moonshotai

MoonshotAI: Kimi K2 0711

moonshotai/kimi-k2

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Kimi K2, listado en OpenRouter como Kimi K2 0711 y documentado como Kimi-K2-Instruct, es un modelo de lenguaje mixture-of-experts de MoonshotAI con 1 billón de parámetros totales y 32 mil millones activados por token. Moonshot describe esta variante post-entrenada como un modelo de grado reflejo para chat general y trabajo agéntico, con uso de herramientas y resolución autónoma de problemas como objetivos de diseño declarados. OpenRouter lo expone como texto-a-texto con contexto de 128K tokens. Las evaluaciones reportadas por el proveedor enfatizan programación, uso de herramientas y matemáticas, mientras que las listas de design-arena de OpenRouter lo ubican en posiciones medias; la verificación independiente es limitada.[1][2]

Puntos fuertes

Las evaluaciones reportadas por el proveedor destacan programación, ingeniería de software agéntica y uso de herramientas, coherentes con la optimización agéntica declarada por Moonshot; los resultados de design-arena de OpenRouter muestran tasas de victoria cercanas al empate en categorías de diseño de código.[1][2]
Arquitectura dispersa de gran escala (1 billón de parámetros totales, 32 mil millones activados, 384 expertos) entrenada con 15,5 billones de tokens, que según Moonshot se completó sin inestabilidad gracias a su optimizador MuonClip.[2]
Superficie de API práctica según el catálogo de OpenRouter: llamadas a herramientas, controles comunes de muestreo y una ventana de contexto de 128K tokens para entradas largas.[1][2]

Limitaciones

Entrada y salida solo de texto, y la variante Instruct es descrita por Moonshot como de grado reflejo sin pensamiento prolongado; el listado de OpenRouter tampoco muestra modo de razonamiento.[1][2]
La evidencia de capacidades proviene en gran parte de los benchmarks reportados por Moonshot más metadatos de catálogo; este paquete de fuentes no incluyó validación independiente de terceros, por lo que conviene probar el rendimiento en su carga de trabajo.[1][2]
La documentación apunta a una revisión Instruct más reciente (0905), por lo que este listado 0711 podría no reflejar la versión última; el catálogo indica un corte de conocimiento a finales de 2024.[1][2]

Dónde utilizarlo

Vale la pena evaluarlo para asistentes de programación agénticos y flujos con uso de herramientas, dado el enfoque de diseño declarado por el proveedor y sus resultados autorreportados; confirme con sus propias tareas antes de adoptarlo.[2]
Opción plausible para chat de propósito general y seguimiento de instrucciones que se beneficie de contexto largo y soporte de llamadas a herramientas, según el catálogo y la documentación.[1][2]
Candidato para despliegues enrutados mediante OpenRouter, donde los precios estructurados y las opciones de endpoints de este modelo pueden compararse en las tablas en vivo.[1]

Fuentes

[1] OpenRouter catalog · MoonshotAI: Kimi K2 0711Fuentes consultadas: 13 nov 2026
[2] Model documentation · MoonshotAI: Kimi K2 0711Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Kimi K2 Instruct is a large-scale Mixture-of-Experts (MoE) language model developed by Moonshot AI, featuring 1 trillion total parameters with 32 billion active per forward pass. It is optimized for...

Especificaciones

ID del modelo: moonshotai/kimi-k2
Creador: moonshotai
Añadido a OpenRouter: 11.07.2025
Longitud de contexto: 131,072
Modalidad: text->text
Modalidades de entrada: text
Modalidades de salida: text
Precio por token: USD por 1M de tokens: entrada $0.570 / salida $2.3
Corte de conocimiento: 31.12.2024
Fecha de expiración: —

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

Tarea	Nota	Capacidad declarada por la fuente
Calidad general	Sin medición	—
Programación	Sin medición	—
Agentes	Sin medición	parámetros: tool_choice, tools
Escritura	Sin medición	salida: text
Razonamiento	Sin medición	—
Análisis de documentos	Sin medición	—
Visión	Sin medición	—
Generación de imágenes	Sin medición	—
Audio	Sin medición	—
Vídeo	Sin medición	—
Embeddings	Sin medición	—

Evaluaciones

Fuente	Benchmark	Valor	Nota	Datos obtenidos
Design Arena	models · codecategoriestasa de victoria 51.7% · posición 124	1,024Elo	CC — por debajo de la franja B	13.11.2026
Design Arena	models · dataviztasa de victoria 49.4% · posición 116	1,018Elo	CC — por debajo de la franja B	13.11.2026
Design Arena	models · gamedevtasa de victoria 46.4% · posición 129	964Elo	CC — por debajo de la franja B	13.11.2026
Design Arena	models · uicomponenttasa de victoria 55.1% · posición 118	1,021Elo	CC — por debajo de la franja B	13.11.2026
Design Arena	models · websitetasa de victoria 53.1% · posición 126	1,043Elo	CC — por debajo de la franja B	13.11.2026

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

S — S — 10% superior de la cohorte
A — A — siguiente 20% de la cohorte
B — B — siguiente 30% de la cohorte
C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

Proveedor	Longitud de contexto	Precio entrada /1M	Precio salida /1M	Latencia p50 (30m, s)	Rendimiento p50 (30m, tok/s)	Disponibilidad (30m)
Novitafp8	131,072	$0.570	$2.3	—	—	100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.