MoonshotAI: Kimi K2.5 API
Modèle multimodal natif open-weight de Moonshot AI, doté d'un contexte de 262K tokens, de capacités de codage visuel et d'un Agent Swarm coordonnant jusqu'à 100 sous-agents.
Kimi K2.5 est un modèle multimodal natif développé par Moonshot AI, capable de comprendre à la fois le texte et les images. Issu d'un entraînement continu sur environ 15 billions de tokens mixtes vision-texte à partir de Kimi-K2-Base, il repose sur une architecture Mixture-of-Experts comptant 1 000 milliards (1,04 billion) de paramètres au total et 32B de paramètres actifs par inférence, auxquels s'ajoute un encodeur visuel MoonViT de 400 millions de paramètres. Il propose un mode réflexion avec analyse étape par étape et un mode instantané pour des réponses rapides.
Ses capacités couvrent la génération de code à partir de spécifications visuelles telles que des maquettes d'interface ou des workflows vidéo, la coordination autonome d'outils pour le traitement de données visuelles, ainsi que l'Agent Swarm, qui décompose des tâches complexes en sous-tâches parallèles confiées à des agents spécialisés instanciés dynamiquement. Ce dispositif peut coordonner jusqu'à 100 sous-agents et exécuter jusqu'à 1 500 appels d'outils. Le modèle prend en charge l'appel d'outils via une API compatible OpenAI/Anthropic et fonctionne sur des moteurs d'inférence tels que vLLM, SGLang et KTransformers. Kimi Code CLI est recommandé comme framework d'agent pour des performances optimales.
Kimi K2.5 se destine notamment à la coordination multi-agents à grande échelle, aux pipelines de traitement de données complexes combinant scraping, nettoyage, analyse et visualisation en parallèle lorsque les dépendances le permettent, ainsi qu'aux workflows agentiques exécutant 200 à 300 appels d'outils de manière autonome. Il atteint des performances de premier plan en codage, vision et tâches agentiques tout en maintenant des coûts d'inférence compétitifs. Publié sous licence MIT modifiée autorisant l'usage commercial, il se distingue de Kimi K2 Thinking, son prédécesseur dépourvu d'entrée multimodale.
Mis à jour:
ID DU MODÈLE
kimi-k2.5- Contexte
- 262.144K
- Sortie max.
- 235.929K
- API recommandée
- messages
- Entrée
- text / image
- Sortie
- text
Points clés
- Multimodal natif texte et images
- Contexte de 262K tokens
- Agent Swarm jusqu'à 100 sous-agents
- Jusqu'à 1 500 appels d'outils
- Modes réflexion et instantané
- Licence MIT modifiée, usage commercial
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | ||||
|---|---|---|---|---|
| $0.49 | $2.5 | $0.2 | ||
| $0.6 | $3 | Non publié |
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Ce que $10 permettent d'acheter
- Entrée
- 20,4 M tokens
- Sortie
- 4 M tokens
Estimation d'après les prix actuels d'entrée et de sortie, hors remises.
Benchmarks
- 1er
Vals Index
classement parmi les modèles open-weight
- 1er
Vals Multimodal Index
classement parmi les modèles open-weight
- 1er
SWE-bench Verified
classement parmi les modèles open-weight
- 1er
Terminal-Bench 2.0
classement parmi les modèles open-weight
- 3e
Finance Agent
classement parmi tous les modèles
- 3e
SAGE
classement parmi tous les modèles
- 50.2%
HLE
avec utilisation d'outils
- 16e
CaseLaw
rang le plus bas, à moins de 10% de la première place
Scores tels que publiés par le fournisseur du modèle.
Raisonnement
- Activé par défaut
- Oui
- Toujours activé
- Non
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
kimi-k2.5Ce modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "kimi-k2.5",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k2.5",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringkimi-k2.5ID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.seed———stop———min_p———toolsarray—Définitions de tool calling conformes au schéma compatible.top_k———top_p———logprobs———reasoning———logit_bias———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.top_logprobs———response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———Questions fréquentes
Qu'est-ce que MoonshotAI: Kimi K2.5?
