Moonshot Kimi K2 (0905 baseline) — 1T參數 MoE 聊天模型，每次推理活躍32B參數，256K上下文，均衡效能。
Kimi K2.5 是一個由提供者 Kimi 開發的多模態語言模型。它接受文字和圖像輸入，並專為處理長上下文任務而設計，擁有 262,144 個 token 的上下文窗口。該模型在單次回應中最多可生成 32,768 個 token。使用者可透過 OrcaRouter 的 OpenAI 相容 API 存取，基礎 URL 為 https://api.orcarouter.ai/v1，使用模型識別符…
Kimi K2.5 在長上下文理解方面表現優異，支援 262K token 的視窗。它能一次性處理整份文件，勝任摘要、問答及資訊擷取等長文本任務。影像輸入功能則支援多模態推理——例如描述圖表、從照片中讀取文字，或結合視覺與文字資料回答複雜問題。其 τ²-Bench 高分（95.9）展現出在工具使用與多步驟推理任務（如呼叫 API、執行計算或瀏覽資料）上的強勁表現。
當你的任務需要較大的上下文視窗（超過32K tokens）或需要處理圖片時，應選擇Kimi K2.5。若你的任務純屬文字處理且可容納在4K至32K tokens的視窗內，則使用較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優勢（其τ²-Bench評分證明了這點）使其非常適合需要呼叫外部工具、處理多輪互動或遵循複雜指令的代理型工作流程。對於簡單的文字生成或分類任務，較便宜的模型可能就已足夠。
最受益的任務包括：長篇文件分析（如合約審閱、學術論文摘要）、多模態推理（如圖像描述、視覺問答）、代理式工作流程（如網頁自動化、多步驟程式碼生成），以及需要在多輪對話中維持一致脈絡的任務（如處理大量歷史紀錄的客服聊天機器人）。大脈絡與圖像輸入的結合，使其在醫療（分析報告與影像）、法律（文件審閱）和研究（處理圖表與出版物）等領域特別實用。
具體限制未提供，但作為大型模型，與較小的模型相比，其延遲可能較高。每 token 的定價高於某些精簡的替代方案，因此對於非常簡短的提示來說可能不具成本效益。圖像輸入處理可能消耗大量 token，從而增加成本。該模型在未涵蓋於 τ²-Bench 基準的任務上的表現尚未驗證。使用者應在自己的資料上進行測試以確認適用性。該模型通過 OrcaRouter 存取，後者添加了標準 API 層，但對供應商定價無額外加價。
τ²-Bench 是一個基準測試，旨在評估AI智能體在現實世界中使用工具的推理任務。它測試模型理解指令、規劃步驟、使用外部工具（e.g., 計算機、搜索引擎）以及產生正確結果的能力。95.9的分數表明Kimi K2.5在這些實用推理任務上表現非常強勁。然而，這個單一分數並未涵蓋其他維度的表現，例如創造力、事實準確性或多語言支援。該基準測試為比較針對智能體工作流程優化的模型提供了有用的參考。
Kimi K2.5 唯一公開提供的基準分數是其 τ²-Bench 的 95.9 分。來源資料中未提供其他基準分數（例如 MMLU、HumanEval）。因此，僅憑此數據無法進行直接比較。一般來說，τ²-Bench 高分表明 Kimi K2.5 與其他專為工具使用和多步驟推理任務設計的模型相比具有競爭力。用戶應針對特定使用案例自行評估，以確定其是否符合其效能需求。OrcaRouter 提供對此模型的存取，且無需額外加價。
並未提供 Kimi K2.5 的具體延遲或每秒 Token 數。作為一個擁有 262K Token 上下文視窗的大型模型，推理時間通常會比小型模型更長，尤其在處理長提示詞或大量輸出 Token 時。延遲也取決於提供者（Kimi）所使用的硬體以及 OrcaRouter API 的當前負載。對於即時應用，使用者應使用其典型提示詞大小對模型進行測試，以確定可接受的回應時間。定價是按 Token 計費，而非按請求計費，因此不會產生額外的速度費用。
Kimi K2.5 的定价為每 100 萬個輸入代幣 0.60 美元，每 100 萬個輸出代幣 3.00 美元。這些費率按提供者費率收取，無任何加成，即 OrcaRouter 完全按 Kimi 的實際成本收取。無其他額外費用或分級定價。輸入代幣包含文字和圖像代幣。輸出代幣為生成的回應。定價按代幣計算，因此總成本取決於提示詞和回應的長度。除了代幣計數外，圖像處理不另收費。
提供的資訊並未提及任何快取機制或針對 Kimi K2.5 的特殊定價折扣。OrcaRouter 的標準 API 目前不包含自動提示快取功能。使用者可以透過仔細管理提示長度並減少不必要的 token 來最佳化成本。對於重複性任務，將多個查詢批次處理為單一請求可以降低總 token 使用量。由於沒有對提供者定價加價，模型的成本直接取決於 token 消耗量。對於適合較短上下文的任務，考慮使用較小的模型以節省費用。
