Kimi K2.5
Τελευταία αναθεώρηση:
Κυριαρχία και φιλοξενία
Αυτό το μοντέλο είναι καταγεγραμμένο για αναφορά. Δεν φιλοξενείται ακόμη στο LLM EU, και κανένα endpoint πρώτου μέρους δεν το εξυπηρετεί εδώ. Τα αιτήματα προς αυτό πηγαίνουν απευθείας στον πάροχο, υπό τους δικούς του όρους.
Σύνοψη
Δέχεται κείμενο και εικόνες και απαντά σε κείμενο. Το Kimi K2.5 δημοσιεύεται από την Moonshot AI ως ανοιχτά βάρη με 1026.9B παραμέτρους υπό modified-mit (προσαρμοσμένη, με ετικέτα "other"). Η δημοσιευμένη διαμόρφωση δεν καταγράφει παράθυρο περιβάλλοντος, οπότε αυτή η κάρτα δεν περιέχει κανένα. Το αποθετήριο δημιουργήθηκε τον Ιανουάριο του 2026 και αντικατοπτρίζεται στο Hugging Face. Είναι ένα βασικό σημείο ελέγχου χωρίς ρύθμιση οδηγιών. Η κάρτα είναι μόνο για τον κατάλογο: το LLM EU δεν εκτελεί αυτό το μοντέλο. Ο εκδότης δεν αναφέρει κάλυψη γλώσσας στη σελίδα του μοντέλου.
Προδιαγραφές
- Πάροχος
- Moonshot AI (CN)
- Παράθυρο περιβάλλοντος
- Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό.
- Παράμετροι
- 1026.9B
- Τροπικότητες
- text, vision
- Άδεια
- other · licence
- Ανοιχτά βάρη
- yes
- Ημερομηνία κυκλοφορίας
- 01 Ιαν 2026
- Εργασίες
- Συλλογιστική, Κωδικοποίηση, Όραση
Γλώσσες
Ισχυρή: —
Επαρκής: —
Ισχυρή
Επαρκής
Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Πότε να το χρησιμοποιήσετε
Πλεονεκτήματα
- open weights are published on Hugging Face and can be downloaded without a vendor agreement
Περιορισμοί
- catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
- no evaluation has been run by LLM EU
- the modified-mit (other) licence is a custom agreement whose commercial terms were not established from its published text, so commercial serving is not permitted until a human clears it; the router must not route to it
- the published configuration records no context window, so the card carries none
- at 1026.9B parameters, self-hosting needs a multi-node deployment rather than a single server
- vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model