Kimi K2.5 est un modèle multimodal natif développé par Moonshot AI, capable de comprendre à la fois le texte et les images. Issu d'un entraînement continu sur environ 15 billions de tokens mixtes vision-texte à partir de Kimi-K2-Base, il repose sur une architecture Mixture-of-Experts comptant 1 000 milliards (1,04 billion) de paramètres au total et 32B de paramètres actifs par inférence, auxquels s'ajoute un encodeur visuel MoonViT de 400 millions de paramètres. Il propose un mode réflexion avec analyse étape par étape et un mode instantané pour des réponses rapides. Ses capacités couvrent la génération de code à partir de spécifications visuelles telles que des maquettes d'interface ou des workflows vidéo, la coordination autonome d'outils pour le traitement de données visuelles, ainsi que l'Agent Swarm, qui décompose des tâches complexes en sous-tâches parallèles confiées à des agents spécialisés instanciés dynamiquement. Ce dispositif peut coordonner jusqu'à 100 sous-agents et exécuter jusqu'à 1 500 appels d'outils. Le modèle prend en charge l'appel d'outils via une API compatible OpenAI/Anthropic et fonctionne sur des moteurs d'inférence tels que vLLM, SGLang et KTransformers. Kimi Code CLI est recommandé comme framework d'agent pour des performances optimales. Kimi K2.5 se destine notamment à la coordination multi-agents à grande échelle, aux pipelines de traitement de données complexes combinant scraping, nettoyage, analyse et visualisation en parallèle lorsque les dépendances le permettent, ainsi qu'aux workflows agentiques exécutant 200 à 300 appels d'outils de manière autonome. Il atteint des performances de premier plan en codage, vision et tâches agentiques tout en maintenant des coûts d'inférence compétitifs. Publié sous licence MIT modifiée autorisant l'usage commercial, il se distingue de Kimi K2 Thinking, son prédécesseur dépourvu d'entrée multimodale.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quelles entrées Kimi K2.5 accepte-t-il ?
Il s'agit d'un modèle multimodal natif qui comprend le texte et les images en entrée, et produit du texte en sortie.
Quelle est la longueur de contexte prise en charge ?
Kimi K2.5 dispose d'un contexte de 262K tokens.
Quels types de tâches sont les mieux adaptés ?
Il excelle dans la coordination multi-agents, les pipelines de traitement de données, la génération de code à partir de spécifications visuelles et les workflows agentiques autonomes.
Quelle est la différence avec Kimi K2 Thinking ?
Kimi K2 Thinking ne prenait pas en charge l'entrée multimodale, tandis que Kimi K2.5 comprend à la fois le texte et les images.
Comment appeler des outils avec ce modèle ?
L'appel d'outils est pris en charge via une API compatible OpenAI/Anthropic, et Kimi Code CLI est recommandé comme framework d'agent.
Quels réglages de température sont conseillés ?
La température recommandée est de 1.0 en mode réflexion et de 0.6 en mode instantané, avec top_p à 0.95.
Modèles liés
MoonshotAI: Kimi K3.1 Pro
Moonshot AIkimi-k3.1-proKimi K3.1 Pro est un modèle de raisonnement multimodal open-weight de Moonshot AI, doté d'une fenêtre de contexte d'un million de tokens et de capacités agentiques avancées.
Contexte
1.049M
Sortie max.
943.718K
Tokens d'entrée
$4 / 1M tokens
Tokens de sortie
$20 / 1M tokens
MoonshotAI: Kimi K3
Moonshot AIkimi-k3Kimi K3 est un modèle open-weight de Moonshot AI à 2,8 billions de paramètres, avec une fenêtre de contexte de 1M de tokens et des capacités de raisonnement toujours activées.
Contexte
1.049M
Sortie max.
943.718K
Tokens d'entrée
$3 / 1M tokens
Tokens de sortie
$15 / 1M tokens