Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI, creado mediante preentrenamiento continuo con aproximadamente quince billones de tokens mixtos de visión y texto sobre Kimi K2 Base. Combina lenguaje y visión con flujos conversacionales y de agentes. La entrada puede contener texto, imágenes y vídeo; la salida es texto, como una explicación, código o una operación de herramienta propuesta.
El resumen del fabricante enumera una arquitectura de mezcla de expertos con un billón de parámetros totales y 32 mil millones de parámetros activados, un contexto de 256K y un codificador visual MoonViT de 400 millones de parámetros. K2.5 adopta el método de cuantización nativa INT4 documentado para K2 Thinking. Son propiedades del punto de control publicado del productor, distintas de una afirmación sobre todas las configuraciones de ejecución que lo rodean.
Un caso de uso característico es la generación de código a partir de especificaciones visuales, incluidos diseños de interfaces y flujos de vídeo. Proporciona contenido multimedia legible, código fuente pertinente y el comportamiento previsto. Identifica qué detalles visuales son obligatorios y cómo debe responder el resultado a la interacción del usuario. Un encargo útil es: «Implementa el diseño proporcionado, conserva estas etiquetas y explica cómo corresponden los estados visibles a los requisitos».
Para una tarea de análisis de imágenes, solicita el detalle visible que respalda cada hallazgo y separa la extracción de la interpretación. Para vídeo, indica el segmento y la acción o el cambio que explicar. El productor marca como experimental el flujo de vídeo demostrado; comprender el contenido multimedia produce un resultado textual, no renderiza un vídeo nuevo ni ejecuta una acción visual por sí solo.
K2.5 admite los modos thinking e instant. Thinking desarrolla el razonamiento antes de una respuesta final; instant responde directamente. El despliegue de referencia del fabricante recomienda temperature 1.0 para thinking, 0.6 para instant y top-p 0.95. Define la forma deseada de la respuesta por separado de esa elección de razonamiento, como un registro extraído, un memorando de decisión o un resultado completo de código.
Para una pregunta difícil, proporciona el enunciado completo y las fuentes pertinentes. Un encargo documental puede solicitar una comparación con el pasaje de apoyo junto a cada conclusión. Un encargo de programación puede identificar la entrada que falla, las restricciones y el cambio que proponer. La salida debe seguir siendo trazable a esa tarea, sin tratar una larga secuencia de razonamiento como un resultado completado.
K2.5 utiliza el mismo diseño de razonamiento intercalado y llamadas a herramientas de varios pasos que K2 Thinking. La aplicación proporciona funciones con descripciones y esquemas, ejecuta las operaciones seleccionadas y devuelve observaciones. Mantén los resultados asociados a sus llamadas para que el siguiente paso pueda utilizar pruebas reales.
El productor también describe un flujo de conjunto de agentes que descompone un objetivo complejo en subtareas coordinadas y específicas de cada dominio. Prepara ese objetivo con salidas definidas, acciones permitidas y criterios de finalización. El entregable final debe integrar las observaciones realmente obtenidas; un plan generado o una rama propuesta son distintos del trabajo ejecutado.
Distribuye las fuentes, la representación multimedia, el historial, el razonamiento y la respuesta final dentro del contexto documentado de 256K. Los presupuestos de tokens de las solicitudes de ejemplo y de evaluación de la ficha no son límites universales de salida establecidos de forma independiente. Etiqueta las fuentes y el contenido multimedia para que un resultado pueda remitir a sus pruebas.
El entregable útil es una explicación basada en imágenes, una propuesta de código o un resultado analítico respaldado por fuentes. Revisa los valores frente a las entradas e inspecciona el código en su aplicación prevista. K2.5 sigue siendo una versión multimodal propia; los controles posteriores preserve-thinking de K2.6 y los perfiles de prompts anteriores de K2 exclusivamente textual no deben sustituir al flujo documentado de esta edición.
