Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat de propósito general y tareas con agentes. Su desarrollador lo distingue de K2 Base, el modelo fundacional, y describe la edición de instrucciones como de respuesta inmediata sin razonamiento largo. Acepta texto y genera respuestas, código y contenido de llamadas a herramientas, con un contexto de 128K.
K2 es un modelo de mezcla de expertos con un billón de parámetros totales y 32,000 millones de parámetros activos. El resumen de su desarrollador usa atención latente de múltiples cabezas y enrutamiento disperso de expertos, que selecciona ocho de 384 expertos por token con un experto compartido. El preentrenamiento usa 15.5 billones de tokens y el enfoque de optimización MuonClip, desarrollado para entrenamiento estable a la escala del modelo.
Estas son propiedades de la familia K2 original. La versión de instrucciones aporta después el comportamiento usado para chat, programación y resolución autónoma de problemas con herramientas de aplicación. Su identidad se mantiene distinta de la ampliación posterior de contexto 0905, la versión Thinking independiente y los modelos multimodales K2.5 y K2.6.
Para una pregunta, proporciona el contexto que establece la respuesta e identifica el formato que necesitas. Para una tarea de programación, incluye la implementación relevante, el fallo observado, el comportamiento esperado y las restricciones que se deben conservar. Una solicitud ilustrativa es: «Explica por qué falla esta entrada, propone la corrección mínima y devuelve la función modificada con la condición del código fuente que la respalda».
Para trabajo documental, identifica los pasajes y los criterios de comparación. Pide al resultado conservar nombres propios, identificadores de campos y unidades, e identificar la información que no contiene el material. El artefacto deseado debe permanecer explícito durante las revisiones, sin ser reemplazado por comentarios generales.
La guía original de su desarrollador recomienda una temperatura de 0.6 y ofrece una instrucción sencilla de sistema para el asistente como predeterminada cuando no se necesita un rol especializado. Este perfil produce directamente la respuesta a la tarea, sin imponer el contrato posterior de razonamiento intercalado extenso del modelo Thinking. Define el idioma de la respuesta final, los detalles obligatorios y la extensión esperada por separado de la recomendación de muestreo.
K2 Instruct admite funciones proporcionadas en cada solicitud con nombres, descripciones y esquemas de parámetros. El modelo selecciona cuándo y cómo llamarlas. La aplicación interpreta los argumentos JSON propuestos y ejecuta la operación seleccionada; las observaciones devueltas entran a la conversación con el identificador de llamada a herramienta y el nombre de función correspondientes. La respuesta siguiente puede usar esos resultados reales para responder o continuar una tarea.
Define qué hace cada herramienta y qué acciones están permitidas. Una consulta documental puede devolver el campo de producto faltante, mientras que una herramienta de desarrollo puede devolver código fuente o un error observado. Una operación seleccionada no es evidencia de ejecución hasta que su resultado está disponible. Conserva la observación con la tarea para que una conclusión final pueda identificar qué la respalda.
La ventana original de 128K contiene juntos el texto fuente, la conversación, el historial de herramientas y el contenido generado. Reserva espacio para la respuesta y organiza un repositorio extenso o una colección de documentos alrededor de la pregunta real. El tamaño de completado de ejemplo de la ficha del modelo no establece un techo universal estricto de respuesta.
El resultado útil es un texto revisado, una propuesta de código o un análisis basado en fuentes. Verifica los valores contra el material proporcionado y el código en su aplicación prevista. Mantén intacto el perfil directo de instrucciones de la edición 0711, sin atribuirle contexto posterior, entradas visuales ni funciones de conservación de razonamiento de otra versión K2.
