Kimi K2 Instruct 0905 es la actualización de septiembre del modelo de instrucciones Kimi K2 de Moonshot AI. Es un modelo de texto para conocimiento, razonamiento, programación y tareas guiadas por herramientas, con un billón de parámetros totales de mezcla de expertos y 32 mil millones de parámetros activos. La edición 0905 específica mejora la programación con agentes y el trabajo de frontend y amplía el contexto de los 128K de la versión original a 256K tokens.
El fabricante destaca tanto el comportamiento práctico como la apariencia del código de frontend, junto con mejoras en tareas reales de agentes de programación. Prepara un encargo de software con la implementación pertinente, el comportamiento observado y los requisitos que debe satisfacer. Para una interfaz, identifica el contenido, los estados visibles y las interacciones, así como las características de diseño importantes. Un resultado útil es código vinculado a esos criterios, no una explicación general de cómo podría funcionar una interfaz.
Una instrucción ilustrativa es: «Actualiza este componente para que coincida con el flujo de formulario descrito, conserva los nombres de campos existentes y explica los estados de error y éxito requeridos». Para depurar, proporciona una entrada representativa y pide al modelo que identifique la primera condición incorrecta antes de devolver un parche delimitado. Incorpora observaciones reales del renderizado o de la validación a la siguiente revisión.
El resumen de 0905 describe atención latente multicabeza y una mezcla dispersa de expertos, seleccionando ocho de 384 expertos por token junto con un experto compartido. El contexto de 256K permite un registro de tarea más amplio que la edición K2 original, aunque sigue conteniendo conjuntamente las fuentes, la conversación, las observaciones de herramientas y la respuesta generada. Una ventana mayor no debe interpretarse como una asignación máxima independiente de salida.
Organiza los fragmentos del repositorio por archivo y el material documental por sección. Indica el entregable final y las condiciones que deben permanecer sin cambios durante los seguimientos. Para una comparación, solicita el pasaje o fragmento de código que respalda cada conclusión. Conserva la identidad 0905 seleccionada cuando el contexto ampliado y la actualización de programación sean importantes para la tarea.
El fabricante recomienda temperature 0.6 y proporciona una instrucción sencilla de sistema de asistente para tareas que no necesitan un papel especializado. Define el idioma y la forma de la respuesta por separado, como una explicación, una comparación respaldada por fuentes o únicamente código. Así se mantiene visible el resultado final deseado incluso cuando la aplicación utiliza varios pasos del modelo.
La ficha específica documenta herramientas disponibles proporcionadas en cada solicitud. Las funciones tienen nombres, descripciones y esquemas de parámetros; el modelo decide cuándo y cómo llamarlas. La aplicación analiza los argumentos JSON seleccionados, realiza la operación y devuelve un resultado de herramienta asociado al identificador de la llamada. La siguiente respuesta puede utilizar entonces la observación real o continuar la tarea.
Un parche generado, una operación elegida o un plan de búsqueda son propuestas hasta que la aplicación que rodea al modelo los realiza. Conserva el resultado de esa operación como prueba para el siguiente paso y la entrega final. Comprueba los valores extraídos frente a las fuentes y el código frente al comportamiento solicitado.
K2 Instruct 0905 permanece separado de K2 Thinking y de las ediciones multimodales posteriores K2.5 y K2.6. No deben inferirse para esta actualización textual nombrada sus entradas de imagen y vídeo, las propiedades nativas INT4 del punto de control de razonamiento ni los controles preserve-thinking. La salida útil es un resultado delimitado de texto o código basado en la tarea y en las observaciones realmente devueltas.
