Kimi K3 es el modelo multimodal de agentes con pesos abiertos de Moonshot AI para programación de largo recorrido, trabajo de conocimiento y razonamiento. Combina texto con comprensión visual nativa de imágenes y vídeo y produce una respuesta textual o una solicitud de herramienta. El fabricante destaca sesiones prolongadas de ingeniería, repositorios grandes y tareas que utilizan capturas u observaciones visuales junto con código. Un encargo útil define el entregable deseado, las pruebas que utilizar y la condición que marca la finalización del trabajo.
La ficha del modelo describe una mezcla dispersa de expertos con 2,8 billones de parámetros totales y 104 mil millones de parámetros activados. Su diseño Stable LatentMoE selecciona 16 de 896 expertos por token y utiliza Kimi Delta Attention y Attention Residuals junto con atención con compuertas. La longitud exacta de contexto es de 1.048.576 tokens. Es espacio para un contexto de tarea considerable, no un motivo para descartar los límites entre fuentes ni el espacio necesario para el resultado.
El artefacto nativo publicado utiliza entrenamiento consciente de la cuantización con pesos MXFP4 y activaciones MXFP8. Ese es el formato de lanzamiento del fabricante, distinto de una edición cuantizada proporcionada por separado o de una afirmación sobre cómo una ruta concreta sirve el modelo. Los pesos abiertos y un gran número de parámetros no convierten la cifra de parámetros activos en el requisito total de almacenamiento o hardware.
Proporciona el material pertinente del repositorio, el comportamiento existente, el cambio solicitado y las restricciones de compatibilidad. Identifica los archivos o la interfaz a los que debe afectar el resultado, las comprobaciones que determinan el éxito y cualquier error o entrada proporcionados que revelen el problema. Un resultado útil puede ser un cambio delimitado de código con una explicación y pruebas de las comprobaciones que se ejecutaron realmente, en lugar de una descripción de acciones que nunca se realizaron.
Para una tarea de desarrollo visual, incluye una captura o una vista clara del resultado previsto junto con el código pertinente y una discrepancia específica. El fabricante describe flujos que abarcan frontend, juegos y CAD y utilizan observaciones visuales. Solicita el cambio que conecta el código con el resultado observado y conserva la referencia para que el entregable se pueda comprobar frente a ella.
La guía de inicio rápido del productor utiliza objetos de contenido tipados para los mensajes visuales; content es un array, no una representación serializada de ese array. Su flujo de imágenes utiliza datos de imagen codificados o una referencia de archivo compatible en lugar de una dirección pública de imagen. El ejemplo de vídeo carga un archivo de vídeo y proporciona la referencia resultante con una pregunta sobre su contenido. Proporciona una fuente legible y especifica la observación, intervalo o relación que importa. El flujo visual del productor acepta imágenes JPEG, PNG, GIF, WebP, BMP, HEIC y HEIF y vídeos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV y 3GPP. Los GIF o WebP animados pueden decodificarse como vídeo. Proporciona el código fuente SVG como texto. El fabricante recomienda imágenes de hasta 4096 × 2160 y vídeos de hasta 1920 × 1080; son recomendaciones de resolución, no umbrales de rechazo. Mantén el cuerpo de la solicitud dentro del límite de tamaño documentado de 100M y carga como archivos el contenido multimedia grande o utilizado repetidamente.
Para investigación con muchos documentos, etiqueta las fuentes e indica las preguntas que debe responder el informe final. Para explicar un vídeo, identifica los eventos o la secuencia que analizar en lugar de pedir comentarios sin restricciones. K3 utiliza el contenido visual como pruebas para razonar y devuelve texto o solicitudes de herramientas. Una aplicación puede pasar esas solicitudes a herramientas multimedia para crear imágenes o vídeos independientes.
