Ressources · Intégration n8n

Nœud Moonshot Kimi Chat Model n8nConfigurer Moonshot Kimi Chat Model dans n8n.

Le nœud Moonshot Kimi Chat Model n8n fournit le modèle à une chaîne IA, il ne s'exécute jamais tout seul. Il envoie une requête à l'API de chat Kimi et rend la réponse au nœud racine auquel il est relié. Neuf paramètres couvrent le choix du modèle, l'échantillonnage, le format de réponse et le réseau.

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Moonshot Kimi Chat Model n8n ?

Le nœud Moonshot Kimi Chat Model envoie une requête au modèle Kimi sélectionné et renvoie la réponse générée au nœud auquel il est raccordé. C'est un sous-nœud, c'est-à-dire un petit nœud qui vient se clipser sur un port d'un nœud plus gros au lieu de se placer dans le flux principal. Un port, c'est le connecteur nommé qui apparaît sous un nœud racine : celui-ci se branche sur le port du modèle. Seul sur la toile, il ne fait rien.

Le cas de départ, c'est un nœud racine qui réclame un modèle pour démarrer. Un AI Agent chargé de trier les demandes entrantes refuse de tourner tant que ce port reste vide, et ce nœud le remplit avec un modèle Kimi. Change la valeur de Model, laisse le reste tel quel, l'agent au-dessus n'a pas besoin d'être retouché.

Deuxième usage : l'extraction structurée. Passe Response Format sur json_object, envoie le corps d'un mail brut dans la chaîne, et la réponse revient en JSON valide, que le nœud suivant lit champ par champ avant d'écrire une ligne dans Google Sheets. Sans cette option, tu récupères de la prose, et l'étape de lecture derrière devient du bricolage.

Troisième usage : la rédaction sous contrainte. Une chaîne de résumé qui condense un fil Slack gagne à voir Sampling Temperature descendre vers zéro, parce que la formulation arrête de bouger d'une exécution à l'autre. Pour un brouillon marketing, c'est l'inverse. Le template de newsletter scientifique publié depuis YouTube (workflow 16586) fait cohabiter ce nœud avec d'autres modèles de chat dans le même graphe : comparer deux montages côte à côte est la façon normale de trancher.

Quand préférer autre chose : si la chaîne doit tourner sur un modèle d'un autre fournisseur, le sous-nœud correspondant existe déjà, par exemple ceux de OpenAI, d'Anthropic ou de Google Gemini. Et rien ici n'appelle autre chose que l'API de chat de Kimi : une capacité hors chat passe par un appel HTTP générique, pas par ce nœud.

Les limites méritent d'être dites franchement. Le nœud expose neuf paramètres, pas un de plus : ce que l'API de chat Kimi propose en dehors de cette liste reste hors de portée. Le plafond de jetons dépend du modèle choisi, pas de n8n. Cette page décrit la version 1 du nœud, et un workflow ancien peut afficher moins d'options. Enfin, Moonshot facture ses propres appels d'API selon ses conditions, et n8n n'ajoute rien par-dessus.

Connexion

Que faut-il avant que le nœud tourne ?

  1. 01

    Poser le nœud sous un nœud racine

    Ouvre le workflow, prends un nœud racine qui accepte un modèle, et sers-toi de son port modèle pour ajouter le nœud Moonshot Kimi Chat Model. Le nœud n'a pas d'entrée principale : posé seul sur la toile, il reste orphelin et ne s'exécutera jamais. C'est le trait tracé entre le port et le sous-nœud qui indique à la chaîne quel modèle appeler au moment de l'exécution.

  2. 02

    Créer le credential Moonshot

    Ouvre le champ de credential du nœud et crée une entrée avec ta clé d'API Moonshot, récupérée depuis ton compte Moonshot. Un credential dans n8n, c'est un jeu de secrets enregistré à part du workflow : la clé ne se retrouve jamais dans le nœud lui-même. Crée-le une fois depuis le menu Credentials et tous les autres workflows de l'instance sélectionnent la même entrée au lieu de recopier la clé.

  3. 03

    Ou basculer sur les Gateway credits sur n8n Cloud

    Sur n8n Cloud, le champ de credential propose Use Gateway credits. Sélectionne-le et le nœud tourne sans compte Moonshot et sans clé d'API personnelle, ce qui reste le chemin le plus court pour tester une chaîne avant d'ouvrir un compte chez le fournisseur. Sur une instance auto-hébergée, ce choix n'apparaît pas : c'est la clé d'API de l'étape précédente qui sert.

Connexions

Sur quoi se branche ce nœud ?

n8n sépare les nœuds racines, qui reçoivent les items dans le flux principal, et les sous-nœuds, accrochés à leurs ports et appelés uniquement quand le nœud racine en a besoin. Celui-ci est un sous-nœud, avec un seul port de sortie.

Sortie (où il se branche)

  • Modelai_languageModel
01ModelVoilà le seul connecteur du nœud. Le nœud racine au-dessus décide quand la requête part et ce qu'il advient de la réponse.

