Источники 6ДОСТОВЕРНОСТЬ 82%Общая достоверность: 82%Насколько источник и ссылки пина подтверждают его даты.Взвешенное среднее того, насколько 6 источников, включая основной, подтверждают время начала и окончания пина; вес источника уменьшается вдвое за каждые 180 дней разницы с самым новымПоказать все пины с достоверностью 75% и выше

Первая запись — всегда источник пина. Общая достоверность — это взвешенное среднее того, насколько каждый источник подтверждает указанные выше время начала и окончания; вес источника уменьшается вдвое за каждые 180 дней разницы с самым новым.

• [1]90%
  kimi.com/blog/kimi-k2-5

  kimi.com· Размещено 12 окт. 2026 г.· Начало 27 янв. 2026 г. ✓· 24% оценки

  Технический блог Moonshot начинается словами "Today, we are introducing Kimi K2.5", файлы иллюстраций помечены 20260127; карточка модели на Hugging Face^[2] стала публичной 2026-01-27, OpenRouter^[3] добавил kimi-k2.5 в тот же день, а The Decoder^[6] сообщил об этом 28 января.

• [2]90%
  moonshotai/Kimi-K2.5 - Hugging Face

  huggingface.co· Добавлено 12 окт. 2026 г.· 24% оценки

  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 endpoints

  openrouter.ai· Добавлено 12 окт. 2026 г.· 24% оценки

  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 - InfoQ

  infoq.com· Опубликовано 17 февр. 2026 г.· 10% оценки

  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 - arXiv

  arxiv.org· Опубликовано 2 февр. 2026 г.· 9% оценки

  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.

Предложить исправление

Чего-то не хватает или есть ошибка? Напишите своими словами: ссылку, подтверждающую этот пин, другую дату начала или окончания и почему, или факт, которого нет или который неверен. ИИ сверит это с источниками пина, поищет лучшие и добавит любую страницу, которая вас подтверждает. Собственные источники пина всё равно весят больше всего. Изображение, на котором показано что-то другое или показано плохо, тоже проверяется и опускается ниже или заменяется.