La interfaz del productor de K3 siempre tiene activado el razonamiento. El ajuste de nivel superior reasoning_effort acepta low, high y max, con max como valor predeterminado. Estas opciones son específicas del modelo; no debe suponerse un ajuste sin razonamiento ni un valor de esfuerzo de otra familia. Las indicaciones de migración del fabricante distinguen K3 de K2.x mediante el uso de reasoning_effort en lugar de trasladar la configuración thinking anterior.
El productor documenta reasoning_content y el contenido de respuesta final por separado en los resultados en streaming. Para una conversación de varios turnos o un flujo con herramientas, exige devolver completo y sin cambios el mensaje del asistente recibido, incluidos reasoning_content y tool_calls. Conservar solo la respuesta final visible pierde información que el flujo de razonamiento conservado del modelo espera en el siguiente paso.
La guía de inicio rápido documenta salida estricta mediante esquema JSON para el contenido del mensaje final. Define los campos y sus significados en torno al entregable que necesita la aplicación y analiza ese contenido final en lugar de combinarlo con el campo de razonamiento. Un resultado estructurado puede representar información extraída del material proporcionado o un formato de informe definido; el esquema restringe su forma, mientras que las pruebas de origen determinan si sus valores son correctos.
El modo partial puede continuar un prefijo textual proporcionado. El ejemplo del productor coloca un mensaje parcial del asistente al final del historial y combina ese prefijo con la continuación devuelta para mostrarla. Utilízalo cuando el entregable requerido tenga un comienzo fijo significativo, manteniendo el prefijo separado del resto generado.
K3 admite herramientas de funciones personalizadas. El ejemplo del productor exige una herramienta en el primer turno, conserva el mensaje completo del asistente, ejecuta cada llamada devuelta y añade un resultado de herramienta correspondiente antes de solicitar la respuesta final. Una llamada propuesta no demuestra que la operación haya tenido éxito; el resultado realmente devuelto se convierte en la prueba para el siguiente paso.
Su flujo de carga dinámica introduce una definición completa de herramienta en un punto específico del historial de mensajes. La definición necesita su nombre, finalidad y parámetros y debe permanecer en el historial posterior porque el servidor no conserva esa declaración de forma independiente. Mantén asociadas las capacidades de herramientas, los argumentos proporcionados y las observaciones reales para que una tarea larga pueda continuar a partir del trabajo ya completado.
El productor documenta una asignación predeterminada de compleción de 131.072 tokens, configurable hasta 1.048.576 dentro de las restricciones globales de contexto del modelo. Su API K3 actual fija temperature en 1.0, top_p en 0.95, un resultado y penalizaciones de presencia y frecuencia de cero, e indica a los clientes que omitan esos controles de muestreo. Son los ajustes del perfil exacto del productor, no una lista transferible de controles ajustables.
La caché de contexto es automática para los prefijos repetidos que cumplen los requisitos, con opciones documentadas de TTL de 5 minutos y 1 hora y 5 minutos como valor predeterminado. Los bloques de caché parciales siguen siendo fallos de caché. Mantén estable el contexto reutilizable y comprueba el uso real en lugar de afirmar una coincidencia de caché basándote solo en texto repetido. Para el entregable final, conserva las fuentes proporcionadas, las pruebas reales de herramientas y la estructura de salida requerida, y comprueba que una respuesta larga o un resultado de ingeniería cumplan los criterios de finalización indicados.