Voilà le seul connecteur du nœud. Le nœud racine au-dessus décide quand la requête part et ce qu'il advient de la réponse.

Paramètres clés

  • Required : un nœud racine doté d'un port modèle, faute de quoi rien ne s'exécute, le nœud n'ayant pas d'entrée principale.
  • AI Agent et Basic LLM Chain : les deux points de départ habituels, l'un pour un raisonnement avec outils, l'autre pour un prompt et une réponse.
  • Information Extractor et Text Classifier : à choisir quand la sortie attendue est un champ ou une étiquette, pas une conversation.
Cas d'usage
un agent de support qui lit un ticket, appelle le modèle Kimi par ce port, puis prépare une réponse qu'un humain valide.
Paramètres

Quels paramètres comptent vraiment ?

Le nœud Moonshot Kimi Chat Model compte 9 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Model

model

Ce que tu vois dans n8n

Notes & cas d'usage

Choisit le modèle Kimi qui génère la complétion. C'est le premier réglage à poser, parce que tous les autres se comportent par rapport à lui.

Paramètres clés

  • Model : une liste déroulante de modèles Kimi, avec kimi-k2.5 par défaut. Le plafond de jetons qui s'applique plus loin découle de ce choix.
Cas d'usage
garder la valeur par défaut pendant la construction de la chaîne, puis y revenir une fois le prompt stabilisé et la charge connue.
02

Frequency Penalty

options.frequencyPenalty

Ce que tu vois dans n8n

Notes & cas d'usage

Une valeur positive pénalise les jetons que le modèle a déjà beaucoup employés, ce qui réduit la reprise mot pour mot de la même phrase. Un jeton, c'est le morceau de texte que le modèle lit et écrit, à peu près un mot court ou un fragment.

Paramètres clés

  • Frequency Penalty : un nombre, 0 par défaut, donc aucune pénalité.
Cas d'usage
le monter un peu quand une réponse longue se met à tourner en boucle sur la même formule, le laisser tranquille sur des réponses courtes et carrées.
03

Maximum Number of Tokens

options.maxTokens

Ce que tu vois dans n8n

Notes & cas d'usage

Plafonne la longueur de la complétion. La limite réelle dépend malgré tout du modèle sélectionné plus haut : c'est un budget que tu imposes, pas une autorisation que tu accordes.

Paramètres clés

  • Maximum Number of Tokens : un nombre, -1 par défaut, ce qui laisse la main à la valeur par défaut du modèle.
Cas d'usage
poser un plafond net quand la réponse alimente un champ à longueur contrainte, par exemple un message qui doit rester lisible sur un téléphone.
04

Response Format

options.responseFormat

Ce que tu vois dans n8n

Notes & cas d'usage

Détermine la forme de ce qui revient. La prose convient à tout ce qu'un humain lit ensuite, le JSON à tout ce qu'un nœud doit analyser.

Paramètres clés

  • Text (text) : la valeur par défaut, une réponse en texte ordinaire.
  • JSON (json_object) : active le mode JSON, censé garantir que le message généré est un JSON valide.
Cas d'usage
basculer en mode JSON dès qu'une étape suivante lit {{ $json.output }} et attend des champs nommés plutôt qu'un paragraphe à découper.
05

Presence Penalty

options.presencePenalty

Ce que tu vois dans n8n

Notes & cas d'usage

Pousse le modèle vers de nouveaux sujets en pénalisant tout jeton déjà apparu, quel que soit son nombre d'occurrences.

Paramètres clés

  • Presence Penalty : un nombre, 0 par défaut. Il réagit à la présence d'un jeton, là où Frequency Penalty réagit au nombre d'occurrences.
Cas d'usage
utile dans une chaîne d'idéation qui doit continuer à sortir des angles neufs, contre-productif dans une extraction, où coller au vocabulaire de la source est justement le but.
06

Sampling Temperature

options.temperature

Ce que tu vois dans n8n

Notes & cas d'usage

Règle le hasard. Plus la valeur baisse, moins les complétions sont aléatoires ; aux abords de zéro, le modèle devient déterministe et répétitif.

Paramètres clés

  • Sampling Temperature : un nombre, 0.7 par défaut, ce qui laisse une variation visible entre deux exécutions sur le même prompt.
Cas d'usage
descendre près de zéro quand la même entrée doit produire la même sortie à chaque passage, typiquement une étape de classification dont le résultat pilote un embranchement plus loin.
07

Timeout

options.timeout

Ce que tu vois dans n8n

Notes & cas d'usage

Fixe la durée maximale d'une requête avant que n8n abandonne, comptée en millisecondes. La valeur d'origine est large, pensée pour les générations longues, et rares sont les chaînes qui l'atteignent sans qu'il y ait un problème ailleurs.