", "aboutText": "Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI, creado mediante preentrenamiento continuo con aproximadamente quince billones de tokens mixtos de visión y texto sobre Kimi K2 Base. Combina lenguaje y visión con flujos conversacionales y de agentes. La entrada puede contener texto, imágenes y vídeo; la salida es texto, como una explicación, código o una operación de herramienta propuesta.\n\n### Perfil del modelo\n\nEl resumen del fabricante enumera una arquitectura de mezcla de expertos con un billón de parámetros totales y 32 mil millones de parámetros activados, un contexto de 256K y un codificador visual MoonViT de 400 millones de parámetros. K2.5 adopta el método de cuantización nativa INT4 documentado para K2 Thinking. Son propiedades del punto de control publicado del productor, distintas de una afirmación sobre todas las configuraciones de ejecución que lo rodean.\n\n### Programación con pruebas visuales\n\nUn caso de uso característico es la generación de código a partir de especificaciones visuales, incluidos diseños de interfaces y flujos de vídeo. Proporciona contenido multimedia legible, código fuente pertinente y el comportamiento previsto. Identifica qué detalles visuales son obligatorios y cómo debe responder el resultado a la interacción del usuario. Un encargo útil es: «Implementa el diseño proporcionado, conserva estas etiquetas y explica cómo corresponden los estados visibles a los requisitos».\n\nPara una tarea de análisis de imágenes, solicita el detalle visible que respalda cada hallazgo y separa la extracción de la interpretación. Para vídeo, indica el segmento y la acción o el cambio que explicar. El productor marca como experimental el flujo de vídeo demostrado; comprender el contenido multimedia produce un resultado textual, no renderiza un vídeo nuevo ni ejecuta una acción visual por sí solo.\n\n### Razonamiento y respuestas instantáneas\n\nK2.5 admite los modos thinking e instant. Thinking desarrolla el razonamiento antes de una respuesta final; instant responde directamente. El despliegue de referencia del fabricante recomienda temperature 1.0 para thinking, 0.6 para instant y top-p 0.95. Define la forma deseada de la respuesta por separado de esa elección de razonamiento, como un registro extraído, un memorando de decisión o un resultado completo de código.\n\nPara una pregunta difícil, proporciona el enunciado completo y las fuentes pertinentes. Un encargo documental puede solicitar una comparación con el pasaje de apoyo junto a cada conclusión. Un encargo de programación puede identificar la entrada que falla, las restricciones y el cambio que proponer. La salida debe seguir siendo trazable a esa tarea, sin tratar una larga secuencia de razonamiento como un resultado completado.\n\n### Herramientas intercaladas y tareas de agentes\n\nK2.5 utiliza el mismo diseño de razonamiento intercalado y llamadas a herramientas de varios pasos que K2 Thinking. La aplicación proporciona funciones con descripciones y esquemas, ejecuta las operaciones seleccionadas y devuelve observaciones. Mantén los resultados asociados a sus llamadas para que el siguiente paso pueda utilizar pruebas reales.\n\nEl productor también describe un flujo de conjunto de agentes que descompone un objetivo complejo en subtareas coordinadas y específicas de cada dominio. Prepara ese objetivo con salidas definidas, acciones permitidas y criterios de finalización. El entregable final debe integrar las observaciones realmente obtenidas; un plan generado o una rama propuesta son distintos del trabajo ejecutado.\n\n### Contexto y revisión\n\nDistribuye las fuentes, la representación multimedia, el historial, el razonamiento y la respuesta final dentro del contexto documentado de 256K. Los presupuestos de tokens de las solicitudes de ejemplo y de evaluación de la ficha no son límites universales de salida establecidos de forma independiente. Etiqueta las fuentes y el contenido multimedia para que un resultado pueda remitir a sus pruebas.\n\nEl entregable útil es una explicación basada en imágenes, una propuesta de código o un resultado analítico respaldado por fuentes. Revisa los valores frente a las entradas e inspecciona el código en su aplicación prevista. K2.5 sigue siendo una versión multimodal propia; los controles posteriores preserve-thinking de K2.6 y los perfiles de prompts anteriores de K2 exclusivamente textual no deben sustituir al flujo documentado de esta edición.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.moonshotai/kimi-k2.5Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI para programación basada en imágenes, razonamiento y trabajo asistido por herramientas. Combina texto, imágenes y vídeo con modos thinking e instant, un contexto de 256K y un flujo del productor para subtareas coordinadas de agentes.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI, creado mediante preentrenamiento continuo con aproximadamente quince billones de tokens mixtos de visión y texto sobre Kimi K2 Base. Combina lenguaje y visión con flujos conversacionales y de agentes. La entrada puede contener texto, imágenes y vídeo; la salida es texto, como una explicación, código o una operación de herramienta propuesta.
