Chuyển đến nội dung

MoonshotAI / Kimi-K2

Kimi K2

Mô hình AI mã nguồn mở 1 nghìn tỷ tham số của Moonshot AI, mạnh về lập trình và dùng công cụ

Kimi K2 là mô hình ngôn ngữ dạng Mixture-of-Experts của Moonshot AI với tổng 1 nghìn tỷ tham số, mỗi lần chỉ kích hoạt 32 tỷ. Mô hình được thiết kế cho tác vụ kiểu agent như gọi công cụ, viết code và tự giải quyết vấn đề. Phần lớn người dùng sẽ trải nghiệm qua chat của Kimi hoặc API, còn tự chạy cần cụm GPU lớn.

  • 11.117 sao
  • 912 fork
  • Cập nhật 9 tháng trước
  • Giấy phép riêng, xem trên GitHub
Độ khó
Khó Dành cho người biết lập trình
Dạng
Mô hình AI
Chạy trên
Linux, Python, Web
Chi phí
Miễn phí (trả phí API AI nếu dùng)

Trải nghiệm khi dùng Kimi K2

Cách đơn giản nhất để làm quen là vào trang kimi.com mà README gắn ở phần đầu: bạn mở khung chat và hỏi bằng tiếng Việt như với các trợ lý AI khác. Đây là đường dùng hằng ngày cho đa số người đọc, không cần cài gì.

Nếu bạn là lập trình viên, nền tảng platform.moonshot.ai cung cấp API tương thích cả kiểu OpenAI lẫn Anthropic. README ghi rõ với API kiểu Anthropic, nhiệt độ bạn gửi được nhân 0,6 để tương thích, và mức nhiệt độ khuyên dùng cho Kimi-K2-Instruct là 0,6. Bạn đưa danh sách công cụ vào yêu cầu, mô hình tự quyết định lúc nào gọi và gọi thế nào.

Tự chạy trọng số thì khác hẳn: checkpoint ở định dạng block-fp8, README khuyên dùng vLLM, SGLang, KTransformers hoặc TensorRT-LLM và trỏ sang hướng dẫn triển khai riêng. Với quy mô một nghìn tỷ tham số, việc này thuộc về đội hạ tầng, không phải laptop cá nhân.

Tính năng nổi bật

1 nghìn tỷ tham số, chỉ dùng 32 tỷ mỗi lần

Kiến trúc MoE giúp mô hình lớn nhưng chi phí mỗi lần suy luận thấp hơn một mô hình dày đặc cùng quy mô.

Thiết kế cho agent

Mô hình tự quyết định khi nào gọi công cụ, README có ví dụ gọi hàm lấy thời tiết trọn vẹn từ đầu đến cuối.

Hai phiên bản

Kimi-K2-Base cho người cần tự tinh chỉnh; Kimi-K2-Instruct cho chat và agent thông dụng, trả lời nhanh không suy nghĩ dài.

Hai kiểu API

Nền tảng của Moonshot cung cấp API tương thích OpenAI và Anthropic để cắm vào các công cụ có sẵn.

Kết quả mạnh về code

README báo cáo kết quả trên SWE-bench Verified với công cụ bash/editor là 65,8 phần trăm một lượt; đây là số liệu do nhóm phát triển công bố.

Tận dụng Kimi K2 vào việc gì?

Dân văn phòng, người làm nội dung

Trợ lý chat đa dụng

Soạn thảo, tóm tắt, dịch và hỏi đáp qua trang chat của Kimi.

Lập trình viên, đội tự động hoá

Agent gọi công cụ

Cho mô hình quyền gọi các hàm của bạn như tra cứu đơn hàng, đọc lịch rồi tổng hợp kết quả.

Lập trình viên

Hỗ trợ lập trình

Nhờ viết hàm, sửa lỗi, đọc mã; hãy chạy kiểm thử trước khi tin kết quả.

