El modelo de visión Kimi es una tecnología avanzada de comprensión de imágenes proporcionada por la plataforma abierta Moonshot AI. Puede identificar y comprender con precisión el texto, el color y las formas de los objetos en las imágenes, proporcionando a los usuarios una potente capacidad de análisis visual. Este modelo es eficiente y preciso, adecuado para diversas situaciones, como la descripción del contenido de imágenes y las preguntas y respuestas visuales. Su precio es el mismo que el de los modelos de la serie moonshot-v1, se factura según el total de Tokens inferidos por el modelo, siendo el consumo de Tokens por imagen un valor fijo de 1024.