Kimi K2.6 est le modèle natif d’agent multimodal de Moonshot AI pour la programmation de longue durée, la conception par le code et l’exécution coordonnée de tâches. Il accepte du texte, des images et des vidéos et génère du texte, notamment des explications, du code et des propositions d’appels d’outils. Son architecture à mélange d’experts compte 1 000 milliards de paramètres au total, dont 32 milliards actifs, et un contexte de 256K, avec un encodeur visuel MoonViT.
Le producteur développe K2.6 pour la programmation de bout en bout dans divers langages et domaines, notamment le travail sur dépôts, les interfaces utilisateur et l’optimisation des performances. Fournissez le code pertinent, le comportement attendu, l’échec observé et les conditions que la modification doit préserver. Pour une tâche visuelle, combinez les exigences à une maquette ou une capture d’écran lisible et précisez si elle montre l’état actuel ou le résultat souhaité.
Voici une instruction illustrative : « Implémentez cette interface à partir de la spécification visuelle fournie, conservez les noms des champs et expliquez le comportement de chaque état requis. » Le livrable attendu est du code avec son explication, suivi de l’observation réelle du rendu ou de la validation obtenue par l’application. Les interfaces générées et les propositions textuelles ne sont pas des actions exécutées de manière indépendante.
K2.6 prend en charge les modes thinking et instant. Le mode thinking développe un raisonnement intermédiaire avant la réponse finale; le mode instant produit une réponse directe. Les recommandations de déploiement du producteur utilisent une température de 1.0 pour thinking, de 0.6 pour instant et top-p à 0.95. Ce sont les recommandations de sa référence documentée, distinctes du choix du style ou de la longueur de la réponse finale.
Une fonction propre à K2.6 est preserve-thinking, qui conserve le contenu complet du raisonnement dans une interaction à plusieurs tours. Elle est désactivée par défaut et documentée pour les agents de programmation en mode thinking. Lorsqu’elle est utilisée, l’analyse conservée consomme du contexte avec les observations des outils et les réponses finales. Gardez les exigences acceptées de la tâche claires afin qu’une idée provisoire antérieure ne devienne pas un fait non étayé dans le livrable final.
La fiche exacte présente des entrées d’images et de vidéos. Identifiez les différents médias, préservez le texte visible et précisez le détail ou l’événement à expliquer. Pour un graphique, demandez les valeurs observées séparément de leur interprétation. Pour une vidéo, indiquez le segment pertinent et l’évolution temporelle à analyser. Le fabricant qualifie le processus vidéo présenté d’expérimental dans sa référence; la compréhension d’images et de vidéos produit du texte plutôt que des médias générés.
K2.6 intercale la réflexion avec les appels d’outils en plusieurs étapes et documente une approche d’essaim d’agents du producteur qui décompose une tâche en branches spécialisées et coordonnées. L’application fournit les outils, exécute les opérations sélectionnées et renvoie leurs observations. Définissez les actions autorisées et le livrable final avant le début d’une tâche d’agent, par exemple une comparaison de sources terminée, un correctif de dépôt ou un document préparé.
Conservez chaque observation retournée avec l’opération et la source qui l’ont produite. Une branche ou une action d’outil proposée ne devient une preuve utile que lorsque son résultat est disponible pour la suite de la tâche. Les modes nommés et les démonstrations d’orchestration du producteur n’impliquent pas qu’une réponse textuelle ordinaire effectue de manière indépendante toutes les actions en arrière-plan ou entre applications.
K2.6 adopte la méthode native de quantification INT4 du producteur provenant de K2 Thinking. Il s’agit d’une propriété documentée de la version du modèle, distincte d’une promesse concernant toute configuration environnante d’exécution. Son contexte de 256K doit contenir ensemble les sources, la conversation, le raisonnement éventuellement conservé et la sortie demandée. Les budgets d’évaluation de la fiche ne sont pas des limites universelles de réponse.
Examinez le code par rapport aux exigences, les constats visuels par rapport à l’entrée et les affirmations dépendant de sources par rapport aux éléments faisant autorité. Gardez K2.6 distinct de K2.5 et des éditions K2 uniquement textuelles, surtout lorsque les contrôles preserve-thinking et les détails des processus visuels importent pour la tâche.
