Kimi k1.5：完整规格、定价、API访问与应用场景（2026）
什么是 Kimi k1.5？
Kimi k1.5 是 Moonshot AI 推出的多模态强化学习大语言模型，于 2025年1月22日首次以技术报告形式发布，具备 128K token 的 RL 上下文扩展能力和文本-视觉推理功能。截至 2026年6月，Kimi k1.5 的公开 API 定价尚未有官方确认。
MoonshotAI 官方仓库将 Kimi k1.5 描述为“o1 级多模态模型”，而 arXiv 报告则称其为通过强化学习训练的多模态大语言模型，具备长上下文扩展、优化的策略训练和长-短推理迁移能力。
用户通常搜索 Kimi k1.5，主要关注其是否为推理模型、是否支持图像输入、128K 上下文扩展的实现方式以及是否可通过 API 调用。作为中立对比研究，Kimi k1.5 可与 DeepSeek-R1 规格与 API 接入、Claude 3.5 Sonnet 规格与 API 接入和 Qwen2.5-72B-Instruct 规格进行对比评估。
Kimi k1.5 的核心参数与定价信息
| 字段 | 已确认数值 |
|---|---|
| 提供方 | Moonshot AI / Kimi 团队（截至 2026年6月）。 |
| 模型系列 | Kimi（截至 2026年6月）。 |
| 模型类型 | 多模态强化学习大语言模型 / 推理模型（截至 2026年6月）。 |
| 发布时间 | 2025年1月22日技术报告提交；最后修订为 2025年6月3日（截至 2026年6月）。 |
| 上下文窗口 | 128K token 的 RL 上下文扩展；Kimi k1.5 公开 API 的上下文窗口未单独确认（截至 2026年6月）。 |
| 输入定价 | 截至 2026年6月，官方尚未确认。 |
| 缓存输入定价 | 截至 2026年6月，官方尚未确认。 |
| 输出定价 | 截至 2026年6月，官方尚未确认。 |
| 计价单位 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 模态支持 | 已确认文本与视觉-语言推理；音频和视频支持未确认（截至 2026年6月）。 |
| 支持的输入类型 | 技术报告中已验证文本和图文输入（截至 2026年6月）。 |
| 支持的输出类型 | 语言模型框架已验证文本输出；图像、音频或视频输出未确认（截至 2026年6月）。 |
| API 接入 | 存在 Kimi API，但在当前文档中未发现 Kimi k1.5 的模型 ID（截至 2026年6月）。 |
| 模型 ID | 截至 2026年6月，官方尚未确认。 |
| 可用性 | 已验证技术报告和 GitHub 仓库；Kimi k1.5 的公开托管 API 可用性尚未确认（截至 2026年6月）。 |
| 知识截止点 | 截至 2026年6月，官方尚未确认。 |
| 速率限制 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 微调支持 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 流式输出支持 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 批量 API 支持 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 工具 / 函数调用 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 结构化输出 / JSON 模式 | 截至 2026年6月，Kimi k1.5 未确认。 |
| 许可 / 使用限制 | 模型权重许可未确认；GitHub 显示 Kimi k1.5 仓库暂无发布版（截至 2026年6月）。 |
因此，Kimi k1.5 更适合作为文档详实的研究模型，而非完整公开 API 产品。其核心技术指标可验证，但定价、模型 ID、速率限制及生产级 API 细则尚未公布。
Kimi k1.5 在生产环境中的价值体现在哪些方面？
Kimi k1.5 在推理密集型评测中具有参考价值，因为其报告重点关注基于可验证任务的强化学习，包括数学、编程及视觉推理。该模型并未作为通用可采购 API 产品发布，因此生产团队应将其视为技术参考，除非 Moonshot AI 公布了 Kimi k1.5 专属 API 细节。
- 在数学与代码推理方面，Kimi k1.5 的报告涵盖了 AIME、MATH 500、Codeforces 和 LiveCodeBench 等基准测试。这些结果表明其设计评测领域，但基准分数不代表实际系统中的正确性保证。
- 在多模态推理方面，报告指出 Kimi k1.5 通过文本与视觉数据联合训练，具备跨模态推理能力，适用于图像问答、图表解读、视觉数学任务及 OCR 类推理流程等研究。
- 对于 AI 研究团队而言，Kimi k1.5 也是长上下文强化学习的案例。报告强调长上下文扩展、部分 rollout、长度惩罚等机制，并采用无需依赖蒙特卡洛树搜索、价值函数和过程奖励模型的框架。
Kimi k1.5 支持哪些模态？
| 模态 | 是否支持 | 说明 |
|---|---|---|
| 文本输入 | 支持 | 报告涵盖语言数据、文本提示、数学、代码及通用推理任务。 |
| 图像输入 | 支持 | 报告指出模型联合训练文本与视觉数据，并包含图文数据。 |
| 音频输入 | 未确认 | 官方资料中未确认 Kimi k1.5 支持音频输入。 |
| 视频输入 | 未确认 | 官方资料中未确认 Kimi k1.5 支持视频输入。 |
| 文本输出 | 支持 | 模型作为大语言模型，可生成文本序列、推理过程及最终答案。 |
| 图像输出 | 未确认 | 未确认 Kimi k1.5 支持图像生成输出。 |
| 音频/视频输出 | 未确认 | 未确认 Kimi k1.5 支持音频或视频生成输出。 |
