
Kimi K2.5: Sparse-MoE-Modell mit 1 Billion Parametern von Moonshot AI. Architektur, Benchmarks, Preise bei 14 Anbietern und Tipps zur Modusauswahl in diesem technischen Leitfaden.
Kimi K2.5 ist Moonshot AIs leistungsfähigstes Open-Weight-Multimodal-Modell (Stand: Januar 2026) – ein spärlich besetztes Mixture-of-Experts-System, das pro Token nur 32 Milliarden seiner 1 Billion Parameter aktiviert und damit Frontier-Leistung zu einem Bruchteil der Inferenzkosten ermöglicht. Dieser Leitfaden deckt alles ab, was technisch versierte Leserinnen und Leser benötigen: Architektur, ehrliche Benchmark-Analyse, Preise bei 14 Anbietern, Modusauswahlempfehlungen mit ausführbaren Prompts sowie einen direkten Vergleich mit dem Nachfolger Kimi K2.6.
Was ist Kimi K2.5?
Kimi K2.5 ist ein multimodales Mixture-of-Experts-Sprachmodell (MoE), das von Moonshot AI entwickelt und im Januar 2026 veröffentlicht wurde [8]. Es ist die dritte Hauptversion der Kimi-K2-Modellfamilie – nach Kimi K2 und Kimi K2 Thinking und vor Kimi K2.6 (April 2026). Das Modell wird unter einer Modified-MIT-Lizenz mit offenen Gewichten auf Hugging Face veröffentlicht und ist damit für kommerzielle und Forschungszwecke frei nutzbar und selbst hostbar [1][6].
Architektur
Kimi K2.5 verwendet einen spärlich besetzten MoE-Transformer mit folgenden Spezifikationen [4]:
| Eigenschaft | Wert |
|---|---|
| Gesamtparameter | 1 Billion |
| Aktivierte Parameter pro Token | 32 Milliarden |
| Schichten | 61 |
| Experten gesamt | 384 |
| Ausgewählte Experten pro Token | 8 |
| Aufmerksamkeitsmechanismus | Multi-Head Latent Attention (MLA) |
| Vision-Encoder | MoonViT (400 Mio. Parameter) |
| Kontextfenster | 256K Token |
Der MoonViT-Vision-Encoder wird gemeinsam mit dem Sprachkern von Grund auf trainiert – nicht nachträglich adaptiert –, was eine engere visuell-sprachliche Ausrichtung erzeugt als adapterbasierte Ansätze [3]. Das Modell wurde auf Basis von Kimi-K2-Base kontinuierlich auf rund 15 Billionen gemischten visuellen und Texttoken vortrainiert [1].
Betriebsmodi
Kimi K2.5 wird mit vier verschiedenen Inferenzmodi ausgeliefert [2]:
- Instant – Einzelne, latenzarme Antworten für faktische Fragen, Zusammenfassungen und Übersetzungen.
- Thinking – Erweitertes Chain-of-Thought-Reasoning für Mathematik, Logik und komplexe Code-Aufgaben.
- Agent – Ein einzelner koordinierter Agent mit Zugriff auf externe Tools (Websuche, Code-Ausführung, Datei-I/O).
- Agent Swarm (Beta) – Parallele Multi-Agenten-Orchestrierung; bis zu 100 Sub-Agenten und 1.500 Tool-Aufrufe pro Sitzung [3].
Quantisierung
Kimi K2.5 unterstützt native INT4-Inferenz über Quantization-Aware Training (QAT) und liefert damit einen rund 2-fachen Inferenzdurchsatz im Vergleich zu FP16 – ohne messbare Genauigkeitseinbußen [8]. Dies macht das selbst gehostete Deployment auf Consumer-GPU-Clustern deutlich praktikabler als bei dichten Modellen vergleichbarer Leistungsfähigkeit.
Stärken
Die bedeutendsten Vorteile von Kimi K2.5 liegen in der agentischen Aufgabenausführung, der Verarbeitung langer Kontexte, dem multimodalen Verständnis und der kosteneffizienten spärlichen Inferenz. Einige seiner Benchmark-Ergebnisse übertreffen proprietäre Modelle, die deutlich teurer im Betrieb sind.
