Kimi K2.5 API

Kimi K2.5 是一个开源的、原生的多模态智能体模型，在 Kimi-K2-Base 基础上通过对约 15 万亿（15 trillion）混合视觉与文本 tokens 的持续预训练构建而成。它将视觉与语言理解与先进的智能体能力无缝结合，支持即时（instant）与思考（thinking）模式，并兼容对话式与智能体式的使用范式。

主要特性：

• 原生多模态：在视觉—语言 tokens 上预训练，K2.5 在视觉知识、跨模态推理以及基于视觉输入的智能体工具使用方面表现出色。
• 带视觉的代码生成：K2.5 能根据视觉规格（如 UI 设计、视频工作流）生成代码，并能自主协调工具以处理视觉数据。
• 智能体蜂群（Agent Swarm）：K2.5 从单一智能体扩展为自驱动、协同的蜂群式执行方案。它会将复杂任务分解为并行的子任务，由动态实例化的领域专用子智能体来执行。

模型概览：

评测结果：

附注：

1. 一般测试细节

   • 我们在报告中给出了启用 thinking 模式的 Kimi K2.5 与 DeepSeek-V3.2、启用 extended thinking 模式的 Claude Opus 4.5、启用 xhigh 推理强度的 GPT-5.2，以及处于高思考等级的 Gemini 3 Pro 的结果。对于视觉基准，我们另外报告了 Qwen3-VL-235B-A22B-Thinking 的结果。
   • 除非另有说明，所有 Kimi K2.5 的实验均在 temperature = 1.0、top-p = 0.95、上下文长度 256k tokens 的条件下进行。
   • 对于没有公开分数的基准，我们在与 Kimi K2.5 相同的条件下重新评估并以星号（*）标注。
   • 由于服务稳定性问题，我们无法在所有基准上评估 GPT-5.2 xhigh。未测试的基准以 "-" 标注。

2. 文本与推理

   • HLE、AIME 2025、HMMT 2025（2 月）和 GPQA-Diamond 的评估使用了最大完成预算 96k tokens。
   • AIME 与 HMMT 的结果为 32 次运行的平均值（avg@32）；GPQA-Diamond 为 8 次运行的平均值（avg@8）。
   • HLE 报告的是全集（文本与图像）。在不使用工具时，Kimi K2.5 在 HLE 上的得分为文本 31.5、图像 21.3；使用工具时为文本 51.8、图像 39.8。DeepSeek-V3.2 的得分对应其仅文本子集（用 † 标注）。为防止潜在数据泄露，Hugging Face 访问被封锁。带工具的 HLE 使用了简单的上下文管理：一旦上下文超过阈值，仅保留最新回合的工具消息。

3. 工具增强 / 智能体搜索

   • 在 HLE（含工具）和所有智能体搜索基准中，Kimi K2.5 配备了搜索、代码解释器（code-interpreter）和网页浏览工具。
   • 除了 BrowseComp（在该基准中 K2.5 与 DeepSeek-V3.2 使用了 discard-all 策略）外，没有应用上下文管理。超过支持上下文长度的任务直接计为失败。
   • 测试系统提示强调深度且积极的工具使用，指示模型要仔细推理、利用工具并核实不确定的信息。完整提示将在技术报告中提供。
   • Seal-0 与 WideSearch 的结果为 4 次运行的平均值（avg@4）。

4. 视觉基准

   • 最大 tokens = 64k，取 3 次运行的平均值（avg@3）。
   • ZeroBench（含工具）在多步推理中使用每步最大 tokens-per-step = 24k 与最大步数 max-steps = 30。
   • MMMU-Pro 遵循官方协议，保留输入顺序并在前置处加入图像。
   • GPT-5.2-xhigh 约有 ~10% 的失败率（即在重试 3 次后无输出），视为不正确；这使得其报告分数可能被低估。
   • WorldVQA 是用于评估基于世界知识的原子级视觉理解的基准。
   • OmniDocBench 的评分计算方式为 (1 − 规范化 Levenshtein 距离) × 100，分数越高表示准确率越好。