", "aboutText": "Kimi K3 es el modelo multimodal de agentes con pesos abiertos de Moonshot AI para programación de largo recorrido, trabajo de conocimiento y razonamiento. Combina texto con comprensión visual nativa de imágenes y vídeo y produce una respuesta textual o una solicitud de herramienta. El fabricante destaca sesiones prolongadas de ingeniería, repositorios grandes y tareas que utilizan capturas u observaciones visuales junto con código. Un encargo útil define el entregable deseado, las pruebas que utilizar y la condición que marca la finalización del trabajo.\n\n### Arquitectura y contexto largo\n\nLa ficha del modelo describe una mezcla dispersa de expertos con 2,8 billones de parámetros totales y 104 mil millones de parámetros activados. Su diseño Stable LatentMoE selecciona 16 de 896 expertos por token y utiliza Kimi Delta Attention y Attention Residuals junto con atención con compuertas. La longitud exacta de contexto es de 1.048.576 tokens. Es espacio para un contexto de tarea considerable, no un motivo para descartar los límites entre fuentes ni el espacio necesario para el resultado.\n\nEl artefacto nativo publicado utiliza entrenamiento consciente de la cuantización con pesos MXFP4 y activaciones MXFP8. Ese es el formato de lanzamiento del fabricante, distinto de una edición cuantizada proporcionada por separado o de una afirmación sobre cómo una ruta concreta sirve el modelo. Los pesos abiertos y un gran número de parámetros no convierten la cifra de parámetros activos en el requisito total de almacenamiento o hardware.\n\n### Prepara una tarea de programación considerable\n\nProporciona el material pertinente del repositorio, el comportamiento existente, el cambio solicitado y las restricciones de compatibilidad. Identifica los archivos o la interfaz a los que debe afectar el resultado, las comprobaciones que determinan el éxito y cualquier error o entrada proporcionados que revelen el problema. Un resultado útil puede ser un cambio delimitado de código con una explicación y pruebas de las comprobaciones que se ejecutaron realmente, en lugar de una descripción de acciones que nunca se realizaron.\n\nPara una tarea de desarrollo visual, incluye una captura o una vista clara del resultado previsto junto con el código pertinente y una discrepancia específica. El fabricante describe flujos que abarcan frontend, juegos y CAD y utilizan observaciones visuales. Solicita el cambio que conecta el código con el resultado observado y conserva la referencia para que el entregable se pueda comprobar frente a ella.\n\n### Preparación de imágenes, vídeo y trabajo de conocimiento\n\nLa guía de inicio rápido del productor utiliza objetos de contenido tipados para los mensajes visuales; content es un array, no una representación serializada de ese array. Su flujo de imágenes utiliza datos de imagen codificados o una referencia de archivo compatible en lugar de una dirección pública de imagen. El ejemplo de vídeo carga un archivo de vídeo y proporciona la referencia resultante con una pregunta sobre su contenido. Proporciona una fuente legible y especifica la observación, intervalo o relación que importa. El flujo visual del productor acepta imágenes JPEG, PNG, GIF, WebP, BMP, HEIC y HEIF y vídeos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV y 3GPP. Los GIF o WebP animados pueden decodificarse como vídeo. Proporciona el código fuente SVG como texto. El fabricante recomienda imágenes de hasta 4096 × 2160 y vídeos de hasta 1920 × 1080; son recomendaciones de resolución, no umbrales de rechazo. Mantén el cuerpo de la solicitud dentro del límite de tamaño documentado de 100M y carga como archivos el contenido multimedia grande o utilizado repetidamente.\n\nPara investigación con muchos documentos, etiqueta las fuentes e indica las preguntas que debe responder el informe final. Para explicar un vídeo, identifica los eventos o la secuencia que analizar en lugar de pedir comentarios sin restricciones. K3 utiliza el contenido visual como pruebas para razonar y devuelve texto o solicitudes de herramientas. Una aplicación puede pasar esas solicitudes a herramientas multimedia para crear imágenes o vídeos independientes.\n\n### El razonamiento siempre está activado\n\nLa interfaz del productor de K3 siempre tiene activado el razonamiento. El ajuste de nivel superior reasoning_effort acepta low, high y max, con max como valor predeterminado. Estas opciones son específicas del modelo; no debe suponerse un ajuste sin razonamiento ni un valor de esfuerzo de otra familia. Las indicaciones de migración del fabricante distinguen K3 de K2.x mediante el uso de reasoning_effort en lugar de trasladar la configuración thinking anterior.