moonshotai
MoonshotAI: Kimi K2 Thinking
moonshotai/kimi-k2-thinking
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Kimi K2 Thinking es el modelo de razonamiento de pesos abiertos de Moonshot AI, catalogado como moonshotai/kimi-k2-thinking. Su documentación describe una arquitectura Mixture-of-Experts de un billón de parámetros con 32B activados por token, una ventana de contexto de 256K y cuantización INT4 nativa mediante entrenamiento consciente de la cuantización. El razonamiento es obligatorio según el catálogo de OpenRouter, y la documentación destaca la cadena de pensamiento intercalada con llamadas a funciones en ejecuciones agénticas largas. Los resultados reportados son sólidos en razonamiento, búsqueda agéntica y programación, aunque provienen principalmente del propio fabricante.[1][2]
Puntos fuertes
- El fabricante reporta un uso de herramientas estable y orientado a objetivos a lo largo de cientos de llamadas secuenciales, con razonamiento intercalado entre invocaciones de funciones.[2]
- Amplia ventana de contexto de 256K y pesos INT4 nativos; la ficha afirma que el entrenamiento consciente de la cuantización preserva la precisión mientras reduce latencia y memoria de GPU.[1][2]
- Pesos abiertos bajo licencia MIT modificada, con guías de despliegue para vLLM, SGLang y KTransformers y soporte de API para herramientas y salidas estructuradas.[1][2]
Limitaciones
- Razonamiento siempre activo: el catálogo de OpenRouter lo marca como obligatorio y sin niveles de esfuerzo configurables, por lo que no puede desactivarse en consultas sencillas.[1]
- La mayoría de los datos de rendimiento provienen del fabricante; la propia ficha advierte que su modo de chat de consumo podría no reproducir los resultados, y las mediciones independientes de este paquete son escasas.[1][2]
- Entrada y salida solo de texto; la fecha de corte de conocimiento y el hardware mínimo de despliegue no se indican en estas fuentes, por lo que conviene validar el autoalojamiento según la carga de trabajo.[1][2]
Dónde utilizarlo
- Potencialmente adecuado para flujos agénticos de investigación o navegación que encadenan muchas llamadas a herramientas, según las afirmaciones del fabricante; conviene pilotearlo antes de usarlo en producción.[2]
- Candidato para asistentes de programación y agentes de ingeniería de software, dado el soporte documentado de llamadas a herramientas y las evaluaciones de código reportadas por el fabricante.[1][2]
- Preguntas y respuestas sobre documentos extensos o tareas analíticas de varios pasos que aprovechen la amplia ventana de contexto y el razonamiento integrado.[1][2]
Fuentes
- [1] OpenRouter catalog · MoonshotAI: Kimi K2 ThinkingFuentes consultadas: 13 nov 2026
- [2] Model documentation · MoonshotAI: Kimi K2 ThinkingFuentes 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 Thinking is Moonshot AI’s most advanced open reasoning model to date, extending the K2 series into agentic, long-horizon reasoning. Built on the trillion-parameter Mixture-of-Experts (MoE) architecture introduced in...
Especificaciones
- ID del modelo
- moonshotai/kimi-k2-thinking
- ID canónico
- moonshotai/kimi-k2-thinking-20251106
- Creador
- moonshotai
- Añadido a OpenRouter
- 06.11.2025
- Longitud de contexto
- 262,144
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.600 / salida $2.5
- Corte de conocimiento
- —
- 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 | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Programación | CC — por debajo de la franja B | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| 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 |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 21 | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 48.8% · posición 111 | 1,106Elo | 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) |
|---|---|---|---|---|---|---|
| Novitabf16 | 262,144 | $0.600 | $2.5 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.