Kimi Code CLI: agente Moonshot AI con la propria chiave tramite Gonka

Passo 1: installare Kimi Code. I metodi ufficiali dalla documentazione:

# macOS and Linux: prebuilt binary, no Node.js needed
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

# Windows (PowerShell); Git for Windows is required before the first run
irm https://code.kimi.com/kimi-code/install.ps1 | iex

# npm (Node.js 22.19 or newer)
npm install -g @moonshot-ai/kimi-code

Lo script mette il binario in ~/.kimi-code/bin/kimi e aggiunge questa directory al PATH tramite il file di configurazione della shell. Le sue build sono solo per glibc: su Alpine e altri sistemi con musl si fermerà e proporrà npm. Riapri il terminale e verifica: kimi --version.

Passo 2: ottenere la chiave. Registrati su gate.joingonka.ai/register, conferma l'indirizzo e crea nella sezione «Chiavi API» una chiave con prefisso jg-.

Passo 3: avviare l'installer.

npx @joingonka/setup --tool kimi-code

L'installer chiederà la chiave (non si passa negli argomenti della riga di comando) e scriverà in ~/.kimi-code/config.toml solo le proprie tabelle:

• il provider [providers.joingonka] con tipo openai — cioè il protocollo Chat Completions — con l'indirizzo del gateway e la chiave nel campo api_key; il file avrà i permessi 600;
• una tabella [models."joingonka/…"] per ogni modello della rete — con la vera finestra di contesto e il tetto di risposta e le capacità esplicite: chiamata di strumenti per tutti, ragionamento per DeepSeek V4 Flash e GLM-5.3 Flash, per MiniMax M2.7 solo gli strumenti;
• default_model — DeepSeek V4 Flash, se il modello predefinito non è ancora scelto o punta a un modello del gateway uscito dalla rete; la scelta di un altro provider senza il flag --model non viene toccata, ma suggerisce il comando per un avvio singolo;
• salverà una copia del file precedente, non toccherà provider altrui né i tuoi campi nelle tabelle del gateway, e alla fine invierà una richiesta reale al gateway e dirà se chiave, indirizzo e modello sono stati accettati.

Ecco come appariva l'output nella nostra esecuzione (abbreviato):

Configured provider "joingonka" in ~/.kimi-code/config.toml
Base URL: https://gate.joingonka.ai/v1 (provider type "openai" — Chat Completions)
Models: joingonka/MiniMaxAI/MiniMax-M2.7, joingonka/deepseek-ai/DeepSeek-V4-Flash-0731, joingonka/zai-org/GLM-5.3-Flash
Default model: joingonka/deepseek-ai/DeepSeek-V4-Flash-0731
…
✓ Verified: the gateway accepted the key, base URL and model.

Un altro modello predefinito si imposta con il flag --model (glm, minimax o l'identificatore completo); la modalità senza domande prende la chiave dalla variabile d'ambiente:

JOINGONKA_API_KEY=jg-your-key npx @joingonka/setup --tool kimi-code --model glm --non-interactive

La directory dei dati, spostata con la variabile KIMI_CODE_HOME, viene considerata automaticamente dall'installer. Invece ~/.kimi è la directory del precedente client Python kimi-cli: Kimi Code 2.x non la legge, e al primo avvio propone di importarne le impostazioni (lo stesso fa kimi migrate).

Tutto ciò che fa l'installer si può scrivere anche a mano. Kimi Code salva la configurazione in TOML; le chiavi delle tabelle con punto o barra si mettono tra virgolette. Ecco lo snippet completo per la rete Gonka:

default_model = "joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"

[providers.joingonka]
type = "openai"
base_url = "https://gate.joingonka.ai/v1"
api_key = "jg-your-key"

[models."joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"]
provider = "joingonka"
model = "deepseek-ai/DeepSeek-V4-Flash-0731"
max_context_size = 380000
max_output_size = 32768
capabilities = ["thinking", "tool_use"]
display_name = "DeepSeek V4 Flash (Gonka)"

[models."joingonka/zai-org/GLM-5.3-Flash"]
provider = "joingonka"
model = "zai-org/GLM-5.3-Flash"
max_context_size = 390000
max_output_size = 8192
capabilities = ["thinking", "tool_use"]
display_name = "GLM 5.3 Flash (Gonka)"

# MiniMax M2.7, a differenza di DeepSeek e GLM, è dichiarato senza thinking
[models."joingonka/MiniMaxAI/MiniMax-M2.7"]
provider = "joingonka"
model = "MiniMaxAI/MiniMax-M2.7"
max_context_size = 200000
max_output_size = 8192
capabilities = ["tool_use"]
display_name = "MiniMax M2.7 (Gonka)"

Dove tenere la chiave. Kimi Code non prende le chiavi dall'ambiente della shell: export OPENAI_API_KEY=… non ha effetto. Ci sono due modi, e non si possono usare contemporaneamente:

Se mettete entrambi i campi nella stessa tabella, Kimi Code li rifiuta all'avvio: has both apiKey and apiKeyEnv set in config.toml - they are mutually exclusive. Tenete presente che kimi doctor non intercetta questo conflitto — controlla solo la forma del file.