\n\nEl productor documenta reasoning_content y el contenido de respuesta final por separado en los resultados en streaming. Para una conversación de varios turnos o un flujo con herramientas, exige devolver completo y sin cambios el mensaje del asistente recibido, incluidos reasoning_content y tool_calls. Conservar solo la respuesta final visible pierde información que el flujo de razonamiento conservado del modelo espera en el siguiente paso.\n\n### Respuestas finales estructuradas y continuación parcial\n\nLa guía de inicio rápido documenta salida estricta mediante esquema JSON para el contenido del mensaje final. Define los campos y sus significados en torno al entregable que necesita la aplicación y analiza ese contenido final en lugar de combinarlo con el campo de razonamiento. Un resultado estructurado puede representar información extraída del material proporcionado o un formato de informe definido; el esquema restringe su forma, mientras que las pruebas de origen determinan si sus valores son correctos.\n\nEl modo partial puede continuar un prefijo textual proporcionado. El ejemplo del productor coloca un mensaje parcial del asistente al final del historial y combina ese prefijo con la continuación devuelta para mostrarla. Utilízalo cuando el entregable requerido tenga un comienzo fijo significativo, manteniendo el prefijo separado del resto generado.\n\n### Herramientas y continuidad de sus resultados\n\nK3 admite herramientas de funciones personalizadas. El ejemplo del productor exige una herramienta en el primer turno, conserva el mensaje completo del asistente, ejecuta cada llamada devuelta y añade un resultado de herramienta correspondiente antes de solicitar la respuesta final. Una llamada propuesta no demuestra que la operación haya tenido éxito; el resultado realmente devuelto se convierte en la prueba para el siguiente paso.\n\nSu flujo de carga dinámica introduce una definición completa de herramienta en un punto específico del historial de mensajes. La definición necesita su nombre, finalidad y parámetros y debe permanecer en el historial posterior porque el servidor no conserva esa declaración de forma independiente. Mantén asociadas las capacidades de herramientas, los argumentos proporcionados y las observaciones reales para que una tarea larga pueda continuar a partir del trabajo ya completado.\n\n### Controles de salida y contexto repetido\n\nEl productor documenta una asignación predeterminada de compleción de 131.072 tokens, configurable hasta 1.048.576 dentro de las restricciones globales de contexto del modelo. Su API K3 actual fija temperature en 1.0, top_p en 0.95, un resultado y penalizaciones de presencia y frecuencia de cero, e indica a los clientes que omitan esos controles de muestreo. Son los ajustes del perfil exacto del productor, no una lista transferible de controles ajustables.\n\nLa caché de contexto es automática para los prefijos repetidos que cumplen los requisitos, con opciones documentadas de TTL de 5 minutos y 1 hora y 5 minutos como valor predeterminado. Los bloques de caché parciales siguen siendo fallos de caché. Mantén estable el contexto reutilizable y comprueba el uso real en lugar de afirmar una coincidencia de caché basándote solo en texto repetido. Para el entregable final, conserva las fuentes proporcionadas, las pruebas reales de herramientas y la estructura de salida requerida, y comprueba que una respuesta larga o un resultado de ingeniería cumplan los criterios de finalización indicados.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e82e5f4ed64236bfe5a0bf09c800ede6a4159a6df4e42fb24bafd0bf0b32742c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "moonshotai/kimi-k3:batchKimi K3 es el modelo nativamente multimodal de razonamiento de Moonshot AI para tareas largas de programación y trabajo de conocimiento. Lee texto, imágenes y vídeo, produce texto y admite flujos mediante herramientas con un contexto de 1.048.576 tokens e historial de razonamiento conservado entre pasos.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Kimi K3 es el modelo multimodal de agentes con pesos abiertos de Moonshot AI para programación de largo recorrido, trabajo de conocimiento y razonamiento. Combina texto con comprensión visual nativa de imágenes y vídeo y produce una respuesta textual o una solicitud de herramienta. El fabricante destaca sesiones prolongadas de ingeniería, repositorios grandes y tareas que utilizan capturas u observaciones visuales junto con código. Un encargo útil define el entregable deseado, las pruebas que utilizar y la condición que marca la finalización del trabajo.