5. 编码任务

   • Terminal-Bench 2.0 的分数是在默认智能体框架（Terminus-2）和提供的 JSON 解析器下获得的。在我们的实现中，Terminal-Bench 2.0 在非 thinking 模式下评估。之所以选择非 thinking 模式，是因为我们当前针对 thinking 模式的上下文管理策略与 Terminus-2 不兼容。
   • 对于 SWE-Bench 系列（包括 verified、multilingual 与 pro），我们使用了内部开发的评估框架。该框架包含一个最小工具集——bash 工具、createfile 工具、insert 工具、view 工具和 strreplace 工具以及 submit 工具——并配有为任务定制的系统提示。在非 thinking 模式下取得了最高分。
   • Claude Opus 4.5 在 CyberGym 的得分是在非 thinking 设置下报告的。
   • 所有编码任务的报告分数均为 5 次独立运行的平均值。

6. 长上下文基准

   • AA-LCR：分数为 3 次运行的平均值（avg@3）。
   • LongBench-V2：使用相同的提示与输入上下文，标准化到约 ~128k tokens。

7. 智能体蜂群（Agent Swarm）

   • BrowseComp（蜂群模式）：主智能体最大 15 步；子智能体最大 100 步。
   • WideSearch（蜂群模式）：主智能体与子智能体最大 100 步。

此 API 接口兼容 OpenAI 的接口规范，也就是可以直接使用 OpenAI 的 SDK 来调用各个模型。仅需替换以下两项配置即可：

1. base_url 替换为 https://wcode.net/api/gpt/v1
2. api_key 替换为从 https://wcode.net/get-apikey 获取到的 API Key

具体可参考下方的各编程语言代码示例中的 openai sdk 调用示例。

# TODO: 以下代码中的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey

curl --request POST 'https://wcode.net/api/gpt/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "moonshotai/kimi-k2.5",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

import Foundation

let headers = [
  "Authorization": "Bearer API_KEY",     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  "content-type": "application/json"
]
let parameters = [
  "model": "moonshotai/kimi-k2.5",
  "messages": [
    [
      "role": "user",
      "content": "你好"
    ]
  ]
] as [String : Any]

let postData = JSONSerialization.data(withJSONObject: parameters, options: [])

let request = NSMutableURLRequest(url: NSURL(string: "https://wcode.net/api/gpt/v1/chat/completions")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 60.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if (error != nil) {
    print(error as Any)
  } else {
    let httpResponse = response as? HTTPURLResponse
    print(httpResponse)
  }
})

dataTask.resume()

var headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer API_KEY'     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
};
var request = http.Request('POST', Uri.parse('https://wcode.net/api/gpt/v1/chat/completions'));
request.body = json.encode({
  "model": "moonshotai/kimi-k2.5",
  "messages": [
    {
      "role": "user",
      "content": "你好"
    }
  ]
});
request.headers.addAll(headers);

http.StreamedResponse response = await request.send();

if (response.statusCode == 200) {
  print(await response.stream.bytesToString());
}
else {
  print(response.reasonPhrase);
}

require 'uri'
require 'net/http'

url = URI("https://wcode.net/api/gpt/v1/chat/completions")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer API_KEY'     # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
request["content-type"] = 'application/json'
request.body = "{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}"

response = http.request(request)
puts response.read_body

use serde_json::json;
use reqwest;

#[tokio::main]
pub async fn main() {
  let url = "https://wcode.net/api/gpt/v1/chat/completions";

  let payload = json!({
    "model": "moonshotai/kimi-k2.5",
    "messages": (
      json!({
        "role": "user",
        "content": "你好"
      })
    )
  });

  let mut headers = reqwest::header::HeaderMap::new();
  headers.insert("Authorization", "Bearer API_KEY".parse().unwrap());     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  headers.insert("content-type", "application/json".parse().unwrap());

  let client = reqwest::Client::new();
  let response = client.post(url)
    .headers(headers)
    .json(&payload)
    .send()
    .await;

  let results = response.unwrap()
    .json::<serde_json::Value>()
    .await
    .unwrap();

  dbg!(results);
}

CURL *hnd = curl_easy_init();

curl_easy_setopt(hnd, CURLOPT_CUSTOMREQUEST, "POST");
curl_easy_setopt(hnd, CURLOPT_URL, "https://wcode.net/api/gpt/v1/chat/completions");

struct curl_slist *headers = NULL;
headers = curl_slist_append(headers, "Authorization: Bearer API_KEY");    // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
headers = curl_slist_append(headers, "content-type: application/json");
curl_easy_setopt(hnd, CURLOPT_HTTPHEADER, headers);

curl_easy_setopt(hnd, CURLOPT_POSTFIELDS, "{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}");