Agent Swarm: Architektonisch einzigartig unter Open-Source-Modellen
Kein anderes Open-Weight-Modell (Stand: Januar 2026) liefert ein selbstgesteuertes Multi-Agenten-Orchestrierungssystem in diesem Umfang. Agent Swarm steuert bis zu 100 Sub-Agenten parallel, führt bis zu 1.500 Tool-Aufrufe pro Sitzung aus und reduziert die Gesamtausführungszeit bei gleichwertigen Aufgaben um bis zu 4,5× gegenüber dem Einzelagentenmodus [3]. Diese Fähigkeit wird durch Parallel-Agent Reinforcement Learning (PARL) trainiert – eine Technik, die Moonshot AI speziell für das K2.5-Release entwickelt hat.
Agentische Benchmark-Leistung
Bei realen agentischen Benchmarks übertrifft Kimi K2.5 mehrere proprietäre Konkurrenten [4]:
| Benchmark | Kimi K2.5 | Anmerkungen |
|---|---|---|
| HLE with tools | 50,2 % | Vor GPT-5.2 und Claude Opus 4.5 |
| BrowseComp | 74,9 % | Vor GPT-5.2 und Claude Opus 4.5 |
| AIME 2025 | 96,1 % | Erstklassiges mathematisches Reasoning |
| LiveCodeBench v6 | 85,0 % | Wettbewerbsfähig mit führenden proprietären Modellen |
| SWE-Bench Verified | 76,8 % | Stark, aber nicht Klassenbester |
| MMMU-Pro | 78,5 % | Starkes multimodales Verständnis |
| MathVision | 84,2 % | Starkes visuelles mathematisches Reasoning |
Kosteneffizienz
Da die spärliche MoE-Aktivierung die Berechnung auf 32 Mrd. Parameter pro Forward-Pass begrenzt, sind die Inferenzkosten deutlich niedriger als bei dichten Modellen vergleichbarer Benchmark-Qualität. Drittanbieter bieten Kimi K2.5 für nur 0,45 $/Mio. Input-Token und 2,25 $/Mio. Output-Token an [15]. Die Open-Weight-MIT-Lizenz ermöglicht zudem tokengebührenfreie, selbst gehostete Deployments für Organisationen mit bestehender GPU-Infrastruktur [6].
Open-Weight-Kompatibilität
Die Kimi-K2.5-Gewichte sind out of the box mit vLLM und SGLang kompatibel, und die API-Oberfläche folgt den OpenAI- und Anthropic-Konventionen, was einen Drop-in-Ersatz für bestehende Integrationen ermöglicht [6]. Das Modell ist auf NVIDIA NIM, Amazon Bedrock, Together AI, Fireworks, SiliconFlow und mehr als zehn weiteren Anbietern verfügbar [7][15].
Schwächen
Kimi K2.5 hat reale Einschränkungen, die für Produktiv-Deployments relevant sind. Wer es gegen GPT-5.2, Claude Opus 4.5 oder Qwen3-Max abwägt, sollte die folgenden Lücken vor einer Entscheidung berücksichtigen.
Inferenzgeschwindigkeit und Ausführlichkeit
Die offizielle Moonshot-API liefert rund 37 Token pro Sekunde – deutlich unter dem Marktdurchschnitt für Frontier-Modelle [11]. Erschwerend kommt hinzu, dass Kimi K2.5 messbar ausführlich ist: Es generiert im Artificial-Analysis-Intelligence-Index-Benchmark-Suite rund 89 Millionen Token, gegenüber einem Durchschnitt von ~42 Millionen Token bei vergleichbaren Modellen [11]. Diese Ausführlichkeit erhöht die Output-Kosten im Produktivbetrieb direkt.