La ficha del modelo describe una mezcla dispersa de expertos con 2,8 billones de parámetros totales y 104 mil millones de parámetros activados. Su diseño Stable LatentMoE selecciona 16 de 896 expertos por token y utiliza Kimi Delta Attention y Attention Residuals junto con atención con compuertas. La longitud exacta de contexto es de 1.048.576 tokens. Es espacio para un contexto de tarea considerable, no un motivo para descartar los límites entre fuentes ni el espacio necesario para el resultado.
El artefacto nativo publicado utiliza entrenamiento consciente de la cuantización con pesos MXFP4 y activaciones MXFP8. Ese es el formato de lanzamiento del fabricante, distinto de una edición cuantizada proporcionada por separado o de una afirmación sobre cómo una ruta concreta sirve el modelo. Los pesos abiertos y un gran número de parámetros no convierten la cifra de parámetros activos en el requisito total de almacenamiento o hardware.
Proporciona el material pertinente del repositorio, el comportamiento existente, el cambio solicitado y las restricciones de compatibilidad. Identifica los archivos o la interfaz a los que debe afectar el resultado, las comprobaciones que determinan el éxito y cualquier error o entrada proporcionados que revelen el problema. Un resultado útil puede ser un cambio delimitado de código con una explicación y pruebas de las comprobaciones que se ejecutaron realmente, en lugar de una descripción de acciones que nunca se realizaron.
Para una tarea de desarrollo visual, incluye una captura o una vista clara del resultado previsto junto con el código pertinente y una discrepancia específica. El fabricante describe flujos que abarcan frontend, juegos y CAD y utilizan observaciones visuales. Solicita el cambio que conecta el código con el resultado observado y conserva la referencia para que el entregable se pueda comprobar frente a ella.
La guía de inicio rápido del productor utiliza objetos de contenido tipados para los mensajes visuales; content es un array, no una representación serializada de ese array. Su flujo de imágenes utiliza datos de imagen codificados o una referencia de archivo compatible en lugar de una dirección pública de imagen. El ejemplo de vídeo carga un archivo de vídeo y proporciona la referencia resultante con una pregunta sobre su contenido. Proporciona una fuente legible y especifica la observación, intervalo o relación que importa. El flujo visual del productor acepta imágenes JPEG, PNG, GIF, WebP, BMP, HEIC y HEIF y vídeos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV y 3GPP. Los GIF o WebP animados pueden decodificarse como vídeo. Proporciona el código fuente SVG como texto. El fabricante recomienda imágenes de hasta 4096 × 2160 y vídeos de hasta 1920 × 1080; son recomendaciones de resolución, no umbrales de rechazo. Mantén el cuerpo de la solicitud dentro del límite de tamaño documentado de 100M y carga como archivos el contenido multimedia grande o utilizado repetidamente.
Para investigación con muchos documentos, etiqueta las fuentes e indica las preguntas que debe responder el informe final. Para explicar un vídeo, identifica los eventos o la secuencia que analizar en lugar de pedir comentarios sin restricciones. K3 utiliza el contenido visual como pruebas para razonar y devuelve texto o solicitudes de herramientas. Una aplicación puede pasar esas solicitudes a herramientas multimedia para crear imágenes o vídeos independientes.
La interfaz del productor de K3 siempre tiene activado el razonamiento. El ajuste de nivel superior reasoning_effort acepta low, high y max, con max como valor predeterminado. Estas opciones son específicas del modelo; no debe suponerse un ajuste sin razonamiento ni un valor de esfuerzo de otra familia. Las indicaciones de migración del fabricante distinguen K3 de K2.x mediante el uso de reasoning_effort en lugar de trasladar la configuración thinking anterior.
