moonshotai

MoonshotAI: Kimi K2 0711

moonshotai/kimi-k2

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

Kimi K2, listado no OpenRouter como Kimi K2 0711 e documentado como Kimi-K2-Instruct, é um modelo de linguagem mixture-of-experts da MoonshotAI com 1 trilhão de parâmetros totais e 32 bilhões ativados por token. A Moonshot descreve esta variante pós-treinada como um modelo de nível reflexo para chat geral e trabalho agêntico, com uso de ferramentas e resolução autônoma de problemas como objetivos de projeto declarados. O OpenRouter o expõe como texto-para-texto com contexto de 128K tokens. Avaliações reportadas pelo fornecedor enfatizam programação, uso de ferramentas e matemática, enquanto as listagens de design-arena do OpenRouter o colocam em posições intermediárias; a verificação independente é limitada.[1][2]

Pontos fortes

Avaliações reportadas pelo fornecedor destacam programação, engenharia de software agêntica e uso de ferramentas, coerentes com a otimização agêntica declarada pela Moonshot; os resultados de design-arena do OpenRouter mostram taxas de vitória próximas do equilíbrio em categorias de design de código.[1][2]
Arquitetura esparsa de grande escala (1 trilhão de parâmetros totais, 32 bilhões ativados, 384 especialistas) treinada com 15,5 trilhões de tokens, que segundo a Moonshot foi concluída sem instabilidade graças ao seu otimizador MuonClip.[2]
Superfície de API prática segundo o catálogo do OpenRouter: chamadas de ferramentas, controles comuns de amostragem e uma janela de contexto de 128K tokens para entradas longas.[1][2]

Limitações

Entrada e saída apenas de texto, e a variante Instruct é descrita pela Moonshot como de nível reflexo, sem pensamento prolongado; a listagem do OpenRouter também não indica modo de raciocínio.[1][2]
A evidência de capacidades vem em grande parte dos benchmarks reportados pela própria Moonshot somada a metadados de catálogo; este pacote de fontes não incluiu validação independente de terceiros, portanto o desempenho na sua carga de trabalho deve ser testado diretamente.[1][2]
A documentação aponta para uma revisão Instruct mais recente (0905), então esta listagem 0711 pode não refletir a versão mais atual; o catálogo indica corte de conhecimento no fim de 2024.[1][2]

Onde usar

Vale avaliar para assistentes de programação agênticos e fluxos com uso de ferramentas, dado o foco de projeto declarado pelo fornecedor e seus resultados autorreportados; confirme com suas próprias tarefas antes de adotar.[2]
Opção plausível para chat de uso geral e seguimento de instruções que se beneficie de contexto longo e suporte a chamadas de ferramentas, conforme o catálogo e a documentação.[1][2]
Candidato para implantações roteadas pelo OpenRouter, onde preços estruturados e opções de endpoints deste modelo podem ser comparados nas tabelas ao vivo.[1]

Fontes

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

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: moonshotai/kimi-k2
Criador: moonshotai
Adicionado ao OpenRouter: 11.07.2025
Comprimento de contexto: 131,072
Modalidade: text->text
Modalidades de entrada: text
Modalidades de saída: text
Preço por token: USD por 1M de tokens: entrada $0.570 / saída $2.3
Corte de conhecimento: 31.12.2024
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	parâmetros: tool_choice, tools
Escrita	Sem medição	saída: text
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	—

Avaliações

Fonte	Benchmark	Valor	Nota	Dados obtidos
Design Arena	models · codecategoriestaxa de vitória 51.7% · posição 124	1,024Elo	CC — abaixo da faixa B	13.11.2026
Design Arena	models · dataviztaxa de vitória 49.4% · posição 116	1,018Elo	CC — abaixo da faixa B	13.11.2026
Design Arena	models · gamedevtaxa de vitória 46.4% · posição 129	964Elo	CC — abaixo da faixa B	13.11.2026
Design Arena	models · uicomponenttaxa de vitória 55.1% · posição 118	1,021Elo	CC — abaixo da faixa B	13.11.2026
Design Arena	models · websitetaxa de vitória 53.1% · posição 126	1,043Elo	CC — abaixo da faixa B	13.11.2026

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
Novitafp8	131,072	$0.570	$2.3	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.