MoonshotAI: Kimi K2 0711

Kimi K2 0711 ist ein Textmodell von Moonshot AI, das auf api14 als moonshotai/kimi-k2 identifiziert wird. Es ist ein gross angelegtes Mixture-of-Experts (MoE) Sprachmodell mit 1 Billion Gesamtparametern und 32 Milliarden aktiven pro Vorwaertsdurchlauf, was bedeutet, dass nur ein Bruchteil des Netzwerks fuer jedes erzeugte Token beansprucht wird. Das Veroeffentlichungsdatum des Anbieters ist der 2025-07-11, und der Wissensstichtag des Modells ist der 2024-12-31, sodass alles nach diesem Datum ausserhalb dessen liegt, was es waehrend des Trainings gelernt hat.

Das Modell arbeitet mit Text als Eingabe und Text als Ausgabe. Es akzeptiert ein Kontextfenster von 131.072 Token und kann bis zu 98.304 Token in einer einzigen Antwort erzeugen, was ein grosses Ausgabebudget im Vergleich zu den meisten Chat-Modellen ist. Diese Kombination eignet sich fuer Arbeitslasten, bei denen die Eingabe lang ist (Dokumentation, Transkripte, Codebasen) und die erwartete Antwort ebenfalls lang ist, etwa ein vollstaendiger Bericht oder ein umfangreiches Refactoring statt einer einzeiligen Antwort.

Da es Tool-Aufrufe unterstuetzt, passt Kimi K2 zu Agenten-aehnlichen Workflows, bei denen das Modell entscheidet, wann es eine Funktion aufruft und welche Argumente es uebergibt. Typische Anwendungen sind mehrstufige Assistenten, die interne APIs abfragen, Retrieval-Augmented Generation ueber grosse Dokumentmengen, langformige Zusammenfassungen und Entwuerfe sowie Codegenerierung oder -review, bei denen das Modell viel umgebenden Kontext halten muss. Die hohe Ausgabeobergrenze macht es auch sinnvoll fuer Aufgaben, die sonst auf mehrere Aufrufe aufgeteilt werden muessten.

Sie rufen es ueber die OpenAI-kompatible API von api14 mit der Modell-ID "moonshotai/kimi-k2" auf, sodass bestehende OpenAI-SDKs und -Clients funktionieren, wenn nur die Basis-URL und der Schluessel geaendert werden. Die unterstuetzten Anforderungsparameter sind frequency_penalty, max_tokens, presence_penalty, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k und top_p. Das Vorhandensein von seed ermoeglicht eine besser reproduzierbare Stichprobenentnahme, und tools zusammen mit tool_choice lassen Sie Funktionsschemata definieren und steuern, ob das Modell eine aufrufen muss.

Beachten Sie die Grenzen, wenn Sie es auswaehlen. Eingabe und Ausgabe sind ausschliesslich Text, daher benoetigen Bild- oder Audioaufgaben ein anderes Modell, und der Kontext von 131.072 Token sowie die Ausgabeobergrenze von 98.304 Token begrenzen, wie viel in einer Anforderung verarbeitet werden kann. Der Wissensstichtag vom 2024-12-31 bedeutet, dass aktuelle Ereignisse nicht abgedeckt sind, es sei denn, Sie liefern sie im Prompt oder ueber Tools. Fuer kurze, einfache Anforderungen kann ein kleineres Modell besser geeignet sein.