Kimi K2 Thinking
Réseau Neuronal
Kimi K2 Thinking est un modèle de raisonnement ouvert de Moonshot AI pour les tâches d'agent, disponible via l'API Kimi K2 Thinking.
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 Thinking?
Kimi K2 Thinking est un modèle de raisonnement ouvert de Moonshot AI, suite de la série K2 basée sur l'architecture Mixture-of-Experts avec un billion de paramètres. L'accent est mis sur les scénarios d'agent et les longues chaînes de raisonnement : il est conçu pour des tâches nécessitant une séquence d'étapes. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère, avec un paiement en roubles par utilisation, sans abonnement. Plus de 250 modèles sont disponibles dans la même fenêtre pour comparer les réponses de Kimi K2. Pour les intégrations, une API compatible OpenAI est disponible : une seule connexion, le modèle change via le paramètre de requête. Utile aux analystes pour des conclusions complexes, aux chercheurs pour les hypothèses, aux développeurs comme noyau de raisonnement pour les agents, et aux équipes produit pour des prototypes à logique complexe.Questions fréquentes sur Kimi K2 Thinking
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 Thinking est un modèle de raisonnement de Moonshot AI. Il traite le texte et les documents, accepte des images et appelle des fonctions externes. Avec un contexte de 262 144 jetons, il permet de gérer de grands dépôts, des spécifications techniques ou des fichiers, ce qui le rend idéal pour le code, l'analyse et les scénarios d'agent.
La limite de sortie est de 235 929 jetons par réponse. Cela suffit pour un document technique volumineux, un grand module de code ou une analyse détaillée. En pratique, la longueur dépend de la tâche et de votre prompt : pour un maximum, demandez explicitement une réponse détaillée et complète.
Oui, c'est la caractéristique clé de la version thinking : avant de répondre, le modèle construit une chaîne de raisonnement. Ce mode aide considérablement en mathématiques, logique, débogage de code et tâches complexes où la précision prime sur la vitesse.
Oui. Le modèle prend en charge l'appel de fonctions et la sortie structurée en JSON, permettant une connexion à vos outils, bases de données et services externes. Sur BotHub, cela est disponible via une API compatible OpenAI : vous pouvez changer de modèle sans réécrire l'intégration.
Les images et documents peuvent être envoyés avec du texte : pour analyser une capture d'écran, un schéma, un tableau ou un fichier. La prise en charge de l'audio et de la vidéo n'est pas indiquée. La génération d'images ou de sons ne concerne pas ce modèle : il ne produit que du texte.
Nous n'avons pas de mesures spécifiques par langue, il est donc préférable de tester le modèle sur votre tâche. Vous pouvez facilement passer à un autre modèle sur BotHub en un clic. L'accès est disponible sans VPN, avec paiement en roubles.