Kimi K2.5 ist das erste multimodale Modell der K2-Reihe von Moonshot AI. Es verbindet Bild- und Videoverständnis mit Reasoning und Werkzeugnutzung, etwa um Oberflächen aus Screenshots zu programmieren. Als Agent Swarm koordiniert es bis zu 100 Sub-Agenten und arbeitet so laut Moonshot bis zu 4,5-mal schneller als ein einzelner Agent.
Technisch ist K2.5 ein Mixture-of-Experts-Modell (MoE) mit einer Billion Parametern, von denen je verarbeitetem Textbaustein (Token) nur 32 Milliarden aktiv sind. Dazu kommt der Vision-Encoder MoonViT. Die Gewichte liegen nativ in INT4 vor und laufen auf einem Server mit acht H200. Das Modell steht unter einer modifizierten MIT-Lizenz.
Kimi K2.5
Moonshot AI
Januar 2026
Modifizierte MIT-Lizenz: Bei kommerziellen Produkten mit mehr als 100 Mio. monatlich aktiven Nutzern oder mehr als 20 Mio. US-Dollar Monatsumsatz muss „Kimi K2.5“ sichtbar in der Oberfläche stehen.
MoE, nativ multimodal (Text, Bild, Video), Denkmodus und schneller Modus
1 Bio. total (32 Mrd. aktiv pro Token), dazu Vision-Encoder MoonViT mit 400 Mio.
MoE mit Multi-head Latent Attention (MLA), Vision-Encoder MoonViT
61 (davon 1 dichte Schicht)
384 Experten, 8 aktiv je Token, 1 geteilter Experte
256.000 Token
Das Modell mit nativen INT4-Gewichten, Denkmodus und schnellem Modus.
Kimi K2 Thinking brachte die Denkphase und die native INT4-Quantisierung, war aber rein textbasiert.
Kimi K2.6 nutzt dieselbe Architektur und ist als Agent deutlich stärker. Darauf baut Kimi K2.7 Code auf.
| Benchmark | Kimi K2.5 (Thinking) | GPT-5.2 (xhigh) | Claude Opus 4.5 | Gemini 3 Pro | DeepSeek-V3.2 (Thinking) |
|---|---|---|---|---|---|
| HLE-Full (mit Tools) | 50,2 | 45,5 | 43,2 | 45,8 | 40,8† |
| DeepSearchQA | 77,1 | 71,3* | 76,1* | 63,2* | 60,9* |
| SWE-Bench Verified | 76,8 | 80,0 | 80,9 | 76,2 | 73,1 |
| SWE-Bench Multilingual | 73,0 | 72,0 | 77,5 | 65,0 | 70,2 |
| Terminal Bench 2.0 | 50,8 | 54,0 | 59,3 | 54,2 | 46,4 |
| SciCode | 48,7 | 52,1 | 49,5 | 56,1 | 38,9 |
| AIME 2025 | 96,1 | 100 | 92,8 | 95,0 | 93,1 |
| IMO-AnswerBench | 81,8 | 86,3 | 78,5* | 83,1* | 78,3 |
| GPQA-Diamond | 87,6 | 92,4 | 87,0 | 91,9 | 82,4 |
| MMLU-Pro | 87,1 | 86,7* | 89,3* | 90,1 | 85,0 |
Quelle: offizielle Model Card zu Kimi K2.5 (Moonshot AI, Januar 2026). Angaben in Prozent. Mit * markierte Werte hat Moonshot selbst nachgemessen, † nur Text-Teilmenge. Bei Bildaufgaben erreicht K2.5 etwa 78,5 bei MMMU-Pro, 92,3 bei OCRBench und 86,6 bei VideoMMMU.
Das erste multimodale K2-Modell mit Agent Swarm, lauffähig auf acht H200. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
Kimi K2.5 wurde auf dem Basismodell von Kimi K2 mit rund 15 Billionen gemischten Text- und Bild-Token weitertrainiert. Der Vision-Encoder MoonViT verarbeitet Bilder in ihrer ursprünglichen Auflösung und fasst bei Videos jeweils vier Einzelbilder zusammen. Anschließend wurde das Kontextfenster auf 256.000 Token erweitert.
Im Post-Training folgte auf ein Feintuning mit reinen Textdaten ein gemeinsames Reinforcement Learning für Text und Bild, bei dem das Modell aus Bewertungen seiner eigenen Lösungen lernt. Für den Agent Swarm hat Moonshot ein eigenes Verfahren entwickelt, das einen koordinierenden Agenten mit mehreren Sub-Agenten trainiert.
Kimi K2.5 eignet sich für Organisationen, die ein offenes Modell für Bild, Text und Agenten selbst betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob der Nachfolger K2.6 besser passt.
Stark bei agentischer Recherche: Bei HLE-Full mit Tools (50,2) und DeepSearchQA (77,1) vor allen Vergleichsmodellen der Tabelle.
Starkes Bildverständnis: 92,3 bei OCRBench und 86,6 bei VideoMMMU.
Agent Swarm: Laut Moonshot bis zu 4,5-mal schneller als ein einzelner Agent.
Überschaubare Hardware: Läuft laut Moonshot auf einem Server mit acht H200.
Kommerziell nutzbar: Modifizierte MIT-Lizenz mit Namensnennung erst bei sehr großen Produkten.
Schwächer beim Coding als proprietäre Modelle: Bei SWE-Bench Verified und Terminal Bench 2.0 liegen GPT-5.2 und Claude Opus 4.5 vorn.
Schwächer bei Mathematik und Fachwissen: Bei AIME 2025 führt GPT-5.2, bei GPQA-Diamond liegen GPT-5.2 und Gemini 3 Pro vorn.
Video nur über die API: Die Videoeingabe ist experimentell und nur über die offizielle API verfügbar.
Nicht mehr über die Kimi-API: Seit dem 31. August 2026 gibt es K2.5 nur noch zum Selbstbetrieb.
Wir planen die Cluster-Auslegung für Kimi K2.5, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
K2.5 versteht Bilder, Dokumente und Videos und kann sie direkt in Aufgaben einbeziehen, etwa um eine Webseite nach einem Screenshot zu programmieren. Die Videoeingabe ist experimentell und nur über die offizielle API verfügbar.
Die Gewichte liegen nativ in INT4 vor und umfassen rund 595 GB. Moonshot AI zeigt den Betrieb auf einem Server mit acht H200, auf die das Modell per Tensor-Parallelität aufgeteilt wird.
Im Agent Swarm verteilt K2.5 eine Aufgabe auf bis zu 100 Sub-Agenten mit zusammen bis zu 1.500 Werkzeugaufrufen. Das beschleunigt breite Recherchen laut Moonshot um bis zu das 4,5-Fache.
Ja. Code und Gewichte stehen unter einer modifizierten MIT-Lizenz. Die einzige Auflage: Hat Ihr Produkt mehr als 100 Millionen monatlich aktive Nutzer oder mehr als 20 Millionen US-Dollar Monatsumsatz, muss „Kimi K2.5“ sichtbar in der Oberfläche stehen.
Ja. Über unsere GPU Cloud stellen wir die nötige Rechenleistung bereit. Alternativ bündelt der MaaS Proxy verschiedene Modelle über eine einheitliche Schnittstelle. Beide Wege betreiben wir DSGVO-konform in Deutschland.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
