Cours
Building AI Agents with Google ADK
1 h
2.5K
L'IA open source fait à nouveau parler d'elle : Moonshot AI a récemment lancéKimi K2, un modèle linguistique de type « Mixture-of-Experts » (MoE) doté de 32 milliards de paramètres activés et d'un trillion de paramètres au total.
Dans cet article, je vais vous expliquer ce qu'est Kimi K2, comment y accéder et vous présenter des cas d'utilisation concrets de Kimi K2. Nous examinerons comment Kimi K2 peut :
- Générer du contenu web structuré et réactif
- Créez des sorties graphiques telles que des fichiers SVG.
- Faciliter la visualisation interactive des données et l'analyse statistique.
- Simulez des phénomènes scientifiques complexes
- Développer des jeux captivants
- Planifiez des itinéraires détaillés grâce à des fonctionnalités interactives.
Nous tenons nos lecteurs informés des dernières actualités en matière d'IA en leur envoyant The Median, notre newsletter gratuite du vendredi qui résume les articles clés de la semaine. Abonnez-vous et restez informé en quelques minutes par semaine :
Qu'est-ce que Kimi K2 ?
Kimi K2 est un modèle linguistique conçu par Moonshot AI, comprenant 32 milliards de paramètres activés dans un cadre étendu totalisant 1 billion de paramètres. Kimi K2 est optimisé pour les tâches d'agent. Il est conçu pour agir, exécuter et raisonner dans le cadre de tâches complexes nécessitant l'utilisation d'outils.
Kimi K2 est disponible en deux versions :
- Kimi-K2-Base, un modèle de base pour le réglage fin personnalisé ; et
- Kimi-K2-Instruct, optimisé pour les conversations générales et l'exécution de tâches autonomes.
Kimi K2 affiche des résultats prometteurs aux tests de référence, en particulier dans les domaines du codage agentique et de l'utilisation d'outils :
Source : Kimi K2
Par rapport à ses équivalents open source tels que DeepSeek V3et Qwen 2.5et LLaMA 4, Kimi K2 obtient souvent de meilleurs résultats lors des tests de performance, mais peut nécessiter une ingénierie minutieuse des invites pour obtenir des résultats optimaux dans la pratique, généralement par le biais d'un raffinement itératif. Il a même été décrit de manière informelle comme « DeepSeek V3 avec moins de têtes et plus d'experts », en raison de son architecture MoE de routage expert.
Bien que l'infrastructure API soit encore en cours de maturation et que la documentation gagnerait à être plus claire, Kimi K2 se distingue comme l'une des options les plus abordables actuellement disponibles. Il convient particulièrement aux développeurs expérimentés qui connaissent bien les flux de travail basés sur le LLM, mais les débutants pourraient rencontrer une courbe d'apprentissage plus raide.
Comment accéder à Kimi K2 ?
Vous pouvez accéder à Kimi K2 via l'interface de chat et l'API.
Discussion avec Kimi
Vous pouvez accéder à Kimi K2 via l'interface interface Kimi Chat:
Ensuite, je vais vous expliquer comment configurer Kimi K2 via l'API étape par étape. N'hésitez pas à passer directement à la section des exemples.
API Kimi K2
Vous pouvez également accéder à Kimi K2 via un point de terminaison API. Il est actuellement gratuit pour les requêtes générales dans le cadre de l'offre gratuite, qui comprend un certain nombre de requêtes avant de passer à une offre basée sur des crédits.
Vous aurez besoin d'une clé API, qui peut être générée à partir de la console développeur Moonshot. Examinons ce processus étape par étape.
Étape 1 : Génération d'une clé API
Voici comment accéder à l'API Moonshot pour accéder au modèle Kimi K2 :
- Veuillez vous connecter à la console Moonshot avec votre compte Gmail. à l'aide de votre compte Gmail.
- Veuillez cliquer sur «Recharger » sous l'onglet « Facturation » et ajouter les informations relatives à votre carte. Pour ce tutoriel, environ 5 $ suffisent. Vous recevrez un bon de réduction de 5 $ sur votre facture.
