Recursos · Integración n8n

Nodo Moonshot Kimi Chat Model n8nConfigura Moonshot Kimi Chat Model en n8n.

El nodo Moonshot Kimi Chat Model n8n aporta el modelo a una cadena de IA y nunca se ejecuta por su cuenta. Envía una petición a la API de chat de Kimi y devuelve la respuesta al nodo raíz al que está conectado. Nueve parámetros cubren modelo, muestreo, formato de respuesta y red.

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo Moonshot Kimi Chat Model n8n?

El nodo Moonshot Kimi Chat Model envía una petición al modelo Kimi que elijas y devuelve la respuesta generada al nodo que lo tiene enganchado. Es un subnodo, es decir, un nodo pequeño que se engancha a un puerto de otro más grande en lugar de colocarse en el flujo principal. Un puerto es el conector con nombre que aparece bajo un nodo raíz, y este se conecta al puerto del modelo. Suelto en el lienzo no hace nada.

El punto de partida habitual es un nodo raíz que pide un modelo para arrancar. Un AI Agent que clasifica solicitudes entrantes se niega a ejecutarse mientras ese puerto siga vacío, y este nodo lo ocupa con un modelo Kimi. Cambia el valor de Model, deja lo demás igual y el agente de arriba sigue intacto.

Segundo uso: la extracción estructurada. Pon Response Format en json_object, manda el cuerpo de un correo sin formato a la cadena y la respuesta vuelve como JSON válido, que el nodo siguiente lee campo por campo antes de escribir una fila en Google Sheets. Sin esa opción recibes prosa, y el paso de lectura posterior se vuelve adivinanza.

Tercer uso: redacción con control. Una cadena de resumen que condensa un hilo de Slack mejora bajando Sampling Temperature hacia cero, porque la redacción deja de moverse entre ejecuciones. Para un borrador de marketing conviene lo contrario. La plantilla que publica una newsletter científica a partir de YouTube (flujo 16586) coloca este nodo junto a otros modelos de chat en el mismo gráfico, que es la forma normal de comparar montajes.

Cuándo elegir otra cosa: si la cadena necesita un modelo de otro proveedor, el subnodo correspondiente ya existe, por ejemplo los de OpenAI, Anthropic o Google Gemini. Y aquí nada llama a otra cosa que la API de chat de Kimi: una capacidad fuera del chat pasa por una llamada HTTP genérica, no por este nodo.

Conviene decir los límites sin rodeos. El nodo expone nueve parámetros y ni uno más, así que lo que la API de chat de Kimi ofrezca fuera de esa lista queda fuera de alcance. El tope de tokens depende del modelo elegido, no de n8n. Esta página describe la versión 1 del nodo, y un flujo antiguo puede mostrar menos opciones. Moonshot factura sus propias llamadas de API según sus condiciones, y n8n no añade nada encima.

Conexión

¿Qué hace falta para que el nodo funcione?

  1. 01

    Colgar el nodo de un nodo raíz

    Abre el flujo, elige un nodo raíz que acepte un modelo y usa su puerto de modelo para añadir el nodo Moonshot Kimi Chat Model. El nodo no tiene entrada principal: suelto en el lienzo se queda huérfano y nunca llega a ejecutarse. La línea trazada entre el puerto y el subnodo es lo que le indica a la cadena qué modelo llamar durante la ejecución.

  2. 02

    Crear el credential de Moonshot

    Abre el campo de credential del nodo y crea una entrada con tu clave de API de Moonshot, sacada de tu cuenta de Moonshot. Un credential en n8n es un conjunto de secretos guardado aparte del flujo, así que la clave nunca vive dentro del nodo. Créalo una vez desde el menú Credentials y el resto de flujos de la instancia seleccionan esa misma entrada en lugar de repetir la clave.

  3. 03

    O pasar a Gateway credits en n8n Cloud

    En n8n Cloud el campo de credential ofrece Use Gateway credits. Selecciónalo y el nodo funciona sin cuenta de Moonshot y sin clave de API propia, que es el camino más corto para probar una cadena antes de abrir cuenta con el proveedor. En una instancia autoalojada esa opción no aparece, así que ahí manda la clave de API del paso anterior.

Conexiones

¿A qué se conecta este nodo?

n8n separa los nodos raíz, que reciben los items en el flujo principal, de los subnodos, enganchados a sus puertos y llamados solo cuando el nodo raíz los necesita. Este es un subnodo con un único puerto de salida.

Salida (dónde se conecta)

  • Modelai_languageModel
01ModelEste es el único conector del nodo. El nodo raíz de arriba decide cuándo sale la petición y qué pasa con la respuesta.