Kimi k1.5 的主要局限性有哪些？
主要局限在于产品文档不完整。官方资料已验证技术报告、GitHub 仓库、128K-token RL 上下文扩展和文本-视觉推理能力，但截至 2026年6月，未确认公开 API 定价、Kimi k1.5 API 模型 ID、速率限制、微调支持或结构化输出等信息。
- 本文查阅的 Kimi API 模型列表包括
kimi-k2.7-code、kimi-k2.7-code-highspeed、kimi-k2.6、kimi-k2.5及 Moonshot V1，但未包含 Kimi k1.5。这意味着开发者在未获得官方模型 ID 前，不应假定可通过现有 Kimi API 调用 Kimi k1.5。 - Kimi k1.5 还存在长推理系统常见的成本和延迟问题。报告指出 RL 训练过程中存在“过度推理”现象，响应长度可能增加，因此引入了长度惩罚机制，以控制训练和推理时因过长推理带来的成本。
- 通用 AI 局限依然适用。Kimi k1.5 输出可能存在错误、不完整或过度自信等问题。法律、医疗、金融、网络安全及安全关键场景需专家审核和独立验证。
Kimi k1.5 最适合哪些应用场景？
| 应用场景 | 适用原因 | 重要限制 |
|---|---|---|
| 数学推理研究 | 报告强调 AIME 和 MATH 500 评测。 | 基准成绩不代表真实场景下的正确性。 |
| 代码推理研究 | 评测涵盖 Codeforces 和 LiveCodeBench。 | 公共 API 模型 ID 及生产延迟未确认。 |
| 视觉-语言推理 | 已验证文本-图像训练与视觉推理能力。 | 图像输出、视频及音频支持未确认。 |
| 长上下文 RL 研究 | 记录 128K-token RL 上下文扩展及部分 rollout 方法。 | 架构与训练规模细节仍不完整。 |
| 模型对比页面 | 可与推理及多模态模型进行对比。 | 缺失定价和 API 数据，限制采购对比。 |
Kimi k1.5 适用于研究强化学习推理、文本-图像推理及长-短链路推理迁移等领域。若需对比 API 采购能力，建议同时查阅 DeepSeek-V3 规格与定价、GPT-4o mini 规格与定价和 Llama 3.2 Vision 规格。
Kimi k1.5 与 DeepSeek-R1、Claude 3.5 Sonnet 对比如何？
| 对比项 | Kimi k1.5 | DeepSeek-R1 | Claude 3.5 Sonnet | 适用场景 |
|---|---|---|---|---|
| 模型类型 | 多模态 RL 训练推理大语言模型。 | 推理模型，首发支持 deepseek-reasoner API 调用。 | 通用 Claude 模型，支持文本、代码与视觉工作流。 | Kimi 与 DeepSeek-R1 更适合推理研究；Claude 适合生产环境集成。 |
| 上下文 | 报告称支持 128K-token RL 上下文扩展；API 上下文未确认。 | DeepSeek 当前文档将 deepseek-reasoner 兼容映射至 DeepSeek-V4 Flash 模式，并提示后续弃用。 | 首发支持 200K-token 上下文窗口。 | Claude 公共上下文文档更清晰；Kimi 适合研究场景。 |
| 定价 | Kimi k1.5 未确认。 | DeepSeek-R1 首发公布了 deepseek-reasoner 的缓存命中、未命中及输出价格，现已转向 V4 时代模型。 | 首发时输入 $3/100万 token，输出 $15/100万 token。 | DeepSeek 与 Claude 更易于公开预算规划。 |
| 模态 | 已验证文本和图像输入，文本输出。 | 推理为主，API 支持模态视部署而定。 | Claude 3.5 Sonnet 产品支持文本和视觉场景。 | Kimi 适合多模态推理评测；Claude 集成更便捷。 |
| 接入明确性 | Kimi k1.5 API 模型 ID 未确认。 | 首发用 deepseek-reasoner，现文档标记为过渡兼容。 | 首发可通过 Anthropic API、Amazon Bedrock、Google Cloud Vertex AI 调用。 | Kimi 在 API 细节未确认前不适合直接采购。 |
本对比根据实际场景进行限定，不做绝对优劣评判。各模型在文档成熟度、接入方式、模态覆盖和生产可用性等方面各具特点。
如何访问 Kimi k1.5？
Kimi k1.5 可通过技术报告和官方 GitHub 仓库获取。查阅的 Kimi API 文档显示支持 Chat Completions API、API 密钥认证、已公布的模型列表及当前的 K2.7 Code、K2.6、K2.5 和 Moonshot V1 模型 ID，但截至 2026年6月，未确认 Kimi k1.5 的 API 模型 ID。
由于 Kimi k1.5 所需 API 细节尚未确认，本文未提供可执行的 Python 或 curl 示例。
常见问题
Kimi k1.5 的上下文窗口是多少？
Kimi k1.5 官方报告称 RL 上下文窗口扩展至 128K token。Kimi k1.5 的公开 API 上下文窗口规格截至 2026年6月尚未有官方确认。
Kimi k1.5 的费用是多少？
Kimi k1.5 的输入定价、缓存输入定价、输出定价及计价单位截至 2026年6月均未有官方确认。Kimi API 价格页面列出了其他 Kimi 模型系列，未包含 Kimi k1.5。
Kimi k1.5 有 API 吗？
截至 2026年6月，查阅的官方 Kimi 文档未确认 Kimi k1.5 专属的 API 模型 ID、接口、请求结构或响应结构。因此，本文未提供可执行的 API 示例。
Kimi k1.5 适合做什么？
Kimi k1.5 最适合作为多模态推理、数学与编程评测、长上下文强化学习及长链路推理研究的参考。实际生产使用需充分考虑 API、定价及速率限制等信息尚未公布的情况。