- Veuillez vous rendre dans l'onglet «API Keys » et cliquer sur «Create API Key » (Créer une clé API). Veuillez saisir le nom de la clé API et le projet (conservez les valeurs par défaut dans un premier temps), puis enregistrez la clé API pour une utilisation ultérieure.
Étape 2 : Configuration d'un environnement Python
Maintenant, configurons un environnement pour toutes nos expériences locales :
conda create -n kimi python=3.10
conda activate kimiCe code crée et active un environnement Python nommé « kimi ».
Étape 3 : Définition d'une variable globale
Il est recommandé d'exporter la clé API en tant que variable d'environnement dans votre terminal ou de l'enregistrer dans un fichier .env. Voici comment l'enregistrer dans votre environnement Python (kimi dans ce cas) :
export MOONSHOT_API_KEY="your_api_key"Pour vérifier si l'API Moonshot est correctement définie en tant que variable globale dans votre environnement, exécutez :
echo $MOONSHOT_API_KEYSi la valeur de la clé s'affiche lorsque vous exécutez la commande ci-dessus, vous pouvez continuer ; sinon, commencez par définir la clé en tant que variable globale. Si vous configurez la clé API dans un fichier .env, veuillez l'enregistrer comme suit :
MOONSHOT_API_KEY=your_api_keyNous sommes désormais prêts à explorer les capacités de Kimi K2.
Étape 4 : Effectuer un appel API
Maintenant que notre clé API est configurée, essayons une tâche de complétion de chat basique avec le modèle Kimi K2.
from openai import OpenAI
import os
MOONSHOT_API_KEY = os.getenv("MOONSHOT_API_KEY", "your-moonshot-api-key")
client = OpenAI(
api_key=MOONSHOT_API_KEY,
base_url="https://api.moonshot.ai/v1"
)
def simple_chat(model_name: str):
messages = [
{"role": "system", "content": "You are Kimi, an AI assistant created by Moonshot AI."},
{"role": "user", "content": "Explain LLM to a 5-year-old."}
]
response = client.chat.completions.create(
model=model_name,
messages=messages,
stream=False,
temperature=0.6,
max_tokens=256
)
print(response.choices[0].message.content)
simple_chat("kimi-k2-0711-preview")Le script Python ci-dessus configure le client API à l'aide de la clé API et du point de terminaison fournis. La fonction « simple_chat() » envoie une invite prédéfinie au modèle Kimi (kimi-k2-0711-preview) dans un format de type chat comprenant des messages système et des messages utilisateur, puis affiche la réponse de l'assistant.
Kimi K2 a pris beaucoup plus de temps (environ 5 minutes) pour générer du code par rapport aux autres modèles que j'ai récemment essayés (comme Grok 4 ou Gemini Diffusion). Cependant, malgré ce retard initial, les graphismes et les éléments interactifs de l'application finale étaient d'une grande précision. De plus, Kimi K2 a efficacement utilisé ses capacités d'agent pour récupérer une image libre de droits pertinente sur Unsplash pour la page HTML.
Exemple 2 : Génération de représentations SVG
Ensuite, j'ai essayé de générer quelques représentations SVG (Scalable Vector Graphics). Bien qu'il ait fallu un certain temps au modèle pour renvoyer une image SVG de bonne qualité, il a finalement accompli sa tâche avec succès.
Invite : Créer une représentation SVG d'un papillon
Au départ, j'ai demandé au modèle de créer une représentation d'un dragon, et le résultat n'était que quelques ombres et couleurs. Cependant, après quelques itérations, le modèle a généré une bonne représentation d'un papillon.
Exemple 3 : Analyse d'un ensemble de données à l'aide de la simulation
Dans cet exemple, j'ai demandé à Kimi K2 d'analyser un ensemble de données simples et de présenter ses conclusions via un tableau de bord HTML. Voici l'invite que j'ai utilisée :
Invite : Veuillez créer un tableau de bord HTML interactif doté d'une interface utilisateur fluide et moderne qui permet aux utilisateurs de simuler et de visualiser les effets du télétravail sur les salaires de différents postes, à partir de l'ensemble de données ds_salaries.csv fourni.
Le tableau de bord doit inclure les composants améliorés suivants :
1. Commandes de simulation dynamique (simulateur utilisateur) :
Champs de saisie et champs numériques réactifs pour le réglage :
Prime à distance (%)
Multiplicateurs spécifiques au profil de poste
Inflation ou déflation du salaire de base
Retour d'information en temps réel sur l'impact des modifications apportées aux données sur l'ensemble de données
Des infobulles expliquent l'impact de chaque paramètre.
2. Graphiques d'interaction et cartes thermiques :
Graphique représentant l'interaction entre le salaire et le profil du poste × le ratio de télétravail
Commutateurs facultatifs pour basculer entre les vues en barres, en lignes ou en carte thermique.
Mettre en évidence les valeurs aberrantes ou les interactions statistiquement significatives
3. Statistiques en temps réel :
Résultats de régression en direct (OLS, ANOVA)
Mettre en évidence les valeurs p et les seuils de signification
Graphiques visuels des résidus ou diagnostics du modèle (si possible)
4. Conception d'interface moderne :
Conception adaptée aux appareils mobiles, sans dépendance, utilisant du HTML/CSS/JS standard.
Disposition sous forme de fiches, avec des sections repliables pour plus de clarté
Animations fluides, transitions et bascule sombre/clair
Veuillez vous assurer que toutes les données sont prêtes à être copiées-collées dans un seul fichier index.html, sans dépendances externes. Veuillez inclure une logique de remplacement pour le chargement du fichier CSV via un élément <input type="file">. Bonus : ajout d'un tableau de prévisualisation CSV et d'options de téléchargement/exportation pour les données simulées.
Dans l', cette expérience avec Kimi K2, le modèle a accepté et traité avec succès l'ensemble de données téléchargé, mettant correctement à jour les commandes de simulation en fonction des variables dérivées des données. L'interface utilisateur prend en charge des fonctionnalités telles que le passage du mode sombre au mode clair, offrant une expérience visuelle fluide.
Cependant, le rapport manquait de plusieurs éléments analytiques essentiels. Il n'y avait pas de graphique d'interaction, pas de visualisations sous forme de carte thermique, ni d'informations statistiques en temps réel telles que des résumés de régression ou des résultats ANOVA. Bien que Kimi K2 ait bien géré la génération structurelle et la logique de l'interface utilisateur, ses limites en matière de raisonnement statistique et de visualisation interactive étaient évidentes dans ce cas d'utilisation.
Exemple 4 : Simulation scientifique
L'équipe derrière Kimi a fourni un cas d'utilisation de son interface de chat pour explorer des simulations scientifiques et prévisualiser leur code HTML au sein de l'interface de chat. Voici les invites que j'ai essayées :
Invite : Créer une simulation de galaxie en particules 3D
J'ai tenté d'apporter quelques modifications à la simulation afin d'observer comment le modèle s'adapte à ces changements, comme une vue de dessus avec une rotation correcte des particules et une taille variable de celles-ci.
Invitation révisée: Modifiez la simulation actuelle de la galaxie de particules 3D afin de rendre la galaxie dans une perspective descendante (vue depuis le dessus du plan galactique). Les étoiles et les bras doivent apparaître sous la forme d'un motif en spirale rayonnant vers l'extérieur, avec une rotation autour de l'axe Z (perpendiculaire à l'écran). Veuillez vous assurer que :
Les positions des étoiles sont réparties en une spirale plate vue de dessus.
La vitesse de rotation affecte la rotation angulaire dans le plan XY.
Aucune inclinaison verticale ni épaisseur de l'axe Y n'est affichée — veuillez aplatir la dimension Z.
La caméra/le point de vue est fixe au-dessus de la galaxie (perspective orthographique ou vue de dessus).
Vous pouvez ajouter une protubérance centrale lumineuse pour simuler le centre de la galaxie.
Conservez tous les contrôles existants (nombre d'étoiles, nombre de bras, zoom, vitesse de rotation) et assurez-vous que la régénération reflète la disposition en vue de dessus.