…
Kimi K2.5 在长上下文理解方面表现出色，支持 262K token 的上下文窗口，能够一次性处理整篇文档，从而实现对长文本的摘要、问答和信息提取等任务。图像输入功能支持多模态推理——例如描述图表、从照片中读取文字，或结合视觉与文本数据回答复杂问题。其高达 95.9 的 τ²-Bench 分数表明，在工具使用和多步骤推理任务（如调用 API、执行计算或浏览数据）中表现强劲。
当您的任务需要较大的上下文窗口（超过32K tokens）或需要处理图像时，应选择Kimi K2.5。如果您的任务是纯文本且适合4K到32K token窗口，那么较小的模型可能更具成本效益。Kimi K2.5在工具使用推理方面的优势（由其τ²-Bench得分证明）使其非常适合代理工作流，其中模型必须调用外部工具、处理多轮交互或遵循复杂指令。对于简单的文本生成或分类，较便宜的模型可能就足够了。
受益最大的任务包括：长篇文档分析（如合同审阅、学术论文摘要）、多模态推理（如图像描述、视觉问答）、代理工作流（如网页自动化、多步骤代码生成），以及需要在多轮对话中保持一致上下文的场景（如处理大量历史记录的客户支持聊天机器人）。大上下文与图像输入的结合使其在医疗（分析报告与影像）、法律（文档审阅）和研究（处理图表与出版物）等领域尤为实用。
未提供具体的限制条件，但作为大型模型，其延迟可能高于小型模型。每Token定价高于某些紧凑型替代方案，因此对极短提示词可能不够经济高效。图像输入处理可能消耗大量Token，增加成本。该模型在τ²-Bench基准覆盖范围之外的未验证任务上的性能尚未确认。用户应使用自身数据测试以确认适用性。模型通过OrcaRouter访问，该路由提供标准API层，但未在供应商定价上增加额外费用。
τ²-Bench 是一个旨在评估 AI 智能体在真实工具使用推理任务中表现的基准。它测试模型理解指令、规划步骤、使用外部工具（如计算器、搜索引擎）以及生成正确结果的能力。95.9 的得分表明 Kimi K2.5 在这些实际推理任务上表现非常出色。然而，这个单一数字并不能反映其在创造力、事实准确性或多语言支持等其他维度上的表现。该基准为比较针对智能体工作流优化的模型提供了有用的参考。
Kimi K2.5唯一公开提供的基准测试数据是其在τ²-Bench上的95.9分。源资料中未提供其他基准测试数据（如MMLU、HumanEval）。因此，仅凭这一数据无法进行直接比较。总体而言，较高的τ²-Bench分数表明Kimi K2.5在工具使用和多步推理任务方面与其他模型具有竞争力。用户应针对具体使用场景自行评估，以判断其是否满足性能要求。OrcaRouter提供对该模型的访问，且无额外加价。
未提供 Kimi K2.5 的具体延迟或每秒令牌数数据。作为拥有 262K 令牌上下文窗口的大型模型，其推理时间通常比小型模型更长，尤其是在处理长提示或生成大量令牌时。延迟还取决于提供商（Kimi）使用的硬件以及 OrcaRouter API 的当前负载。对于实时应用，用户应使用其典型提示大小测试模型，以确定可接受的响应时间。定价按令牌计费，而非按请求计费，因此无需额外支付速度费用。
Kimi K2.5 的定价为每100万输入token $0.60，每100万输出token $3.00。这些费率按照提供商费率收取，零加价，即OrcaRouter按Kimi提供的实际成本传递。无额外费用或分层定价。输入token包括文本和图像token。输出token为生成的回复。按token计费，因此总费用取决于提示和回复长度。图像处理不另外收费，仅按token数量计算。
提供的事实中未提及任何针对Kimi K2.5的缓存机制或特殊定价折扣。OrcaRouter的标准API目前不包含自动提示缓存。用户可以通过仔细管理提示长度和减少不必要的令牌来优化成本。对于重复性任务，将多个查询合并为单个请求可能会减少总令牌使用量。由于提供商定价没有加成，模型的成本直接与令牌消耗挂钩。对于适合较短上下文的任务，考虑使用较小的模型以节省费用。
主要的权衡在于性能与成本之间。Kimi K2.5 的每输出 token 价格（$3.00/1M）高于许多较小模型。对于需要长输出的任务（例如生成完整文档），成本会迅速累积。然而，其大上下文窗口可能减少处理长输入时多次调用 API 的需求，从而可能节省总体开支。图像输入功能会增加 token 消耗，但可能消除对独立图像处理管线的需求。用户应评估预期的 token 用量，并通过 OrcaRouter 与其他方案进行对比，找到最合适的选择。