Output-Token-Preise
Mit 2,85 $/Mio. Output-Token über die offizielle API liegt Kimi K2.5 über dem Marktdurchschnitt von rund 1,69 $/Mio. für Modelle vergleichbarer Leistungsfähigkeit [11]. Bei output-intensiven Workloads – Langformgenerierung, Dokumentenerstellung, mehrstufige Agentensitzungen – ist dieser Unterschied spürbar.
Coding-Genauigkeit unter den Top-Konkurrenten
SWE-Bench Verified (76,8 %) ist in absoluten Zahlen ein starkes Ergebnis, liegt aber hinter Claude Opus 4.5 (80,9 %) und Qwen3-Max (88,3 %) im selben Benchmark [12]. Teams, die ein Modell speziell für autonome Code-Reparatur oder groß angelegtes Software-Engineering auswählen, sollten alle drei vor einer Entscheidung testen.
Halluzinationen und Reasoning-Lücken
Unabhängige technische Reviewer berichten bei bestimmten nicht-agentischen Aufgaben von einer höheren Halluzinationsrate und schwächerem allgemeinen Reasoning im Vergleich zu GPT-5.2 [12]. Dies ist konsistent mit dem Trainingsschwerpunkt des Modells auf agentischen und visuellen Workflows statt auf reinem Faktenabruf.
Einschränkungen bei Video-Input
Video-Input über Drittanbieter-APIs (vLLM, SGLang) wird nicht unterstützt. Video-Chat ist nur über die offizielle Kimi-API verfügbar [3]. Teams, die Video-Verständnis in selbst gehosteten Pipelines benötigen, sollten diese Einschränkung beachten.
Nachfolge durch Kimi K2.6
Kimi K2.6 wurde im April 2026 veröffentlicht und verbessert K2.5 laut internen Moonshot-Benchmarks um rund 15 %; Agent Swarm wurde auf 300 Sub-Agenten und 4.000 Tool-Call-Schritte skaliert [14]. Artificial Analysis empfiehlt K2.6 inzwischen für die meisten Produktiv-Anwendungsfälle gegenüber K2.5 [11].
Preise und Verfügbarkeit
Kimi K2.5 ist eines der am weitesten verbreiteten Open-Weight-Modelle seiner Generation, zum Zeitpunkt der Veröffentlichung bei 14 API-Anbietern erhältlich, mit Preisen, die westliche proprietäre Modelle vergleichbarer Leistungsfähigkeit unterbieten.
Preisübersicht
| Anbieter | Input (pro 1 Mio. Token) | Output (pro 1 Mio. Token) |
|---|---|---|
| Moonshot API (offiziell) | 0,50 $ | 2,85 $ |
| DeepInfra | 0,45 $ | 2,25 $ |
| Weitere Drittanbieter | Variiert | Variiert |
Quelle: [11][15]
Zugang
- Web/App: Kimi.com, Kimi Mobile App [2]
- Offizielle API: Moonshot API (OpenAI- und Anthropic-kompatibel) [6]
- Cloud-Plattformen: Amazon Bedrock, NVIDIA NIM [7]
- Inferenzanbieter: Together AI, Fireworks, SiliconFlow, DeepInfra und 10+ weitere Anbieter [15]
- Selbst gehostet: Offene Gewichte auf Hugging Face unter Modified-MIT-Lizenz, kompatibel mit vLLM und SGLang [1][6]
Entwickler-Tooling
Das Kimi Code CLI wurde zusammen mit K2.5 im Januar 2026 eingeführt, integriert sich nativ in VSCode, Cursor und Zed und unterstützt Bild- und Video-Inputs [3]. Agent Swarm (Beta) ist auf Kimi.com mit kostenlosen Credits für zahlende Abonnenten höherer Stufen verfügbar [3].
Optimale Prompts und Modusauswahl
Die Wahl des richtigen Modus und der richtigen Temperatureinstellung für Kimi K2.5 hat einen messbaren Einfluss auf Ausgabequalität und Token-Kosten. Die folgenden Empfehlungen basieren auf offiziellen Inferenzhinweisen und Community-Tests [6].
