Kimi K2 Thinking จากจีนเร่งความก้าวหน้าของ AI แบบเปิด ทำคะแนนเหนือ GPT 5 ในการทดสอบสำคัญ

โมเดลแบบเปิดทรงพลังท้าชนแนวหน้าของวงการ

Moonshot AI เปิดตัว Kimi K2 Thinking โมเดลแบบเปิดที่มุ่งแข่งขันในระดับสูงสุดของระบบให้เหตุผล บริษัทระบุว่าโมเดลนี้ทำผลงานเหนือระบบชั้นนำแบบปิดในชุดการประเมินที่ท้าทายหลายรายการ ซึ่งวัดความสามารถด้านการให้เหตุผลทีละขั้นตอน เอเจนต์ค้นเว็บ และวิศวกรรมซอฟต์แวร์ ผู้ใช้สามารถเข้าถึง K2 Thinking ผ่านแพลตฟอร์มของ Moonshot และ Kimi.com ส่วนค่าน้ำหนักโมเดลเผยแพร่บนแหล่งรวมสาธารณะสำหรับนำไปโฮสต์เอง ภายใต้ Modified MIT License ที่อนุญาตให้ใช้เชิงพาณิชย์โดยกำหนดให้ระบุที่มาอย่างเรียบง่ายสำหรับการนำไปใช้งานขนาดใหญ่มาก

การออกแบบโมเดลผสานขนาดเข้ากับประสิทธิภาพ K2 Thinking ใช้สถาปัตยกรรม Mixture of Experts ซึ่งมีพารามิเตอร์รวมตามรายงานหนึ่งล้านล้านพารามิเตอร์ แต่เปิดใช้งานเพียงราว 32,000 ล้านพารามิเตอร์ต่อโทเค็นที่สร้างขึ้นหนึ่งรายการ โมเดลรองรับหน้าต่างบริบทขนาด 256,000 โทเค็น และฝึกให้ประมวลผล INT4 ได้โดยตรงด้วยการฝึกแบบคำนึงถึงการควอนไทซ์ การตั้งค่านี้ช่วยลดเวลาแฝงและความต้องการหน่วยความจำ ซึ่งช่วยอธิบายได้ว่าทำไมจึงตั้งราคาแข่งขันได้ นอกเหนือจากคะแนนดิบ การเปิดตัวครั้งนี้ยังผลักดันให้โมเดลแบบเปิดมีพฤติกรรมเป็นเอเจนต์มากขึ้น K2 Thinking แสดงความสามารถในการวางแผนระยะยาวและใช้เครื่องมืออย่างเป็นระบบผ่านการเรียกใช้งานต่อเนื่อง 200 ถึง 300 ครั้ง อีกทั้งยังสร้างร่องรอยการให้เหตุผลที่โปร่งใส เพื่อให้ผู้ใช้ตรวจสอบขั้นตอนระหว่างทางได้ ความสามารถเหล่านี้เมื่อประกอบกับต้นทุนที่ต่ำลง ยิ่งเพิ่มแรงกดดันต่อคู่แข่งแบบปิด