Kimi K2.5 可通过 OrcaRouter 的 OpenAI 兼容 API 访问。基础 URL 为 https://api.orcarouter.ai/v1。在请求中必须使用模型标识符 'kimi/kimi-k2.5'。认证通过从 OrcaRouter 获取的 API 密钥完成。该 API 支持与 OpenAI Chat Completions API 相同的端点，包括聊天完成和流式传输。示例：向 /chat/completions 发送 POST 请求，包含模型: 'kimi/kimi-k2.5'、messages 数组（内容可包含文本和图片 URL），以及可选参数如 temperature、max_tokens（最多 32768）和 stream。
模型支持 OpenAI Chat API 的标准参数：'model'、'messages'（包含 role 和 content 的数组）、'max_tokens'（默认值因情况而异，最大 32768）、'temperature'（默认 0.7）、'top_p'、'stop'、'stream'（布尔值），以及 'frequency_penalty' 和 'presence_penalty'。图像输入通过用户消息中类型为 'image_url' 的内容部分处理。模型遵循 262144 token 的上下文限制，因此 prompt+max_tokens 不得超过该值。所有其他 OpenAI 参数可能被接受，但其效果取决于底层的 Kimi 模型。
迁移非常简单，因为OrcaRouter的API兼容OpenAI。只需将基础URL改为https://api.orcarouter.ai/v1，将你的API密钥改为OrcaRouter的密钥，并将模型名称更新为'kimi/kimi-k2.5'。如果你的现有代码使用了openai Python库，你可以设置openai.api_base和openai.api_key。对于聊天补全，消息格式保持不变；如果你之前使用GPT-4V的图像输入，'image_url'部分的格式完全相同。如果max_tokens超过32768，请进行调整。基本功能无需其他更改。
根据所提供的事实，Kimi K2.5 提供了 262,144 个 token 的上下文窗口，大于 GPT-4（32K）等典型模型，但与其他长上下文模型（如 Gemini 1.5 Pro 的 100 万限制或 Claude 3.5 Sonnet 的 200K）相当。其定价为每 100 万个 token 0.60 美元/3.00 美元，具有竞争力，而 OrcaRouter 的零加价使得成本可预测。τ²-Bench 得分 95.9 表明其工具使用推理能力较强，但如果没有其他基准测试，则无法进行完整的性能比较。用户应根据自身任务进行评估。
OrcaRouter 上的较小模型（如 gpt-4o-mini 或其他紧凑型模型）通常具有更低的每 token 成本、更快的延迟和更短的上下文窗口。它们适用于简单任务、分类或简短查询。Kimi K2.5 拥有 262K 上下文并支持图像处理，更适合复杂推理、长文档和多模态输入。其代价是每 token 成本更高，响应速度可能更慢。如果您的任务不需要大上下文或多模态能力，使用更便宜的模型效率更高。OrcaRouter 让您能够轻松针对不同用例切换模型。
Kimi K2.5 若其能力匹配您的需求，则适合用于生产环境。该模型通过 OrcaRouter 访问，后者提供可靠的 API 基础设施和标准的 OpenAI 兼容性。定价基于供应商费率且零加价，透明公开。然而，与任何第三方模型一样，您应在负载下测试其一致性、延迟和错误处理。τ²-Bench 评分表明其在工具使用场景中表现强劲，但生产就绪度还取决于 OrcaRouter 的可用性、速率限制和支持等因素。请联系 OrcaRouter 获取具体的服务等级协议（SLA）和可用性详情。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 输入 / 1M tokens | $0.600 |
| 输出 / 1M tokens | $3.00 |
| 缓存读取 / 1M | $0.100 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
@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