Quale tipo di provider scegliere. Kimi Code supporta diversi protocolli, e anche il gateway:

Un provider in Kimi Code parla un solo protocollo, quindi il secondo protocollo è un secondo provider con un altro nome. In modalità interattiva i provider si aggiungono e si rimuovono con il comando /provider dentro l'agente.

In Kimi Code un modello è un alias, il nome di una tabella [models."…"]. L'installer li nomina con lo schema joingonka/<model-id>, proprio come Kimi Code nomina i propri (kimi-code/k3), ed è l'alias che serve ovunque si selezioni un modello. Un identificatore senza prefisso, ad esempio MiniMaxAI/MiniMax-M2.7, Kimi Code non lo trova.

Nella nostra esecuzione /model appariva così:

Select a model  (type to search)
Tab toggle provider · ↑↓ navigate · Enter select · Alt+S session-only · Esc cancel

 All   joingonka

   MiniMax M2.7 (Gonka)       joingonka
 ❯ DeepSeek V4 Flash (Gonka)  joingonka ← current
   GLM 5.3 Flash (Gonka)      joingonka

 Thinking  (←→ to switch)
  [ On ]    Off

Interruttore Thinking. Il toggle del ragionamento sotto la lista, sui modelli della rete, di per sé non cambia nulla: Kimi Code invia il livello di ragionamento solo ai modelli che dichiarano dei livelli. Per GLM-5.3 Flash conviene farlo — il suo ragionamento si disattiva con il valore low (per i dettagli, vedi la scheda del modello). Aggiungi tre campi alla tabella del modello:

[models."joingonka/zai-org/GLM-5.3-Flash"]
# … fields written by the installer …
support_efforts = ["low", "high"]
default_effort = "high"
off_effort = "low"

Abbiamo verificato cosa arriva al gateway: con Thinking attivo Kimi Code invia reasoning_effort: "high" e il modello ragiona; con Thinking disattivato invia "low" e la risposta arriva senza il blocco di ragionamento. Una nuova esecuzione dell'installer non toccherà questi campi: modifica solo le proprie chiavi.

Modello per i subagent. I subagent integrati (coder, explore, plan) usano per impostazione predefinita il modello dell'agent principale. La sezione [secondary_model] mette a loro disposizione un pool, dal quale l'agent principale sceglie da sé in base ai suggerimenti. Nel pool va bene qualsiasi alias — DeepSeek V4 Flash, GLM-5.3 Flash o MiniMax M2.7:

[secondary_model]
default_model = "joingonka/deepseek-ai/DeepSeek-V4-Flash-0731"

[secondary_model.models]
"joingonka/deepseek-ai/DeepSeek-V4-Flash-0731" = "Long context and long output: big reads and edits."
"joingonka/zai-org/GLM-5.3-Flash" = "Reasoning model for tricky logic and debugging."

Le chiavi del pool devono coincidere con gli alias di [models]: secondo la documentazione un riferimento inesistente impedisce di creare la sessione. La riga per MiniMax M2.7 si aggiunge allo stesso modo; i riferimenti a modelli usciti dalla rete l'installer li ripulisce da solo alla successiva esecuzione.

Quale modello scegliere. Il prezzo è identico per tutti i modelli della rete, quindi la scelta riguarda il comportamento. Ecco come si sono comportati in Kimi Code 2.0.2 sul task «leggi il file e trova l'errore» (verificato il 23 settembre 2026):

Per prima cosa, verifica che Kimi Code veda il provider e che il file venga analizzato senza errori:

$ kimi provider list
joingonka  type=openai  models=3  source=inline

Default model: joingonka/deepseek-ai/DeepSeek-V4-Flash-0731

$ kimi doctor
OK config.toml  ~/.kimi-code/config.toml

Non pubblicare da nessuna parte l'output di kimi provider list --json: la chiave al suo interno è in chiaro.

Poi, un'esecuzione singola. Metti nella directory un calc.py con una funzione di addizione che in realtà sottrae, e chiedi di trovare l'errore:

kimi -p "Read calc.py and tell me in one sentence whether it has a bug."