K2 Thinking คืออะไร และทำงานอย่างไร

K2 Thinking สร้างขึ้นเป็นทรานส์ฟอร์เมอร์แบบ Mixture of Experts โดยมีโมดูลผู้เชี่ยวชาญเฉพาะทางจำนวนมากอยู่เบื้องหลังตัวกำหนดเส้นทาง ซึ่งจะเลือกโมดูลเพียงบางส่วนสำหรับแต่ละโทเค็น ช่วยลดภาระการคำนวณโดยยังคงความสามารถไว้ Moonshot อธิบายว่าโมเดลประกอบด้วย 61 เลเยอร์ ผู้เชี่ยวชาญ 384 ชุด เลือกผู้เชี่ยวชาญ 8 ชุดต่อโทเค็น มีหัวความสนใจ 64 หัว มิติซ่อนเร้น 7168 และขนาดคลังคำศัพท์ 160,000 รายการ มีพารามิเตอร์ที่ทำงานอยู่เพียงราว 32,000 ล้านรายการในแต่ละขณะ ทำให้การประมวลผลยังจัดการได้ แม้ความจุรวมจะสูงมาก กลไกความสนใจอธิบายว่าเป็น multi head latent attention พร้อมการกระตุ้นแบบ SwiGLU แนวทางนี้มุ่งให้การฝึกและการประมวลผลเน้นไปยังผู้เชี่ยวชาญที่เกี่ยวข้องกับเนื้อหาในบริบทมากที่สุด ช่วยเพิ่มทั้งอัตราการประมวลผลและความแม่นยำ

ผู้เชี่ยวชาญแบบเบาบางและประสิทธิภาพ

Mixture of Experts ช่วยให้โมเดลขยายขนาดได้ถึงหนึ่งล้านล้านพารามิเตอร์ โดยไม่ต้องให้ทุกพารามิเตอร์ทำงานกับทุกโทเค็น ในทางปฏิบัติ โมเดลจึงอาจให้เหตุผลได้ลึกซึ้งขึ้นและครอบคลุมความรู้ได้กว้างขึ้น ขณะที่การใช้หน่วยความจำและเวลาในแต่ละขั้นยังอยู่ในระดับที่ตัวเร่งการประมวลผลในปัจจุบันรองรับได้ หน้าต่างบริบท 256k ช่วยให้โมเดลรับโค้ดเบสขนาดใหญ่หรือเอกสารวิจัยจำนวนมาก แล้ววางแผนหลายขั้นตอนระหว่างเรียกใช้เครื่องมือ การออกแบบนี้เหมาะอย่างยิ่งกับงานเอเจนต์ ซึ่งระบบอาจต้องค้นหา อ่าน เขียน และตรวจสอบผลลัพธ์ผ่านการทำงานหลายสิบหรือหลายร้อยครั้ง

INT4 โดยตรงและการฝึกแบบคำนึงถึงการควอนไทซ์

Moonshot ฝึก K2 Thinking ด้วยวิธีที่คำนึงถึงการควอนไทซ์ เพื่อให้จัดเก็บน้ำหนักและประมวลผลด้วย INT4 ได้โดยตรง INT4 ใช้สองบิตต่อหนึ่งนิบเบิลสำหรับค่าพารามิเตอร์แต่ละรายการ แทนรูปแบบความละเอียดสูงกว่า จึงลดความต้องการหน่วยความจำและเร่งการสร้างผลลัพธ์ บริษัทระบุว่าความเร็วในการสร้างเพิ่มขึ้นราวสองเท่า โดยสูญเสียคุณภาพเพียงเล็กน้อยเมื่อเทียบกับความละเอียดสูงกว่า และคะแนนการทดสอบทั้งหมดรายงานภายใต้ INT4 เรื่องนี้ส่งผลต่อทั้งต้นทุนและการเข้าถึง ผู้ทดสอบในชุมชนรายงานว่าสามารถรันโมเดลบนระบบคอมพิวเตอร์ตั้งโต๊ะระดับสูงได้ และ Moonshot แนะนำเอนจินอย่าง vLLM, SGLang และ KTransformers โมเดลยังรองรับ API ที่เข้ากันได้กับ OpenAI และ Anthropic ทำให้ทีมที่ใช้รูปแบบดังกล่าวอยู่แล้วผสานระบบได้ง่ายขึ้น

