月之暗面Kimi官方宣佈，Kimi K2系列模型API將於5月25日停止維護，用戶需遷移至最新模型kimi-k2.6，以獲得持續支持及更強多模態能力。K2系列包括多個版本，自去年7月發佈以來以萬億參數著稱，現已結束生命週期。
Cursor發佈自研編程大模型Composer 2.5，基於月之暗面Kimi K2.5開源模型微調，訓練數據量比前代增加25倍，並將85%計算預算用於強化學習與擴展訓練，顯著提升編程邏輯能力。
Cursor發佈AI編碼模型Composer2.5重大升級，基於月之暗面開源Kimi K2.5構建，訓練規模達前代25倍，將85%計算資源用於額外訓練與強化學習，實現核心性能跨越式突破，顯著提升AI編程效能與性價比。
月之暗面於4月22日發佈公告，針對新模型Kimi K2.6上線期間因用戶訪問激增導致的功能異常，宣佈對所有用戶進行額度重置作爲補償。K2.6於4月20日發佈並開源，升級了代碼編寫、長程任務執行及Agent集羣支持能力。
強大的開源Kimi K2聊天平臺，通過Kimi AI在編程和數學基準測試中超越GPT-4。企業級Kimi AI，成本降低95%。
Moonshot
$5
輸入tokens/百萬
$20
輸出tokens/百萬
32
上下文長度
$8
$32
262
inferencerlabs
Kimi - K2 - Thinking 3.825bit MLX 是一款用於文本生成的量化模型，通過不同的量化方式在測試中取得不同的困惑度表現，其中q3.825bit量化能達到1.256的困惑度。
moonshotai
Kimi K2 Thinking 是月之暗面（Moonshot AI）開發的最新一代開源思維模型，具有強大的深度推理能力和工具調用功能。該模型採用混合專家架構，支持原生INT4量化，擁有256k上下文窗口，在多個基準測試中表現出色。
richardyoung
這是一個高性能的4位量化版本的Kimi K2 Instruct模型，專為使用MLX框架在Apple Silicon（M1/M2/M3/M4）Mac上運行而優化。該模型擁有6710億參數，支持128K上下文窗口，在質量和效率之間實現了出色的平衡，是大多數實際部署的理想選擇。
DevQuasar
這是LLM360/K2-Think模型的量化版本，致力於讓知識更加自由地傳播，秉持'讓知識為每個人所用'的理念。該版本通過量化技術優化了模型大小和推理效率。
Kimi - K2 - Instruct 是一個基於 moonshotai/Kimi - K2 - Instruct 模型的量化版本，旨在讓知識更廣泛地惠及大眾。
Kimi K2 是一款先進的混合專家（MoE）語言模型，擁有 320 億激活參數和 1 萬億總參數，針對代理能力進行了優化。
unsloth
Kimi K2是一款先進的混合專家（MoE）語言模型，具備320億激活參數和1萬億總參數，針對智能代理能力進行了優化。
Kimi K2是一款先進的混合專家（MoE）語言模型，擁有320億激活參數和1萬億總參數，針對智能體能力進行了優化。
Kimi K2 是一款先進的混合專家（MoE）語言模型，擁有 320 億激活參數和 1 萬億總參數，針對智能體能力進行了優化。
LLM360
K2是一個650億參數規模的大語言模型，通過完全透明化的訓練方案，以35%計算量優勢超越Llama 2 70B。
Changgil
基於SOLAR-10.7B-v1.0微調的韓語大語言模型，專注於韓語理解和生成任務
speechcolab
Icefall 是一個基於 k2 框架的自動語音識別（ASR）工具包，專注於高效和靈活的語音識別模型訓練與推理。
gagan3012
一個基於T5的模型，能夠將輸入的關鍵詞轉換為連貫的句子。
基於T5的模型，能夠將輸入的關鍵詞轉換為完整的句子。
Mlx多語言%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
