Kimi-K2-Thinking، نموذج الاستدلال مفتوح المصدر الرائد من Moonshot AI، متاح الآن على Novita AI. يجمع هذا “العامل الفكري” المتطور على مستوى الحالة بين الاستدلال متعدد الخطوات العميق وتنسيق الأدوات الواسع، حيث ينفذ 200 إلى 300 استدعاء أدوات متتالية دون تدخل بشري. بفضل إجمالي 1 تريليون معامل، و32 مليار معامل مفعل، ونافذة سياق تبلغ 256 ألف رمز، يضع K2-Thinking معايير جديدة في الذكاء العامل مع إبقائه متاحًا بالكامل كنموذج مفتوح الأوزان.
التسعير الحالي لـ Kimi-K2-Thinking على Novita AI: 0.60 دولار لكل مليون رمز إدخال، 2.50 دولار لكل مليون رمز إخراج
ما هو Kimi-K2-Thinking؟
Kimi-K2-Thinking هو نموذج الاستدلال مفتوح المصدر الأكثر تقدمًا من Moonshot AI، مصمم كـ “عامل فكري” يستدل خطوة بخطوة مع استدعاء الأدوات ديناميكيًا. على عكس النماذج التقليدية من فئة الاستجابة السريعة، يستخدم K2-Thinking استدلال سلسلة الأفكار الممتدة عبر مئات الخطوات، مما يجعله مثاليًا لحل المشكلات المعقدة التي تتطلب تركيزًا مستمرًا وتنسيقًا للأدوات.
التفكير العميق وتنسيق الأدوات
يتم تدريب K2-Thinking من البداية إلى النهاية ليتداخل بين استدلال سلسلة الأفكار واستدعاءات الوظائف، مما يتيح سير عمل بحثي وبرمجي وكتابي مستقل يدوم مئات الخطوات دون انحراف. يمكن للنموذج تنفيذ 200 إلى 300 استدعاء أدوات متتالية في جلسة واحدة مع الحفاظ على استدلال متماسك طوال العملية بأكملها.
التكميم الأصلي INT4
يتم استخدام التدريب الواعي بالتكميم (QAT) في مرحلة ما بعد التدريب لتحقيق تسريع ضعف السرعة بدون فقدان في وضع التأخير المنخفض. يسمح هذا التكميم الأصلي INT4 لـ K2-Thinking بدعم استدلال فعال بسرعة توليد تبلغ تقريبًا ضعف السرعة مع تحقيق أداء رائد على مستوى الحالة.
نافذة السياق الممتدة
يدعم K2-Thinking نافذة سياق تبلغ 256 ألف رمز، مما يمكنه من معالجة المستندات الطويلة، والحفاظ على السياق عبر المحادثات الممتدة، والتعامل مع مهام استدلال متعددة الأدوار معقدة تتطلب احتفاظًا كبيرًا بالسياق.
البنية التقنية والمواصفات
يمثل Kimi-K2-Thinking هندسة متطورة في بنية مزيج الخبراء، محسنة خصيصًا لمهام الاستدلال:
| المواصفة | القيمة |
|---|---|
| البنية | مزيج الخبراء (MoE) |
| إجمالي المعاملات | 1 تريليون |
| المعاملات المفعلة | 32 مليار |
| طول السياق | 256 ألف رمز |
| عدد الطبقات | 61 (بما في ذلك طبقة كثيفة واحدة) |
| آلية الانتباه | MLA (الانتباه الكثيف متعدد الرؤوس) |
| عدد الخبراء | 384 |
| الخبراء المختارون لكل رمز | 8 |
| حجم المفردات | 160 ألف |
| دالة التفعيل | SwiGLU |
| التكميم | INT4 أصلي مع QAT |
| درجة الحرارة الموصى بها | 1.0 |
تتيح هذه البنية المتطورة معالجة فعالة مع الحفاظ على القوة الكاملة لنموذج التريليون معامل من خلال اختيار الخبراء الذكي ودعم التكميم الأصلي.