Este es el único conector del nodo. El nodo raíz de arriba decide cuándo sale la petición y qué pasa con la respuesta.

Parámetros clave

  • Required: un nodo raíz con puerto de modelo, sin el cual no se ejecuta nada, porque el nodo carece de entrada principal.
  • AI Agent y Basic LLM Chain: los dos arranques habituales, uno para razonar con herramientas, otro para un prompt y una respuesta.
  • Information Extractor y Text Classifier: cuando lo que esperas es un campo o una etiqueta, no una conversación.
Casos de uso
un agente de soporte que lee un ticket, llama al modelo Kimi por este puerto y prepara una respuesta que valida una persona.
Parámetros

¿Qué parámetros importan de verdad?

El nodo Moonshot Kimi Chat Model tiene 9 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Model

model

Lo que ves en n8n

Notas y casos de uso

Elige el modelo Kimi que genera la respuesta. Es el primer ajuste que se toca, porque todos los demás se comportan en relación con él.

Parámetros clave

  • Model: un desplegable de modelos Kimi, con kimi-k2.5 por defecto. El tope de tokens que se aplica después sale de esta elección.
Casos de uso
deja el valor por defecto mientras montas la cadena y vuelve a él cuando el prompt ya esté estable y conozcas la carga real.
02

Frequency Penalty

options.frequencyPenalty

Lo que ves en n8n

Notas y casos de uso

Un valor positivo penaliza los tokens que el modelo ya ha usado mucho, lo que reduce que repita la misma línea palabra por palabra. Un token es el trozo de texto que el modelo lee y escribe, más o menos una palabra corta o un fragmento.

Parámetros clave

  • Frequency Penalty: un número, 0 por defecto, o sea ninguna penalización.
Casos de uso
súbelo un poco cuando una respuesta larga empieza a dar vueltas sobre la misma frase, y déjalo quieto en respuestas cortas y cerradas.
03

Maximum Number of Tokens

options.maxTokens

Lo que ves en n8n

Notas y casos de uso

Pone techo a la longitud de la respuesta generada. El límite real sigue dependiendo del modelo elegido arriba: es un presupuesto que impones, no un permiso que concedes.

Parámetros clave

  • Maximum Number of Tokens: un número, -1 por defecto, que devuelve la decisión al valor propio del modelo.
Casos de uso
fija un techo claro cuando la respuesta alimenta un campo con longitud limitada, por ejemplo un mensaje que debe leerse cómodo en el móvil.
04

Response Format

options.responseFormat

Lo que ves en n8n

Notas y casos de uso

Decide la forma de lo que vuelve. La prosa encaja con todo lo que lee una persona después; el JSON, con todo lo que analiza un nodo.

Parámetros clave

  • Text (text): el valor por defecto, una respuesta de texto normal.
  • JSON (json_object): activa el modo JSON, que debería garantizar que el mensaje generado sea JSON válido.
Casos de uso
pasa al modo JSON en cuanto un paso posterior lea {{ $json.output }} y espere campos con nombre en vez de un párrafo que haya que trocear.
05

Presence Penalty

options.presencePenalty

Lo que ves en n8n

Notas y casos de uso

Empuja al modelo hacia temas nuevos penalizando cualquier token que ya haya aparecido, sin importar cuántas veces lo hizo.

Parámetros clave

  • Presence Penalty: un número, 0 por defecto. Reacciona a la presencia del token, mientras que Frequency Penalty reacciona al número de apariciones.
Casos de uso
ayuda en una cadena de ideación que debe seguir sacando ángulos nuevos, y estorba en una extracción, donde pegarse al vocabulario de origen es justo lo que buscas.
06

Sampling Temperature

options.temperature

Lo que ves en n8n

Notas y casos de uso

Regula el azar. Cuanto más baja, menos aleatorias son las respuestas; cerca de cero el modelo se vuelve determinista y repetitivo.

Parámetros clave

  • Sampling Temperature: un número, 0.7 por defecto, que deja una variación visible entre dos ejecuciones con el mismo prompt.
Casos de uso
bájalo cerca de cero cuando la misma entrada deba dar la misma salida en cada pasada, típicamente un paso de clasificación cuyo resultado dirige una bifurcación posterior.
07

Timeout

options.timeout

Lo que ves en n8n

Notas y casos de uso

Fija cuánto puede durar una petición antes de que n8n la abandone, contado en milisegundos. El valor de origen es amplio, pensado para generaciones largas, y pocas cadenas lo alcanzan sin que el problema esté en otra parte.