El resumen del fabricante enumera una arquitectura de mezcla de expertos con un billón de parámetros totales y 32 mil millones de parámetros activados, un contexto de 256K y un codificador visual MoonViT de 400 millones de parámetros. K2.5 adopta el método de cuantización nativa INT4 documentado para K2 Thinking. Son propiedades del punto de control publicado del productor, distintas de una afirmación sobre todas las configuraciones de ejecución que lo rodean.
Un caso de uso característico es la generación de código a partir de especificaciones visuales, incluidos diseños de interfaces y flujos de vídeo. Proporciona contenido multimedia legible, código fuente pertinente y el comportamiento previsto. Identifica qué detalles visuales son obligatorios y cómo debe responder el resultado a la interacción del usuario. Un encargo útil es: «Implementa el diseño proporcionado, conserva estas etiquetas y explica cómo corresponden los estados visibles a los requisitos».
Para una tarea de análisis de imágenes, solicita el detalle visible que respalda cada hallazgo y separa la extracción de la interpretación. Para vídeo, indica el segmento y la acción o el cambio que explicar. El productor marca como experimental el flujo de vídeo demostrado; comprender el contenido multimedia produce un resultado textual, no renderiza un vídeo nuevo ni ejecuta una acción visual por sí solo.
K2.5 admite los modos thinking e instant. Thinking desarrolla el razonamiento antes de una respuesta final; instant responde directamente. El despliegue de referencia del fabricante recomienda temperature 1.0 para thinking, 0.6 para instant y top-p 0.95. Define la forma deseada de la respuesta por separado de esa elección de razonamiento, como un registro extraído, un memorando de decisión o un resultado completo de código.
Para una pregunta difícil, proporciona el enunciado completo y las fuentes pertinentes. Un encargo documental puede solicitar una comparación con el pasaje de apoyo junto a cada conclusión. Un encargo de programación puede identificar la entrada que falla, las restricciones y el cambio que proponer. La salida debe seguir siendo trazable a esa tarea, sin tratar una larga secuencia de razonamiento como un resultado completado.
K2.5 utiliza el mismo diseño de razonamiento intercalado y llamadas a herramientas de varios pasos que K2 Thinking. La aplicación proporciona funciones con descripciones y esquemas, ejecuta las operaciones seleccionadas y devuelve observaciones. Mantén los resultados asociados a sus llamadas para que el siguiente paso pueda utilizar pruebas reales.
El productor también describe un flujo de conjunto de agentes que descompone un objetivo complejo en subtareas coordinadas y específicas de cada dominio. Prepara ese objetivo con salidas definidas, acciones permitidas y criterios de finalización. El entregable final debe integrar las observaciones realmente obtenidas; un plan generado o una rama propuesta son distintos del trabajo ejecutado.
Distribuye las fuentes, la representación multimedia, el historial, el razonamiento y la respuesta final dentro del contexto documentado de 256K. Los presupuestos de tokens de las solicitudes de ejemplo y de evaluación de la ficha no son límites universales de salida establecidos de forma independiente. Etiqueta las fuentes y el contenido multimedia para que un resultado pueda remitir a sus pruebas.
El entregable útil es una explicación basada en imágenes, una propuesta de código o un resultado analítico respaldado por fuentes. Revisa los valores frente a las entradas e inspecciona el código en su aplicación prevista. K2.5 sigue siendo una versión multimodal propia; los controles posteriores preserve-thinking de K2.6 y los perfiles de prompts anteriores de K2 exclusivamente textual no deben sustituir al flujo documentado de esta edición.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2.5 | 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 $0.006 / 1K tokens Entrada · Lectura de caché $0.0003 / 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 $0.006 / 1K tokens Entrada · Lectura de caché $0.0003 / 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-k2.5", "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-k2.5',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-k2.5',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-k2.5
Usa las rutas de método indicadas arriba.
moonshotai/kimi-k2.5Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI para programación basada en imágenes, razonamiento y trabajo asistido por herramientas. Combina texto, imágenes y vídeo con modos thinking e instant, un contexto de 256K y un flujo del productor para subtareas coordinadas de agentes.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Kimi K2.5 es el modelo de agentes nativamente multimodal de Moonshot AI, creado mediante preentrenamiento continuo con aproximadamente quince billones de tokens mixtos de visión y texto sobre Kimi K2 Base. Combina lenguaje y visión con flujos conversacionales y de agentes. La entrada puede contener texto, imágenes y vídeo; la salida es texto, como una explicación, código o una operación de herramienta propuesta.