El productor documenta reasoning_content y el contenido de respuesta final por separado en los resultados en streaming. Para una conversación de varios turnos o un flujo con herramientas, exige devolver completo y sin cambios el mensaje del asistente recibido, incluidos reasoning_content y tool_calls. Conservar solo la respuesta final visible pierde información que el flujo de razonamiento conservado del modelo espera en el siguiente paso.
La guía de inicio rápido documenta salida estricta mediante esquema JSON para el contenido del mensaje final. Define los campos y sus significados en torno al entregable que necesita la aplicación y analiza ese contenido final en lugar de combinarlo con el campo de razonamiento. Un resultado estructurado puede representar información extraída del material proporcionado o un formato de informe definido; el esquema restringe su forma, mientras que las pruebas de origen determinan si sus valores son correctos.
El modo partial puede continuar un prefijo textual proporcionado. El ejemplo del productor coloca un mensaje parcial del asistente al final del historial y combina ese prefijo con la continuación devuelta para mostrarla. Utilízalo cuando el entregable requerido tenga un comienzo fijo significativo, manteniendo el prefijo separado del resto generado.
K3 admite herramientas de funciones personalizadas. El ejemplo del productor exige una herramienta en el primer turno, conserva el mensaje completo del asistente, ejecuta cada llamada devuelta y añade un resultado de herramienta correspondiente antes de solicitar la respuesta final. Una llamada propuesta no demuestra que la operación haya tenido éxito; el resultado realmente devuelto se convierte en la prueba para el siguiente paso.
Su flujo de carga dinámica introduce una definición completa de herramienta en un punto específico del historial de mensajes. La definición necesita su nombre, finalidad y parámetros y debe permanecer en el historial posterior porque el servidor no conserva esa declaración de forma independiente. Mantén asociadas las capacidades de herramientas, los argumentos proporcionados y las observaciones reales para que una tarea larga pueda continuar a partir del trabajo ya completado.
El productor documenta una asignación predeterminada de compleción de 131.072 tokens, configurable hasta 1.048.576 dentro de las restricciones globales de contexto del modelo. Su API K3 actual fija temperature en 1.0, top_p en 0.95, un resultado y penalizaciones de presencia y frecuencia de cero, e indica a los clientes que omitan esos controles de muestreo. Son los ajustes del perfil exacto del productor, no una lista transferible de controles ajustables.
La caché de contexto es automática para los prefijos repetidos que cumplen los requisitos, con opciones documentadas de TTL de 5 minutos y 1 hora y 5 minutos como valor predeterminado. Los bloques de caché parciales siguen siendo fallos de caché. Mantén estable el contexto reutilizable y comprueba el uso real en lugar de afirmar una coincidencia de caché basándote solo en texto repetido. Para el entregable final, conserva las fuentes proporcionadas, las pruebas reales de herramientas y la estructura de salida requerida, y comprueba que una respuesta larga o un resultado de ingeniería cumplan los criterios de finalización indicados.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites moonshotai/kimi-k3:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites moonshotai/kimi-k3:batch, moonshotai/kimi-k3 | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites deepinfra/bf16 | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en la propia solicitud; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; mismo usuario, clave y grupo
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 $0.00456 / 1K tokens Salida · Tokens de salida $0.0228 / 1K tokens Entrada · Lectura de caché $0.000456 / 1K tokens Entrada · Escritura en caché — / 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 $0.00456 / 1K tokens Salida · Tokens de salida $0.0228 / 1K tokens Entrada · Lectura de caché $0.000456 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"moonshotai/kimi-k3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['moonshotai/kimi-k3:batch', 'moonshotai/kimi-k3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"moonshotai/kimi-k3:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON de results[].response.body incluido directamente
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.
Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el presupuesto de la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve la admisión antes de enviar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere comprobación; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra moonshotai/kimi-k3:batch
Usa las rutas de método indicadas arriba.