การทดสอบที่ K2 Thinking ทำผลงานนำ

ในการทดสอบสาธารณะ โมเดลทำคะแนนจนติดกลุ่มระบบให้เหตุผลที่ดีที่สุดในขณะนี้ และขึ้นเป็นอันดับหนึ่งในหลายรายการ ตัวเลขที่รายงานประกอบด้วย 44.9 เปอร์เซ็นต์ในการทดสอบ Humanity’s Last Exam เมื่อเปิดใช้เครื่องมือ, 23.9 เปอร์เซ็นต์ในการตั้งค่าแบบข้อความเท่านั้น และ 51.0 เปอร์เซ็นต์ในการตั้งค่าแบบเข้มข้น; 60.2 เปอร์เซ็นต์ใน BrowseComp สำหรับเอเจนต์ค้นเว็บ; 71.3 เปอร์เซ็นต์ใน SWE Bench Verified สำหรับการแก้บั๊กซอฟต์แวร์โดยใช้เครื่องมือ; 83.1 เปอร์เซ็นต์ใน LiveCodeBench v6; และ 56.3 เปอร์เซ็นต์ใน Seal 0 ด้านคณิตศาสตร์และวิทยาศาสตร์ โมเดลทำได้ 94.5 เปอร์เซ็นต์ใน AIME25 โดยไม่ใช้เครื่องมือ, 99.1 เปอร์เซ็นต์ใน AIME25 เมื่ออนุญาตให้รัน Python, 89.4 เปอร์เซ็นต์ใน HMMT25 โดยไม่ใช้เครื่องมือ และราว 85 ถึง 86 เปอร์เซ็นต์ในการทดสอบความรู้วิทยาศาสตร์ GPQA Diamond นอกจากนี้ยังมีรายงานคะแนน Frames ที่ 87.0, FinSearchComp T3 ที่ 47.4 และ SWE Multilingual ที่ 61.1 ในหลายหมวดเหล่านี้ K2 Thinking ทำคะแนนได้เท่าหรือเหนือกว่า GPT 5 และคะแนน BrowseComp ทิ้งห่าง Claude Sonnet 4.5 อย่างมาก

งานเอเจนต์ด้านการค้นหาและการท่องเว็บ

BrowseComp ทดสอบว่าโมเดลวางแผน ค้นเว็บ ติดตามลิงก์ สังเคราะห์ข้อมูล และตรวจสอบคำตอบได้หรือไม่ คะแนน BrowseComp 60.2 เปอร์เซ็นต์ของ K2 Thinking สูงกว่าผล 54.9 เปอร์เซ็นต์ที่รายงานสำหรับ GPT 5 และเหนือกว่า Claude Sonnet 4.5 ซึ่งทำได้ 24.1 เปอร์เซ็นต์อย่างมาก โมเดลยังทำคะแนนได้ดีใน Seal 0 และ Frames ซึ่งวัดการรวบรวมข้อมูล การวางแผน และความสม่ำเสมอขณะใช้เครื่องมือ ผลลัพธ์เหล่านี้สอดคล้องกับเป้าหมายการออกแบบของโมเดล การคิดสลับขั้นช่วยให้โมเดลหยุดพิจารณา ให้เหตุผล เรียกใช้เครื่องมือ แล้วปรับแผน Support สำหรับการเรียกใช้งานต่อเนื่อง 200 ถึง 300 ครั้งช่วยรักษาสถานะระหว่างทำงานหลายขั้นตอน ส่วนหน้าต่างบริบทขนาดใหญ่ช่วยเก็บข้อมูลที่กำลังใช้งานไว้ในหน่วยความจำ

