Kimi K2
Réseau Neuronal
Kimi K2 API : grand modèle de langage Moonshot AI basé sur l'architecture Mixture-of-Experts : 1 000 milliards de paramètres, 32 Md actifs.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Kimi K2?
Kimi K2 Instruct est un grand modèle de langage de Moonshot AI basé sur l'architecture Mixture-of-Experts : il compte mille milliards de paramètres, mais n'en active qu'environ 32 milliards par passage, traitant ainsi seulement une partie du réseau. Cette version instruction est conçue pour exécuter des tâches via chat ou API. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère : vous payez en roubles à l'usage, sans abonnement, et les jetons non utilisés n'expirent pas. Les autres modèles de l'agrégateur sont disponibles dans la même fenêtre, permettant de comparer les réponses et de changer de modèle sans réécrire l'intégration. L'API est unifiée, les échanges sont chiffrés via AES-GCM, et les équipes disposent d'un contrat, de factures et d'un panneau d'administration avec limites. Idéal pour analyser et refactoriser du code, rédiger et relire de la documentation, structurer des données disparates, préparer des brouillons de support ou créer un service multimodal où Kimi K2 gère une partie des requêtes.Questions fréquentes sur Kimi K2
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Kimi K2 est un modèle textuel de Moonshot AI avec un contexte de 131 072 jetons. Il accepte du texte, des documents et des images, et peut appeler des fonctions. Utilisez-le pour le code, l'analyse de longs fichiers et rapports, l'analytique et les scénarios d'agents nécessitant une grande mémoire contextuelle.
La limite par réponse est de 98 304 jetons, soit des dizaines de pages. Cela suffit pour un grand module de code, un rapport détaillé ou une analyse volumineuse sans interruption. Si la réponse s'arrête, demandez simplement de continuer.
Il n'y a pas de mention spécifique de raisonnement caché dans nos données, mais cela ne signifie pas que le modèle ne le peut pas. Le plus simple est de le gérer via le prompt : demandez de décomposer la tâche étape par étape, de lister les options, puis de donner la conclusion.
Oui, l'appel de fonctions et la sortie JSON structurée sont confirmés. Le modèle peut être connecté à des outils externes, à la recherche ou à une base de données pour obtenir des réponses selon un schéma strict. Sur BotHub, cela fonctionne via une API compatible OpenAI, donc changer de modèle ne nécessite pas de réécrire l'intégration.
Les images et documents, oui, peuvent être envoyés pour analyse. Il n'y a pas d'indication concernant l'audio et la vidéo, donc pour ces tâches, il est préférable d'utiliser des modèles spécialisés : sur BotHub, ils s'ouvrent dans la même fenêtre.
Il n'y a pas d'indication sur les langues dans nos données, nous ne pouvons donc pas nous avancer. Vous pouvez le vérifier en une minute : donnez à Kimi K2 un texte réel et comparez avec la réponse d'un autre modèle dans la même fenêtre BotHub. Paiement à l'usage, sans abonnement.