Paramètres clés

  • Timeout : un nombre, 360000 millisecondes par défaut, soit six minutes.
Cas d'usage
le raccourcir dans un workflow déclenché par quelqu'un qui attend la réponse à l'écran : mieux vaut un échec rapide qu'une exécution ouverte pendant plusieurs minutes sans rien à afficher.
08

Max Retries

options.maxRetries

Ce que tu vois dans n8n

Notes & cas d'usage

Indique combien de tentatives supplémentaires le nœud effectue après un échec, avant que l'erreur remonte au nœud racine et arrête la chaîne.

Paramètres clés

  • Max Retries : un nombre, deux tentatives par défaut.
Cas d'usage
la valeur par défaut absorbe les ratés passagers. Augmenter ce chiffre multiplie les appels au fournisseur pour un même item : à coupler avec un Timeout plus court, sinon un item lent immobilise l'exécution longtemps.
09

Top P

options.topP

Ce que tu vois dans n8n

Notes & cas d'usage

Contrôle la diversité par échantillonnage nucleus : une valeur de zéro virgule cinq signifie que la moitié des options pondérées par leur probabilité sont retenues.

Paramètres clés

  • Top P : un nombre, 1 par défaut. La recommandation est de modifier celui-ci ou Sampling Temperature, jamais les deux.
Cas d'usage
le voir comme le bouton alternatif. Une équipe qui a déjà réglé la température sur une chaîne laisse celui-ci tel quel, et inversement.
Besoin d'aide

Besoin d'aide pour automatiser Moonshot Kimi Chat Model avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions qui viennent ensuite

01Le nœud Moonshot Kimi Chat Model est-il gratuit dans n8n ?
Oui du côté de n8n. Le nœud fait partie du paquet IA livré avec n8n : rien à installer, aucun surcoût, sur n8n Cloud comme sur une instance auto-hébergée en Community Edition sous licence Sustainable Use. Un workflow se comporte pareil dans les deux cas. Ce qui n'est pas gratuit, c'est le modèle : Moonshot facture les appels d'API que le nœud déclenche, selon ses propres conditions et sur ton compte chez lui. Sur n8n Cloud, les Gateway credits permettent de faire tourner le nœud sans compte Moonshot, ce qui déplace la facture plutôt que de la supprimer.
02Quel credential faut-il pour le nœud Moonshot Kimi Chat Model n8n ?
Un credential Moonshot contenant ta clé d'API, créé depuis le champ de credential du nœud ou depuis le menu Credentials. Enregistre-le une fois et tous les workflows de l'instance réutilisent la même entrée, ce qui rend la rotation de clé triviale : une seule modification au lieu d'un passage sur chaque nœud. Sur n8n Cloud il existe une seconde voie, l'option Use Gateway credits dans le champ de credential, qui fait tourner le nœud sans compte Moonshot ni clé personnelle. Dans les deux cas le secret vit hors du workflow, donc exporter le workflow ne l'emporte pas avec lui.
03Quelles sont les limites de ce nœud ?
Il expose neuf paramètres, et c'est toute sa surface : choix du modèle, frequency penalty, nombre maximal de jetons, format de réponse, presence penalty, température d'échantillonnage, délai d'expiration, nombre de relances et top P. Ce que l'API de chat Kimi propose au-delà n'est pas atteignable ici. Le nombre maximal de jetons dépend du modèle sélectionné, pas d'un réglage n8n. Cette page documente la version 1 du nœud, et un workflow plus ancien peut afficher moins d'options. Autre limite structurelle : sans entrée principale, le nœud ne s'exécute jamais en dehors d'un nœud racine.
04Que faut-il brancher au minimum, et par quel nœud racine débuter ?
Au minimum, un nœud racine doté d'un port modèle et un credential qui fonctionne. Rien d'autre n'est obligatoire, les neuf paramètres ayant tous une valeur par défaut. Basic LLM Chain reste le départ le plus doux : un prompt entre, une réponse sort, et aucun comportement d'appel d'outil ne vient brouiller le diagnostic tant que tu vérifies encore que la connexion passe. Une fois que ça tourne, passer à AI Agent revient à rebrancher le même nœud de modèle sur le nouveau nœud racine, puis à lui ajouter des outils. Information Extractor est l'autre porte d'entrée simple quand la sortie attendue est un champ.
05n8n ou Make pour faire tourner un modèle Kimi ?
Trois critères tranchent. L'hébergement d'abord : n8n s'installe sur tes propres serveurs ou s'utilise sur n8n Cloud, quand Make n'existe qu'en hébergé, ce qui oriente vers n8n auto-hébergé toute équipe soumise à des contraintes sur la localisation des données. Le modèle de coût ensuite : Make facture à l'opération, et une chaîne IA qui boucle sur des items en consomme vite. La logique visuelle enfin : n8n traite le modèle comme un sous-nœud clipsé sur un port, donc changer de fournisseur revient à rebrancher plutôt qu'à refaire. Make convient aux équipes qui veulent une toile hébergée, sans infrastructure à maintenir.
Hack'celeration Lab

Reçois nos tips intégration chaque semaine.

Pas de spam. Désinscription à tout moment.