การเขียนโค้ดและวิศวกรรมซอฟต์แวร์

SWE Bench Verified ประเมินความสามารถของโมเดลในการอ่านปัญหาในคลังซอฟต์แวร์ สร้างแพตช์ และทำให้การทดสอบผ่าน K2 Thinking รายงานคะแนน 71.3 เปอร์เซ็นต์เมื่อใช้เครื่องมือ ซึ่งถือเป็นผลลัพธ์ที่แข็งแกร่งสำหรับระบบแบบเปิด บน LiveCodeBench v6 ทำได้ 83.1 เปอร์เซ็นต์ และบน SWE Multilingual ได้ 61.1 เปอร์เซ็นต์ ตัวอย่างจากชุมชนแสดงให้เห็นว่าโมเดลสร้างโปรเจกต์ที่ใช้งานได้จากคำสั่งเดียวได้ รวมถึงเกมและเว็บแอปเต็มรูปแบบ จากนั้นปรับแก้ผ่านการเรียกใช้เครื่องมือเป็นรอบ ๆ บริบทระยะยาวช่วยในการสำรวจโค้ด ขณะที่การประมวลผล INT4 ช่วยลดเวลาแฝงระหว่างการพัฒนาที่ยาวนาน

ราคา การเข้าถึง และสัญญาอนุญาต

K2 Thinking เผยแพร่ภายใต้ Modified MIT License ซึ่งอนุญาตให้ใช้เชิงพาณิชย์ และกำหนดให้การนำไปใช้งานขนาดใหญ่มากต้องระบุที่มาอย่างเรียบง่าย โมเดลพร้อมใช้งานบน Kimi.com สำหรับแชต และเข้าถึงผ่าน API ได้บน Kimi Open Platform สำหรับการโฮสต์เอง ทีมสามารถดาวน์โหลดค่าน้ำหนักโมเดลจากแหล่งรวมโมเดลสาธารณะ เช่น Hugging Face ที่ huggingface.co/moonshotai/Kimi-K2-Thinking และดูเอกสารของแพลตฟอร์มได้ที่ platform.moonshot.ai

ราคาตั้งไว้ให้ต่ำกว่าทางเลือกแบบปิด Moonshot ระบุราคาประมาณ 0.15 ดอลลาร์ต่อหนึ่งล้านโทเค็นสำหรับกรณีแคชพบข้อมูล, ประมาณ 0.60 ดอลลาร์ต่อหนึ่งล้านโทเค็นสำหรับกรณีแคชไม่พบข้อมูล และประมาณ 2.50 ดอลลาร์ต่อหนึ่งล้านโทเค็นสำหรับผลลัพธ์ เทียบกับราคา GPT 5 ที่ราว 1.25 ดอลลาร์ต่อโทเค็นขาเข้าหนึ่งล้านรายการ และ 10 ดอลลาร์ต่อโทเค็นขาออกหนึ่งล้านรายการ การรองรับ INT4 โดยตรงของ K2 Thinking ช่วยลดต้นทุนการทำงาน และโครงสร้าง Mixture of Experts ทำให้มีเพียงส่วนหนึ่งของเครือข่ายที่ทำงานในแต่ละครั้ง บน Kimi.com โหมดแชตมาตรฐานใช้ชุดเครื่องมือที่จำกัดเพื่อให้ใช้งานได้เบาขึ้น ดังนั้นผลลัพธ์บนเว็บไซต์อาจไม่ตรงกับคะแนนทดสอบเอเจนต์จนกว่าจะเปิดใช้ Agent mode ครบถ้วน

ความสำคัญต่อการแข่งขัน AI

โมเดลแบบเปิดกำลังไล่ตามระบบปิดที่ดีที่สุดให้ทัน ชัยชนะในการทดสอบของ K2 Thinking ส่งสัญญาณว่างานวิจัยแบบเปิดสามารถแข่งขันในระดับสูงด้านการให้เหตุผล การเขียนโค้ด และงานเอเจนต์ได้แล้ว เรื่องนี้กดดันผู้ให้บริการโมเดลแบบปิดให้สร้างความแตกต่างด้วยความน่าเชื่อถือ เครื่องมือด้านความปลอดภัย การสนับสนุนองค์กร และผลิตภัณฑ์แบบผสานรวม แทนการชูเพียงคะแนนเด่น ๆ สำหรับองค์กร โมเดลแบบเปิดช่วยให้ควบคุมข้อมูล การปฏิบัติตามข้อกำหนด และขนาดการติดตั้งใช้งานได้มากขึ้น สำหรับนักพัฒนา โมเดลเหล่านี้เปิดทางให้ทดลองพฤติกรรมเอเจนต์ขั้นสูงโดยไม่ต้องจ่ายอัตราพรีเมียมสำหรับทุกโทเค็น

