Moonshot AI har sluppet Kimi K2.5 — en åpen kildemodell som dominerer benchmarks og koster en brøkdel av konkurrentene.
Kimi K2.5 er nå offisielt ute, og resultatene er oppsiktsvekkende. Den kinesiske AI-modellen slår både GPT 5.2, Claude 4.5 Opus og Gemini 3 Pro på flere viktige benchmarks — spesielt når det gjelder agentoppgaver.
Hva er Kimi K2.5?
Kimi K2.5 er en åpen kildemodell fra det kinesiske selskapet Moonshot AI. Den er trent på omtrent 15 billioner tokens med blandet visuelt og tekstlig innhold, og er designet for å være spesielt god på:
- Koding — konkurransedyktig med de beste modellene
- Visuelle oppgaver — natively multimodal
- Agent swarms — kan koordinere opptil 100 sub-agenter parallelt
Benchmarks som imponerer
Det som virkelig skiller Kimi K2.5 fra konkurrentene er ytelsen på agentoppgaver:
BrowseComp (nettsurfing-benchmark): 74.9% — langt foran GPT 5.2 og Claude 4.5 Opus som ligger rundt 50-60%.
Deep Search QA: Slår alle toppmodellene.
SWE Verified (koding): 76.8% — tett bak Claude (80.9%) og GPT 5.2 (80%), men foran Gemini 3 Pro.
På visuelle oppgaver som videoforståelse og OCR er modellen helt i toppsjiktet, og slår faktisk Claude 4.5 Opus på flere benchmarks.
Agent Swarms — det virkelig interessante
Den mest spennende funksjonen er kanskje agent swarm-kapasiteten. Kimi K2.5 kan:
- Dele opp komplekse oppgaver i mindre deler
- Delegere til opptil 100 sub-agenter
- Koordinere opptil 1500 tool calls parallelt
- Redusere kjøretiden med opptil 80% sammenlignet med en enkelt agent
Dette er trent inn i modellen gjennom det de kaller «Parallel Agent Reinforcement Learning» (PARL). I praksis betyr det at modellen kan orkestrere et helt team av spesialiserte agenter — en AI-forsker, en fakta-sjekker, en webutvikler — og koordinere arbeidet deres.
Prisen er sjokkerende lav
Her kommer det virkelig interessante. Kimi K2.5 koster $0.60 per million input-tokens og $3.00 per million output-tokens. Til sammenligning koster Claude 4.5 Opus henholdsvis $15 og $75 per million tokens.
Kimi K2.5 koster altså en brøkdel av konkurrentene — og slår dem på flere benchmarks.
Haken: Størrelse og tilgjengelighet
Modellen er på omtrent 1 billion parametre og krever rundt 632 GB VRAM for å kjøre lokalt. Det betyr at de aller fleste må bruke API-et til Moonshot AI — som betyr at dataene dine sendes til kinesiske servere.
For de som er opptatt av personvern, er dette et viktig moment. Quantiserte versjoner vil sannsynligvis komme fra community-en, noe som kan gjøre det mulig å kjøre modellen lokalt på kraftige Mac Studios eller lignende.
Min vurdering
Kimi K2.5 representerer et betydelig fremskritt for åpne AI-modeller. At en kinesisk aktør nå leverer bedre ytelse enn både OpenAI og Anthropic på agentoppgaver — til en brøkdel av prisen — er bemerkelsesverdig.
Spesielt agent swarm-funksjonaliteten er interessant. For de som bruker verktøy som Clawdbot eller lignende, kan dette potensielt være en game-changer for komplekse arbeidsflyter.
Men spørsmålet om datasikkerhet og kinesiske servere er noe man må ta stilling til selv. For sensitive oppgaver ville jeg ventet på quantiserte versjoner som kan kjøres lokalt.
Uansett: Konkurransen i AI-markedet har aldri vært hardere — og det er vi brukere som vinner på det.