El resumen del fabricante enumera una arquitectura de mezcla de expertos con un billón de parámetros totales y 32 mil millones de parámetros activados, un contexto de 256K y un codificador visual MoonViT de 400 millones de parámetros. K2.5 adopta el método de cuantización nativa INT4 documentado para K2 Thinking. Son propiedades del punto de control publicado del productor, distintas de una afirmación sobre todas las configuraciones de ejecución que lo rodean.
Un caso de uso característico es la generación de código a partir de especificaciones visuales, incluidos diseños de interfaces y flujos de vídeo. Proporciona contenido multimedia legible, código fuente pertinente y el comportamiento previsto. Identifica qué detalles visuales son obligatorios y cómo debe responder el resultado a la interacción del usuario. Un encargo útil es: «Implementa el diseño proporcionado, conserva estas etiquetas y explica cómo corresponden los estados visibles a los requisitos».
Para una tarea de análisis de imágenes, solicita el detalle visible que respalda cada hallazgo y separa la extracción de la interpretación. Para vídeo, indica el segmento y la acción o el cambio que explicar. El productor marca como experimental el flujo de vídeo demostrado; comprender el contenido multimedia produce un resultado textual, no renderiza un vídeo nuevo ni ejecuta una acción visual por sí solo.
K2.5 admite los modos thinking e instant. Thinking desarrolla el razonamiento antes de una respuesta final; instant responde directamente. El despliegue de referencia del fabricante recomienda temperature 1.0 para thinking, 0.6 para instant y top-p 0.95. Define la forma deseada de la respuesta por separado de esa elección de razonamiento, como un registro extraído, un memorando de decisión o un resultado completo de código.
Para una pregunta difícil, proporciona el enunciado completo y las fuentes pertinentes. Un encargo documental puede solicitar una comparación con el pasaje de apoyo junto a cada conclusión. Un encargo de programación puede identificar la entrada que falla, las restricciones y el cambio que proponer. La salida debe seguir siendo trazable a esa tarea, sin tratar una larga secuencia de razonamiento como un resultado completado.
K2.5 utiliza el mismo diseño de razonamiento intercalado y llamadas a herramientas de varios pasos que K2 Thinking. La aplicación proporciona funciones con descripciones y esquemas, ejecuta las operaciones seleccionadas y devuelve observaciones. Mantén los resultados asociados a sus llamadas para que el siguiente paso pueda utilizar pruebas reales.
El productor también describe un flujo de conjunto de agentes que descompone un objetivo complejo en subtareas coordinadas y específicas de cada dominio. Prepara ese objetivo con salidas definidas, acciones permitidas y criterios de finalización. El entregable final debe integrar las observaciones realmente obtenidas; un plan generado o una rama propuesta son distintos del trabajo ejecutado.
Distribuye las fuentes, la representación multimedia, el historial, el razonamiento y la respuesta final dentro del contexto documentado de 256K. Los presupuestos de tokens de las solicitudes de ejemplo y de evaluación de la ficha no son límites universales de salida establecidos de forma independiente. Etiqueta las fuentes y el contenido multimedia para que un resultado pueda remitir a sus pruebas.
El entregable útil es una explicación basada en imágenes, una propuesta de código o un resultado analítico respaldado por fuentes. Revisa los valores frente a las entradas e inspecciona el código en su aplicación prevista. K2.5 sigue siendo una versión multimodal propia; los controles posteriores preserve-thinking de K2.6 y los perfiles de prompts anteriores de K2 exclusivamente textual no deben sustituir al flujo documentado de esta edición.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k2.5 | 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 $0.006 / 1K tokens Entrada · Lectura de caché $0.0003 / 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 $0.006 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "moonshotai/kimi-k2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.5', '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-k2.5', '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-k2.5
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.