บทบาท AI ของจีนที่เติบโตขึ้น

ห้องปฏิบัติการในจีนกำลังพัฒนาเร็วขึ้นและมีบทบาทในการสนทนามากขึ้น ชื่ออย่าง DeepSeek, Qwen, MiniMax และ Kimi เริ่มเป็นที่จับตา พร้อมการเปิดตัวโมเดลอย่างต่อเนื่อง โมเดลก่อนหน้าของ MiniMax สร้างจังหวะใหม่ให้กับการทดสอบแบบเปิดและกำหนดต้นทุนอ้างอิงที่ต่ำลง ส่วน K2 Thinking กำลังผลักดันต่อในด้านการให้เหตุผลระยะยาวและเครื่องมือสำหรับเอเจนต์ นักวิเคราะห์ชี้ว่าทีมจีนกำลังเร่งวงจรป้อนกลับ ใช้การขยายการประมวลผลขณะทดสอบ และใช้ความถี่ในการเปิดตัวเป็นข้อได้เปรียบ แม้บางงานยังเป็นรองระบบปิดที่ดีที่สุดก็ตาม การแข่งขันกำลังเปลี่ยนจากแชตไปสู่ความฉลาดแบบเอเจนต์ ซึ่งระบบสามารถวางแผน ใช้เครื่องมือ และทำเป้าหมายที่ซับซ้อนให้สำเร็จ K2 Thinking มุ่งตอบโจทย์การเปลี่ยนแปลงนี้โดยตรง

ความสามารถและตัวอย่างการใช้งานจริง

การสาธิตของ Moonshot และการทดสอบของผู้ใช้แสดงให้เห็นว่าโมเดลจัดการงานที่ต้องทำต่อเนื่องได้อย่างไร ในการสาธิตครั้งหนึ่ง ระบบแก้โจทย์คณิตศาสตร์ระดับปริญญาเอกด้วยการวนทำงาน ตั้งแต่อ่านบทความวิจัย ดึงสูตรออกมา รันโค้ด Python ไปจนถึงตรวจสอบผลลัพธ์ ผ่านขั้นตอนการให้เหตุผลและใช้เครื่องมือมากกว่า 20 ขั้นก่อนสรุปคำตอบ อีกการสาธิตแสดงให้เห็นว่าโมเดลค้นหาซ้ำหลายรอบเพื่อระบุตัวนักแสดง Jimmy Gary Jr. และยืนยันบทบาทในภาพยนตร์เรื่องหนึ่ง ซึ่งต้องตรวจสอบแหล่งข้อมูลอย่างรอบคอบจากหน้าเว็บจำนวนมาก ในการเขียนโค้ด ผู้ทดสอบรายงานว่า K2 Thinking สร้างเกมสไตล์ Space Invaders ที่ใช้งานได้ในครั้งเดียว จากนั้นปรับปรุงผ่านการเรียกใช้เครื่องมือซ้ำเป็นรอบ ๆ ตัวอย่างอื่นแสดงให้เห็นว่าโมเดลจัดวางเว็บไซต์เต็มรูปแบบ สร้างคอมโพเนนต์ส่วนหน้า และแม้แต่จำลองอินเทอร์เฟซสไตล์เดสก์ท็อปเพื่อจัดการไฟล์และเมนู