Modusauswahl-Referenz
| Modus | Temperatur | top_p | Geeignet für |
|---|---|---|---|
| Instant | 0,6 | 0,95 | Schnelle Fragen, Zusammenfassungen, Übersetzungen, Einzelaufgaben |
| Thinking | 1,0 | 0,95 | Mehrstufige Mathematik, Logik, Code-Debugging, Chain-of-Thought |
| Agent | 1,0 | 0,95 | Tool-Aufgaben: Websuche, Code-Ausführung, Datei-I/O |
| Agent Swarm | 1,0 | 0,95 | Parallele Batch-Aufgaben: Recherche-Synthese, Codebase-Refactoring |
Beispiel: Thinking-Modus (Code-Debugging)
Verwenden Sie diese Prompt-Struktur, wenn das Modell eine fehlerhafte Test-Suite durchdenken soll:
You are an expert software engineer. Think step by step.Given the following failing test suite, identify the root causeand produce a minimal patch that makes all tests pass.Tests:[paste test file here]Relevant codebase:[paste relevant source files here]Dieses Muster entspricht direkt dem Workflow, der Kimi K2.5 zu seinen Ergebnissen von 96,1 % (AIME 2025) und 76,8 % (SWE-Bench Verified) führt [4].
Beispiel: Agent-Swarm-Modus (Wettbewerbsrecherche)
Verwenden Sie diesen Prompt, wenn Sie parallele Quellenverarbeitung für eine umfangreiche Rechercheaufgabe benötigen:
Research the competitive landscape for [topic] across 10 recent sources.Extract key claims with citations from each source.Produce a structured report with an executive summary, key findings,and a comparison table. Use parallel agents to process sources simultaneously.Der 4,5-fache Geschwindigkeitsvorteil von Agent Swarm [3] macht dieses Muster für Aufgaben praktikabel, die im Einzelagentenmodus sonst Stunden dauern würden.
Temperaturempfehlung
Überschreiten Sie im Instant-Modus keine Temperatur von 1,0. Oberhalb dieses Schwellenwerts nimmt die Ausführlichkeit stark zu, ohne entsprechende Qualitätsgewinne – was angesichts des ohnehin überdurchschnittlichen Token-Outputs von Kimi K2.5 besonders kostspielig ist [6][11].
Kimi K2.5 vs. Kimi K2.6: Lohnt sich das Upgrade?
Kimi K2.6 ist Moonshot AIs Nachfolger von K2.5 vom April 2026. Für die meisten neuen Deployments ist K2.6 die stärkere Wahl – doch K2.5 behält in bestimmten Szenarien sinnvolle Vorteile.
Was sich in K2.6 geändert hat
- Agent Swarm skaliert von 100 auf 300 Sub-Agenten und von 1.500 auf 4.000 Tool-Call-Schritte [14]
- Rund +15 % Verbesserung gegenüber K2.5 auf internen Moonshot-Benchmarks [14]
- K2.6 gewann im Mai 2026 einen Live-Entwickler-Coding-Wettbewerb und schlug GPT-5.5, Claude Opus 4.7 und Gemini [10]
- Artificial Analysis empfiehlt K2.6 inzwischen für die meisten Produktiv-Anwendungsfälle gegenüber K2.5 [11]
Wann K2.5 noch sinnvoll ist
| Szenario | Grund für den Verbleib bei K2.5 |
|---|---|
| Selbst gehostete vLLM/SGLang-Infrastruktur | K2.5-Gewichte sind weit verbreitet gecacht; geringere Cold-Start-Latenz [1] |
| Kostenoptimierte Pipelines (DeepInfra, SiliconFlow) | K2.5-Preise sind bei mehr Anbietern etabliert [15] |
| Stabile API-Oberfläche erforderlich | K2.5 hat eine längere Dokumentations- und Integrationshistorie |
| Anwendungen mit eingeschränkter K2.6-Verfügbarkeit | Der K2.6-Anbieter-Rollout ist noch im Gange |
Wer ein neues agentisches Projekt ohne bestehende Infrastruktureinschränkungen startet, sollte zunächst K2.6 evaluieren. Wer bestehende K2.5-Integrationen hat, die bei Nicht-Coding-Aufgaben gut funktionieren, für den ist das Upgrade optional und nicht dringend.
