MoonshotAI: Kimi K2.5

Kimi K2.5 est un modèle de génération de texte de Moonshot AI, répertorié sur api14 sous l'identifiant de modèle moonshotai/kimi-k2.5. Il appartient à la catégorie texte et est décrit par son fournisseur comme un modèle multimodal natif construit sur Kimi K2, avec un pré-entraînement continu sur environ 15T de données mixtes. Si vous avez utilisé des versions antérieures de Kimi, il s'agit du successeur à prendre en compte lorsque vous avez besoin du comportement actuel de Moonshot AI plutôt que d'un ancien checkpoint.

Le modèle accepte en entrée du texte et des images et renvoie du texte en sortie, il gère donc à la fois les invites en langage naturel et les invites contenant des images accompagnées d'instructions. La fenêtre de contexte est de 262 144 tokens, ce qui est suffisamment grand pour contenir de longs documents, des conversations étendues ou des fichiers de code volumineux dans une seule requête. La sortie maximale est de 235 929 tokens, des générations longues sont donc possibles sans troncature prématurée. Les paramètres de requête pris en charge incluent temperature, top_p, top_k, min_p, repetition_penalty, frequency_penalty, presence_penalty, max_tokens, stop, seed, logit_bias, logprobs et top_logprobs. Il prend également en charge response_format et structured_outputs pour une sortie contrainte, ainsi que tools, tool_choice et reasoning avec include_reasoning pour les workflows de type agent et de raisonnement.

Ces capacités indiquent quelques usages pratiques. Le contexte long combiné à l'entrée d'images convient à l'analyse de documents et de captures d'écran, où vous collez une page ou une capture d'interface et demandez une explication ou un résumé. L'aspect de codage visuel mentionné par le fournisseur en fait un candidat raisonnable pour lire des captures d'écran d'interfaces, de diagrammes ou de code et produire des descriptions textuelles ou des corrections. La prise en charge des outils et des sorties structurées convient aux pipelines qui ont besoin que le modèle appelle des fonctions ou renvoie des réponses au format JSON. Les contrôles de raisonnement aident sur les tâches où vous souhaitez que le modèle réfléchisse à un problème avant de répondre, et le plafond de sortie élevé aide lorsque la réponse elle-même est longue, comme une réécriture complète de fichier ou un rapport détaillé.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle moonshotai/kimi-k2.5, donc le code existant du SDK OpenAI fonctionne avec un changement d'URL de base et de clé. Passez l'identifiant de modèle dans la requête, envoyez des messages avec du contenu texte ou image selon les besoins, et définissez l'un des paramètres pris en charge listés ci-dessus. Comme l'API est compatible OpenAI, des paramètres tels que temperature, top_p, max_tokens, stop, seed, response_format, tools et tool_choice se comportent comme vous vous y attendez, et les options de raisonnement et de sortie structurée sont disponibles lorsque votre client les envoie.

Gardez les limites à l'esprit lors du choix. La sortie est uniquement du texte, la génération d'images ou le travail audio nécessite donc un modèle différent. Si votre tâche est courte et simple, le grand contexte et les plafonds de sortie ne sont pas des avantages, et un modèle plus petit peut répondre plus rapidement. La date de publication du fournisseur est le 2026-01-27, vérifiez donc que vos outils et vos attentes correspondent à cette génération du modèle.