Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instruction Kimi K2 de Moonshot AI. Ce modèle de texte vise les connaissances, le raisonnement, la programmation et les tâches guidées par des outils, avec une architecture à mélange d’experts de 1 000 milliards de paramètres au total et 32 milliards actifs. L’édition exacte 0905 améliore la programmation avec des agents et les interfaces web et étend le contexte de la version originale de 128 k à 256 k tokens.
Le fabricant insiste sur le comportement pratique et l’apparence du code d’interface, ainsi que sur les améliorations des tâches réelles d’agents de programmation. Préparez un cahier des charges avec l’implémentation pertinente, le comportement observé et les exigences à satisfaire. Pour une interface, identifiez contenu, états visibles et interactions, ainsi que les caractéristiques graphiques importantes. Le résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Une instruction illustrative serait : « Mets à jour ce composant pour respecter le parcours de formulaire décrit, préserve les noms de champs et explique les états d’erreur et de réussite requis. » Pour déboguer, fournissez une entrée représentative et demandez d’identifier la première condition incorrecte avant de renvoyer un correctif ciblé. Transmettez les observations réelles de rendu ou de validation à la révision suivante.
Le résumé 0905 décrit l’attention latente à plusieurs têtes et un mélange clairsemé d’experts, avec huit experts sélectionnés parmi 384 par token, plus un expert partagé. Le contexte de 256 k tokens accueille un dossier de tâche plus large que le K2 original, tout en réunissant sources, conversation, observations d’outils et réponse générée. Une fenêtre plus grande ne constitue pas une allocation maximale de sortie indépendante.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à préserver au fil des échanges. Pour une comparaison, demandez le passage ou fragment de code soutenant chaque conclusion. Conservez l’identité 0905 lorsque le contexte étendu et la mise à jour de programmation sont importants.
Le concepteur recommande une température de 0,6 et fournit une instruction système simple d’assistant pour les tâches sans rôle spécialisé. Définissez séparément la langue et la forme de réponse : explication, comparaison fondée sur des sources ou code seul. Le résultat final souhaité reste ainsi visible même si l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils fournis dans chaque requête. Les fonctions possèdent noms, descriptions et schémas de paramètres ; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, exécute l’opération et renvoie un résultat associé à l’identifiant d’appel. La réponse suivante peut alors utiliser l’observation réelle ou poursuivre la tâche.
Un correctif généré, une opération choisie ou un plan de recherche reste une proposition jusqu’à son exécution par l’application. Conservez le résultat de l’opération comme élément justificatif pour la suite et la transmission finale. Vérifiez les valeurs extraites par rapport aux sources et le code par rapport au comportement demandé.
K2 Instruct 0905 reste distinct de K2 Thinking et des éditions multimodales ultérieures K2.5 et K2.6. Leurs entrées image et vidéo, les propriétés natives INT4 du point de contrôle de réflexion et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle. La sortie utile est un livrable textuel ou de code ciblé, fondé sur la tâche et les observations réellement renvoyées.
", "aboutText": "Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instruction Kimi K2 de Moonshot AI. Ce modèle de texte vise les connaissances, le raisonnement, la programmation et les tâches guidées par des outils, avec une architecture à mélange d’experts de 1 000 milliards de paramètres au total et 32 milliards actifs. L’édition exacte 0905 améliore la programmation avec des agents et les interfaces web et étend le contexte de la version originale de 128 k à 256 k tokens.\n\n### Changements de cette édition\n\nLe fabricant insiste sur le comportement pratique et l’apparence du code d’interface, ainsi que sur les améliorations des tâches réelles d’agents de programmation. Préparez un cahier des charges avec l’implémentation pertinente, le comportement observé et les exigences à satisfaire. Pour une interface, identifiez contenu, états visibles et interactions, ainsi que les caractéristiques graphiques importantes. Le résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.\n\nUne instruction illustrative serait : « Mets à jour ce composant pour respecter le parcours de formulaire décrit, préserve les noms de champs et explique les états d’erreur et de réussite requis. » Pour déboguer, fournissez une entrée représentative et demandez d’identifier la première condition incorrecte avant de renvoyer un correctif ciblé. Transmettez les observations réelles de rendu ou de validation à la révision suivante.