In modalità -p la risposta va su stdout, mentre il ragionamento e lo svolgimento degli strumenti vanno su stderr, quindi l'output è comodo da analizzare con uno script. Ecco come ha risposto GLM-5.3 Flash:

• Yes: the `add` function in calc.py:2 returns `a - b` instead of `a + b`, so `add(2, 3)` prints `-1`.

Attenzione: con -p Kimi Code non chiede nulla ed esegue i comandi da solo — nella nostra esecuzione il modello ha provato a lanciare python3 senza chiedere per verificare l'ipotesi. Il primo avvio dell'interfaccia in una nuova directory inizia con la domanda Trust this folder?, che riguarda i server MCP del progetto, e sulla schermata di benvenuto si vede il modello: Model: DeepSeek V4 Flash (Gonka). L'altra metà della verifica è il pannello del gateway: nella sezione "Utilizzo" la richiesta comparirà nella ripartizione per modelli e per chiavi.

Se qualcosa è andato storto, la diagnosi di solito si legge direttamente dal messaggio:

Per ogni tua frase, Kimi Code aggiunge un system prompt e le descrizioni di circa due dozzine di strumenti integrati, e un'attività richiede solitamente diversi passaggi. Nel nostro test, ogni passaggio ha comportato circa 20 mila token in input, e "leggi il file, trova l'errore" ha richiesto due passaggi — circa 40 mila token, quasi tutti in input. Per questo motivo, il prezzo per token è fondamentale qui.

Attraverso il JoinGonka Gateway i token costano $0.0069 per milione in input e $0.021 per milione in output — il prezzo è identico per tutti i modelli della rete e viene aggiornato su questa pagina da una fonte in tempo reale.

Le stime nella colonna di destra si basano sui prezzi di settembre 2026. Per confronto, ecco come si può pagare per i modelli in Kimi Code:

Il consumo esatto e il credito residuo si trovano nel pannello, nelle sezioni "Usage" e "Billing". Kimi Code tiene traccia della lunghezza della conversazione: la barra di stato mostra quanta parte del contesto è occupata, e il comando /compact comprime la cronologia manualmente.

Modalità di autorizzazione. Nell'interfaccia Kimi Code, la modalità predefinita è Always Ask: la lettura viene eseguita immediatamente, mentre le modifiche e i comandi vengono eseguiti dopo la tua conferma. Ask When Needed (/yolo o flag --yolo) salta le modifiche e i comandi di routine, ma chiede conferma per file sensibili e comandi pericolosi; Never Ask (/auto, --auto) non chiede nulla. La modalità di pianificazione si attiva con Shift-Tab. L'esecuzione singola kimi -p viene sempre eseguita senza domande, quindi avviala in un container o in una copia di lavoro separata.

Cosa funziona senza un account Moonshot. Il tuo provider gestisce tutto ciò che fa il modello: lettura e modifica del codice, comandi, sub-agent, sessioni, MCP-server. La ricerca web è un servizio Moonshot: senza l'accesso all'account, lo strumento WebSearch non è presente nel set di agenti, ma il caricamento della pagina per indirizzo (FetchURL) rimane. I modelli di rete sono testuali, quindi l'input di immagini e video non funziona.

Telemetria e aggiornamenti. La telemetria anonima è attiva per impostazione predefinita: puoi disattivarla con la riga telemetry = false in config.toml o la variabile KIMI_DISABLE_TELEMETRY=1. Gli aggiornamenti vengono installati automaticamente ([upgrade] auto_install = true in ~/.kimi-code/tui.toml); se hai bisogno di prevedibilità, disattivali e aggiorna con il comando kimi upgrade. Il gateway non memorizza il contenuto dei prompt e delle risposte; nelle statistiche rimangono solo gli aggregati di consumo.

Ambienti multipli. Kimi Code non dispone di impostazioni dei provider a livello di progetto. Puoi separare le chiavi di lavoro e personali con la variabile KIMI_CODE_HOME: con essa, le impostazioni, le sessioni e i log vengono spostati in un'altra directory, e il programma di installazione, lanciato con la stessa variabile, scrive nello stesso posto.

Nell'editor. Kimi Code lavora all'interno di Zed, JetBrains e altri client ACP tramite il comando kimi acp, con la stessa directory di dati e gli stessi provider.

Anche i laboratori i cui modelli sono serviti dalla rete rilasciano i propri agenti: MiniMax ha il terminale MiniMax Code, DeepSeek ha DeepSeek Harness, e Z.ai, gli autori di GLM, hanno ZCode. Tutti si collegano allo stesso gateway con la stessa chiave.