สิ่งที่นักพัฒนาพบ

ผู้ทดสอบอิสระในเว็บบอร์ดนักพัฒนาระบุว่าโมเดลมีสมดุลระหว่างความเร็วกับการควบคุม ผู้ใช้ที่มีประสบการณ์รายหนึ่งทดลองรันโมเดลด้วยฮาร์ดแวร์สำหรับผู้บริโภคทั่วไป และรายงานว่าทำงานได้สม่ำเสมอผ่านลำดับการใช้เครื่องมือที่ยาวและพรอมต์ขนาดใหญ่ ผู้ทดสอบยังเสริมว่าเส้นทาง INT4 โดยตรงช่วยเพิ่มความเร็วโดยยังรักษาคุณภาพให้คงที่

ในการทดสอบของผม โมเดลจัดการการเรียกใช้เครื่องมือต่อเนื่องได้ถึง 300 ครั้งโดยไม่เสียความต่อเนื่อง ซึ่งดีขึ้นมากเมื่อเทียบกับโมเดลก่อนหน้า

ผู้ทดสอบรายเดิมกล่าวถึงหน้าต่างบริบท 256k ที่รองรับโปรเจกต์โค้ดขนาดใหญ่ ความสามารถในการเขียนโค้ดหลายภาษา และประโยชน์ที่เห็นได้จริงในงานส่วนหน้า รายงานระบุว่าอัตราการประมวลผลบนคอมพิวเตอร์ตั้งโต๊ะระดับสูงอยู่ที่หลายสิบถึงหลายร้อยโทเค็นต่อวินาที ขึ้นอยู่กับการตั้งค่า ทำให้วงจรการทำงานของเอเจนต์ตอบสนองได้เร็วพอสำหรับงานพัฒนา

มุมมองผู้เชี่ยวชาญ

Nathan Lambert นักวิจัยด้าน AI ซึ่งติดตามโมเดลแบบเปิดและระบบเอเจนต์ มองว่า K2 Thinking เป็นจุดเปลี่ยนของโมเดลแบบเปิดในกลุ่มประสิทธิภาพระดับสูง เขายังชี้ให้เห็นถึงความถี่ในการเปิดตัวจากห้องปฏิบัติการในจีน

การเปิดตัวครั้งนี้ถูกมองว่าเป็นครั้งที่โมเดลแบบเปิดเข้าใกล้ประสิทธิภาพระดับแนวหน้าของระบบปิดมากที่สุด

Lambert ยังชี้ถึงข้อได้เปรียบด้านความเร็วในการนำระบบใหม่และรุ่นปรับปรุงออกสู่ตลาดของฝั่งโมเดลเปิด แม้โมเดลปิดยังนำอยู่ในบางด้าน

โมเดลแบบเปิดออกใหม่เร็วกว่า ห้องปฏิบัติการในจีนเปิดตัวโมเดลเร็วกว่าห้องปฏิบัติการในโลกตะวันตกมาก

สิ่งที่ K2 Thinking ยังต้องพิสูจน์

การเป็นผู้นำด้านคะแนนทดสอบไม่ได้หมายความว่าจะเหนือกว่าในทุกด้านเมื่อนำไปใช้จริง ผู้ใช้บางรายรายงานว่าความสามารถในการเรียกคืนข้อมูลลดลงเป็นครั้งคราวเมื่อบริบทยาวมาก ซึ่งเป็นความท้าทายที่พบได้ทั่วไปในระบบที่รองรับบริบทขนาดใหญ่ การทดสอบยังแตกต่างกันในด้านจำนวนเครื่องมือที่อนุญาตและขีดจำกัดโทเค็นสำหรับการคิด การเปรียบเทียบจึงอาจขึ้นอยู่กับว่าแต่ละทีมใช้การขยายการประมวลผลขณะทดสอบมากเพียงใด การเรียกใช้เครื่องมือหลายร้อยครั้งในเซสชันเดียวก็สร้างความท้าทายด้านการโฮสต์เช่นกัน เพราะผู้ให้บริการต้องรองรับสถานะ การเรียกเครือข่าย และบันทึกการทำงานที่เพิ่มขึ้น

