Kimi‑K2‑Instruct متاح الآن على Novita AI

Kimi‑K2‑Instruct، الذي طورته Moonshot AI، هو نموذج MoE متفرق من الجيل التالي، متاح الآن عبر Novita AI. مع إجمالي 1 تريليون معامل، و32 مليار معامل نشط، ونافذة سياق بطول 128,000 رمز، فهو مُصمم للسلوكيات الوكيلة، واستخدام الأدوات، والاستدلال طويل السياق.

إليك التسعير الحالي لـ Kimi‑K2‑Instruct على Novita AI: $0.57 / مليون رمز إدخال، $2.3 / مليون رمز إخراج

ما هو Kimi K2؟

Moonshot AI (مقرها بكين، تأسست عام 2023) هي العلامة التجارية وراء Kimi، بما في ذلك K1.5 وK2 ونماذج Kimi‑VL متعددة الوسائط. تهدف مهمتهم العلمية المفتوحة إلى إضفاء الطابع الديمقراطي على الذكاء الوكيل القوي.

Kimi K2، الذي طورته Moonshot AI، هو نموذج لغة متقدم من نوع mixture-of-experts (MoE) يتميز بـ 32 مليار معامل نشط وإجمالي 1 تريليون معامل. تم تدريبه باستخدام محسن Muon، ويقدم Kimi K2 أداءً متميزًا في المعرفة الحدودية والاستدلال ومهام البرمجة، مع ضبط دقيق للقدرات الوكيلة المتقدمة.

الميزات الرئيسية

• تدريب واسع النطاق: تم تدريب نموذج MoE بـ 1 تريليون معامل على 15.5 تريليون رمز دون أي عدم استقرار في التدريب.
• محسن MuonClip: نطبق محسن Muon على نطاق غير مسبوق، ونطور تقنيات تحسين جديدة لحل حالات عدم الاستقرار أثناء التوسع.
• الذكاء الوكيل: مصمم خصيصًا لاستخدام الأدوات والاستدلال وحل المشكلات بشكل مستقل.

متغيرات النموذج

• Kimi-K2-Base: النموذج الأساسي، نقطة انطلاق قوية للباحثين والمطورين الذين يرغبون في التحكم الكامل للضبط الدقيق والحلول المخصصة.
• Kimi-K2-Instruct: النموذج المُدرب بعد التدريب، الأفضل للاستخدام الفوري في الدردشة والتجارب الوكيلة العامة. إنه نموذج من مستوى الانعكاس دون تفكير طويل.