Parámetros clave

  • Timeout: un número, 360000 milisegundos por defecto, seis minutos.
Casos de uso
acórtalo en un flujo que dispara alguien esperando la respuesta en pantalla: vale más un fallo rápido que una ejecución abierta varios minutos sin nada que mostrar.
08

Max Retries

options.maxRetries

Lo que ves en n8n

Notas y casos de uso

Indica cuántos intentos extra hace el nodo tras un fallo, antes de que el error suba al nodo raíz y detenga la cadena.

Parámetros clave

  • Max Retries: un número, dos intentos por defecto.
Casos de uso
el valor por defecto absorbe los fallos pasajeros. Subirlo multiplica las llamadas al proveedor para un mismo item, así que acompáñalo de un Timeout más corto o un item lento bloqueará la ejecución un buen rato.
09

Top P

options.topP

Lo que ves en n8n

Notas y casos de uso

Controla la diversidad mediante muestreo por núcleo: un valor de cero coma cinco significa que se consideran la mitad de las opciones ponderadas por probabilidad.

Parámetros clave

  • Top P: un número, 1 por defecto. La recomendación es tocar este o Sampling Temperature, nunca los dos.
Casos de uso
míralo como el mando alternativo. Un equipo que ya ajustó la temperatura en una cadena deja este como está, y al revés igual.
Necesitas ayuda

¿Necesitas ayuda para automatizar Moonshot Kimi Chat Model con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Las preguntas que vienen después

01¿El nodo Moonshot Kimi Chat Model es gratis en n8n?
Sí por el lado de n8n. El nodo forma parte del paquete de IA que viene con n8n: nada que instalar y ningún sobrecoste, tanto en n8n Cloud como en una instancia autoalojada con Community Edition bajo licencia Sustainable Use. Un flujo se comporta igual en los dos sitios. Lo que no es gratis es el modelo: Moonshot factura las llamadas de API que dispara el nodo, según sus condiciones y en tu cuenta con ellos. En n8n Cloud, los Gateway credits permiten ejecutar el nodo sin cuenta de Moonshot, lo que cambia a quién pagas en lugar de eliminar el coste.
02¿Qué credential necesita el nodo Moonshot Kimi Chat Model n8n?
Un credential de Moonshot con tu clave de API, creado desde el campo de credential del nodo o desde el menú Credentials. Guárdalo una vez y todos los flujos de la instancia reutilizan la misma entrada, con lo que rotar la clave es una sola edición y no una ronda por cada nodo. En n8n Cloud hay una segunda vía: la opción Use Gateway credits en el campo de credential, que ejecuta el nodo sin cuenta de Moonshot ni clave propia. En ambos casos el secreto vive fuera del flujo, así que exportar el flujo no se lo lleva.
03¿Qué límites tiene este nodo?
Expone nueve parámetros, y esa es toda su superficie: elección de modelo, frequency penalty, número máximo de tokens, formato de respuesta, presence penalty, temperatura de muestreo, tiempo de espera, número de reintentos y top P. Lo que la API de chat de Kimi ofrezca más allá no se alcanza desde aquí. El número máximo de tokens depende del modelo elegido y no de ningún ajuste de n8n. Esta página documenta la versión 1 del nodo, y un flujo más antiguo puede mostrar menos opciones. Otro límite estructural: sin entrada principal, el nodo nunca se ejecuta fuera de un nodo raíz.
04¿Qué hay que conectar como mínimo y con qué nodo raíz empezar?
Como mínimo, un nodo raíz con puerto de modelo y un credential que funcione. Nada más es obligatorio, porque los nueve parámetros tienen valor por defecto. Basic LLM Chain es el arranque más suave: entra un prompt, sale una respuesta y no hay llamadas a herramientas que enturbien el diagnóstico mientras aún compruebas que la conexión pasa. Cuando eso funcione, subir a AI Agent consiste en reconectar el mismo nodo de modelo al nuevo nodo raíz y añadirle herramientas. Information Extractor es la otra entrada fácil cuando lo que esperas es un campo.
05¿n8n o Make para ejecutar un modelo Kimi?
Deciden tres criterios. El alojamiento primero: n8n se instala en tus servidores o se usa en n8n Cloud, mientras que Make solo existe alojado, lo que empuja hacia n8n autoalojado a cualquier equipo con exigencias sobre dónde viven los datos. El modelo de coste después: Make factura por operación, y una cadena de IA que recorre items las consume rápido. La lógica visual al final: n8n trata el modelo como un subnodo enganchado a un puerto, así que cambiar de proveedor es reconectar y no rehacer. Make encaja con equipos que quieren un lienzo alojado y ninguna infraestructura que mantener.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.