CURLcode ret = curl_easy_perform(hnd);

package main

import (
  "fmt"
  "strings"
  "net/http"
  "io"
)

func main() {
  url := "https://wcode.net/api/gpt/v1/chat/completions"

  payload := strings.NewReader("{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}")

  req, _ := http.NewRequest("POST", url, payload)

  req.Header.Add("Authorization", "Bearer API_KEY")     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  req.Header.Add("content-type", "application/json")

  res, _ := http.DefaultClient.Do(req)

  defer res.Body.Close()
  body, _ := io.ReadAll(res.Body)

  fmt.Println(res)
  fmt.Println(string(body))
}

using System.Net.Http.Headers;


var client = new HttpClient();

var request = new HttpRequestMessage(HttpMethod.Post, "https://wcode.net/api/gpt/v1/chat/completions");

request.Headers.Add("Authorization", "Bearer API_KEY");     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey

request.Content = new StringContent("{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}", null, "application/json");

var response = await client.SendAsync(request);

response.EnsureSuccessStatusCode();

Console.WriteLine(await response.Content.ReadAsStringAsync());

var client = new RestClient("https://wcode.net/api/gpt/v1/chat/completions");

var request = new RestRequest("", Method.Post);

request.AddHeader("Authorization", "Bearer API_KEY");     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey

request.AddHeader("content-type", "application/json");

request.AddParameter("application/json", "{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}", ParameterType.RequestBody);

var response = client.Execute(request);

const axios = require('axios');

let data = JSON.stringify({
  "model": "moonshotai/kimi-k2.5",
  "messages": [
    {
      "role": "user",
      "content": "你好"
    }
  ]
});

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://wcode.net/api/gpt/v1/chat/completions',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer API_KEY'     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  },
  data : data
};

axios.request(config).then((response) => {
  console.log(JSON.stringify(response.data));
}).catch((error) => {
  console.log(error);
});

OkHttpClient client = new OkHttpClient();

MediaType mediaType = MediaType.parse("application/json");

RequestBody body = RequestBody.create(mediaType, "{\"model\":\"moonshotai/kimi-k2.5\",\"messages\":[{\"role\":\"user\",\"content\":\"你好\"}]}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/chat/completions")
  .post(body)
  .addHeader("Authorization", "Bearer API_KEY")             // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  .addHeader("content-type", "application/json")
  .build();

Response response = client.newCall(request).execute();

$client = new \GuzzleHttp\Client();

$headers = [
  'Content-Type' => 'application/json',
  'Authorization' => 'Bearer API_KEY',     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
];

$body = '{
  "model": "moonshotai/kimi-k2.5",
  "messages": [
    {
      "role": "user",
      "content": "你好"
    }
  ]
}';

$request = new \GuzzleHttp\Psr7\Request('POST', 'https://wcode.net/api/gpt/v1/chat/completions', $headers, $body);

$response = $client->sendAsync($request)->wait();

echo $response->getBody();

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://wcode.net/api/gpt/v1/chat/completions",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 5,
  CURLOPT_TIMEOUT => 300,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => json_encode([
    'model' => 'moonshotai/kimi-k2.5',
    'messages' => [
      [
        'role' => 'user',
        'content' => '你好'
      ]
    ]
  ]),
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer API_KEY",     // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
    "content-type: application/json",
  ],
]);

$response = curl_exec($curl);
$error = curl_error($curl);

curl_close($curl);

if ($error) {
  echo "cURL Error #:" . $error;
} else {
  echo $response;
}

import requests
import json

url = "https://wcode.net/api/gpt/v1/chat/completions"

payload = {
  "model": "moonshotai/kimi-k2.5",
  "messages": [
    {
      "role": "user",
      "content": "你好"
    }
  ]
}

headers = {
  "Authorization": "Bearer API_KEY",     # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
  "content-type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(json.dumps(response.json(), indent=4, ensure_ascii=False))

from openai import OpenAI

client = OpenAI(
  base_url="https://wcode.net/api/gpt/v1",
  api_key="API_KEY"                             # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://wcode.net/get-apikey
)

completion = client.chat.completions.create(
  model="moonshotai/kimi-k2.5",
  messages=[
    {
      "role": "user",
      "content": "你好"
    }
  ]
)

print(completion.choices[0].message.content)