نتائج تقييم نموذج التعليمات

|المعيار|المقياس|^{Kimi K2 Instruct}|^{DeepSeek-V3-0324}|^{Qwen3-235B-A22B
(غير التفكير)}|^{Claude Sonnet 4
(بدون تفكير ممتد)}|^{Claude Opus 4
(بدون تفكير ممتد)}|^GPT-4.1|^{Gemini 2.5 Flash
Preview (05-20)}| |—|—|—|—|—|—|—|—|—| |مهام البرمجة| |LiveCodeBench v6
^{(Aug 24 - May 25)}|Pass@1|53.7|46.9|37.0|48.5|47.4|44.7|44.7| |OJBench|Pass@1|27.1|24.0|11.3|15.3|19.6|19.5|19.5| |MultiPL-E|Pass@1|85.7|83.1|78.2|88.6|89.6|86.7|85.6| |SWE-bench Verified
^{(برمجة بدون وكيل)}|تصحيح مفرد بدون اختبار (دقة)|51.8|36.6|39.4|50.2|53.0|40.8|32.6| |SWE-bench Verified
^{(برمجة وكيلة)}|محاولة واحدة (دقة)|65.8|38.8|34.4|72.7^*|72.5^*|54.6|—| |محاولات متعددة (دقة)|71.6|—|—|80.2|79.4^*|—|—| |SWE-bench Multilingual
^{(برمجة وكيلة)}|محاولة واحدة (دقة)|47.3|25.8|20.9|51.0|—|31.5|—| |TerminalBench|إطار داخلي (دقة)|30.0|—|—|35.5|43.2|8.3|—| |Terminus (دقة)|25.0|16.3|6.6|—|—|30.3|16.8| |Aider-Polyglot|دقة|60.0|55.1|61.8|56.4|70.7|52.4|44.0| |مهام استخدام الأدوات| |Tau2 retail|Avg@4|70.6|69.1|57.0|75.0|81.8|74.8|64.3| |Tau2 airline|Avg@4|56.5|39.0|26.5|55.5|60.0|54.5|42.5| |Tau2 telecom|Avg@4|65.8|32.5|22.1|45.2|57.0|38.6|16.9| |AceBench|دقة|76.5|72.7|70.5|76.2|75.6|80.1|74.5| |مهام الرياضيات والعلوم| |AIME 2024|Avg@64|69.6|59.4^*|40.1^*|43.4|48.2|46.5|61.3| |AIME 2025|Avg@64|49.5|46.7|24.7^*|33.1^*|33.9^*|37.0|46.6| |MATH-500|دقة|97.4|94.0^*|91.2^*|94.0|94.4|92.4|95.4| |HMMT 2025|Avg@32|38.8|27.5|11.9|15.9|15.9|19.4|34.7| |CNMO 2024|Avg@16|74.3|74.7|48.6|60.4|57.6|56.6|75.0| |PolyMath-en|Avg@4|65.1|59.5|51.9|52.8|49.8|54.0|49.9| |ZebraLogic|دقة|89.0|84.0|37.7^*|73.7|59.3|58.5|57.9| |AutoLogi|دقة|89.5|88.9|83.3|89.8|86.1|88.2|84.1| |GPQA-Diamond|Avg@8|75.1|68.4^*|62.9^*|70.0^*|74.9^*|66.3|68.2| |SuperGPQA|دقة|57.2|53.7|50.2|55.7|56.5|50.8|49.6| |الامتحان الأخير للبشرية
^{(نص فقط)}|-|4.7|5.2|5.7|5.8|7.1|3.7|5.6| |مهام عامة| |MMLU|EM|89.5|89.4|87.0|91.5|92.9|90.4|90.1| |MMLU-Redux|EM|92.7|90.5|89.2|93.6|94.2|92.4|90.6| |MMLU-Pro|EM|81.1|81.2^*|77.3|83.7|86.6|81.8|79.4| |IFEval|مطابقة صارمة للموجه|89.8|81.1|83.2^*|87.6|87.4|88.0|84.3| |Multi-Challenge|دقة|54.1|31.4|34.0|46.8|49.0|36.4|39.5| |SimpleQA|صحيح|31.0|27.7|13.2|15.9|22.8|42.3|23.3| |Livebench|Pass@1|76.4|72.4|67.6|74.8|74.6|69.8|67.8|

المحركات المدعومة من Kimi-K2 والحد الأدنى من العتاد

المحركات المدعومة

• vLLM
• SGLang
• TensorRT-LLM
• KTransformers

الحد الأدنى من العتاد

العتاد	الحد الأدنى من المتطلبات
نوع GPU	H200
حجم المجموعة	16 GPU (الحد الأدنى)
أنماط التوازي	Tensor Parallelism (TP-16) أو Data Parallel + Expert Parall
تنسيق الأوزان	أوزان FP8 مع seqlen 128k

يمكن العثور على أمثلة النشر لـ vLLM وSGLang في دليل نشر النموذج.

كيفية الوصول إلى Kimi‑K2‑Instruct على Novita AI

البدء مع Kimi‑K2‑Instruct سريع وبسيط وبأسعار معقولة على Novita AI.

استخدام الملعب (بدون برمجة)

وصول فوري: سجل وابدأ بتجربة Kimi‑K2‑Instruct ونماذج أخرى رائدة في ثوانٍ.