", "aboutText": "Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat de propósito general y tareas con agentes. Su desarrollador lo distingue de K2 Base, el modelo fundacional, y describe la edición de instrucciones como de respuesta inmediata sin razonamiento largo. Acepta texto y genera respuestas, código y contenido de llamadas a herramientas, con un contexto de 128K.\n\n### Arquitectura y entrenamiento\n\nK2 es un modelo de mezcla de expertos con un billón de parámetros totales y 32,000 millones de parámetros activos. El resumen de su desarrollador usa atención latente de múltiples cabezas y enrutamiento disperso de expertos, que selecciona ocho de 384 expertos por token con un experto compartido. El preentrenamiento usa 15.5 billones de tokens y el enfoque de optimización MuonClip, desarrollado para entrenamiento estable a la escala del modelo.\n\nEstas son propiedades de la familia K2 original. La versión de instrucciones aporta después el comportamiento usado para chat, programación y resolución autónoma de problemas con herramientas de aplicación. Su identidad se mantiene distinta de la ampliación posterior de contexto 0905, la versión Thinking independiente y los modelos multimodales K2.5 y K2.6.\n\n### Prepara la tarea\n\nPara una pregunta, proporciona el contexto que establece la respuesta e identifica el formato que necesitas. Para una tarea de programación, incluye la implementación relevante, el fallo observado, el comportamiento esperado y las restricciones que se deben conservar. Una solicitud ilustrativa es: «Explica por qué falla esta entrada, propone la corrección mínima y devuelve la función modificada con la condición del código fuente que la respalda».\n\nPara trabajo documental, identifica los pasajes y los criterios de comparación. Pide al resultado conservar nombres propios, identificadores de campos y unidades, e identificar la información que no contiene el material. El artefacto deseado debe permanecer explícito durante las revisiones, sin ser reemplazado por comentarios generales.\n\n### Perfil de chat\n\nLa guía original de su desarrollador recomienda una temperatura de 0.6 y ofrece una instrucción sencilla de sistema para el asistente como predeterminada cuando no se necesita un rol especializado. Este perfil produce directamente la respuesta a la tarea, sin imponer el contrato posterior de razonamiento intercalado extenso del modelo Thinking. Define el idioma de la respuesta final, los detalles obligatorios y la extensión esperada por separado de la recomendación de muestreo.\n\n### Herramientas y observaciones\n\nK2 Instruct admite funciones proporcionadas en cada solicitud con nombres, descripciones y esquemas de parámetros. El modelo selecciona cuándo y cómo llamarlas. La aplicación interpreta los argumentos JSON propuestos y ejecuta la operación seleccionada; las observaciones devueltas entran a la conversación con el identificador de llamada a herramienta y el nombre de función correspondientes. La respuesta siguiente puede usar esos resultados reales para responder o continuar una tarea.\n\nDefine qué hace cada herramienta y qué acciones están permitidas. Una consulta documental puede devolver el campo de producto faltante, mientras que una herramienta de desarrollo puede devolver código fuente o un error observado. Una operación seleccionada no es evidencia de ejecución hasta que su resultado está disponible. Conserva la observación con la tarea para que una conclusión final pueda identificar qué la respalda.\n\n### Contexto y revisión del resultado\n\nLa ventana original de 128K contiene juntos el texto fuente, la conversación, el historial de herramientas y el contenido generado. Reserva espacio para la respuesta y organiza un repositorio extenso o una colección de documentos alrededor de la pregunta real. El tamaño de completado de ejemplo de la ficha del modelo no establece un techo universal estricto de respuesta.\n\nEl resultado útil es un texto revisado, una propuesta de código o un análisis basado en fuentes. Verifica los valores contra el material proporcionado y el código en su aplicación prevista. Mantén intacto el perfil directo de instrucciones de la edición 0711, sin atribuirle contexto posterior, entradas visuales ni funciones de conservación de razonamiento de otra versión K2.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.moonshotai/kimi-k2Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat, programación y agentes guiados por herramientas. Su contexto de 128K y su perfil de respuesta inmediata producen respuestas, código y llamadas a funciones seleccionadas sin el flujo posterior de K2 Thinking.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat de propósito general y tareas con agentes. Su desarrollador lo distingue de K2 Base, el modelo fundacional, y describe la edición de instrucciones como de respuesta inmediata sin razonamiento largo. Acepta texto y genera respuestas, código y contenido de llamadas a herramientas, con un contexto de 128K.