أداء المعايير: النموذج مفتوح المصدر الرائد
يظهر Kimi-K2-Thinking أداءً استثنائيًا عبر معايير الاستدلال والعامل والبرمجة، غالبًا ما يتفوق على النماذج المملوكة مثل GPT-5 و Claude Sonnet 4.5:
مهام الاستدلال
| المعيار | الإعداد | K2 Thinking | GPT-5 | Claude Sonnet 4.5 (Thinking) | K2 0905 | DeepSeek-V3.2 | Grok-4 |
|---|---|---|---|---|---|---|---|
| HLE (نص فقط) | بدون أدوات | 23.9 | 26.3 | 19.8* | 7.9 | 19.8 | 25.4 |
| مع أدوات | 44.9 | 41.7* | 32.0* | 21.7 | 20.3* | 41.0 | |
| ثقيل | 51.0 | 42.0 | – | – | – | 50.7 | |
| AIME25 | بدون أدوات | 94.5 | 94.6 | 87.0 | 51.0 | 89.3 | 91.7 |
| مع بايثون | 99.1 | 99.6 | 100.0 | 75.2 | 58.1* | 98.8 | |
| ثقيل | 100.0 | 100.0 | – | – | – | 100.0 | |
| HMMT25 | بدون أدوات | 89.4 | 93.3 | 74.6* | 38.8 | 83.6 | 90.0 |
| مع بايثون | 95.1 | 96.7 | 88.8* | 70.4 | 49.5* | 93.9 | |
| ثقيل | 97.5 | 100.0 | – | – | – | 96.7 | |
| IMO-AnswerBench | بدون أدوات | 78.6 | 76.0* | 65.9* | 45.8 | 76.0* | 73.1 |
| GPQA | بدون أدوات | 84.5 | 85.7 | 83.4 | 74.2 | 79.9 | 87.5 |
المهام العامة
| المعيار | الإعداد | K2 Thinking | GPT-5 | Claude Sonnet 4.5 (Thinking) | K2 0905 | DeepSeek-V3.2 |
|---|---|---|---|---|---|---|
| MMLU-Pro | بدون أدوات | 84.6 | 87.1 | 87.5 | 81.9 | 85.0 |
| MMLU-Redux | بدون أدوات | 94.4 | 95.3 | 95.6 | 92.7 | 93.7 |
| Longform Writing | بدون أدوات | 73.8 | 71.4 | 79.8 | 62.8 | 72.5 |
| HealthBench | بدون أدوات | 58.0 | 67.2 | 44.2 | 43.8 | 46.9 |
مهام البحث العامل
| المعيار | الإعداد | K2 Thinking | GPT-5 | Claude Sonnet 4.5 (Thinking) | K2 0905 | DeepSeek-V3.2 |
|---|---|---|---|---|---|---|
| BrowseComp | مع أدوات | 60.2 | 54.9 | 24.1 | 7.4 | 40.1 |
| BrowseComp-ZH | مع أدوات | 62.3 | 63.0* | 42.4* | 22.2 | 47.9 |
| Seal-0 | مع أدوات | 56.3 | 51.4* | 53.4* | 25.2 | 38.5* |
| FinSearchComp-T3 | مع أدوات | 47.4 | 48.5* | 44.0* | 10.4 | 27.0* |
| Frames | مع أدوات | 87.0 | 86.0* | 85.0* | 58.1 | 80.2* |
مهام البرمجة
| المعيار | الإعداد | K2 Thinking | GPT-5 | Claude Sonnet 4.5 (Thinking) | K2 0905 | DeepSeek-V3.2 |
|---|---|---|---|---|---|---|
| SWE-bench Verified | مع أدوات | 71.3 | 74.9 | 77.2 | 69.2 | 67.8 |
| SWE-bench Multilingual | مع أدوات | 61.1 | 55.3* | 68.0 | 55.9 | 57.9 |
| Multi-SWE-bench | مع أدوات | 41.9 | 39.3* | 44.3 | 33.5 | 30.6 |
| SciCode | بدون أدوات | 44.8 | 42.9 | 44.7 | 30.7 | 37.7 |
| LiveCodeBenchV6 | بدون أدوات | 83.1 | 87.0* | 64.0* | 56.1* | 74.1 |
| OJ-Bench (cpp) | بدون أدوات | 48.7 | 56.2* | 30.4* | 25.5* | 38.2* |
| Terminal-Bench | مع أدوات محاكاة (JSON) | 47.1 | 43.8 | 51.0 | 44.5 | 37.7 |
ملاحظة: تشير الخطوط العريضة إلى أفضل أداء في كل فئة. تشير العلامات النجمية (*) إلى الدرجات المستمدة مباشرة من التقارير التقنية أو المدونات الخاصة بالنموذج. يظهر K2-Thinking أداءً رائدًا عبر مهام الاستدلال والبحث العامل والبرمجة، مما يرسخ مكانته كأفضل نموذج استدلال مفتوح المصدر.