", "aboutText": "Kimi K2.6 est le modèle natif d’agent multimodal de Moonshot AI pour la programmation de longue durée, la conception par le code et l’exécution coordonnée de tâches. Il accepte du texte, des images et des vidéos et génère du texte, notamment des explications, du code et des propositions d’appels d’outils. Son architecture à mélange d’experts compte 1 000 milliards de paramètres au total, dont 32 milliards actifs, et un contexte de 256K, avec un encodeur visuel MoonViT.\n\n### Programmation et conception visuelle\n\nLe producteur développe K2.6 pour la programmation de bout en bout dans divers langages et domaines, notamment le travail sur dépôts, les interfaces utilisateur et l’optimisation des performances. Fournissez le code pertinent, le comportement attendu, l’échec observé et les conditions que la modification doit préserver. Pour une tâche visuelle, combinez les exigences à une maquette ou une capture d’écran lisible et précisez si elle montre l’état actuel ou le résultat souhaité.\n\nVoici une instruction illustrative : « Implémentez cette interface à partir de la spécification visuelle fournie, conservez les noms des champs et expliquez le comportement de chaque état requis. » Le livrable attendu est du code avec son explication, suivi de l’observation réelle du rendu ou de la validation obtenue par l’application. Les interfaces générées et les propositions textuelles ne sont pas des actions exécutées de manière indépendante.\n\n### Réflexion, réponse instantanée et raisonnement conservé\n\nK2.6 prend en charge les modes thinking et instant. Le mode thinking développe un raisonnement intermédiaire avant la réponse finale; le mode instant produit une réponse directe. Les recommandations de déploiement du producteur utilisent une température de 1.0 pour thinking, de 0.6 pour instant et top-p à 0.95. Ce sont les recommandations de sa référence documentée, distinctes du choix du style ou de la longueur de la réponse finale.\n\nUne fonction propre à K2.6 est preserve-thinking, qui conserve le contenu complet du raisonnement dans une interaction à plusieurs tours. Elle est désactivée par défaut et documentée pour les agents de programmation en mode thinking. Lorsqu’elle est utilisée, l’analyse conservée consomme du contexte avec les observations des outils et les réponses finales. Gardez les exigences acceptées de la tâche claires afin qu’une idée provisoire antérieure ne devienne pas un fait non étayé dans le livrable final.\n\n### Entrées multimodales\n\nLa fiche exacte présente des entrées d’images et de vidéos. Identifiez les différents médias, préservez le texte visible et précisez le détail ou l’événement à expliquer. Pour un graphique, demandez les valeurs observées séparément de leur interprétation. Pour une vidéo, indiquez le segment pertinent et l’évolution temporelle à analyser. Le fabricant qualifie le processus vidéo présenté d’expérimental dans sa référence; la compréhension d’images et de vidéos produit du texte plutôt que des médias générés.\n\n### Outils et orchestration\n\nK2.6 intercale la réflexion avec les appels d’outils en plusieurs étapes et documente une approche d’essaim d’agents du producteur qui décompose une tâche en branches spécialisées et coordonnées. L’application fournit les outils, exécute les opérations sélectionnées et renvoie leurs observations. Définissez les actions autorisées et le livrable final avant le début d’une tâche d’agent, par exemple une comparaison de sources terminée, un correctif de dépôt ou un document préparé.\n\nConservez chaque observation retournée avec l’opération et la source qui l’ont produite. Une branche ou une action d’outil proposée ne devient une preuve utile que lorsque son résultat est disponible pour la suite de la tâche. Les modes nommés et les démonstrations d’orchestration du producteur n’impliquent pas qu’une réponse textuelle ordinaire effectue de manière indépendante toutes les actions en arrière-plan ou entre applications.\n\n### Contexte et portée de l’édition\n\nK2.6 adopte la méthode native de quantification INT4 du producteur provenant de K2 Thinking. Il s’agit d’une propriété documentée de la version du modèle, distincte d’une promesse concernant toute configuration environnante d’exécution. Son contexte de 256K doit contenir ensemble les sources, la conversation, le raisonnement éventuellement conservé et la sortie demandée. Les budgets d’évaluation de la fiche ne sont pas des limites universelles de réponse.\n\nExaminez le code par rapport aux exigences, les constats visuels par rapport à l’entrée et les affirmations dépendant de sources par rapport aux éléments faisant autorité. Gardez K2.6 distinct de K2.5 et des éditions K2 uniquement textuelles, surtout lorsque les contrôles preserve-thinking et les détails des processus visuels importent pour la tâche.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.moonshotai/kimi-k2.6Kimi K2.6 est le modèle d’agent multimodal de Moonshot AI pour la programmation de longue durée, le travail sur les interfaces visuelles et les tâches guidées par outils. Il combine texte, images et vidéos avec des réponses réflexives ou instantanées, et documente la conservation facultative du raisonnement d’un tour à l’autre dans un contexte de 256K.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Kimi K2.6 est le modèle natif d’agent multimodal de Moonshot AI pour la programmation de longue durée, la conception par le code et l’exécution coordonnée de tâches. Il accepte du texte, des images et des vidéos et génère du texte, notamment des explications, du code et des propositions d’appels d’outils. Son architecture à mélange d’experts compte 1 000 milliards de paramètres au total, dont 32 milliards actifs, et un contexte de 256K, avec un encodeur visuel MoonViT.
Le producteur développe K2.6 pour la programmation de bout en bout dans divers langages et domaines, notamment le travail sur dépôts, les interfaces utilisateur et l’optimisation des performances. Fournissez le code pertinent, le comportement attendu, l’échec observé et les conditions que la modification doit préserver. Pour une tâche visuelle, combinez les exigences à une maquette ou une capture d’écran lisible et précisez si elle montre l’état actuel ou le résultat souhaité.