Đội hạ tầng, doanh nghiệp có GPU

Triển khai nội bộ cho doanh nghiệp lớn

Dùng vLLM hoặc SGLang dựng mô hình trên cụm GPU để dữ liệu không rời công ty.

Nhóm nghiên cứu

Tinh chỉnh từ bản Base

Dùng Kimi-K2-Base làm nền để huấn luyện thêm cho lĩnh vực riêng nếu có nguồn lực.

Cần chuẩn bị gì?

  • Dùng qua web hoặc API: trình duyệt và tài khoản; API tính phí theo mức dùng trên platform.moonshot.ai.
  • Tự chạy: cụm máy chủ nhiều GPU; README không ghi cấu hình tối thiểu cụ thể mà trỏ sang hướng dẫn triển khai trong thư mục docs.
  • Checkpoint dạng block-fp8, tải từ Hugging Face.
  • Python và công cụ chạy suy luận như vLLM hoặc SGLang.

Hướng dẫn cài đặt chi tiết

Cài trên Chat web

  1. Mở trang chat chính thức của Kimi, đăng ký hoặc đăng nhập rồi chat trực tiếp.

    Văn bản
    https://www.kimi.com

Cài trên API

  1. Vào nền tảng dành cho nhà phát triển để tạo khoá API và xem bảng giá hiện hành.

    Văn bản
    https://platform.moonshot.ai
  2. Dùng thư viện OpenAI ở Python với địa chỉ gốc và khoá của Moonshot; hãy lấy đúng địa chỉ base URL và tên mô hình trong tài liệu API vì chúng có thể thay đổi. Đoạn mã mẫu trong README dùng temperature 0,6.

    Terminal
    pip install openai
  3. Thay YOUR_API_KEY bằng khoá bạn tạo ở nền tảng và không đưa khoá lên nơi công khai như GitHub.

Cài trên Tự chạy (nâng cao)

  1. Tải trọng số Kimi-K2-Instruct từ Hugging Face (dung lượng rất lớn).

    Văn bản
    https://huggingface.co/moonshotai/Kimi-K2-Instruct
  2. Đọc hướng dẫn triển khai vLLM và SGLang trong thư mục docs của repo trước khi dựng máy chủ.

    Văn bản
    https://github.com/MoonshotAI/Kimi-K2/blob/main/docs/deploy_guidance.md

Dùng thử lần đầu

  1. Mở trang chat, gõ thử: Hãy lập kế hoạch nội dung 7 ngày cho fanpage bán đồ gia dụng, mỗi ngày một ý chính.

  2. Thử một bài lập trình ngắn, như viết hàm Python kiểm tra số điện thoại Việt Nam hợp lệ, rồi tự chạy thử với vài số.

  3. Nếu bạn có khoá API, làm theo đoạn mã Chat Completion trong README: tạo client, gửi một câu hỏi với temperature 0,6 và đọc kết quả trả về.

  4. Thử thêm danh sách công cụ vào yêu cầu theo ví dụ gọi hàm trong README để thấy mô hình tự quyết định khi nào gọi công cụ.

Mẹo dùng hay

  • Dùng nhiệt độ khoảng 0,6 như README khuyên cho Kimi-K2-Instruct để có câu trả lời ổn định.
  • Để system prompt mặc định nếu không có yêu cầu đặc biệt, README cho rằng đó là lựa chọn tốt.
  • Muốn tự chạy hãy bắt đầu từ vLLM hoặc SGLang, hai engine có ví dụ trong thư mục docs của repo.
  • Theo dõi chi phí API khi dùng agent nhiều bước vì mỗi vòng gọi công cụ đều tính token.

Lưu ý và hạn chế

  • Mô hình quá lớn để chạy trên máy cá nhân; đa số người dùng nên đi qua web hoặc API.
  • Giấy phép là Modified MIT (bản MIT có sửa đổi), không phải MIT thuần; hãy đọc file LICENSE trước khi dùng thương mại.
  • Dữ liệu gửi qua web hoặc API được xử lý trên máy chủ của nhà cung cấp, không đưa thông tin mật vào nếu chưa đọc chính sách.
  • README chỉ hiển thị số liệu do chính nhóm phát triển đo; chất lượng với tiếng Việt cần tự kiểm tra.

