---
title: "Kimi K1.5"
source: "https://systems-analysis.info/wiki/Kimi_K1.5"
wiki: "systems-analysis.info/wiki"
article: "Kimi_K1.5"
language: "ru"
categories:
  - "Категория:Kimi"
  - "Категория:Moonshot AI"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 1681
wiki_created_at: 2026-11-12T20:46:21Z
wiki_modified_at: 2026-11-13T02:38:37Z
downloaded_at: 2026-11-13T02:39:30Z
---

# Kimi K1.5

**Kimi k1.5** — мультимодальная размышляющая модель китайской компании Moonshot AI, первая публично описанная размышляющая модель компании; обучена масштабированным на длинный контекст обучением с подкреплением без применения дерева поиска Монте-Карло, функций ценности и моделей вознаграждения за процесс и, по заявлениям Moonshot, сопоставима с OpenAI o1 по математике, программированию и мультимодальному рассуждению. Представлена 20 января 2025 года — в один день с публикацией DeepSeek-R1; весовые коэффициенты не публиковались, модель была доступна в чатботе Kimi, а с 25 января 2025 года — бесплатно в веб-версии на Kimi.ai.

## Технические характеристики

- **Поколение**: Kimi (доклассовая линия k1.5; первая размышляющая модель Moonshot, предшествовавшая открытой серии K2)
- **Идентификатор**: kimi-k1.5 (приложение Kimi); открытых вес и отдельного API-идентификатора нет
- **Параметры**: публично не раскрыты (архитектура и число параметров не раскрывались, весовые коэффициенты не публиковались)
- **Контекстное окно**: 131 072 токена (128 тыс.; в том числе контекст RL-обучения масштабирован до 128 тыс.)
- **Модальности**: текст и изображения на входе (совместное обучение на текстовых и визуальных данных), текст на выходе
- **Режим мышления**: две версии — long-CoT (пошаговые рассуждения) и short-CoT (краткие ответы)
- **Граница знаний**: публично не раскрыта
- **Выпуск**: 20 января 2025
- **Стоимость**: доступна бесплатно в чатботе Kimi (веб-версия с 25 января 2025 года — поиск по более чем 100 сайтам в реальном времени, до 50 файлов одновременно); весовые коэффициенты для самостоятельного развёртывания не предоставлялись
- Ключевые элементы метода, по техническому отчёту: масштабирование контекста RL до 128 тыс. токенов с переиспользованием частичных rollouts, устойчивая оптимизация стратегии вариантом онлайн зеркального спуска, штраф за длину ответа и оптимизация рецептуры данных; сильный результат достигается без сложных техник — дерева поиска Монте-Карло, функций ценности и моделей вознаграждения за процесс.
- Технические характеристики — <a href="https://arxiv.org/abs/2501.12599" class="external text" rel="nofollow">технический отчёт</a> (arXiv:2501.12599).

## История и разработка

Kimi k1.5 была представлена 20 января 2025 года, в один день с публикацией DeepSeek-R1, — на следующий день Moonshot опубликовала технический отчёт «Kimi k1.5: Scaling Reinforcement Learning with LLMs»<sup>[\[1\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-wp-1)[\[2\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-paper-2)</sup>. Версия long-CoT, по данным компании, сопоставима с o1 на мультимодальных и рассуждающих бенчмарках (MathVista, AIME, Codeforces), а short-CoT превосходит GPT-4o и Claude 3.5 Sonnet на AIME, MATH-500 и LiveCodeBench с отрывом до +550 %<sup>[\[3\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-github-3)</sup>. 25 января 2025 года модель стала доступна всем через Kimi.ai, в том числе на английском языке, без лимитов использования; веб-версия получила поиск в реальном времени по более чем 100 сайтам, обработку до 50 файлов и улучшенное понимание изображений<sup>[\[4\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-decoder-4)</sup>.

