MoonshotAI: Kimi K2 0711

Kimi K2 0711 es un modelo de texto de Moonshot AI, identificado en api14 como moonshotai/kimi-k2. Es un modelo de lenguaje de tipo Mixture-of-Experts (MoE) a gran escala con 1 billón de parámetros totales y 32 mil millones activos por pasada forward, lo que significa que solo una fracción de la red se activa para cada token que genera. La fecha de lanzamiento del proveedor es 2025-07-11, y el corte de conocimiento del modelo es 2024-12-31, por lo que cualquier cosa posterior a esa fecha queda fuera de lo que aprendió durante el entrenamiento.

El modelo trabaja con texto de entrada y texto de salida. Acepta una ventana de contexto de 131,072 tokens y puede producir hasta 98,304 tokens en una sola respuesta, lo cual es un presupuesto de salida amplio en relación con la mayoría de los modelos de chat. Esa combinación se adapta a cargas de trabajo donde la entrada es larga (documentación, transcripciones, bases de código) y la respuesta esperada también es larga, como un informe completo o una refactorización sustancial en lugar de una respuesta de una línea.

Debido a que admite tool calling, Kimi K2 encaja en flujos de trabajo estilo agente donde el modelo decide cuándo invocar una función y qué argumentos pasar. Los usos típicos incluyen asistentes de varios pasos que consultan API internas, generación aumentada por recuperación sobre grandes conjuntos de documentos, resumen y redacción de formato largo, y generación o revisión de código donde el modelo necesita mantener mucho contexto circundante. El alto límite de salida también lo hace razonable para tareas que de otro modo tendrían que dividirse en varias llamadas.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo "moonshotai/kimi-k2", por lo que los SDK y clientes de OpenAI existentes funcionan con solo cambiar la URL base y la clave. Los parámetros de solicitud que admite son frequency_penalty, max_tokens, presence_penalty, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k y top_p. La presencia de seed permite un muestreo más reproducible, y tools junto con tool_choice permiten definir esquemas de funciones y controlar si el modelo debe llamar a una.

Ten en cuenta los límites al elegirlo. La entrada y la salida son solo texto, por lo que las tareas de imagen o audio necesitan un modelo diferente, y el contexto de 131,072 tokens y el límite de salida de 98,304 tokens acotan cuánto se puede manejar en una sola solicitud. El corte de conocimiento de 2024-12-31 significa que los eventos recientes no están cubiertos a menos que los proporciones en el prompt o mediante tools. Para solicitudes cortas y simples, un modelo más pequeño puede ser una mejor opción.