{
    "id": "chatcmpl-t1769701719s864rff930642f187af0188612cde",
    "model": "moonshotai/kimi-k2.5",
    "object": "chat.completion",
    "created": 1769701721,
    "choices": [
        {
            "logprobs": null,
            "finish_reason": "stop",
            "native_finish_reason": "stop",
            "index": 0,
            "message": {
                "role": "assistant",
                "content": " 你好！很高兴认识你。\n\n我是 **Kimi**，由**月之暗面科技有限公司**（Moonshot AI）开发的人工智能助手。你提到的 **K2.5** 是我当前所属的模型系列，它让我具备了以下特点：\n\n**我的核心能力：**\n- **超长上下文处理**：标准支持 256,000 tokens 的上下文长度，在测试环境中更可处理高达 **200万字符** 的超长文本，能够深度分析整本书籍、长篇报告或大量代码库\n- **多模态理解**：不仅能理解文字，还能分析高清图片和视频内容，解读图表、截图、照片甚至视频片段\n- **智能体（Agent）能力**：具备视觉感知的自主任务执行能力（OK Computer），可以帮你进行深度研究、建立网站、制作演示文稿、生成图像等复杂工作流\n- **编程与推理**：协助代码编写、调试、算法优化，以及复杂的逻辑推理和数学计算\n\n**我能为你做什么：**\n- 📄 阅读和分析超大文档（支持 PDF、Word、TXT、代码文件等）\n- 🔍 联网搜索最新信息（我的知识更新至2025年1月，可通过搜索补充实时资讯）\n- 💻 编程辅助与技术问题解答\n- ✍️ 写作、翻译、内容润色与创意头脑风暴\n- 🖼️ 图像和视频分析与理解\n- 🌐 流畅的中文、英文等多语言对话\n\n我会尽力提供准确、有帮助的信息，也会诚实告知我的局限性。有什么我可以帮你的吗？无论是分析长文档、写代码、解答问题，还是随便聊聊，我都很乐意协助！",
                "refusal": null,
                "reasoning": " 用户用中文打招呼并询问我的身份。我需要用中文介绍自己作为Kimi，一个由Moonshot AI（月之暗面）开发的AI助手。\n\n关键点：\n1. 确认身份：我是Kimi，由月之暗面（Moonshot AI）开发\n2. 说明能力：长文本处理、多语言对话、文件处理、搜索等\n3. 保持友好、专业的语气\n4. 由于用户提到了\"K2.5\"，我应该确认这是指K2.5系列模型的版本\n\n结构：\n- 问候回应\n- 基本身份介绍（ Moonshot AI / 月之暗面 ）\n- 核心能力特点（特别是K2.5系列的特点：超长上下文、多模态、智能体能力）\n- 可用功能（阅读文件、联网搜索、编程辅助等）\n- 友好结束语\n\n注意事项：\n- 确保准确提及母公司：月之暗面科技有限公司（Moonshot AI）\n- K2.5系列的特点是支持超长上下文（标准256K tokens，测试支持200万字符）、多模态理解和智能体（Agent）能力\n- 保持中文自然流畅\n\n让我组织回答：\n\n你好！很高兴认识你。我是 **Kimi**，由 **月之暗面科技有限公司**（Moonshot AI）开发的人工智能助手。\n\n关于我（K2.5系列）：\n1. 超长上下文：支持高达256K tokens的标准上下文（测试中支持高达200万字符），可以处理超长文档、视频内容分析\n2. 多模态：能理解文本、高清图像和视频内容\n3. 智能体能力：具备视觉感知的自主任务执行能力（OK Computer），支持深度研究、网站构建、演示文稿创建等\n4. 知识更新：知识库更新至2025年1月\n\n我能做什么：\n- 对话交流：用中文、英文等多种语言自然对话\n- 文件处理：阅读和分析PDF、Word、代码文件等（支持超大文档）\n- 联网搜索：获取最新信息（我的知识有截止日期，但可通过搜索补充最新资讯）\n- 编程辅助：协助写代码、调试、解释技术概念\n- 内容创作：写作、翻译、头脑风暴、OK Computer智能体任务执行\n- 多媒体分析：分析图片、视频内容\n\n我会尽力提供准确、有用的信息，也会坦诚告知我的局限性。有什么我可以帮你的吗？\n\n检查：是否准确？是的。是否友好？是的。是否涵盖了K2.5的特点？是的。\n\n注意：用户问的是\"Kimi K2.5\"，我应该确认我是Kimi，K2.5是模型版本系列。\n\n最终润色确保自然。"
            }
        }
    ],
    "usage": {
        "prompt_tokens": 38,
        "completion_tokens": 888,
        "total_tokens": 926,
        "prompt_tokens_details": {
            "cached_tokens": 0,
            "audio_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 798,
            "audio_tokens": 0
        }
    }
}