Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instructions Kimi K2 de Moonshot AI. C’est un modèle textuel pour les connaissances, le raisonnement, la programmation et les tâches guidées par outils, avec 1 000 milliards de paramètres au total dans une architecture à mélange d’experts et 32 milliards de paramètres actifs. L’édition exacte 0905 améliore la programmation agentique et le travail sur les interfaces, et étend le contexte de 128K dans la version originale à 256K jetons.
Le fabricant met l’accent sur le comportement pratique et l’apparence du code d’interface, avec des améliorations des tâches réelles d’agents de programmation. Préparez une consigne logicielle avec l’implémentation pertinente, le comportement observé et les exigences à respecter. Pour une interface, précisez le contenu, les états visibles et les interactions ainsi que les caractéristiques de conception importantes. Un résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Voici une instruction illustrative : « Mettez ce composant à jour pour qu’il corresponde au déroulement du formulaire décrit, conservez les noms des champs existants et expliquez les états d’erreur et de réussite requis. » Pour le débogage, fournissez une entrée représentative et demandez au modèle 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 une attention latente multitête et un mélange clairsemé d’experts, sélectionnant huit experts sur 384 par jeton avec un expert partagé. Le contexte de 256K permet un dossier de tâche plus vaste que dans l’édition K2 originale, tout en contenant ensemble les sources, la conversation, les observations des outils et la réponse générée. Une fenêtre plus grande ne doit pas être comprise comme une allocation maximale indépendante de sortie.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à conserver pendant les suivis. Pour une comparaison, demandez le passage ou le fragment de code qui étaye chaque conclusion. Conservez l’identité 0905 sélectionnée lorsque le contexte étendu et la mise à jour de programmation importent pour la tâche.
Le fabricant 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, comme une explication, une comparaison appuyée sur des sources ou du code seulement. Le résultat final souhaité reste ainsi visible même lorsque l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils disponibles fournis dans chaque requête. Les fonctions possèdent des noms, des descriptions et des schémas de paramètres; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, effectue l’opération et renvoie un résultat d’outil associé à l’identifiant de l’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 restent des propositions jusqu’à leur exécution par l’application environnante. Conservez le résultat de cette opération comme preuve pour l’étape suivante 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 d’images et de vidéos, les propriétés natives INT4 de la version Thinking et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle nommée. La sortie utile est un livrable ciblé de texte ou de code fondé sur la tâche et les observations réellement retournées.
", "aboutText": "Kimi K2 Instruct 0905 est la mise à jour de septembre du modèle d’instructions Kimi K2 de Moonshot AI. C’est un modèle textuel pour les connaissances, le raisonnement, la programmation et les tâches guidées par outils, avec 1 000 milliards de paramètres au total dans une architecture à mélange d’experts et 32 milliards de paramètres actifs. L’édition exacte 0905 améliore la programmation agentique et le travail sur les interfaces, et étend le contexte de 128K dans la version originale à 256K jetons.\n\n### Évolutions de cette édition\n\nLe fabricant met l’accent sur le comportement pratique et l’apparence du code d’interface, avec des améliorations des tâches réelles d’agents de programmation. Préparez une consigne logicielle avec l’implémentation pertinente, le comportement observé et les exigences à respecter. Pour une interface, précisez le contenu, les états visibles et les interactions ainsi que les caractéristiques de conception importantes. Un résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.\n\nVoici une instruction illustrative : « Mettez ce composant à jour pour qu’il corresponde au déroulement du formulaire décrit, conservez les noms des champs existants et expliquez les états d’erreur et de réussite requis. » Pour le débogage, fournissez une entrée représentative et demandez au modèle 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### Caractéristiques du modèle et contexte long\n\nLe résumé 0905 décrit une attention latente multitête et un mélange clairsemé d’experts, sélectionnant huit experts sur 384 par jeton avec un expert partagé. Le contexte de 256K permet un dossier de tâche plus vaste que dans l’édition K2 originale, tout en contenant ensemble les sources, la conversation, les observations des outils et la réponse générée. Une fenêtre plus grande ne doit pas être comprise comme une allocation maximale indépendante de sortie.\n\nOrganisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à conserver pendant les suivis. Pour une comparaison, demandez le passage ou le fragment de code qui étaye chaque conclusion. Conservez l’identité 0905 sélectionnée lorsque le contexte étendu et la mise à jour de programmation importent pour la tâche.\n\n### Dialogue et appels de fonctions\n\nLe fabricant 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, comme une explication, une comparaison appuyée sur des sources ou du code seulement. Le résultat final souhaité reste ainsi visible même lorsque l’application utilise plusieurs étapes de modèle.\n\nLa fiche exacte documente les outils disponibles fournis dans chaque requête. Les fonctions possèdent des noms, des descriptions et des schémas de paramètres; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, effectue l’opération et renvoie un résultat d’outil associé à l’identifiant de l’appel. La réponse suivante peut alors utiliser l’observation réelle ou poursuivre la tâche.\n\n### Résultats vérifiables\n\nUn correctif généré, une opération choisie ou un plan de recherche restent des propositions jusqu’à leur exécution par l’application environnante. Conservez le résultat de cette opération comme preuve pour l’étape suivante 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 d’images et de vidéos, les propriétés natives INT4 de la version Thinking et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle nommée. La sortie utile est un livrable ciblé de texte ou de code fondé sur la tâche et les observations réellement retournées.", "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 textuel actualisé de Moonshot AI pour la programmation, l’implémentation d’interfaces et les agents. Il étend le contexte original de K2 de 128K à 256K et renvoie des réponses, du code et du 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’instructions Kimi K2 de Moonshot AI. C’est un modèle textuel pour les connaissances, le raisonnement, la programmation et les tâches guidées par outils, avec 1 000 milliards de paramètres au total dans une architecture à mélange d’experts et 32 milliards de paramètres actifs. L’édition exacte 0905 améliore la programmation agentique et le travail sur les interfaces, et étend le contexte de 128K dans la version originale à 256K jetons.
