moonshotai
MoonshotAI: Kimi K2.5
moonshotai/kimi-k2.5
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
MoonshotAI: Kimi K2.5 (moonshotai/kimi-k2.5) é um modelo aberto de mistura de especialistas, nativamente multimodal, descrito pela Moonshot AI como capaz de receber imagens e texto, produzir texto e oferecer modos instantâneo e de raciocínio, além de execução coordenada de enxames de agentes. A ficha do modelo relata resultados em avaliações visuais, de vídeo, documentos, matemática, programação e tarefas agênticas, enquanto o OpenRouter indica contexto de 256K tokens e controles de ferramentas ou saídas estruturadas. Como a evidência vem sobretudo da documentação do fornecedor e de um catálogo, valide desempenho, custo, confiabilidade e segurança nas cargas pretendidas.[1][2]
Pontos fortes
- O fornecedor descreve multimodalidade nativa com codificador MoonViT, conhecimento visual, raciocínio intermodal e uso de ferramentas baseado em imagens.[2]
- A Moonshot AI indica modos instantâneo e de raciocínio e um esquema de enxame autodirigido que divide tarefas complexas em subtarefas paralelas especializadas.[2]
- O catálogo do OpenRouter indica contexto de 256K tokens, entrada de imagem e texto, saída de texto, ferramentas, saídas estruturadas e controles de raciocínio.[1]
Limitações
- A evidência se limita à documentação oficial e a uma ficha do OpenRouter; não foram fornecidos ficha independente, reprodução ou testes específicos da carga.[1][2]
- O catálogo lista imagens e texto como entradas, mas apenas texto como saída; embora o fornecedor avalie vídeo, a entrada direta de vídeo não é especificada.[1][2]
- Não são indicados requisitos de hardware, limites de implantação, data de corte do conhecimento nem avaliações de segurança ou viés; revise também a licença MIT modificada antes de reutilizar o modelo.[1][2]
Onde usar
- Avaliar para converter designs de UI em código, depuração visual e geração a partir de capturas de tela ou especificações visuais.[1][2]
- Testar em fluxos agênticos que exijam chamadas de ferramentas e decomposição paralela, validando a orquestração na pilha de destino.[1][2]
- Considerar assistentes multimodais de contexto longo sobre documentos, imagens e perguntas visualmente fundamentadas, respeitando a saída apenas em texto.[1][2]
Fontes
- [1] OpenRouter catalog · MoonshotAI: Kimi K2.5Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · MoonshotAI: Kimi K2.5Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Kimi K2.5 is Moonshot AI's native multimodal model, delivering state-of-the-art visual coding capability and a self-directed agent swarm paradigm. Built on Kimi K2 with continued pretraining over approximately 15T mixed...
Especificações
- ID do modelo
- moonshotai/kimi-k2.5
- ID canônico
- moonshotai/kimi-k2.5-0127
- Criador
- moonshotai
- Adicionado ao OpenRouter
- 27.01.2026
- Comprimento de contexto
- 262,144
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.500 / saída $2.5
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | BB — próximos 30% da coorte | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 46.8 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 57.8% · posição 33 | 1,105Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 54.4% · posição 30 | 1,091Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 59.8% · posição 9 | 1,219Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 54.7% · posição 33 | 1,142Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 51.6% · posição 34 | 1,117Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 53.1% · posição 55 | 1,188Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 46.5% · posição 37 | 1,160Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 54.1% · posição 52 | 1,227Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 51.3% · posição 53 | 1,217Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 53.4% · posição 58 | 1,197Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 48.4% · posição 54 | 1,141Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 53.6% · posição 50 | 1,229Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 55.2% · posição 49 | 1,243Elo | BB — próximos 30% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| AtlasCloudint4 | 262,144 | $0.490 | $2.5 | — | — | — |
| SiliconFlowint4 | 262,144 | $0.500 | $2.5 | — | — | 100% |
| Venice | 256,000 | $0.532 | $3.32 | — | — | 100% |
| Novita | 262,144 | $0.570 | $2.85 | — | — | 100% |
| Amazon Bedrock | 262,144 | $0.600 | $3 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.