Kimi K2.5 auf CRAISEE ausprobieren
CRAISEE integriert Kimi K2.5 zusammen mit anderen führenden KI-Modellen – darunter Modelle für Text, Bild, Video und Audio – und ermöglicht es Ihnen, agentische Workflows, multimodale Prompts und Long-Context-Aufgaben über eine einzige Plattform auszuführen, ohne API-Schlüssel, Anbieter-Routing oder Infrastruktur verwalten zu müssen.
Sie können Kimi K2.5 direkt in CRAISEE Create ausprobieren und dabei über eine einheitliche Oberfläche auf die Modi Instant, Thinking und Agent zugreifen. Führen Sie Vergleiche mit anderen Modellen anhand Ihrer eigenen Dokumente, Ihres Codes oder Ihrer Rechercheaufgaben durch, um die beste Wahl zu treffen, bevor Sie sich für eine Produktivintegration entscheiden. CRAISEE übernimmt Anbieter-Routing und Kostenverfolgung automatisch – das macht es zum schnellsten Weg, Kimi K2.5 in Ihrem spezifischen Anwendungsfall gegen Alternativen wie Claude, GPT oder Qwen zu benchmarken.
Geeignete Workflows umfassen kreative Recherche, UI-zu-Code-Generierung, Langform-Dokumentenanalyse und Multi-Quellen-Synthese – allesamt Bereiche, in denen das 256K-Kontextfenster und der Agent-Modus von Kimi K2.5 messbare Vorteile gegenüber Alternativen mit kürzerem Kontext bieten.
Fazit
Kimi K2.5 ist das leistungsfähigste Open-Weight-Multimodal-Agenten-Modell, das bis Januar 2026 veröffentlicht wurde. Seine Agent-Swarm-Architektur ist unter Open-Source-Systemen genuinen Neuheitswert, seine agentischen Benchmark-Ergebnisse übertreffen mehrere proprietäre Konkurrenten, und die Modified-MIT-Lizenz macht es für jedes Team zugänglich, das bereit ist, es selbst zu hosten. Die realen Schwächen des Modells – langsame Inferenzgeschwindigkeit, ausführliche Ausgabe, überdurchschnittliche Output-Token-Preise und eine Coding-Obergrenze unterhalb von Claude Opus 4.5 und Qwen3-Max – sollten in jede Produktionsentscheidung einfließen. Für die meisten neuen agentischen Deployments ist Kimi K2.6 inzwischen die stärkere Standardwahl; K2.5 bleibt die richtige Wahl für kostenoptimierte, selbst gehostete oder infrastrukturstabile Szenarien.
Kimi K2.5 auf CRAISEE ausführen →
Quellen
- [1] moonshotai/Kimi-K2.5 · Hugging Face
- [2] Kimi K2.5 | Open Visual Agentic Model for Real Work — Kimi.com
- [3] Kimi K2.5 Tech Blog: Visual Agentic Intelligence — Kimi.com
- [4] Kimi K2.5 API | Together AI
- [6] GitHub - MoonshotAI/Kimi-K2.5
- [7] kimi-k2.5 Model by Moonshotai — NVIDIA NIM
- [8] Kimi K2.5: Complete Guide to Moonshot's AI Model | Codecademy
- [9] Kimi K2.5: Specifications and GPU VRAM Requirements — apxml.com
- [10] Kimi K2.6: Open-Source Just Beat GPT-5.5 at Coding — Build Fast With AI
- [11] Kimi K2.5 — Intelligence, Performance & Price Analysis | Artificial Analysis
- [12] Kimi K2.5 — Technical Review | Medium
- [14] Kimi K2.6 Tech Blog: Advancing Open-Source Coding — Kimi.com
- [15] Kimi K2.5: API Provider Performance Benchmarking & Price Analysis | Artificial Analysis


