Hoewel Kimi k2 van Moonshot AI het leidende open gewichten niet-redeneringsmodel is in de Artificial Analysis Intelligence Index, genereert het ~3x meer tokens dan andere niet-redeneringsmodellen, waardoor de lijnen tussen redeneren en niet-redeneren vervagen. Kimi k2 is het grootste belangrijke open gewichtenmodel tot nu toe - 1T totale parameters met 32B actief (dit vereist een enorme 1TB aan geheugen bij native FP8 om de gewichten vast te houden). We hebben k2 op 57 in de Artificial Analysis Intelligence Index, een indrukwekkende score die het boven modellen zoals GPT-4.1 en DeepSeek V3 plaatst, maar achter de leidende redeneringsmodellen. Tot nu toe is er een duidelijke onderscheid geweest tussen redeneringsmodellen en niet-redeneringsmodellen in onze evaluaties - gedefinieerd niet alleen door of het model <reasoning> tags gebruikt, maar voornamelijk door het tokengebruik. Het mediaan aantal tokens dat wordt gebruikt om alle evaluaties in de Artificial Analysis Intelligence Index te beantwoorden, is ~10x hoger voor redeneringsmodellen dan voor niet-redeneringsmodellen. @Kimi_Moonshot's Kimi k2 gebruikt ~3x het aantal tokens dat het mediaan niet-redeneringsmodel gebruikt. Het tokengebruik is slechts tot 30% lager dan Claude 4 Sonnet en Opus wanneer ze in hun maximale budget uitgebreide denkmodus draaien, en is bijna drie keer het tokengebruik van zowel Claude 4 Sonnet als Opus met redeneren uitgeschakeld. Daarom raden we aan dat Kimi k2 wordt vergeleken met Claude 4 Sonnet en Opus in hun maximale budget uitgebreide denkmodi, niet met de niet-redeneringsscores voor de Claude 4-modellen. Kimi k2 is beschikbaar op de eerste partij API van @Kimi_Moonshot evenals @FireworksAI_HQ, @togethercompute, @novita_labs, en @parasail_io. Zie hieronder en op Artificial Analysis voor verdere analyse 👇