", "aboutText": "Kimi K2 Instruct 0905 es la actualización de septiembre del modelo de instrucciones Kimi K2 de Moonshot AI. Es un modelo de texto para conocimiento, razonamiento, programación y tareas guiadas por herramientas, con un billón de parámetros totales de mezcla de expertos y 32 mil millones de parámetros activos. La edición 0905 específica mejora la programación con agentes y el trabajo de frontend y amplía el contexto de los 128K de la versión original a 256K tokens.\n\n### Qué cambia en esta edición\n\nEl fabricante destaca tanto el comportamiento práctico como la apariencia del código de frontend, junto con mejoras en tareas reales de agentes de programación. Prepara un encargo de software con la implementación pertinente, el comportamiento observado y los requisitos que debe satisfacer. Para una interfaz, identifica el contenido, los estados visibles y las interacciones, así como las características de diseño importantes. Un resultado útil es código vinculado a esos criterios, no una explicación general de cómo podría funcionar una interfaz.\n\nUna instrucción ilustrativa es: «Actualiza este componente para que coincida con el flujo de formulario descrito, conserva los nombres de campos existentes y explica los estados de error y éxito requeridos». Para depurar, proporciona una entrada representativa y pide al modelo que identifique la primera condición incorrecta antes de devolver un parche delimitado. Incorpora observaciones reales del renderizado o de la validación a la siguiente revisión.\n\n### Perfil del modelo y contexto largo\n\nEl resumen de 0905 describe atención latente multicabeza y una mezcla dispersa de expertos, seleccionando ocho de 384 expertos por token junto con un experto compartido. El contexto de 256K permite un registro de tarea más amplio que la edición K2 original, aunque sigue conteniendo conjuntamente las fuentes, la conversación, las observaciones de herramientas y la respuesta generada. Una ventana mayor no debe interpretarse como una asignación máxima independiente de salida.\n\nOrganiza los fragmentos del repositorio por archivo y el material documental por sección. Indica el entregable final y las condiciones que deben permanecer sin cambios durante los seguimientos. Para una comparación, solicita el pasaje o fragmento de código que respalda cada conclusión. Conserva la identidad 0905 seleccionada cuando el contexto ampliado y la actualización de programación sean importantes para la tarea.\n\n### Chat y llamadas a funciones\n\nEl fabricante recomienda temperature 0.6 y proporciona una instrucción sencilla de sistema de asistente para tareas que no necesitan un papel especializado. Define el idioma y la forma de la respuesta por separado, como una explicación, una comparación respaldada por fuentes o únicamente código. Así se mantiene visible el resultado final deseado incluso cuando la aplicación utiliza varios pasos del modelo.\n\nLa ficha específica documenta herramientas disponibles proporcionadas en cada solicitud. Las funciones tienen nombres, descripciones y esquemas de parámetros; el modelo decide cuándo y cómo llamarlas. La aplicación analiza los argumentos JSON seleccionados, realiza la operación y devuelve un resultado de herramienta asociado al identificador de la llamada. La siguiente respuesta puede utilizar entonces la observación real o continuar la tarea.\n\n### Resultados que se pueden revisar\n\nUn parche generado, una operación elegida o un plan de búsqueda son propuestas hasta que la aplicación que rodea al modelo los realiza. Conserva el resultado de esa operación como prueba para el siguiente paso y la entrega final. Comprueba los valores extraídos frente a las fuentes y el código frente al comportamiento solicitado.\n\nK2 Instruct 0905 permanece separado de K2 Thinking y de las ediciones multimodales posteriores K2.5 y K2.6. No deben inferirse para esta actualización textual nombrada sus entradas de imagen y vídeo, las propiedades nativas INT4 del punto de control de razonamiento ni los controles preserve-thinking. La salida útil es un resultado delimitado de texto o código basado en la tarea y en las observaciones realmente devueltas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 es el modelo de texto actualizado de Moonshot AI para programación, implementación de frontend y agentes. Amplía el contexto original de K2 de 128K a 256K y devuelve respuestas, código y contenido de llamadas a funciones basados en la tarea y las observaciones proporcionadas por la aplicación.
