Guía de la API de Kimi K2 Thinking: Cómo Construir Agentes Multi-Paso Sin Perder el Estado de Razonamiento

Resumen

• Usa kimi-k2-thinking cuando quieras un modelo dedicado que piense siempre para agentes multi-paso.
• Usa kimi-k2.5 cuando prefieras un modelo predeterminado más flexible que puede activar o desactivar el pensamiento.
• Mantén reasoning_content en el contexto, configura max_tokens en al menos 16000, deja temperature en 1.0 y prefiere el modo streaming.
• La documentación revisada de Moonshot admite claramente llamadas a herramientas en múltiples pasos, pero no publica una cuota pública estable de "300 pasos" en las páginas utilizadas para esta reescritura, por lo que tu aplicación debe aplicar sus propios límites de iteración.

Lo que la documentación actual de Moonshot confirma

¿Por qué ruta de Kimi deberías empezar?

El detalle de implementación que la mayoría de las guías pasa por alto

Eso importa porque un agente multi-paso no es una sola solicitud. Es un bucle:

1. El modelo razona.
2. El modelo llama a una herramienta.
3. Tu aplicación ejecuta la herramienta.
4. El modelo razona de nuevo usando el resultado anterior de la herramienta.

Bucle mínimo de agente multi-paso

Este ejemplo es intencionalmente pequeño. El objetivo es mostrar el flujo de control que importa para los modelos de razonamiento de Kimi.

import json
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.moonshot.ai/v1",
    api_key=os.environ["MOONSHOT_API_KEY"],
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_docs",
            "description": "Search internal product documentation",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string"}
                },
                "required": ["query"]
            }
        }
    }
]

messages = [
    {"role": "system", "content": "You are a careful research agent."},
    {"role": "user", "content": "Find the API limits for our billing service and summarize the risks."},
]

for _ in range(8):
    completion = client.chat.completions.create(
        model="kimi-k2-thinking",
        messages=messages,
        tools=tools,
        tool_choice="auto",
        temperature=1.0,
        max_tokens=16000,
    )

    message = completion.choices[0].message

    # Preserve the assistant turn exactly, including reasoning_content when present.
    messages.append(message.model_dump(exclude_none=True))

    if not message.tool_calls:
        print(message.content)
        break

    for tool_call in message.tool_calls:
        args = json.loads(tool_call.function.arguments)

        if tool_call.function.name == "search_docs":
            result = {"matches": ["rate_limit=500 rpm", "burst_limit=1000 rpm"]}
        else:
            result = {"error": "unknown tool"}

        messages.append(
            {
                "role": "tool",
                "tool_call_id": tool_call.id,
                "name": tool_call.function.name,
                "content": json.dumps(result),
            }
        )

Cuatro reglas que importan más que el marketing del modelo

Vale la pena añadir dos notas más para producción:

• Trata la longitud del bucle como tu política. La documentación revisada indica que Kimi admite razonamiento profundo en múltiples llamadas a herramientas, pero no expone una cuota pública universal estable que deba codificarse en una entrada de blog.
• Valida los argumentos de las herramientas antes de ejecutar efectos secundarios. Eso es orientación de implementación, no una garantía de Moonshot, pero es la diferencia entre un agente útil y un bucle de reintentos costoso.

Usa Kimi K2 Thinking a través de EvoLink

La forma más sencilla de acceder a Kimi K2 Thinking sin configurar credenciales de Moonshot directamente es a través de la pasarela compatible con OpenAI de EvoLink.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.evolink.ai/v1",
    api_key="YOUR_EVOLINK_API_KEY",
)

completion = client.chat.completions.create(
    model="kimi-k2-thinking",
    messages=[{"role": "user", "content": "Analyze the tradeoffs of event sourcing vs CRUD."}],
    temperature=1.0,
    max_tokens=16000,
)

Alternativa: integración con OpenClaw

Si tu entorno de ejecución es OpenClaw en lugar de una API directa o una pasarela EvoLink, la documentación del proveedor Moonshot de OpenClaw actualmente lista:

• moonshot/kimi-k2.5
• moonshot/kimi-k2-thinking
• moonshot/kimi-k2-thinking-turbo

El atajo de incorporación documentado es:

openclaw onboard --auth-choice moonshot-api-key
openclaw models list
openclaw models set moonshot/kimi-k2-thinking
openclaw models status

OpenClaw también documenta control binario nativo del razonamiento para Moonshot:

• /think off desactiva el razonamiento de Moonshot
• cualquier nivel de razonamiento distinto de off se asigna de nuevo a thinking.type=enabled

Eso es útil si quieres una sola pasarela que pueda alternar entre un paso sin razonamiento más económico y un paso de razonamiento más profundo.

Un marco de decisión más seguro

Preguntas frecuentes

¿Es Kimi K2 Thinking lo mismo que Kimi K2.5?

¿Qué falla en la mayoría de los agentes Kimi multi-paso?

¿Cuenta reasoning_content en los tokens?

¿Debería desactivar el razonamiento para cada tarea simple?

¿Puedo usar Kimi K2 Thinking a través de EvoLink?

¿Puedo usar Kimi K2 Thinking en OpenClaw?

¿De dónde debo obtener los datos de precios?

De las páginas de precios en vivo de Moonshot, no de tablas de referencia de terceros ni de publicaciones comparativas más antiguas. Esta reescritura evita intencionalmente afirmaciones de precios codificados porque esos valores cambian más rápido que la orientación sobre el comportamiento del modelo.

Prueba Kimi a Través de Una Sola Pasarela

Si quieres probar Kimi junto con Claude, GPT y otros modelos aptos para agentes sin conectar cada proveedor por separado, usa una capa de pasarela y verifica las rutas disponibles actualmente antes de publicar una comparación de costos.

Fuentes

• Guía de modelos de razonamiento de Moonshot
• Índice de precios de la API de Moonshot
• Documentación del proveedor Moonshot de OpenClaw