\n\n### Profil du modèle et contexte long\n\nLe résumé 0905 décrit l’attention latente à plusieurs têtes et un mélange clairsemé d’experts, avec huit experts sélectionnés parmi 384 par token, plus un expert partagé. Le contexte de 256 k tokens accueille un dossier de tâche plus large que le K2 original, tout en réunissant sources, conversation, observations d’outils et réponse générée. Une fenêtre plus grande ne constitue pas une allocation maximale de sortie indépendante.\n\nOrganisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à préserver au fil des échanges. Pour une comparaison, demandez le passage ou fragment de code soutenant chaque conclusion. Conservez l’identité 0905 lorsque le contexte étendu et la mise à jour de programmation sont importants.\n\n### Dialogue et appels de fonctions\n\nLe concepteur recommande une température de 0,6 et fournit une instruction système simple d’assistant pour les tâches sans rôle spécialisé. Définissez séparément la langue et la forme de réponse : explication, comparaison fondée sur des sources ou code seul. Le résultat final souhaité reste ainsi visible même si l’application utilise plusieurs étapes de modèle.\n\nLa fiche exacte documente les outils fournis dans chaque requête. Les fonctions possèdent noms, descriptions et schémas de paramètres ; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, exécute l’opération et renvoie un résultat associé à l’identifiant d’appel. La réponse suivante peut alors utiliser l’observation réelle ou poursuivre la tâche.\n\n### Résultats examinables\n\nUn correctif généré, une opération choisie ou un plan de recherche reste une proposition jusqu’à son exécution par l’application. Conservez le résultat de l’opération comme élément justificatif pour la suite et la transmission finale. Vérifiez les valeurs extraites par rapport aux sources et le code par rapport au comportement demandé.\n\nK2 Instruct 0905 reste distinct de K2 Thinking et des éditions multimodales ultérieures K2.5 et K2.6. Leurs entrées image et vidéo, les propriétés natives INT4 du point de contrôle de réflexion et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle. La sortie utile est un livrable textuel ou de code ciblé, fondé sur la tâche et les observations réellement renvoyées.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle de texte mis à jour de Moonshot AI pour le code, les interfaces web et les agents. Il étend le contexte du K2 original de 128 k à 256 k tokens et renvoie réponses, code et contenu d’appels de fonctions selon la tâche et les observations fournies par l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instruction Kimi K2 de Moonshot AI. Ce modèle de texte vise les connaissances, le raisonnement, la programmation et les tâches guidées par des outils, avec une architecture à mélange d’experts de 1 000 milliards de paramètres au total et 32 milliards actifs. L’édition exacte 0905 améliore la programmation avec des agents et les interfaces web et étend le contexte de la version originale de 128 k à 256 k tokens.
Le fabricant insiste sur le comportement pratique et l’apparence du code d’interface, ainsi que sur les améliorations des tâches réelles d’agents de programmation. Préparez un cahier des charges avec l’implémentation pertinente, le comportement observé et les exigences à satisfaire. Pour une interface, identifiez contenu, états visibles et interactions, ainsi que les caractéristiques graphiques importantes. Le résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Une instruction illustrative serait : « Mets à jour ce composant pour respecter le parcours de formulaire décrit, préserve les noms de champs et explique les états d’erreur et de réussite requis. » Pour déboguer, fournissez une entrée représentative et demandez d’identifier la première condition incorrecte avant de renvoyer un correctif ciblé. Transmettez les observations réelles de rendu ou de validation à la révision suivante.
Le résumé 0905 décrit l’attention latente à plusieurs têtes et un mélange clairsemé d’experts, avec huit experts sélectionnés parmi 384 par token, plus un expert partagé. Le contexte de 256 k tokens accueille un dossier de tâche plus large que le K2 original, tout en réunissant sources, conversation, observations d’outils et réponse générée. Une fenêtre plus grande ne constitue pas une allocation maximale de sortie indépendante.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à préserver au fil des échanges. Pour une comparaison, demandez le passage ou fragment de code soutenant chaque conclusion. Conservez l’identité 0905 lorsque le contexte étendu et la mise à jour de programmation sont importants.
Le concepteur recommande une température de 0,6 et fournit une instruction système simple d’assistant pour les tâches sans rôle spécialisé. Définissez séparément la langue et la forme de réponse : explication, comparaison fondée sur des sources ou code seul. Le résultat final souhaité reste ainsi visible même si l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils fournis dans chaque requête. Les fonctions possèdent noms, descriptions et schémas de paramètres ; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, exécute l’opération et renvoie un résultat associé à l’identifiant d’appel. La réponse suivante peut alors utiliser l’observation réelle ou poursuivre la tâche.
