把复杂问题拆成可检查步骤
K2 Thinking 的重点是逐步推理与多步骤指令处理。面对包含多个条件的问题，可要求它先梳理约束，再形成方案并检查结论。适合需要说明判断依据的分析任务；提示中应明确目标、已知条件和验收标准，而不是只给一个宽泛主题。
All models
Get your API key
kimi-k2-thinking
MoonshotChatreasoning
Input 1.9203 Credits / 1MOutput 7.682 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生上下文
- 256K Token
- 原生架构
- MoE；1T 总参数、32B 激活参数
- 原生量化
- INT4，采用量化感知训练
- 输入与输出
- 文本消息输入；文本正文，可返回 reasoning_content
- 工具协作
- 函数调用；支持工具定义与结果回填
- 响应方式
- Chat Completions 支持普通 JSON 与 SSE 流式响应
- 采样建议
- 原生推荐 temperature=1.0
架构与上下文是原生模型规格；本平台提供文本对话和会话入口，工具执行取决于所用入口及应用配置。
核心能力
了解 kimi-k2-thinking 能为你的工作带来什么。
让工具结果参与后续判断
模型能够在推理中提出函数调用，再根据返回结果继续分析。应用可提供查询、计算或测试函数，让任务从文字建议推进到结果验证。它负责选择调用及组织参数，实际执行由工具完成，因此可将执行权限与模型的推理能力分开管理。
围绕长材料完成分析与写作
原生 256K 上下文为较长文本、代码片段和连续讨论提供处理空间。可把背景材料与写作要求一起提交，要求输出提纲、论证和成稿。材料较多时，建议保留章节标识与引用位置，让结论能回到具体段落，而不只是生成笼统摘要。
适用场景
从具体任务出发，找到模型发挥作用的位置。
代码排错与修复方案
输入相关代码、错误日志、预期行为和运行环境，要求模型定位可能原因、提出修改并设计测试。接入测试工具后，还可回填失败信息继续修订。交付物可包含补丁建议、原因说明与回归测试清单；没有执行工具时，输出仍是待验证的代码方案。
多条件方案评估
输入候选方案、资源约束与评价标准，让模型逐项分析取舍，标出缺失信息并形成建议。适合技术选型、项目规划等不宜凭单一指标决定的任务。可要求交付对比表、关键假设和下一步验证计划，便于团队讨论，而不是直接接受一个结论。
长材料整理与成稿
输入多份文本摘录、会议记录或研究笔记，指定读者、章节和论证要求，生成有结构的报告草稿。可以先整理材料之间的关系，再逐节展开与修订。交付物适合包含摘要、正文和待补充事项；实时信息应通过检索工具获取后再纳入分析。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
需要持续推理时选择 Thinking
如果任务涉及多重约束、反复验证或工具反馈，K2 Thinking 比只要求一次性生成答案的使用方式更贴合。它是 K2 系列中专门面向思考与工具协作的型号，不应与 K2 0905 混用。对于简短改写或固定格式填充，先判断任务是否确实需要这样的推理流程。
区分 Turbo 与后续系列型号
kimi-k2-thinking-turbo 是独立的公开型号，并非本型号别名。需要切换时，可用同一组任务比较响应体验与结果质量，不预设固定速度差。K2.6 的 thinking 开关和 K3 的 reasoning_effort 也不是本型号的控制方式；迁移时应分别设计提示与参数配置。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 原生 256K 上下文不等于一次请求可生成同样长度的答案。长任务需要同时考虑输入、推理和正文的预算；如果响应以 length 结束，应检查输出预算，或把任务拆成提纲、分节生成与最终合并。
- 函数调用不代表模型能够自行运行代码或访问网页。使用 Chat Completions 时，应用需要执行工具并回填结果。工具出错、返回内容不完整或权限不足，都会影响后续判断；涉及写入与发布的操作应单独设置确认机制。
- 本型号以文本推理为主要使用方式，不应当作原生视觉或音频模型。图片、扫描件等材料宜先转换为可分析文本；复杂推理的结论仍需检查关键假设，代码任务则应以实际测试结果作为验收依据。
常见问题
解答使用 kimi-k2-thinking 时的常见疑问。
kimi-k2-thinking 与普通 K2 有什么区别？
它基于 Kimi K2 构建，重点是逐步推理以及推理与函数调用交替进行。选择时应看任务是否需要多步分析、工具反馈和持续修订，而不是把 Thinking 当作普通 K2 的另一个名称。调用时应明确使用 kimi-k2-thinking。
能用 reasoning_effort 调整思考强度吗？
不要给本型号套用 K3 的 reasoning_effort，也不要套用 K2.6 的 thinking 开关。使用 K2 Thinking 时，可通过清晰的任务边界、输出要求和预算设置组织任务；temperature=1.0 是原生推荐采样值，不是推理强度档位。
怎样读取答案和推理内容？
在 Chat Completions 响应中，正文位于 message.content，推理内容可位于 message.reasoning_content。流式调用时应分别拼接对应增量，避免混在同一展示区域；如果返回 tool_calls，则先处理工具请求，再继续获取最终答案。
接入工具后会自动执行函数吗？
Chat Completions 中的工具定义用于告诉模型有哪些函数可用，不会代替应用执行函数。收到调用后，需要解析参数、执行对应工具，并将结果作为 tool 消息回填。建议同时处理参数校验、执行错误和工具权限。
两个调用入口该怎样选？
需要自行维护消息历史、读取推理内容并控制函数调用流程时，可选 /kimi/chat/completions。希望按会话 ID 延续讨论时，可选 /aichat2/conversations，提交 question 并保留返回的 id；后续携带同一 id 继续对话。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.18per 1M tokens
Official $0.46
Output
$0.73per 1M tokens
Official $1.83
−60%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs