Moonshot AI Models on AtlasCloud | Kimi

Les équipes d'ingénierie utilisent Kimi K2.6 pour exécuter des agents de codage à long terme qui remanient de manière autonome les bases de code de production lors de sessions prolongées de plusieurs heures. Dans un exemple documenté, K2.6 a réécrit un moteur d'appariement financier vieux de 8 ans en 13 heures et a permis d'améliorer le débit de 185 % sans intervention humaine entre les validations (commits). La tarification à l'usage d'Atlas Cloud rend pratique l'exécution de ces sessions prolongées d'agents sans engagement de capacité.

Les équipes opérationnelles utilisent l'essaim de 300 agents de Kimi K2.6 pour traiter de grands lots de documents en parallèle. Une seule exécution d'orchestration a mis en correspondance un CV avec 100 rôles professionnels et a produit en sortie 100 CV entièrement personnalisés. Le même modèle s'applique à l'examen de contrats, aux contrôles de conformité et à tout flux de travail où une entrée fixe doit être évaluée par rapport à un grand ensemble variable de cibles.

Les équipes de recherche et juridiques utilisent Kimi K2-Thinking pour des problèmes d'analyse en plusieurs étapes nécessitant un raisonnement interne prolongado. Le modèle prend en charge jusqu'à 200 à 300 appels d'outils séquentiels par session, bouclant sur des cycles raisonnement-appel-raisonnement sans intervention humaine entre les étapes. Sur Atlas Cloud, son prix est de 0,6 $ par million de tokens en entrée et il partage la fenêtre de contexte de 262K avec le reste de la gamme Kimi.

Les équipes académiques et de contenu utilisent Kimi K2.6 pour transformer les documents sources en résultats de recherche complets. Lors d'une démonstration, K2.6 a converti un article d'astrophysique en un article de recherche de 40 pages, un ensemble de données structuré contenant plus de 20 000 entrées et 14 graphiques de niveau astronomique en une seule session. Cela réduit le délai d'exécution des flux de travail de la littérature aux résultats de plusieurs semaines à quelques heures.

Les équipes de croissance et de vente utilisent les essaims Kimi K2.6 pour identifier des prospects et générer des ressources de prospection en parallèle. Une exécution d'exemple a identifié 30 magasins de détail dans une ville cible sans sites Web et a généré une page de destination pour chacun d'eux. Le même modèle fonctionne pour l'enrichissement des pistes, la cartographie du paysage concurrentiel et toute tâche combinant la découverte et la génération de contenu à l'échelle d'une liste.

Les équipes produit et données utilisent les capacités de vision natives de Kimi K2.5 et K2.6 pour traiter les entrées d'images et de vidéos aux côtés du texte dans le même appel API. L'encodeur MoonViT gère les diagrammes, les captures d'écran, les maquettes d'interface utilisateur (UI) et les numérisations de documents sans prétraitement externe. Cela est utile pour les pipelines qui convertissent directement les spécifications visuelles en code, ou extraient des données structurées à partir de documents riches en images.