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 0905 es la actualización de septiembre del modelo de instrucciones Kimi K2 de Moonshot AI. Es un modelo de texto para conocimiento, razonamiento, programación y tareas guiadas por herramientas, con un billón de parámetros totales de mezcla de expertos y 32 mil millones de parámetros activos. La edición 0905 específica mejora la programación con agentes y el trabajo de frontend y amplía el contexto de los 128K de la versión original a 256K tokens.
El fabricante destaca tanto el comportamiento práctico como la apariencia del código de frontend, junto con mejoras en tareas reales de agentes de programación. Prepara un encargo de software con la implementación pertinente, el comportamiento observado y los requisitos que debe satisfacer. Para una interfaz, identifica el contenido, los estados visibles y las interacciones, así como las características de diseño importantes. Un resultado útil es código vinculado a esos criterios, no una explicación general de cómo podría funcionar una interfaz.
Una instrucción ilustrativa es: «Actualiza este componente para que coincida con el flujo de formulario descrito, conserva los nombres de campos existentes y explica los estados de error y éxito requeridos». Para depurar, proporciona una entrada representativa y pide al modelo que identifique la primera condición incorrecta antes de devolver un parche delimitado. Incorpora observaciones reales del renderizado o de la validación a la siguiente revisión.
El resumen de 0905 describe atención latente multicabeza y una mezcla dispersa de expertos, seleccionando ocho de 384 expertos por token junto con un experto compartido. El contexto de 256K permite un registro de tarea más amplio que la edición K2 original, aunque sigue conteniendo conjuntamente las fuentes, la conversación, las observaciones de herramientas y la respuesta generada. Una ventana mayor no debe interpretarse como una asignación máxima independiente de salida.
Organiza los fragmentos del repositorio por archivo y el material documental por sección. Indica el entregable final y las condiciones que deben permanecer sin cambios durante los seguimientos. Para una comparación, solicita el pasaje o fragmento de código que respalda cada conclusión. Conserva la identidad 0905 seleccionada cuando el contexto ampliado y la actualización de programación sean importantes para la tarea.
El fabricante recomienda temperature 0.6 y proporciona una instrucción sencilla de sistema de asistente para tareas que no necesitan un papel especializado. Define el idioma y la forma de la respuesta por separado, como una explicación, una comparación respaldada por fuentes o únicamente código. Así se mantiene visible el resultado final deseado incluso cuando la aplicación utiliza varios pasos del modelo.
La ficha específica documenta herramientas disponibles proporcionadas en cada solicitud. Las funciones tienen nombres, descripciones y esquemas de parámetros; el modelo decide cuándo y cómo llamarlas. La aplicación analiza los argumentos JSON seleccionados, realiza la operación y devuelve un resultado de herramienta asociado al identificador de la llamada. La siguiente respuesta puede utilizar entonces la observación real o continuar la tarea.
Un parche generado, una operación elegida o un plan de búsqueda son propuestas hasta que la aplicación que rodea al modelo los realiza. Conserva el resultado de esa operación como prueba para el siguiente paso y la entrega final. Comprueba los valores extraídos frente a las fuentes y el código frente al comportamiento solicitado.
K2 Instruct 0905 permanece separado de K2 Thinking y de las ediciones multimodales posteriores K2.5 y K2.6. No deben inferirse para esta actualización textual nombrada sus entradas de imagen y vídeo, las propiedades nativas INT4 del punto de control de razonamiento ni los controles preserve-thinking. La salida útil es un resultado delimitado de texto o código basado en la tarea y en las observaciones realmente devueltas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2-0905 | 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 $0.0012 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0012 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2-0905", "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-k2-0905',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-k2-0905',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 las cabeceras. 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-k2-0905
Usa las rutas de método indicadas arriba.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 es el modelo de texto actualizado de Moonshot AI para programación, implementación de frontend y agentes. Amplía el contexto original de K2 de 128K a 256K y devuelve respuestas, código y contenido de llamadas a funciones basados en la tarea y las observaciones proporcionadas por la aplicación.
