Modelle
Vergleich
DeepSeek V3.2 vs. Kimi K2 Thinking
DeepSeek V3.2 und Kimi K2 Thinking im direkten Vergleich auf Silicon Network: Kontextlänge, Fähigkeiten, Parameter und der Preis pro Token.
| DeepSeek V3.2 | Kimi K2 Thinking | |
|---|---|---|
| Modell-ID in der API | deepseek-v3.2 | kimi-k2-thinking |
| Basismodell | DeepSeek V3.2 | Kimi K2 |
| Familie | DeepSeek | Kimi |
| Parameter | 671B MoE | 1T MoE |
| Größenklasse | Sehr groß (ab 200B) | Sehr groß (ab 200B) |
| Kontextlänge | 131.072 Tokens (128K) | 262.144 Tokens (256K) |
| Fähigkeiten | Text, Reasoning und Reasoning abschaltbar | Text, Reasoning und Reasoning abschaltbar |
| Bereitgestellte Gewichte | 4 Bit | Wie veröffentlicht |
| Größe der Gewichte | 378 GB | 707 GB |
| Preis Eingabe | Nicht verfügbar | Nicht verfügbar |
| Preis Ausgabe | Nicht verfügbar | Nicht verfügbar |
Die veröffentlichten Preise ließen sich gerade nicht laden. Die Preisseite liest sie live.
Unterschiede
- Kimi K2 Thinking hat das längere Kontextfenster: 262.144 Tokens gegenüber 131.072.
- Kimi K2 Thinking ist nach Gesamtparametern das größere Modell: 1T MoE gegenüber 671B MoE.
- Beide haben dieselben Fähigkeiten: Text, Reasoning und Reasoning abschaltbar.
Welche Modelle gerade auf einem Node geladen sind, ändert sich im Laufe des Tages; die Preisseite zeigt es live. Ein Modell, das nicht geladen ist, antwortet mit 404, bis ein Betreiber es lädt.
Zu diesen Angaben
Kontextlänge, Fähigkeiten und Größe der Gewichte stammen aus der Modellkarte, mit der die jeweilige ID bereitgestellt wird. Die Preise sind die veröffentlichten Preise pro Token und werden alle paar Minuten aktualisiert. Geschwindigkeitswerte gibt es hier nicht: Das Netzwerk veröffentlicht den Durchsatz pro Modell noch nicht.