Le fabricant met l’accent sur le comportement pratique et l’apparence du code d’interface, avec des améliorations des tâches réelles d’agents de programmation. Préparez une consigne logicielle avec l’implémentation pertinente, le comportement observé et les exigences à respecter. Pour une interface, précisez le contenu, les états visibles et les interactions ainsi que les caractéristiques de conception importantes. Un résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Voici une instruction illustrative : « Mettez ce composant à jour pour qu’il corresponde au déroulement du formulaire décrit, conservez les noms des champs existants et expliquez les états d’erreur et de réussite requis. » Pour le débogage, fournissez une entrée représentative et demandez au modèle 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 une attention latente multitête et un mélange clairsemé d’experts, sélectionnant huit experts sur 384 par jeton avec un expert partagé. Le contexte de 256K permet un dossier de tâche plus vaste que dans l’édition K2 originale, tout en contenant ensemble les sources, la conversation, les observations des outils et la réponse générée. Une fenêtre plus grande ne doit pas être comprise comme une allocation maximale indépendante de sortie.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à conserver pendant les suivis. Pour une comparaison, demandez le passage ou le fragment de code qui étaye chaque conclusion. Conservez l’identité 0905 sélectionnée lorsque le contexte étendu et la mise à jour de programmation importent pour la tâche.
Le fabricant 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, comme une explication, une comparaison appuyée sur des sources ou du code seulement. Le résultat final souhaité reste ainsi visible même lorsque l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils disponibles fournis dans chaque requête. Les fonctions possèdent des noms, des descriptions et des schémas de paramètres; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, effectue l’opération et renvoie un résultat d’outil associé à l’identifiant de l’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 restent des propositions jusqu’à leur exécution par l’application environnante. Conservez le résultat de cette opération comme preuve pour l’étape suivante 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 d’images et de vidéos, les propriétés natives INT4 de la version Thinking et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle nommée. La sortie utile est un livrable ciblé de texte ou de code fondé sur la tâche et les observations réellement retournées.
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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.005 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.005 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | 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 textuel actualisé de Moonshot AI pour la programmation, l’implémentation d’interfaces et les agents. Il étend le contexte original de K2 de 128K à 256K et renvoie des réponses, du code et du 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’instructions Kimi K2 de Moonshot AI. C’est un modèle textuel pour les connaissances, le raisonnement, la programmation et les tâches guidées par outils, avec 1 000 milliards de paramètres au total dans une architecture à mélange d’experts et 32 milliards de paramètres actifs. L’édition exacte 0905 améliore la programmation agentique et le travail sur les interfaces, et étend le contexte de 128K dans la version originale à 256K jetons.
Le fabricant met l’accent sur le comportement pratique et l’apparence du code d’interface, avec des améliorations des tâches réelles d’agents de programmation. Préparez une consigne logicielle avec l’implémentation pertinente, le comportement observé et les exigences à respecter. Pour une interface, précisez le contenu, les états visibles et les interactions ainsi que les caractéristiques de conception importantes. Un résultat utile est du code lié à ces critères plutôt qu’une discussion générale sur le fonctionnement possible d’une interface.
Voici une instruction illustrative : « Mettez ce composant à jour pour qu’il corresponde au déroulement du formulaire décrit, conservez les noms des champs existants et expliquez les états d’erreur et de réussite requis. » Pour le débogage, fournissez une entrée représentative et demandez au modèle 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 une attention latente multitête et un mélange clairsemé d’experts, sélectionnant huit experts sur 384 par jeton avec un expert partagé. Le contexte de 256K permet un dossier de tâche plus vaste que dans l’édition K2 originale, tout en contenant ensemble les sources, la conversation, les observations des outils et la réponse générée. Une fenêtre plus grande ne doit pas être comprise comme une allocation maximale indépendante de sortie.
Organisez les extraits de dépôt par fichier et les documents par section. Indiquez le livrable final et les conditions à conserver pendant les suivis. Pour une comparaison, demandez le passage ou le fragment de code qui étaye chaque conclusion. Conservez l’identité 0905 sélectionnée lorsque le contexte étendu et la mise à jour de programmation importent pour la tâche.
Le fabricant 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, comme une explication, une comparaison appuyée sur des sources ou du code seulement. Le résultat final souhaité reste ainsi visible même lorsque l’application utilise plusieurs étapes de modèle.
La fiche exacte documente les outils disponibles fournis dans chaque requête. Les fonctions possèdent des noms, des descriptions et des schémas de paramètres; le modèle décide quand et comment les appeler. L’application analyse les arguments JSON sélectionnés, effectue l’opération et renvoie un résultat d’outil associé à l’identifiant de l’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 restent des propositions jusqu’à leur exécution par l’application environnante. Conservez le résultat de cette opération comme preuve pour l’étape suivante 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 d’images et de vidéos, les propriétés natives INT4 de la version Thinking et les contrôles preserve-thinking ne doivent pas être déduits pour cette mise à jour textuelle nommée. La sortie utile est un livrable ciblé de texte ou de code fondé sur la tâche et les observations réellement retournées.
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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.005 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0012 / 1K jetons Sortie · Jetons en sortie $0.005 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | 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.