Kimi K2 Thinking ist das Reasoning-Modell der K2-Reihe. Es wurde darauf trainiert, Denkschritte und Werkzeugaufrufe zu verschränken, und bleibt laut Moonshot AI über 200 bis 300 aufeinanderfolgende Werkzeugaufrufe stabil. Bei agentischer Recherche wie HLE mit Tools (44,9) und BrowseComp (60,2) lag es bei Veröffentlichung vor GPT-5 und Claude Sonnet 4.5.
Technisch ist K2 Thinking ein Mixture-of-Experts-Modell (MoE) mit einer Billion Parametern, von denen je verarbeitetem Textbaustein (Token) nur 32 Milliarden aktiv sind. Die Experten wurden direkt auf INT4 trainiert. Das verdoppelt laut Moonshot im Low-Latency-Modus die Ausgabegeschwindigkeit ohne Qualitätsverlust und bringt das Modell auf einen Server mit acht H200. Es steht unter einer modifizierten MIT-Lizenz.
Kimi K2 Thinking
Moonshot AI
November 2025
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“ sichtbar in der Oberfläche stehen.
MoE, Reasoning-Modell mit Denkphase, rein textbasiert
1 Bio. total (32 Mrd. aktiv pro Token)
MoE mit Multi-head Latent Attention (MLA), native INT4-Quantisierung
61 (davon 1 dichte Schicht)
384 Experten, 8 aktiv je Token, 1 geteilter Experte
256.000 Token
Das Reasoning-Modell mit nativen INT4-Gewichten. Die Gewichte lassen sich bei Bedarf in FP8 oder BF16 umwandeln.
Ein Betriebsmodus, in dem acht Lösungswege parallel entstehen und anschließend zu einer Antwort zusammengeführt werden. Er steigert etwa HLE mit Tools auf 51,0.
Kimi-K2-Instruct-0905 ist das Instruct-Modell ohne Denkphase. Nachfolger ist Kimi K2.5, das Denkphase, INT4 und Bildverständnis verbindet.
| Benchmark | Kimi K2 Thinking | GPT-5 (High) | Claude Sonnet 4.5 (Thinking) | Kimi K2 0905 | DeepSeek-V3.2 |
|---|---|---|---|---|---|
| HLE (Text, ohne Tools) | 23,9 | 26,3 | 19,8* | 7,9 | 19,8 |
| HLE (Text, mit Tools) | 44,9 | 41,7* | 32,0* | 21,7 | 20,3* |
| AIME25 | 94,5 | 94,6 | 87,0 | 51,0 | 89,3 |
| HMMT25 | 89,4 | 93,3 | 74,6* | 38,8 | 83,6 |
| GPQA | 84,5 | 85,7 | 83,4 | 74,2 | 79,9 |
| MMLU-Pro | 84,6 | 87,1 | 87,5 | 81,9 | 85,0 |
| BrowseComp | 60,2 | 54,9 | 24,1 | 7,4 | 40,1 |
| BrowseComp-ZH | 62,3 | 63,0* | 42,4* | 22,2 | 47,9 |
| SWE-bench Verified | 71,3 | 74,9 | 77,2 | 69,2 | 67,8 |
| SWE-bench Multilingual | 61,1 | 55,3* | 68,0 | 55,9 | 57,9 |
| LiveCodeBench V6 | 83,1 | 87,0* | 64,0* | 56,1* | 74,1 |
| Terminal-Bench | 47,1 | 43,8 | 51,0 | 44,5 | 37,7 |
Quelle: offizielle Model Card zu Kimi K2 Thinking (Moonshot AI, November 2025). Angaben in Prozent. Mit * markierte Werte hat Moonshot selbst nachgemessen.
Reasoning mit Hunderten Werkzeugaufrufen, lauffähig auf acht H200. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
K2 Thinking teilt die Architektur von Kimi-K2-Instruct, das mit dem Optimierer MuonClip auf 15,5 Billionen Token vortrainiert wurde. Eine eigene Veröffentlichung zum Training des Thinking-Modells gibt es nicht.
Laut Moonshot wurde das Modell durchgehend darauf trainiert, Denkschritte und Werkzeugaufrufe zu verschränken. Die INT4-Quantisierung der Experten ist schon im Post-Training eingebaut, statt sie nachträglich anzuwenden.
Kimi K2 Thinking eignet sich für Organisationen, die agentische Recherche und Reasoning mit einem offenen Modell selbst betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob ein neueres Kimi-Modell besser passt.
Stark bei agentischer Recherche: Bei HLE mit Tools (44,9) und BrowseComp (60,2) vor GPT-5 und Claude Sonnet 4.5.
Lange Werkzeugketten: Laut Moonshot stabil über 200 bis 300 aufeinanderfolgende Werkzeugaufrufe.
Native INT4-Quantisierung: Laut Moonshot doppelt so schnelle Ausgabe im Low-Latency-Modus und Betrieb auf acht H200.
Großer Sprung gegenüber K2: HLE mit Tools steigt gegenüber K2 0905 von 21,7 auf 44,9.
Kommerziell nutzbar: Modifizierte MIT-Lizenz mit Namensnennung erst bei sehr großen Produkten.
Rein textbasiert: Bilder und Videos verarbeitet erst der Nachfolger Kimi K2.5.
Hinter Claude Sonnet 4.5 beim Coding: Bei SWE-bench Verified (71,3 gegenüber 77,2) und Terminal-Bench.
Chat-Modus eingeschränkt: Im Chat auf kimi.com stehen weniger Werkzeuge bereit, die Benchmark-Werte sind dort nicht erreichbar.
Nicht mehr über die Kimi-API: Seit dem 25. Mai 2026 gibt es K2 Thinking nur noch zum Selbstbetrieb.
Wir planen die Cluster-Auslegung für Kimi K2 Thinking, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Quantisierung speichert die Gewichte mit geringerer Zahlengenauigkeit. Bei K2 Thinking wurden die Experten direkt im Training auf INT4 ausgelegt, statt sie nachträglich zu verkleinern. Das verdoppelt laut Moonshot im Low-Latency-Modus die Ausgabegeschwindigkeit und senkt den Speicherbedarf auf rund 594 GB.
Moonshot AI zeigt den Betrieb auf einem Server mit acht H200, auf die das Modell per Tensor-Parallelität aufgeteilt wird. Für lange Agenten-Läufe sollten Sie Reserve für den KV-Cache einplanen, den Zwischenspeicher für bereits verarbeitete Teile einer Anfrage.
Im Heavy Mode entstehen acht Lösungswege parallel, die das Modell anschließend zu einer Antwort zusammenführt. Das kostet deutlich mehr Rechenzeit, steigert aber etwa HLE mit Tools von 44,9 auf 51,0.
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“ 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!