Un correctif généré, une opération choisie ou un plan de recherche reste une proposition jusqu’à son exécution par l’application. Conservez le résultat de l’opération comme élément justificatif pour la suite et la transmission finale. Vérifiez les valeurs extraites par rapport aux sources et le code par rapport au comportement demandé.
K2 Instruct 0905 reste distinct de K2 Thinking et des éditions multimodales ultérieures K2.5 et K2.6. Leurs entrées image et vidéo, les propriétés natives INT4 du point de contrôle de réflexion et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle. La sortie utile est un livrable textuel ou de code ciblé, fondé sur la tâche et les observations réellement renvoyées.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k2-0905 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra moonshotai/kimi-k2-0905
Utilisez les chemins de méthode indiqués ci-dessus.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 est le modèle de texte mis à jour de Moonshot AI pour le code, les interfaces web et les agents. Il étend le contexte du K2 original de 128 k à 256 k tokens et renvoie réponses, code et contenu d’appels de fonctions selon la tâche et les observations fournies par l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instruction Kimi K2 de Moonshot AI. Ce modèle de texte vise les connaissances, le raisonnement, la programmation et les tâches guidées par des outils, avec une architecture à mélange d’experts de 1 000 milliards de paramètres au total et 32 milliards actifs. L’édition exacte 0905 améliore la programmation avec des agents et les interfaces web et étend le contexte de la version originale de 128 k à 256 k tokens.
Le fabricant insiste sur le comportement pratique et l’apparence du code d’interface, ainsi que sur les améliorations des tâches réelles d’agents de programmation. Préparez un cahier des charges avec l’implémentation pertinente, le comportement observé et les exigences à satisfaire. Pour une interface, identifiez contenu, états visibles et interactions, ainsi que les caractéristiques graphiques importantes. Le résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Une instruction illustrative serait : « Mets à jour ce composant pour respecter le parcours de formulaire décrit, préserve les noms de champs et explique les états d’erreur et de réussite requis. » Pour déboguer, fournissez une entrée représentative et demandez d’identifier la première condition incorrecte avant de renvoyer un correctif ciblé. Transmettez les observations réelles de rendu ou de validation à la révision suivante.
Le résumé 0905 décrit l’attention latente à plusieurs têtes et un mélange clairsemé d’experts, avec huit experts sélectionnés parmi 384 par token, plus un expert partagé. Le contexte de 256 k tokens accueille un dossier de tâche plus large que le K2 original, tout en réunissant sources, conversation, observations d’outils et réponse générée. Une fenêtre plus grande ne constitue pas une allocation maximale de sortie indépendante.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à préserver au fil des échanges. Pour une comparaison, demandez le passage ou fragment de code soutenant chaque conclusion. Conservez l’identité 0905 lorsque le contexte étendu et la mise à jour de programmation sont importants.
Le concepteur recommande une température de 0,6 et fournit une instruction système simple d’assistant pour les tâches sans rôle spécialisé. Définissez séparément la langue et la forme de réponse : explication, comparaison fondée sur des sources ou code seul. Le résultat final souhaité reste ainsi visible même si l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils fournis dans chaque requête. Les fonctions possèdent noms, descriptions et schémas de paramètres ; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, exécute l’opération et renvoie un résultat associé à l’identifiant d’appel. La réponse suivante peut alors utiliser l’observation réelle ou poursuivre la tâche.
Un correctif généré, une opération choisie ou un plan de recherche reste une proposition jusqu’à son exécution par l’application. Conservez le résultat de l’opération comme élément justificatif pour la suite et la transmission finale. Vérifiez les valeurs extraites par rapport aux sources et le code par rapport au comportement demandé.
K2 Instruct 0905 reste distinct de K2 Thinking et des éditions multimodales ultérieures K2.5 et K2.6. Leurs entrées image et vidéo, les propriétés natives INT4 du point de contrôle de réflexion et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle. La sortie utile est un livrable textuel ou de code ciblé, fondé sur la tâche et les observations réellement renvoyées.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k2-0905 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0012 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra moonshotai/kimi-k2-0905
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.