Kimi K2 Base
Publié par Moonshot AI le 11 juillet 2025, Kimi K2 Base est le modèle de fondation de la famille Kimi K2. Il cible le fine-tuning et la création de solutions personnalisées, avec un accès open-weights sous licence MIT autorisant l’usage commercial.
Publié par Moonshot AI le 11 juillet 2025, Kimi K2 Base est le modèle de fondation de la famille Kimi K2. Il cible le fine-tuning et la création de solutions personnalisées, avec un accès open-weights sous licence MIT autorisant l’usage commercial.
Son architecture Mixture-of-Experts réunit 1000 milliards de paramètres, dont 32 milliards activés, sur 61 couches. Elle associe un contexte de 128K, une attention MLA et une activation SwiGLU. L’entraînement repose sur l’optimiseur Muon, avec une conception orientée vers l’usage d’outils, le raisonnement et la résolution autonome de problèmes.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Moonshot AI |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | MIT |
| Date de sortie | 11 juillet 2025 |
| Multimodal | non |
| Paramètres | 1000 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| C-Eval | 92,5 % | 3ᵉ / 18 | llm-stats | Auto-déclaré |
| GSM8k | 92,1 % | 20ᵉ / 47 | llm-stats | Auto-déclaré |
| MMLU | 87,8 % | 19ᵉ / 98 | llm-stats | Auto-déclaré |
| TriviaQA | 85,1 % | 1ᵉ / 18 | llm-stats | Auto-déclaré |
| EvalPlus | 80,3 % | 1ᵉ / 4 | llm-stats | Auto-déclaré |
| CSimpleQA | 77,6 % | 6ᵉ / 7 | llm-stats | Auto-déclaré |
| MATH | 70,2 % | 37ᵉ / 70 | llm-stats | Auto-déclaré |
| MMLU-Pro | 69,2 % | 80ᵉ / 125 | llm-stats | Auto-déclaré |
| GPQA | 48,1 % | 168ᵉ / 219 | llm-stats | Auto-déclaré |
| SuperGPQA | 44,7 % | 29ᵉ / 34 | llm-stats | Auto-déclaré |
| SimpleQA | 35,3 % | 22ᵉ / 45 | llm-stats | Auto-déclaré |
| LiveCodeBench v6 | 26,3 % | 53ᵉ / 53 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. Kimi K2 Base offre une base largement personnalisable plutôt qu’un modèle finalisé autour d’un usage unique. Sa licence MIT, ses poids ouverts et l’autorisation d’usage commercial favorisent le fine-tuning et l’intégration dans des solutions spécifiques. L’architecture Mixture-of-Experts n’active que 32 milliards de paramètres sur un total de 1000 milliards, tandis que le contexte de 128K vise le traitement de séquences étendues. À sa sortie, le modèle figurait dans les 63% les mieux classés parmi les LLM de sa génération sur GPQA.
Limites et points d'attention. Ce classement sur GPQA situe Kimi K2 Base loin du groupe de tête de sa génération sur ce benchmark. Son positionnement de modèle de fondation implique également un travail de fine-tuning et de personnalisation avant une exploitation spécialisée. Malgré l’activation partielle propre à son architecture, son échelle totale de 1000 milliards de paramètres constitue un facteur important pour l’hébergement et l’adaptation. Kimi K2 Base s’adresse principalement aux équipes de recherche et de développement recherchant un contrôle complet sur un modèle ouvert destiné aux outils, au raisonnement et aux systèmes autonomes.
Sources des données : LLM-Stats (llm-stats.com).