MoonshotAI: Kimi K2.5

Kimi K2.5 es un modelo de generación de texto de Moonshot AI, listado en api14 bajo el id de modelo moonshotai/kimi-k2.5. Se ubica en la categoría de texto y su proveedor lo describe como un modelo multimodal nativo construido sobre Kimi K2, con preentrenamiento continuado sobre aproximadamente 15T de datos mixtos. Si has usado versiones anteriores de Kimi, este es el sucesor que debes considerar cuando necesitas el comportamiento actual de Moonshot AI en lugar de un checkpoint más antiguo.

El modelo acepta entrada de texto e imagen y devuelve salida de texto, por lo que maneja tanto prompts de lenguaje natural como prompts que incluyen imágenes junto con instrucciones. La ventana de contexto es de 262,144 tokens, lo suficientemente grande para contener documentos largos, conversaciones extendidas o archivos de código considerables en una sola solicitud. La salida máxima es de 235,929 tokens, por lo que las generaciones largas son posibles sin truncarse antes de tiempo. Los parámetros de solicitud admitidos incluyen temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, max_tokens, stop, seed, logit_bias, logprobs y top_logprobs. También admite response_format y structured_outputs para salida restringida, además de tools, tool_choice y reasoning con include_reasoning para flujos de trabajo estilo agente y de razonamiento.

Esas capacidades apuntan a algunos usos prácticos. El contexto largo más la entrada de imagen se adapta al análisis de documentos y capturas de pantalla, donde pegas una página o una captura de interfaz y pides una explicación o un resumen. El enfoque de codificación visual mencionado por el proveedor lo convierte en un candidato razonable para leer capturas de pantalla de interfaces, diagramas o código y producir descripciones de texto o correcciones. El soporte de herramientas y salida estructurada encaja en pipelines que necesitan que el modelo llame a funciones o devuelva respuestas con formato JSON. Los controles de razonamiento ayudan en tareas donde quieres que el modelo trabaje un problema antes de responder, y el gran techo de salida ayuda cuando la respuesta en sí es larga, como una reescritura completa de un archivo o un informe detallado.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo moonshotai/kimi-k2.5, por lo que el código existente del SDK de OpenAI funciona con un cambio de URL base y clave. Pasa el id de modelo en la solicitud, envía mensajes con contenido de texto o imagen según sea necesario, y configura cualquiera de los parámetros admitidos listados arriba. Como la API es compatible con OpenAI, parámetros como temperature, top_p, max_tokens, stop, seed, response_format, tools y tool_choice se comportan como esperarías, y las opciones de razonamiento y salida estructurada están disponibles cuando tu cliente las envía.

Ten en cuenta los límites al elegir. La salida es solo texto, por lo que la generación de imágenes o el trabajo de audio necesita un modelo diferente. Si tu tarea es corta y simple, el contexto grande y los techos de salida no son ventajas, y un modelo más pequeño puede responder más rápido. La fecha de lanzamiento del proveedor es 2026-01-27, así que verifica que tus herramientas y expectativas coincidan con esa generación del modelo.