K2 es un modelo de mezcla de expertos con un billón de parámetros totales y 32,000 millones de parámetros activos. El resumen de su desarrollador usa atención latente de múltiples cabezas y enrutamiento disperso de expertos, que selecciona ocho de 384 expertos por token con un experto compartido. El preentrenamiento usa 15.5 billones de tokens y el enfoque de optimización MuonClip, desarrollado para entrenamiento estable a la escala del modelo.
Estas son propiedades de la familia K2 original. La versión de instrucciones aporta después el comportamiento usado para chat, programación y resolución autónoma de problemas con herramientas de aplicación. Su identidad se mantiene distinta de la ampliación posterior de contexto 0905, la versión Thinking independiente y los modelos multimodales K2.5 y K2.6.
Para una pregunta, proporciona el contexto que establece la respuesta e identifica el formato que necesitas. Para una tarea de programación, incluye la implementación relevante, el fallo observado, el comportamiento esperado y las restricciones que se deben conservar. Una solicitud ilustrativa es: «Explica por qué falla esta entrada, propone la corrección mínima y devuelve la función modificada con la condición del código fuente que la respalda».
Para trabajo documental, identifica los pasajes y los criterios de comparación. Pide al resultado conservar nombres propios, identificadores de campos y unidades, e identificar la información que no contiene el material. El artefacto deseado debe permanecer explícito durante las revisiones, sin ser reemplazado por comentarios generales.
La guía original de su desarrollador recomienda una temperatura de 0.6 y ofrece una instrucción sencilla de sistema para el asistente como predeterminada cuando no se necesita un rol especializado. Este perfil produce directamente la respuesta a la tarea, sin imponer el contrato posterior de razonamiento intercalado extenso del modelo Thinking. Define el idioma de la respuesta final, los detalles obligatorios y la extensión esperada por separado de la recomendación de muestreo.
K2 Instruct admite funciones proporcionadas en cada solicitud con nombres, descripciones y esquemas de parámetros. El modelo selecciona cuándo y cómo llamarlas. La aplicación interpreta los argumentos JSON propuestos y ejecuta la operación seleccionada; las observaciones devueltas entran a la conversación con el identificador de llamada a herramienta y el nombre de función correspondientes. La respuesta siguiente puede usar esos resultados reales para responder o continuar una tarea.
Define qué hace cada herramienta y qué acciones están permitidas. Una consulta documental puede devolver el campo de producto faltante, mientras que una herramienta de desarrollo puede devolver código fuente o un error observado. Una operación seleccionada no es evidencia de ejecución hasta que su resultado está disponible. Conserva la observación con la tarea para que una conclusión final pueda identificar qué la respalda.
La ventana original de 128K contiene juntos el texto fuente, la conversación, el historial de herramientas y el contenido generado. Reserva espacio para la respuesta y organiza un repositorio extenso o una colección de documentos alrededor de la pregunta real. El tamaño de completado de ejemplo de la ficha del modelo no establece un techo universal estricto de respuesta.
El resultado útil es un texto revisado, una propuesta de código o un análisis basado en fuentes. Verifica los valores contra el material proporcionado y el código en su aplicación prevista. Mantén intacto el perfil directo de instrucciones de la edición 0711, sin atribuirle contexto posterior, entradas visuales ni funciones de conservación de razonamiento de otra versión K2.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.0046 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.0046 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='moonshotai/kimi-k2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='moonshotai/kimi-k2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra moonshotai/kimi-k2
Usa las rutas de método indicadas arriba.
moonshotai/kimi-k2Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat, programación y agentes guiados por herramientas. Su contexto de 128K y su perfil de respuesta inmediata producen respuestas, código y llamadas a funciones seleccionadas sin el flujo posterior de K2 Thinking.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Kimi K2 Instruct 0711 es el modelo de texto K2 original con posentrenamiento de Moonshot AI para chat de propósito general y tareas con agentes. Su desarrollador lo distingue de K2 Base, el modelo fundacional, y describe la edición de instrucciones como de respuesta inmediata sin razonamiento largo. Acepta texto y genera respuestas, código y contenido de llamadas a herramientas, con un contexto de 128K.
