MoonshotAI: Kimi K2 Thinking

Kimi K2 Thinking est un modèle textuel de Moonshot AI, identifié sur api14 comme moonshotai/kimi-k2-thinking. Il appartient à la série K2 et est décrit par son fournisseur comme le modèle de raisonnement ouvert le plus avancé de Moonshot AI à ce jour, étendant cette série au raisonnement agentique et à long horizon. Il est construit sur l'architecture Mixture-of-Experts à un billion de paramètres introduite dans les travaux antérieurs sur K2. La date de publication par le fournisseur est le 6 novembre 2025.

Le modèle accepte une entrée texte et renvoie une sortie texte, ce qui le rend adapté aux tâches linguistiques plutôt qu'à tout ce qui implique des images ou de l'audio. Sa fenêtre de contexte est de 262 144 tokens, ce qui est suffisamment grand pour contenir de longs documents, des historiques de conversation étendus ou des bases de code conséquentes dans une seule requête. La sortie maximale est de 98 304 tokens, les réponses peuvent donc elles-mêmes être longues, ce qui compte pour les tâches où le modèle a besoin d'espace pour raisonner avant de répondre. Comme il s'agit d'un modèle de raisonnement, il peut produire un contenu de raisonnement en plus de sa réponse finale, et ce comportement peut être contrôlé via les paramètres de requête pertinents.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Le raisonnement à long horizon et le comportement agentique conviennent aux tâches multi-étapes où le modèle doit planifier, appeler des outils et continuer à progresser vers un objectif sur de nombreux tours. La grande fenêtre de contexte aide à analyser de longs rapports, à examiner de gros diffs ou fichiers de code, et à résumer ou extraire des informations structurées à partir d'entrées volumineuses. L'utilisation d'outils et les sorties structurées le rendent utilisable dans des pipelines qui nécessitent que le modèle appelle des fonctions ou renvoie des données dans un format défini, et la sortie de raisonnement est utile lorsque vous souhaitez examiner comment une réponse a été obtenue plutôt que de voir uniquement le résultat.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle moonshotai/kimi-k2-thinking, ce qui signifie que les bibliothèques clientes OpenAI existantes et les formats de requête fonctionnent avec seulement l'URL de base et la clé modifiées. Les paramètres pris en charge sont frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs et top_p. En pratique, cela couvre les contrôles d'échantillonnage, le déterminisme via seed, les conditions d'arrêt, l'appel d'outils et de fonctions, les formats de sortie structurée, et les options pour exposer ou ajuster le contenu de raisonnement. Définissez max_tokens en tenant compte du plafond de sortie de 98 304.

Il existe des cas où un autre modèle peut mieux convenir. Il s'agit d'un modèle texte uniquement, donc toute tâche nécessitant une entrée image ou audio sort de son périmètre. C'est aussi un modèle de raisonnement avec une très grande fenêtre de contexte, ce qui n'est pas toujours ce que vous voulez pour un travail simple, à fort volume ou sensible à la latence, où un modèle plus petit et plus rapide suffirait. Si votre tâche est courte et simple, ou si vous avez besoin d'une entrée multimodale, cherchez ailleurs ; si vous avez besoin de raisonnement à long contexte, d'utilisation d'outils ou de sortie structurée, ce modèle est le choix approprié.