Câu hỏi thường gặp

Kimi K2 có miễn phí không?

Trọng số công khai nên tải được miễn phí, còn chat web và API của Moonshot AI có thể có giới hạn hoặc tính phí theo mức dùng, hãy xem trang của họ.

Chạy Kimi K2 trên máy tính cá nhân được không?

Gần như không với bản đầy đủ vì có 1 nghìn tỷ tham số. Bạn nên dùng qua web hoặc API, hoặc chọn mô hình nhỏ hơn chạy qua Ollama.

Kimi K2 có nói tiếng Việt không?

README không có phần riêng về tiếng Việt. Bạn có thể thử hỏi trực tiếp trên trang chat để tự đánh giá chất lượng.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/MoonshotAI/Kimi-K2.git

Repo tương tự nên xem

Mô hình AI mã nguồn mở105K

DeepSeek-V3

deepseek-ai / DeepSeek-V3

Mô hình ngôn ngữ mã nguồn mở cỡ 671 tỷ tham số của DeepSeek, dùng qua chat web, API hoặc máy chủ GPU riêng

KhóLinuxPythonWeb
Mô hình AI mã nguồn mở27,7K

Qwen3

QwenLM / Qwen3

Dòng mô hình AI mở của Alibaba Qwen, nhiều cỡ từ 0,6 tỷ đến 235 tỷ tham số, chạy được trên laptop qua Ollama

VừaWindowsmacOSLinuxPython
Chạy AI trên máy cá nhân19,7K

KTransformers

kvcache-ai / ktransformers

Khung nghiên cứu chạy và tinh chỉnh mô hình AI cực lớn bằng cách chia việc giữa CPU và card đồ hoạ

KhóLinuxPython

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Mô hình AI mã nguồn mở

Mô hình AI mã nguồn mở92K

DeepSeek-R1

deepseek-ai / DeepSeek-R1

Mô hình AI "biết suy nghĩ từng bước" mã nguồn mở của DeepSeek, giỏi toán, code và lập luận

KhóWebWindowsmacOSLinux+1
Mô hình AI mã nguồn mở41,6K

BitNet (bitnet.cpp)

microsoft / BitNet

Bộ chạy mô hình AI 1-bit của Microsoft, giúp chạy mô hình ngôn ngữ nhỏ trên CPU thường mà vẫn nhanh

KhóWindowsmacOSLinuxPython
Mô hình AI mã nguồn mở27,2K

MiniCPM-V và MiniCPM-o

OpenBMB / MiniCPM-V

Mô hình AI nhìn ảnh, nghe tiếng và nói chuyện, nhỏ gọn để chạy trên máy cá nhân và điện thoại

KhóWindowsmacOSLinuxAndroid+2
Mô hình AI mã nguồn mở26,1K

FLUX.1

black-forest-labs / flux

Mã chạy chính thức của dòng mô hình tạo và chỉnh sửa ảnh FLUX.1 từ Black Forest Labs

KhóLinuxPython
Mô hình AI mã nguồn mở20,5K

gpt-oss

openai / gpt-oss

Hai mô hình trọng số mở của OpenAI (20B và 120B), bản 20B chạy được trên máy có khoảng 16 GB bộ nhớ

VừaWindowsmacOSLinuxPython
Mô hình AI mã nguồn mở20,2K

Qwen3-VL

QwenLM / Qwen3-VL

Mô hình AI của Alibaba hiểu ảnh, video và tài liệu, đọc chữ 32 ngôn ngữ, có nhiều cỡ từ 2B đến 235B

KhóLinuxWindowsmacOSPython

Xem cả 10 repo Mô hình AI mã nguồn mở Về Kho Repo