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 0905 es la actualización de septiembre del modelo de instrucciones Kimi K2 de Moonshot AI. Es un modelo de texto para conocimiento, razonamiento, programación y tareas guiadas por herramientas, con un billón de parámetros totales de mezcla de expertos y 32 mil millones de parámetros activos. La edición 0905 específica mejora la programación con agentes y el trabajo de frontend y amplía el contexto de los 128K de la versión original a 256K tokens.
El fabricante destaca tanto el comportamiento práctico como la apariencia del código de frontend, junto con mejoras en tareas reales de agentes de programación. Prepara un encargo de software con la implementación pertinente, el comportamiento observado y los requisitos que debe satisfacer. Para una interfaz, identifica el contenido, los estados visibles y las interacciones, así como las características de diseño importantes. Un resultado útil es código vinculado a esos criterios, no una explicación general de cómo podría funcionar una interfaz.
Una instrucción ilustrativa es: «Actualiza este componente para que coincida con el flujo de formulario descrito, conserva los nombres de campos existentes y explica los estados de error y éxito requeridos». Para depurar, proporciona una entrada representativa y pide al modelo que identifique la primera condición incorrecta antes de devolver un parche delimitado. Incorpora observaciones reales del renderizado o de la validación a la siguiente revisión.
El resumen de 0905 describe atención latente multicabeza y una mezcla dispersa de expertos, seleccionando ocho de 384 expertos por token junto con un experto compartido. El contexto de 256K permite un registro de tarea más amplio que la edición K2 original, aunque sigue conteniendo conjuntamente las fuentes, la conversación, las observaciones de herramientas y la respuesta generada. Una ventana mayor no debe interpretarse como una asignación máxima independiente de salida.
Organiza los fragmentos del repositorio por archivo y el material documental por sección. Indica el entregable final y las condiciones que deben permanecer sin cambios durante los seguimientos. Para una comparación, solicita el pasaje o fragmento de código que respalda cada conclusión. Conserva la identidad 0905 seleccionada cuando el contexto ampliado y la actualización de programación sean importantes para la tarea.
El fabricante recomienda temperature 0.6 y proporciona una instrucción sencilla de sistema de asistente para tareas que no necesitan un papel especializado. Define el idioma y la forma de la respuesta por separado, como una explicación, una comparación respaldada por fuentes o únicamente código. Así se mantiene visible el resultado final deseado incluso cuando la aplicación utiliza varios pasos del modelo.
La ficha específica documenta herramientas disponibles proporcionadas en cada solicitud. Las funciones tienen nombres, descripciones y esquemas de parámetros; el modelo decide cuándo y cómo llamarlas. La aplicación analiza los argumentos JSON seleccionados, realiza la operación y devuelve un resultado de herramienta asociado al identificador de la llamada. La siguiente respuesta puede utilizar entonces la observación real o continuar la tarea.
Un parche generado, una operación elegida o un plan de búsqueda son propuestas hasta que la aplicación que rodea al modelo los realiza. Conserva el resultado de esa operación como prueba para el siguiente paso y la entrega final. Comprueba los valores extraídos frente a las fuentes y el código frente al comportamiento solicitado.
K2 Instruct 0905 permanece separado de K2 Thinking y de las ediciones multimodales posteriores K2.5 y K2.6. No deben inferirse para esta actualización textual nombrada sus entradas de imagen y vídeo, las propiedades nativas INT4 del punto de control de razonamiento ni los controles preserve-thinking. La salida útil es un resultado delimitado de texto o código basado en la tarea y en las observaciones realmente devueltas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2-0905 | 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 $0.0012 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0012 / 1K tokens Salida · Tokens de salida $0.005 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2-0905', '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-k2-0905', '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 las cabeceras. 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-k2-0905
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.