Rujukan 682% KEYAKINANKeyakinan keseluruhan: 82%Sejauh mana sumber dan rujukan pin menyokong tarikhnya.Purata berpemberat bagi sejauh mana 6 rujukan, termasuk sumber, menyokong masa mula dan tamat pin; sesebuah rujukan diambil kira separuh kurang bagi setiap 180 hari lebih lama daripada yang terbaharuTunjuk semua pin pada keyakinan 75% atau lebih baik
Entri pertama sentiasa sumber pin. Keyakinan keseluruhan ialah purata berpemberat bagi sejauh mana setiap rujukan menyokong masa mula dan tamat yang digunakan di atas; sesebuah rujukan diambil kira separuh kurang bagi setiap 180 hari lebih lama daripada yang terbaharu.
- [1]90%kimi.com/blog/kimi-k2-5kimi.com· Disiarkan 12 Okt 2026· Bermula 27 Jan 2026 ✓· 24% daripada skor
Blog teknikal Moonshot dibuka dengan "Today, we are introducing Kimi K2.5" dengan fail rajah bercop 20260127; kad model Hugging Face[2] menjadi awam pada 2026-01-27 dan OpenRouter[3] menyenaraikan kimi-k2.5 pada hari itu, dengan The Decoder[6] melaporkannya pada 28 Januari.
- [2]90%moonshotai/Kimi-K2.5 - Hugging Facehuggingface.co· Ditambah 12 Okt 2026· 24% daripada skor
Moonshot's model card: native multimodal agentic model, 1T total / 32B activated parameters, 256K context, MoonViT vision encoder, Modified MIT license and the K2.5 (Thinking) benchmark table against GPT-5.2 (xhigh), Claude 4.5 Opus, Gemini 3 Pro and DeepSeek V3.2.[1]
- [3]70%Kimi K2.5 - OpenRouter endpointsopenrouter.ai· Ditambah 12 Okt 2026· 24% daripada skor
OpenRouter's record: created 2026-01-27, 262,144-token context, text and image input and third-party provider prices of $0.49 to $0.60 per million input tokens and $2.50 to $3.33 output.
- [4]75%Moonshot AI releases Kimi K2.5 with agent swarm - InfoQinfoq.com· Diterbitkan 17 Feb 2026· 10% daripada skor
17 February analysis of the PARL training method: only the orchestrator is trained while sub-agents stay frozen, the reward counters "serial collapse", and K2.5 beat GPT-5.2 Pro on BrowseComp and Claude Opus 4.5 on WideSearch.[1]
- [5]85%Kimi K2.5: Visual Agentic Intelligence - arXivarxiv.org· Diterbitkan 2 Feb 2026· 9% daripada skor
Kimi[1] Team's technical report (submitted 2 February 2026): joint text-vision pre-training, vision-free SFT and joint RL, plus Agent Swarm, which cuts latency by up to 4.5x against single-agent baselines.
Cadangkan pembetulan
Ada yang tertinggal atau salah? Nyatakan dengan kata-kata anda sendiri: pautan yang menyokong pin ini, tarikh mula atau tamat yang berbeza beserta sebabnya, atau fakta yang tiada atau tersilap. AI menyemaknya berbanding sumber pin ini, mencari yang lebih baik, dan menambah mana-mana halaman yang menyokong anda. Sumber pin itu sendiri tetap paling diambil kira. Gambar yang menunjukkan sesuatu yang lain, atau menunjukkannya dengan buruk, turut dilihat, dan dialihkan ke bawah atau diganti.