องค์กรจะจับตาความเสถียรระหว่างเวอร์ชัน การทำซ้ำผลลัพธ์ภายใต้การตั้งค่าคงที่ และเครื่องมือด้านความปลอดภัยที่เข้ากับกระบวนงานเดิม การสร้างร่องรอยการให้เหตุผลเป็นก้าวที่มีประโยชน์ เพราะช่วยให้ทีมตรวจสอบขั้นตอนระหว่างทางได้ แต่ผู้ดูแลระบบก็ต้องตัดสินใจว่าจะบันทึกกระบวนการคิดมากน้อยเพียงใด และควรปกปิดเนื้อหาที่ละเอียดอ่อนเมื่อใด ท้ายที่สุด การออกแบบแบบเปิดของโมเดลเอื้อต่อการปรับปรุงอย่างรวดเร็วจากชุมชน ซึ่งเป็นจุดแข็ง และยังหมายความว่าจะมีโมเดลหลายรุ่นที่แลกเปลี่ยนข้อดีข้อเสียต่างกันในด้านความเร็ว การใช้หน่วยความจำ และคุณภาพ ผลลัพธ์ระยะแรกน่าจับตา และการทดสอบต่อเนื่องในหลายภาษา หลายสาขา และฮาร์ดแวร์หลายแบบจะชี้ให้นักพัฒนาเห็นว่า K2 Thinking แข็งแกร่งที่สุดในด้านใด

สรุปประเด็นสำคัญ

• Moonshot AI เปิดตัว Kimi K2 Thinking ในรูปแบบค่าน้ำหนักเปิด ภายใต้ Modified MIT License ที่อนุญาตให้ใช้เชิงพาณิชย์
• โมเดลใช้การออกแบบแบบ Mixture of Experts มีพารามิเตอร์รวมหนึ่งล้านล้านรายการ และเปิดใช้งานราว 32,000 ล้านรายการต่อโทเค็น
• การประมวลผล INT4 โดยตรงจากการฝึกที่คำนึงถึงการควอนไทซ์ช่วยลดต้นทุนและเวลาแฝง โดยรักษาคุณภาพไว้
• K2 Thinking รายงานคะแนน 44.9 เปอร์เซ็นต์ใน Humanity’s Last Exam เมื่อใช้เครื่องมือ และ 60.2 เปอร์เซ็นต์ใน BrowseComp ซึ่งเหนือกว่า GPT 5 ในการทดสอบเอเจนต์รายการนี้
• คะแนนด้านการเขียนโค้ดประกอบด้วย 71.3 เปอร์เซ็นต์ใน SWE Bench Verified และ 83.1 เปอร์เซ็นต์ใน LiveCodeBench v6
• ระบบรองรับหน้าต่างบริบท 256k และเรียกใช้เครื่องมือต่อเนื่องได้ 200 ถึง 300 ครั้ง
• ราคาประมาณ 0.15 ดอลลาร์ต่อหนึ่งล้านโทเค็นสำหรับแคชพบข้อมูล, 0.60 ดอลลาร์สำหรับแคชไม่พบข้อมูล และ 2.50 ดอลลาร์สำหรับผลลัพธ์ ซึ่งต่ำกว่าอัตราของ GPT 5 มาก
• เข้าถึงได้บน Kimi.com ผ่าน API ที่ Kimi Open Platform และจากแหล่งรวมสาธารณะอย่าง Hugging Face
• โมเดลแบบเปิดจากจีน รวมถึง Kimi, DeepSeek, Qwen และ MiniMax กำลังเร่งการเปิดตัวและทำคะแนนทดสอบได้สูงขึ้น
• ประเด็นที่ควรติดตาม ได้แก่ ความน่าเชื่อถือเมื่อใช้บริบทยาว การรองรับการโฮสต์สำหรับวงจรใช้เครื่องมือที่ยืดเยื้อ และประสิทธิภาพจริงภายใต้ข้อจำกัดในการใช้งานจริง