Методика k1.5 выделялась на фоне同期 аналогов: после предобучения на большом корпусе текстов и изображений модель прошла SFT с «отбором отклонением» (rejection sampling), а затем RL с вознаграждением за конечный результат — без оценки промежуточных шагов, что, по мнению команды, даёт модели свободу поиска разных путей к верному ответу; short-CoT-версия получена переносом знаний из long-CoT через слияние моделей и «кратчайший отбор отклонением»<sup>[\[4\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-decoder-4)</sup>. Отчёт показал, что длина контекста является ключевым измерением масштабирования RL: рост контекста действует как увеличение числа шагов поиска, порождая цепочки рассуждений с планированием, рефлексией и самокоррекцией<sup>[\[3\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-github-3)</sup>.

В отличие от DeepSeek-R1, k1.5 обрабатывала и текст, и изображения (особенно сильные результаты на MathVista и MMMU), однако веса модели не были открыты — на момент выпуска Moonshot ещё не публиковала модели для свободного скачивания<sup>[\[4\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-decoder-4)</sup>. Релиз укрепил позиции Moonshot, привлекшей к тому времени более \$1 млрд при оценке \$3,3 млрд<sup>[\[5\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-scmp-5)</sup>. Подход k1.5 к RL повлиял на последующую открытую серию K2, а сама компания перешла к политике открытых весов начиная с Kimi K2 (июль 2025)<sup>[\[1\]](https://systems-analysis.info/wiki/Kimi_K1.5#cite_note-k15-wp-1)</sup>.

## Ссылки

- <a href="https://arxiv.org/abs/2501.12599" class="external text" rel="nofollow">Kimi k1.5: Scaling Reinforcement Learning with LLMs</a> — технический отчёт (arXiv:2501.12599)
- <a href="https://github.com/MoonshotAI/Kimi-k1.5" class="external text" rel="nofollow">Kimi k1.5</a> — репозиторий технического отчёта на GitHub

## См. также

- [Kimi (Moonshot AI)](https://systems-analysis.info/wiki/Kimi_(Moonshot_AI) "Kimi (Moonshot AI)")
- [Kimi K2 Thinking](https://systems-analysis.info/wiki/Kimi_K2_Thinking "Kimi K2 Thinking")
- [Kimi K2.5](https://systems-analysis.info/wiki/Kimi_K2.5 "Kimi K2.5")

## Примечания

1.  <span id="cite_note-k15-wp-1">↑ <sup>[1,0](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-wp_1-0)</sup> <sup>[1,1](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-wp_1-1)</sup> <a href="https://en.wikipedia.org/wiki/Kimi_(AI)" class="external text" rel="nofollow">Kimi (AI)</a>. Wikipedia.</span>
2.  <span id="cite_note-k15-paper-2">[↑](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-paper_2-0) Kimi Team (2025). *Kimi k1.5: Scaling Reinforcement Learning with LLMs*. arXiv:2501.12599 \[cs.AI\], 22 января 2025. <a href="https://arxiv.org/abs/2501.12599" class="external free" rel="nofollow">https://arxiv.org/abs/2501.12599</a></span>
3.  <span id="cite_note-k15-github-3">↑ <sup>[3,0](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-github_3-0)</sup> <sup>[3,1](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-github_3-1)</sup> <a href="https://github.com/MoonshotAI/Kimi-k1.5" class="external text" rel="nofollow">Kimi k1.5: Scaling Reinforcement Learning with LLMs</a>. MoonshotAI, GitHub.</span>
4.  <span id="cite_note-k15-decoder-4">↑ <sup>[4,0](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-decoder_4-0)</sup> <sup>[4,1](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-decoder_4-1)</sup> <sup>[4,2](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-decoder_4-2)</sup> <a href="https://the-decoder.com/chinese-openai-o1-challenger-kimi-k1-5-now-available-as-free-web-version/" class="external text" rel="nofollow">Chinese OpenAI o1 challenger Kimi k1.5 now available as free web version</a>. The Decoder. 25 января 2025.</span>
5.  <span id="cite_note-k15-scmp-5">[↑](https://systems-analysis.info/wiki/Kimi_K1.5#cite_ref-k15-scmp_5-0) <a href="https://www.scmp.com/tech/tech-trends/article/3324350/moonshot-ais-updated-kimi-model-offers-expanded-context-window-improved-coding" class="external text" rel="nofollow">Moonshot AI’s updated Kimi model offers expanded context window, improved coding</a>. South China Morning Post. 4 сентября 2025.</span>