K2 es un modelo de mezcla de expertos con un billón de parámetros totales y 32,000 millones de parámetros activos. El resumen de su desarrollador usa atención latente de múltiples cabezas y enrutamiento disperso de expertos, que selecciona ocho de 384 expertos por token con un experto compartido. El preentrenamiento usa 15.5 billones de tokens y el enfoque de optimización MuonClip, desarrollado para entrenamiento estable a la escala del modelo.
Estas son propiedades de la familia K2 original. La versión de instrucciones aporta después el comportamiento usado para chat, programación y resolución autónoma de problemas con herramientas de aplicación. Su identidad se mantiene distinta de la ampliación posterior de contexto 0905, la versión Thinking independiente y los modelos multimodales K2.5 y K2.6.
Para una pregunta, proporciona el contexto que establece la respuesta e identifica el formato que necesitas. Para una tarea de programación, incluye la implementación relevante, el fallo observado, el comportamiento esperado y las restricciones que se deben conservar. Una solicitud ilustrativa es: «Explica por qué falla esta entrada, propone la corrección mínima y devuelve la función modificada con la condición del código fuente que la respalda».
Para trabajo documental, identifica los pasajes y los criterios de comparación. Pide al resultado conservar nombres propios, identificadores de campos y unidades, e identificar la información que no contiene el material. El artefacto deseado debe permanecer explícito durante las revisiones, sin ser reemplazado por comentarios generales.
La guía original de su desarrollador recomienda una temperatura de 0.6 y ofrece una instrucción sencilla de sistema para el asistente como predeterminada cuando no se necesita un rol especializado. Este perfil produce directamente la respuesta a la tarea, sin imponer el contrato posterior de razonamiento intercalado extenso del modelo Thinking. Define el idioma de la respuesta final, los detalles obligatorios y la extensión esperada por separado de la recomendación de muestreo.
K2 Instruct admite funciones proporcionadas en cada solicitud con nombres, descripciones y esquemas de parámetros. El modelo selecciona cuándo y cómo llamarlas. La aplicación interpreta los argumentos JSON propuestos y ejecuta la operación seleccionada; las observaciones devueltas entran a la conversación con el identificador de llamada a herramienta y el nombre de función correspondientes. La respuesta siguiente puede usar esos resultados reales para responder o continuar una tarea.
Define qué hace cada herramienta y qué acciones están permitidas. Una consulta documental puede devolver el campo de producto faltante, mientras que una herramienta de desarrollo puede devolver código fuente o un error observado. Una operación seleccionada no es evidencia de ejecución hasta que su resultado está disponible. Conserva la observación con la tarea para que una conclusión final pueda identificar qué la respalda.
La ventana original de 128K contiene juntos el texto fuente, la conversación, el historial de herramientas y el contenido generado. Reserva espacio para la respuesta y organiza un repositorio extenso o una colección de documentos alrededor de la pregunta real. El tamaño de completado de ejemplo de la ficha del modelo no establece un techo universal estricto de respuesta.
El resultado útil es un texto revisado, una propuesta de código o un análisis basado en fuentes. Verifica los valores contra el material proporcionado y el código en su aplicación prevista. Mantén intacto el perfil directo de instrucciones de la edición 0711, sin atribuirle contexto posterior, entradas visuales ni funciones de conservación de razonamiento de otra versión K2.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.0046 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.0046 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "moonshotai/kimi-k2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra moonshotai/kimi-k2
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.