الميزات والقدرات الرئيسية
الاستدلال متعدد الخطوات المستقل
يتفوق K2-Thinking في المهام المعقدة التي تتطلب استدلالًا مستمرًا عبر مئات الخطوات. يمكن للنموذج التخطيط والتنفيذ والتحقق وتكييف نهجه بشكل مستقل مع الحفاظ على تماسك المهمة طوال العملية بأكملها.
تنسيق الأدوات الواسع
يمكن للنموذج تنفيذ 200 إلى 300 استدعاء أدوات متتالية في جلسة واحدة، مما يمكنه من:
- البحث واسترداد المعلومات من مصادر متعددة
- تنفيذ الكود والتحقق من النتائج
- تصفح متصفحات الويب لمهام البحث
- الوصول إلى قواعد البيانات وواجهات برمجة التطبيقات
- تنسيق أدوات متعددة لسير عمل معقد
تدفق استدلال منفصل
يكشف K2-Thinking عن عملية استدلاله الداخلية من خلال حقل reasoning_content منفصل في استجابة API، مما يسمح للمطورين بفهم وفحص كيفية وصول النموذج إلى استنتاجاته. هذه الشفافية قيمة لتصحيح الأخطاء والتحقق وفهم سلوك النموذج.
تحسين جاهز للإنتاج
بفضل التكميم الأصلي INT4 المحقق من خلال التدريب الواعي بالتكميم، يقدم K2-Thinking:
- تحسين سرعة التوليد بمقدار ضعفين
- متطلبات ذاكرة GPU مخفضة
- دقة محفوظة مع تكميم بدون فقدان
- استدلال فعال من حيث التكلفة على نطاق واسع
إمكانية الوصول مفتوح الأوزان
تم إصدار K2-Thinking بموجب ترخيص MIT معدل، وهو مفتوح الأوزان بالكامل ومتاح للبحث والتطوير والتطبيقات التجارية. يمكن تنزيل النموذج وتعديله دقيقًا ونشره محليًا أو عبر API.
كيفية الوصول إلى Kimi-K2-Thinking على Novita AI
البدء في استخدام Kimi-K2-Thinking سريع وبسيط وبأسعار معقولة على Novita AI.
استخدم مساحة التجربة (لا يتطلب برمجة)
- وصول فوري: سجل، وابدأ في تجربة Kimi-K2-Thinking والنماذج الرائدة الأخرى في ثوانٍ.
- واجهة مستخدم تفاعلية: جرب قدرات الاستدلال العميق للنموذج من خلال الواجهة البديهية.
- شفافية الاستدلال: اعرض عملية تفكير النموذج خطوة بخطوة في الوقت الفعلي.
- مقارنة النماذج: بدل بسهولة بين Kimi-K2-Thinking والنماذج الرائدة الأخرى للعثور على الخيار المثالي لاحتياجاتك.
استكشف تجربة Kimi-K2-Thinking الآن
التكامل عبر API (للمطورين)
اتصل بسلاسة بـ Kimi-K2-Thinking بتطبيقاتك أو سير عملك أو روبوتات الدردشة الخاصة بك باستخدام REST API الموحد لـ Novita AI—لا داعي لإدارة أوزان النموذج أو البنية التحتية.