主要取捨在於效能與成本之間。Kimi K2.5 的每個輸出 token 價格（$3.00/100 萬個）高於許多較小的模型。對於需要長輸出的任務（例如完整的文件生成），成本可能會快速累積。然而，大上下文視窗可能減少處理長輸入時多次呼叫 API 的需求，進而可能節省整體開支。影像輸入功能會增加 token 消耗，但可能無需再使用獨立的影像處理管道。使用者應評估預期的 token 用量，並透過 OrcaRouter 與其他方案進行比較，以找到最合適的選擇。
Kimi K2.5 可透過 OrcaRouter 的 OpenAI 相容 API 存取。基礎網址為 https://api.orcarouter.ai/v1。在請求中必須使用模型識別碼 'kimi/kimi-k2.5'。驗證方式是使用從 OrcaRouter 取得的 API 金鑰。該 API 支援與 OpenAI 的 Chat Completions API 相同的端點，包括聊天補全和串流。例如：向 /chat/completions 發送 POST 請求，其中 model 為 'kimi/kimi-k2.5'，messages 陣列（內容可包含文字和圖片 URL），以及可選參數如 temperature、max_tokens（最多 32768）和 stream。
此模型支援 OpenAI Chat API 的標準參數：'model'、'messages'（陣列，包含角色與內容）、'max_tokens'（預設值依模型而異，上限 32768）、'temperature'（預設 0.7）、'top_p'、'stop'、'stream'（布林值），以及 'frequency_penalty' 與 'presence_penalty'。圖片輸入透過使用者訊息中類型為 'image_url' 的內容部分處理。模型遵循 262144 token 的上下文限制，因此 prompt+max_tokens 不得超過此數值。其他所有 OpenAI 參數可能被接受，但其效果取決於底層的 Kimi 模型。
遷移非常簡單，因為OrcaRouter的API與OpenAI相容。只需將基礎URL更改為https://api.orcarouter.ai/v1，將您的API金鑰更改為OrcaRouter金鑰，並將模型名稱更新為'kimi/kimi-k2.5'。如果您現有的程式碼使用openai Python函式庫，可以設定openai.api_base和openai.api_key。對於聊天補全，訊息格式保持不變；若您先前使用GPT-4V處理圖片輸入，'image_url'部分的格式完全相同。若max_tokens超過32768，請進行調整。基本功能無需其他更動。
根據所提供的資訊，Kimi K2.5 提供 262,144 個 token 的上下文視窗，比 GPT-4（32K）等典型模型更大，但與其他長上下文模型（如 Gemini 1.5 Pro，上限 1M；或 Claude 3.5 Sonnet，200K）相當。其定價為每 1M token 0.60 美元 / 3.00 美元，具競爭力，而 OrcaRouter 的零加價則讓成本保持可預測性。τ²-Bench 分數達到 95.9，顯示出強大的工具使用推理能力，但若缺乏其他基準測試，則無法進行完整的效能比較。使用者應根據自身任務進行評估。
在OrcaRouter上，較小的模型（例如gpt-4o-mini或其他小型模型）通常每token成本更低、延遲更短、上下文窗口也較小。它們適合用於簡單任務、分類或短查詢。Kimi K2.5擁有262K上下文與圖片支援，更適合複雜推理、長文件與多模態輸入。其代價是每token成本較高，且回應時間可能較慢。如果你的任務不需要大上下文或多模態能力，選用較便宜的模型會更有效率。OrcaRouter讓你輕鬆在不同使用場景間切換模型。
若Kimi K2.5的能力符合您的需求，則適合用於生產環境。該模型透過OrcaRouter存取，其提供可靠的API基礎設施及標準的OpenAI相容性。以供應商費率且零加價的定價方式透明清楚。然而，與任何第三方模型相同，您應測試其在負載下的穩定性、延遲及錯誤處理能力。τ²-Bench評分顯示其在工具使用場景中表現強勁，但生產就緒與否亦取決於OrcaRouter的運作時間、速率限制及支援等因素。請聯絡OrcaRouter以了解具體的服務等級協議（SLA）及可用性詳情。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 輸入 / 1M tokens | $0.600 |
| 輸出 / 1M tokens | $3.00 |
| 快取讀取 / 1M | $0.100 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@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