橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

Kimi-K2-Base

moonshotai/Kimi-K2-Base

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：modified-mit 上游版本：ce72df012259

中文简介

moonshotai/Kimi-K2-Base 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联文本生成与推理。本站固定记录上游版本 ce72df012259，同步到 78 个文件，文件元数据合计 1.87 TB；访问状态为“公开”，许可证字段为“modified-mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 moonshotai/Kimi-K2-Base 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
moonshotai/Kimi-K2-Base 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联文本生成与推理。本站固定记录上游版本 ce72df012259，同步到 78 个文件，文件元数据合计 1.87 TB；访问状态为“公开”，许可证字段为“modified-mit”。

【适用方向】
适合在真实样本上评估文本生成与推理能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：ce72df012259。 任务标签：文本生成与推理。 架构：DeepseekV3ForCausalLM。 上游 Safetensors 元数据显示参数量约 1026.47 B。 库标记：transformers。 模型类型字段：kimi_k2。 上游页面记录的最近更新时间：2026-01-30。

【文件信息】
上游 API 返回 78 个文件，文件元数据合计 1.87 TB。 已保存文件清单中的主要扩展名：.safetensors 61 个、.json 4 个、.md 4 个、.png 3 个、.py 3 个、无扩展名 2 个。 当前较大的文件包括：model-61-of-61.safetensors（18.08 GB）；model-11-of-61.safetensors（15.89 GB）；model-12-of-61.safetensors（15.89 GB）。

【运行或处理环境】
仓库文件元数据合计 1.87 TB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.87 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-24 01:09

📰   Tech Blog     |     📄  Paper Link (comming soon) 1. Model Introduction Kimi K2 is a state-of-the-art mixture-of-experts (MoE) language model with 32 billion activated parameters and 1 trillion total parameters. Trained with the Muon optimizer, Kimi K2 achieves exceptional performance across frontier knowledge, reasoning, and coding tasks while being meticulously optimized for agentic capabilities. Key Features Large-Scale Training: Pre-trained a 1T parameter MoE model on 15.5T tokens with zero training instability. MuonClip Optimizer: We apply the Muon optimizer to an unprecedented scale, and develop novel optimization techniques to resolve instabilities while scaling up. Agentic Intelligence: Specifically designed for tool use, reasoning, and autonomous problem-solving. Model Variants **Kimi-K2-Base**: The foundation model, a strong start for researchers and builders who want full control for fine-tuning and custom solutions. **Kimi-K2-Instruct**: The post-trained model best for drop-in, general-purpose chat and agentic experiences. It is a reflex-grade model without long thinking. 2. Model Summary | | | |:---:|:---:| | **Architecture** | Mixture-of-Experts (MoE) | | **Total Parameters** | 1T | | **Activated Parameters** | 32B | | **Number of Layers** (Dense layer included) | 61 | | **Number of Dense Layers** | 1 | | **Attention Hidden Dimension** | 7168 | | **MoE Hidden Dimension** (per Expert) | 2048 | | **Number of Attention Heads** | 64 | | **Number of Experts** | 384 | | **Selected Experts per Token** | 8 | | **Number of Shared Experts** | 1 | | **Vocabulary Size** | 160K | | **Context Length** | 128K | | **Attention Mechanism** | MLA | | **Activation Function** | SwiGLU | 3. Evaluation Results Instruction model evaluation results Benchmark Metric Kimi K2 Instruct DeepSeek-V3-0324 Qwen3-235B-A22B (non-thinking) Claude Sonnet 4 (w/o extended thinking) Claude Opus 4 (w/o extended thinking) GPT-4.1 Gemini 2.5

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估文本生成与推理能力，并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：ce72df012259。 任务标签：文本生成与推理。 架构：DeepseekV3ForCausalLM。 上游 Safetensors 元数据显示参数量约 1026.47 B。 库标记：transformers。 模型类型字段：kimi_k2。 上游页面记录的最近更新时间：2026-01-30。

文件说明

上游 API 返回 78 个文件，文件元数据合计 1.87 TB。 已保存文件清单中的主要扩展名：.safetensors 61 个、.json 4 个、.md 4 个、.png 3 个、.py 3 个、无扩展名 2 个。 当前较大的文件包括：model-61-of-61.safetensors（18.08 GB）；model-11-of-61.safetensors（15.89 GB）；model-12-of-61.safetensors（15.89 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes1.59 KB
  • config.json1.68 KB
  • configuration_deepseek.py10.40 KB
  • docs/deploy_guidance.md8.69 KB
  • docs/tool_call_guidance.md10.04 KB
  • figures/banner.png284.90 KB
  • figures/kimi-logo.png85.93 KB
  • generation_config.json52 B
  • kimi-logo.png85.93 KB
  • LICENSE1.43 KB
  • model-1-of-61.safetensors2.65 GB
  • model-10-of-61.safetensors15.89 GB

硬件建议

仓库文件元数据合计 1.87 TB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.87 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。