近日，AiderLeaderboard 公布了
AiderLeaderboard 揭晓:KimiK2 编程能力亮眼
AiderLeaderboard 是评估大语言模型（LLM） 代码编辑能力的
KimiK2 采用混合专家 （MoE） 架构，总参数量达 1 万亿，单次推理激活参数为 320 亿，上下文长度支持 128k。这种高效设计使其在处理复杂编程任务时表现出色，尤其在需要精确代码替换和多步骤任务的场景中表现优异。
低成本高性能: 终端编码的理想选择
KimiK2 的推理成本远低于 Claude-4-Sonnet 等专有模型，仅为 0.14 美元/百万输入 token 和 2.49 美元/百万输出 token，约为 Claude-4-Sonnet 的三分之一。这种低成本特性使其成为开发者构建终端编码 Agent 的
在实际测试中，KimiK2 在 SWE-benchVerified 测试中取得 65.8% 的单次尝试准确率，超越 GPT-4.1（54.6%），仅次于 Claude-4-Sonnet。在 LiveCodeBench 和 EvalPlus 等基准测试中，KimiK2 分别取得 53.7% 和 80.3% 的成绩，位居开源模型之首。这些数据表明，KimiK2 在代码生成和工具调用方面已达到行业领先水平。
广泛应用场景: 从网页生成到复杂 Agent 任务
KimiK2 不仅在编程任务中表现出色，还在多场景应用中展现了强大潜力。开发者反馈显示，KimiK2 在网页生成方面表现尤为突出，甚至在某些任务中超越 Claude-4-Sonnet。其 Agent 特性支持连续工具调用和自主任务执行，适用于自动化工作流、代码调试和多步骤任务处理。例如，在视频转文字的工作流中，KimiK2 能够完整执行 Python 脚本，而其他模型如 GPT-4.1 可能因忽略流程而失败。
此外，KimiK2 支持 vLLM 和 HuggingFace 等推理框架，开发者可通过 MoonshotAI 的 API（https://platform.moonshot.ai） 或 HuggingFace 上的模型权重部署，极大降低了使用门槛。其开源特性 (MIT 协议) 和对多种推理引擎的兼容性，进一步推动了社区的广泛采用。
开源 AI 的里程碑
AIbase 认为，KimiK2 的出色表现标志着开源 AI 模型在编程领域迈出了重要一步。其高性能、低成本和强大的 Agent 特性，不仅挑战了专有模型的霸主地位，也为中小型开发团队提供了构建智能编码工具的机会。KimiK2 的发布进一步证明了中国 AI 企业在全球开源生态中的领先地位，未来有望在更多领域推动创新。
目前，KimiK2 已通过 MoonshotAI 平台和 Cline 等工具开放使用，开发者可结合 ClaudeCode 环境进行测试。官方还提供了详细的部署指南，支持 vLLM 和 SGLang 等推理引擎，方便开发者快速上手。
未来展望:Agent 智能的新篇章
MoonshotAI 团队表示，KimiK2 的训练采用了大规模合成数据生成技术，模拟了数千种真实场景的工具使用，显著提升了模型的 Agent 能力。未来，团队计划进一步优化模型在多模态任务和复杂推理场景中的表现，为开发者提供更强大的工具支持。
