Kimi · 2025-07 · スパースMoE

Kimi K2 Base

Kimi K2 Base は Kimi が 2025-07 に公開したマルチヘッド潜在注意（MLA） Transformer です。61 層、隠れ次元 7168、コンテキスト長 131,072 トークン。

層スタック

注意機構 ×61 · 層数 61

同梱の config.json に基づき作図 · 61 層 / 隠れ次元 7,168 / コンテキスト 131,072。図は本サイトのオリジナルです。

マルチヘッド潜在注意（MLA）. kv_lora_rank=512. RoPE θ=50,000.

スパースなMixture-of-Expertsモデルで、384 個のルーティングエキスパートと top-8 ルーティングを持ち、トークンごとに約 32.8B のパラメータが活性化します。

同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。

前世代 Moonlight 16B との全フィールド比較

モデル	Kimi K2 Base	Moonlight 16B	倍数
model_type	`kimi_k2`	`deepseek_v3`	≠
architectures	`DeepseekV3ForCausalLM`	`DeepseekV3ForCausalLM`	＝
hidden_size	`7168`	`2048`	×3.50
num_hidden_layers	`61`	`27`	×2.26
num_attention_heads	`64`	`16`	×4.00
num_key_value_heads	`64`	`16`	×4.00
intermediate_size	`18432`	`11264`	×1.64
hidden_act	`silu`	`silu`	＝
n_routed_experts	`384`	`64`	×6.00
num_experts_per_tok	`8`	`6`	×1.33
n_shared_experts	`1`	`2`	×0.500
moe_intermediate_size	`2048`	`1408`	×1.45
kv_lora_rank	`512`	`512`	≈1
qk_rope_head_dim	`64`	`64`	≈1
q_lora_rank	`1536`	`—`
rope_theta	`50000`	`50000`	≈1
max_position_embeddings	`131072`	`8192`	×16.00
rms_norm_eps	`0.000001`	`0.00001`	×0.100
vocab_size	`163840`	`163840`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
num_nextn_predict_layers	`0`	`0`	＝
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
aux_loss_alpha	`0.001`	`0.001`	≈1
bos_token_id	`163584`	`163584`	≈1
eos_token_id	`163585`	`163585`	≈1

Kimi K2 0905 (Kimi, 2025-09) 1.000
Kimi K2.5 (Kimi, 2026-02) 1.000
Kimi K2.6 (Kimi, 2026-04) 1.000
DeepSeek-V3 (DeepSeek, 2024-12) 1.000
DeepSeek-V3 Base (DeepSeek, 2024-12) 1.000
DeepSeek-R1 (DeepSeek, 2025-01) 1.000

類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。

42 フィールド