الخيار 1: تكامل API المباشر (مثال بايثون)
للبدء، استخدم ببساطة مقطع الكود أدناه:
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<YOUR_API_KEY>",
)
model = "moonshotai/kimi-k2-thinking"
stream = True # or False
max_tokens = 262144
system_content = "You are Kimi, an AI assistant created by Moonshot AI."
temperature = 1.0
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": "Which one is bigger, 9.11 or 9.9? Think carefully.",
}
],
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)
# Access the reasoning process
print("=====Reasoning Process=====")
print(chat_completion_res.choices[0].message.reasoning_content)
الميزات الرئيسية:
- نقطة نهاية موحدة:
/v3/openaiتدعم تنسيق Chat Completions API الخاص بـ OpenAI. - تحكمات مرنة: اضبط درجة الحرارة و top-p والجزاءات والمزيد للحصول على نتائج مخصصة.
- البث والتجميع: اختر وضع الاستجابة المفضل لديك.
- الوصول إلى الاستدلال: اعرض التفكير الداخلي للنموذج عبر حقل
reasoning_content.
الخيار 2: سير عمل متعدد الوكلاء باستخدام OpenAI Agents SDK
ابنِ أنظمة وكلاء متعددة الوسائط متقدمة من خلال دمج Novita AI مع OpenAI Agents SDK:
- التوصيل والتشغيل: استخدم Kimi-K2-Thinking في أي سير عمل لوكلاء OpenAI.
- يدعم التسليم والتوجيه واستخدام الأدوات: صمم وكلاء يمكنهم الاستدلال بعمق أو تفويض المهام أو تشغيل الوظائف.
- تكامل بايثون: وجه SDK ببساطة إلى نقطة نهاية Novita (
https://api.novita.ai/v3/openai) واستخدم مفتاح API الخاص بك لسير عمل وكلاء سلس.
الخيار 3: الاتصال بـ API Kimi-K2-Thinking على منصات طرف ثالث
- Hugging Face: استخدم Kimi-K2-Thinking في المساحات أو خطوط الأنابيب أو مع مكتبة Transformers عبر نقاط نهاية Novita AI.
- أطر العمل للوكلاء والتنسيق: اتصل بسهولة بـ Novita AI مع منصات الشركاء مثل Continue و AnythingLLM و LangChain و Dify و Langflow عبر موصلات رسمية وأدلة تكامل خطوة بخطوة.
- API متوافق مع OpenAI: استمتع بالهجرة والتكامل بدون متاعب مع أدوات مثل Cline و Cursor و Trae و Qwen Code، المصممة لمعيار OpenAI API.
- API متوافق مع Anthropic: دمج سلس مع Claude Code لسير عمل البرمجة العامل وأدوات أخرى متوافقة مع Anthropic API.
حالات الاستخدام والتطبيقات
حل المشكلات المتقدم
يتفوق K2-Thinking في الرياضيات على مستوى الدكتوراه والمهام الاستدلالية المعقدة والأسئلة متعددة التخصصات التي تتطلب معرفة عميقة بالمجال وتفكير تحليلي مستمر عبر مئات خطوات الاستدلال.
