MoonshotAI: Kimi K2 0711

Kimi K2 0711 è un modello testuale di Moonshot AI, identificato su api14 come moonshotai/kimi-k2. È un modello linguistico Mixture-of-Experts (MoE) su larga scala con 1 trilione di parametri totali e 32 miliardi attivi per passaggio in avanti, il che significa che solo una frazione della rete viene coinvolta per ogni token che genera. La data di rilascio del provider è 2025-07-11, e il knowledge cutoff del modello è 2024-12-31, quindi qualsiasi cosa successiva a quella data è al di fuori di ciò che ha appreso durante l'addestramento.

Il modello funziona con testo in input e testo in output. Accetta una finestra di contesto di 131.072 token e può produrre fino a 98.304 token in una singola risposta, che è un ampio budget di output rispetto alla maggior parte dei modelli di chat. Questa combinazione si adatta a carichi di lavoro in cui l'input è lungo (documentazione, trascrizioni, basi di codice) e anche la risposta attesa è lunga, come un report completo o un refactoring sostanziale anziché una risposta di una riga.

Poiché supporta il tool calling, Kimi K2 si adatta a flussi di lavoro in stile agente in cui il modello decide quando invocare una funzione e quali argomenti passare. Gli usi tipici includono assistenti multi step che interrogano API interne, retrieval augmented generation su grandi insiemi di documenti, riassunto e redazione di testi lunghi, e generazione o revisione di codice in cui il modello deve mantenere molto contesto circostante. L'elevato limite di output lo rende inoltre ragionevole per attività che altrimenti dovrebbero essere suddivise su più chiamate.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "moonshotai/kimi-k2", quindi gli SDK e i client OpenAI esistenti funzionano cambiando solo la base URL e la chiave. I parametri di richiesta che supporta sono frequency_penalty, max_tokens, presence_penalty, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k e top_p. La presenza di seed consente un campionamento più riproducibile, e tools più tool_choice ti permettono di definire schemi di funzioni e controllare se il modello deve chiamarne una.

Tieni presenti i limiti quando lo scegli. Input e output sono solo testo, quindi attività su immagini o audio richiedono un modello diverso, e il contesto di 131.072 token e il limite di output di 98.304 token delimitano quanto può essere gestito in una singola richiesta. Il knowledge cutoff del 2024-12-31 significa che gli eventi recenti non sono coperti a meno che tu non li fornisca nel prompt o tramite tools. Per richieste brevi e semplici, un modello più piccolo potrebbe essere più adatto.