Kimi (Moonshot AI)

Kimi es la familia de modelos de lenguaje desarrollada por Moonshot AI, accesible mediante una API compatible con la interfaz de OpenAI y publicada en parte como pesos abiertos.

El repositorio oficial de Moonshot AI en GitHub describe Kimi K2 como un modelo de mezcla de expertos con 1 billón de parámetros en total y 32 mil millones activos por token. La versión original tiene un contexto de 128 mil tokens y se entrenó con el optimizador MuonClip en 15,5 billones de tokens, según el propio repositorio.

En Hugging Face, la organización moonshotai publica los pesos en variantes separadas. La variante Base sirve a quien quiere ajustar el modelo. La variante Instruct atiende conversación y tareas con agentes, sin razonamiento largo. La variante Thinking se describe como un agente que razona y llama herramientas a lo largo de 200 a 300 pasos secuenciales.

Para usarlo en producción por API, la plataforma de Kimi mantiene guías de inicio rápido por modelo, una referencia de Chat Completions y documentación de llamadas a herramientas. La lista de modelos cambia con frecuencia, y la documentación de la plataforma es la referencia para saber cuál está vigente.

Kimi está indicado para equipos técnicos que necesitan un modelo de lenguaje para agentes, programación y tareas de contexto largo, por API o con pesos abiertos para alojar por cuenta propia.

Los desarrolladores de aplicaciones encuentran una API compatible con el SDK de OpenAI. Las guías oficiales piden Python 3.9 o superior, el SDK de OpenAI y una clave de API de la plataforma. La región de la cuenta importa: la documentación en inglés y la china usan direcciones de API distintas, así que la clave debe usarse en la dirección de la plataforma donde se creó.

Los equipos que arman agentes usan la llamada a herramientas, con esquema en JSON Schema, y las herramientas oficiales alojadas por la plataforma, como la búsqueda web.

Los equipos de investigación y aprendizaje automático encuentran en Hugging Face la variante Base para ajuste fino y la Instruct para uso directo. Quien aloja los pesos asume la operación de inferencia de un modelo con 1 billón de parámetros en total. Quien prefiere no operar infraestructura usa la API.

Antes de empezar, defina qué modelo de la lista actual de la plataforma sirve para la tarea, porque las páginas de documentación cubren generaciones distintas.

Las principales funciones de Kimi son la familia de modelos Kimi K2 de mezcla de expertos, la llamada a herramientas por API y las herramientas oficiales alojadas por la plataforma.

• Modelos en variantes: Base, Instruct y Thinking, publicados en Hugging Face por la organización moonshotai, además de una página propia en la documentación para una variante orientada a código.
• Contexto largo: el repositorio informa 128 mil tokens en la versión original, y la página de una revisión posterior de la variante Instruct en Hugging Face cita 256 mil tokens.
• Llamada a herramientas: las herramientas se declaran en JSON Schema, y el parámetro de elección acepta auto, none, required o la indicación de una función específica.
• Herramientas oficiales: la documentación describe herramientas alojadas, como la búsqueda web, a las que se accede mediante un flujo propio de declaración y ejecución.
• Contenido de razonamiento: la referencia de Chat Completions indica devolver el mensaje completo del asistente, incluidos reasoning_content y tool_calls, sin cambios.
• Compatibilidad: la API sigue el formato del SDK de OpenAI, lo que permite reutilizar código de integración existente.

La página de Thinking describe el uso de herramientas encadenadas en 200 a 300 pasos secuenciales, según Hugging Face.

Kimi vale la pena para quien quiere pesos abiertos de un modelo de contexto largo o una API compatible con el SDK de OpenAI para agentes, y menos para quien necesita una lista de modelos estable.

Ventajas:

• Pesos publicados en Hugging Face en las variantes Base e Instruct, lo que permite ajuste fino y alojamiento propio.
• Contexto de 128 mil tokens en la versión original, ampliado a 256 mil en una revisión posterior, según las páginas oficiales.
• API compatible con el SDK de OpenAI, con llamada a herramientas y herramientas oficiales como la búsqueda web.
• Variante Thinking descrita para encadenar de 200 a 300 llamadas a herramientas en secuencia.

Desventajas:

• La documentación lista modelos de generaciones distintas lado a lado, y hay que comprobar cuál está vigente antes de integrar.
• Las direcciones de API de la plataforma global y la china son distintas, y la clave solo vale en la región donde se creó.
• En el ciclo de herramientas, la respuesta del asistente debe devolverse completa, con reasoning_content y tool_calls, y el código de integración debe respetarlo.
• El modelo tiene 1 billón de parámetros en total, así que alojar los pesos implica operar esa inferencia por cuenta propia.

Las alternativas a Kimi son otros laboratorios que ofrecen modelos de lenguaje por API, algunos con pesos abiertos y otros solo como servicio alojado.

• DeepSeek: laboratorio chino que publica pesos abiertos de modelos de lenguaje, como Kimi, y también ofrece API.
• Alibaba Qwen: la familia Qwen, con varios modelos de pesos abiertos en distintos tamaños, además de acceso por API.
• OpenAI: ofrece modelos por API y por ChatGPT, con los modelos principales sin pesos publicados.
• Anthropic: ofrece los modelos Claude por API y por aplicación, sin pesos abiertos.
• Google: ofrece los modelos Gemini por API, y la familia Gemma tiene pesos abiertos.

La diferencia central frente a Kimi es el acceso a los pesos. Con Kimi, las variantes Base e Instruct se pueden descargar de Hugging Face y alojar por cuenta propia. Entre los laboratorios cerrados, el acceso ocurre solo por el servicio del proveedor. Entre los que publican pesos, conviene comparar la documentación de cada licencia antes de usarlos en un producto.