وكلاء البحث المستقلون
- توليف المعلومات: جمع وتحليل وتوليف المعلومات من مصادر متعددة
- التحقق من الحقائق: مقارنة الادعاءات عبر المستندات وقواعد البيانات
- مراجعة الأدبيات: تحليل الأوراق الأكاديمية واستخلاص النتائج الرئيسية
- الاستخبارات التنافسية: بحث اتجاهات السوق واستراتيجيات المنافسين
مهام البرمجة المعقدة
- تصميم الأنظمة: تصميم تطبيقات كاملة من المتطلبات
- تحليل الأخطاء: تصحيح المشكلات المعقدة من خلال التحليل المنهجي
- إعادة هيكلة الكود: تحسين قواعد الكود بتغييرات على مستوى البنية
- تطوير الواجهة الأمامية: إنشاء تطبيقات ويب متجاوبة وغنية بالمكونات
سير العمل طويلة الأمد
- تحليل المستندات: معالجة وفهم المواصفات التقنية الطويلة
- استكشاف قاعدة الكود: التنقل وفهم مشاريع البرمجيات الكبيرة
- الأتمتة متعددة الخطوات: تنسيق سير عمل معقد عبر أدوات متعددة
- التخطيط الاستراتيجي: تطوير استراتيجيات شاملة مع خطط عمل مفصلة
الكتابة الإبداعية والتقنية
يقدم K2-Thinking أداءً محسّنًا في مهام الكتابة الطويلة، حيث ينتج محتوى متماسكًا ومنظمًا جيدًا يحافظ على الاتساق عبر المخرجات الممتدة.
الخاتمة
يمثل Kimi-K2-Thinking لحظة محورية في تطوير الذكاء الاصطناعي مفتوح المصدر، حيث يجلب قدرات استدلال على مستوى الطليعة إلى مجتمع المطورين. إن مزيجه من الاستدلال متعدد الخطوات العميق وتنسيق الأدوات الواسع وعملية التفكير الشفوية يجعله خيارًا مثاليًا لبناء وكلاء ذكاء اصطناعي متطورين وتطبيقات تتطلب تفكيرًا تحليليًا مستمرًا.
بأداء رائد على مستوى الحالة يتفوق أو يساوي النماذج المملوكة مثل GPT-5 و Claude Sonnet 4.5، وتكميم INT4 أصلي للاستدلال الفعال، ونافذة سياق تبلغ 256 ألف رمز، يقدم K2-Thinking قيمة لا مثيل لها للمطورين الذين يدفعون حدود الذكاء الاصطناعي العامل.
جرب تجربة Kimi-K2-Thinking على Novita AI اليوم واختبر مستقبل الذكاء الاستدلالي مفتوح المصدر!
الأسئلة الشائعة
ما هو Kimi-K2-Thinking؟ Kimi-K2-Thinking هو نموذج الاستدلال مفتوح المصدر الأكثر تقدمًا من Moonshot AI، مصمم كـ “عامل فكري” يجمع بين الاستدلال متعدد الخطوات العميق وتنسيق الأدوات. يمكنه تنفيذ 200 إلى 300 استدعاء أدوات متتالية مع الحفاظ على استدلال متماسك عبر مئات الخطوات.
كيف يقارن Kimi-K2-Thinking بنماذج الاستدلال الأخرى؟ يحقق Kimi-K2-Thinking أداءً رائدًا على مستوى الحالة بين النماذج مفتوحة المصدر، غالبًا ما يتفوق على النماذج المملوكة مثل GPT-5 و Claude Sonnet 4.5 في معايير الاستدلال والعامل. سجل 44.9% في امتحان البشرية الأخير، و60.2% في BrowseComp، و71.3% في SWE-Bench Verified.
ما الذي يميز Kimi-K2-Thinking عن Kimi-K2-Instruct؟ Kimi-K2-Thinking متاح على Novita AI بسعر 0.60 دولار لكل مليون رمز إدخال و 2.50 دولار لكل مليون رمز إخراج، مما يقدم قيمة استثنائية مقارنة بنماذج الاستدلال المملوكة.
هل Kimi-K2-Thinking مناسب للاستخدام الإنتاجي؟ نعم. يتضمن Kimi-K2-Thinking تكميم INT4 أصلي من خلال التدريب الواعي بالتكميم، مما يوفر تحسينات في سرعة التوليد بمقدار ضعفين مع دقة بدون فقدان. هذا يجعله فعالًا للغاية لنشر الإنتاج على نطاق واسع.
Novita AI هي منصة سحابة ذكاء اصطناعي رائدة توفر للمطورين واجهات برمجة تطبيقات سهلة الاستخدام وبنية تحتية لـ GPU موثوقة وبأسعار معقولة لبناء وتوسيع نطاق تطبيقات الذكاء الاصطناعي.