واجهة مستخدم تفاعلية: اختبر النموذج من خلال واجهة بديهية.

مقارنة النماذج: بدّل بسهولة بين Kimi‑K2‑Instruct ونماذج أخرى رائدة للعثور على الأنسب لاحتياجاتك.

استكشف عرض Kimi-K2-Instruct الآن

التكامل عبر API (للمطورين)

اربط Kimi‑K2‑Instruct بتطبيقاتك أو سير عملك أو chatbots بسلاسة باستخدام REST API الموحد من Novita AI — دون الحاجة لإدارة أوزان النموذج أو البنية التحتية.

الخيار 1: تكامل API مباشر (مثال باستخدام Python)

للبدء، استخدم مقتطف الكود أدناه:

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="",
)

model = "moonshotai/kimi-k2-instruct"
stream = True # or False
max_tokens = 65536
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "Hi there!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices[0].delta.content or "", end="")
else:
    print(chat_completion_res.choices[0].message.content)
  
  
  
  

الميزات الرئيسية:

• نقطة نهاية موحدة:/v3/openai تدعم تنسيق OpenAI Chat Completions API.
• تحكم مرن: اضبط temperature وtop-p والعقوبات وغيرها للحصول على نتائج مخصصة.
• البث والتجميع: اختر وضع الاستجابة المفضل لديك.

الخيار 2: سير عمل متعدد الوكلاء مع OpenAI Agents SDK

قم ببناء أنظمة وكيلة متعددة الوسائط متقدمة من خلال دمج Novita AI مع OpenAI Agents SDK:

جاهز للتشغيل الفوري: استخدم Kimi‑K2‑Instruct في أي سير عمل لـ OpenAI Agents.

دعم التسليم والتوجيه واستخدام الأدوات: صمم وكلاء يمكنهم تحليل المحتوى البصري، أو تفويض المهام، أو تشغيل الوظائف.

تكامل مع Python: ببساطة وجه SDK إلى نقطة نهاية Novita (https://api.novita.ai/v3/openai) واستخدم مفتاح API الخاص بك لسير عمل وكيل سلس.

الخيار 3: توصيل Kimi‑K2‑Instruct API على منصات طرف ثالث

Hugging Face: استخدم Kimi‑K2‑Instruct في Spaces أو pipelines أو مع مكتبة Transformers عبر نقاط نهاية Novita AI.

أطر الوكلاء والتنسيق: اربط Novita AI بسهولة مع منصات الشركاء مثل Continue وAnythingLLM وLangChain وDify وLangflow من خلال الموصلات الرسمية وأدلة التكامل خطوة بخطوة.

API متوافق مع OpenAI: استمتع بهجرة وتكامل خاليين من المتاعب مع أدوات مثل Cline وTrae وCursor، المصممة لمعيار OpenAI API.

الخاتمة

Kimi-K2-Instruct هو نموذج MoE قوي مفتوح الوصول بـ 1 تريليون معامل، يدفع حدود البرمجة والاستدلال والذكاء الاصطناعي الوكيل.

متاح الآن على Novita AI، فهو يجمع بين الحجم الهائل وذكاء استخدام الأدوات ومعالجة السياقات الطويلة — وكلها قابلة للنشر ببنية تحتية فعالة للاستدلال. للمطورين والباحثين الذين يبنون الجيل التالي من المساعدين والوكلاء ومحركات الاستدلال الذكاء الاصطناعي، يقدم Kimi-K2-Instruct أساسًا متطورًا قويًا ومرنًا وجاهزًا للإنتاج.

جرب عرض Kimi-K2-Instruct على Novita AI!

Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج الذكاء الاصطناعي باستخدام واجهة برمجة تطبيقات بسيطة، مع توفير سحابة GPU موثوقة وبأسعار معقولة للبناء والتوسع.