Voici une instruction illustrative : « Implémentez cette interface à partir de la spécification visuelle fournie, conservez les noms des champs et expliquez le comportement de chaque état requis. » Le livrable attendu est du code avec son explication, suivi de l’observation réelle du rendu ou de la validation obtenue par l’application. Les interfaces générées et les propositions textuelles ne sont pas des actions exécutées de manière indépendante.
K2.6 prend en charge les modes thinking et instant. Le mode thinking développe un raisonnement intermédiaire avant la réponse finale; le mode instant produit une réponse directe. Les recommandations de déploiement du producteur utilisent une température de 1.0 pour thinking, de 0.6 pour instant et top-p à 0.95. Ce sont les recommandations de sa référence documentée, distinctes du choix du style ou de la longueur de la réponse finale.
Une fonction propre à K2.6 est preserve-thinking, qui conserve le contenu complet du raisonnement dans une interaction à plusieurs tours. Elle est désactivée par défaut et documentée pour les agents de programmation en mode thinking. Lorsqu’elle est utilisée, l’analyse conservée consomme du contexte avec les observations des outils et les réponses finales. Gardez les exigences acceptées de la tâche claires afin qu’une idée provisoire antérieure ne devienne pas un fait non étayé dans le livrable final.
La fiche exacte présente des entrées d’images et de vidéos. Identifiez les différents médias, préservez le texte visible et précisez le détail ou l’événement à expliquer. Pour un graphique, demandez les valeurs observées séparément de leur interprétation. Pour une vidéo, indiquez le segment pertinent et l’évolution temporelle à analyser. Le fabricant qualifie le processus vidéo présenté d’expérimental dans sa référence; la compréhension d’images et de vidéos produit du texte plutôt que des médias générés.
K2.6 intercale la réflexion avec les appels d’outils en plusieurs étapes et documente une approche d’essaim d’agents du producteur qui décompose une tâche en branches spécialisées et coordonnées. L’application fournit les outils, exécute les opérations sélectionnées et renvoie leurs observations. Définissez les actions autorisées et le livrable final avant le début d’une tâche d’agent, par exemple une comparaison de sources terminée, un correctif de dépôt ou un document préparé.
Conservez chaque observation retournée avec l’opération et la source qui l’ont produite. Une branche ou une action d’outil proposée ne devient une preuve utile que lorsque son résultat est disponible pour la suite de la tâche. Les modes nommés et les démonstrations d’orchestration du producteur n’impliquent pas qu’une réponse textuelle ordinaire effectue de manière indépendante toutes les actions en arrière-plan ou entre applications.
K2.6 adopte la méthode native de quantification INT4 du producteur provenant de K2 Thinking. Il s’agit d’une propriété documentée de la version du modèle, distincte d’une promesse concernant toute configuration environnante d’exécution. Son contexte de 256K doit contenir ensemble les sources, la conversation, le raisonnement éventuellement conservé et la sortie demandée. Les budgets d’évaluation de la fiche ne sont pas des limites universelles de réponse.
Examinez le code par rapport aux exigences, les constats visuels par rapport à l’entrée et les affirmations dépendant de sources par rapport aux éléments faisant autorité. Gardez K2.6 distinct de K2.5 et des éditions K2 uniquement textuelles, surtout lorsque les contrôles preserve-thinking et les détails des processus visuels importent pour la tâche.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k2.6 | 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 $0.0019 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00032 / 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 $0.0019 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00032 / 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-k2.6", "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-k2.6',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-k2.6',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-k2.6
Utilisez les chemins de méthode indiqués ci-dessus.
moonshotai/kimi-k2.6Kimi K2.6 est le modèle d’agent multimodal de Moonshot AI pour la programmation de longue durée, le travail sur les interfaces visuelles et les tâches guidées par outils. Il combine texte, images et vidéos avec des réponses réflexives ou instantanées, et documente la conservation facultative du raisonnement d’un tour à l’autre dans un contexte de 256K.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Kimi K2.6 est le modèle natif d’agent multimodal de Moonshot AI pour la programmation de longue durée, la conception par le code et l’exécution coordonnée de tâches. Il accepte du texte, des images et des vidéos et génère du texte, notamment des explications, du code et des propositions d’appels d’outils. Son architecture à mélange d’experts compte 1 000 milliards de paramètres au total, dont 32 milliards actifs, et un contexte de 256K, avec un encodeur visuel MoonViT.
Le producteur développe K2.6 pour la programmation de bout en bout dans divers langages et domaines, notamment le travail sur dépôts, les interfaces utilisateur et l’optimisation des performances. Fournissez le code pertinent, le comportement attendu, l’échec observé et les conditions que la modification doit préserver. Pour une tâche visuelle, combinez les exigences à une maquette ou une capture d’écran lisible et précisez si elle montre l’état actuel ou le résultat souhaité.
Voici une instruction illustrative : « Implémentez cette interface à partir de la spécification visuelle fournie, conservez les noms des champs et expliquez le comportement de chaque état requis. » Le livrable attendu est du code avec son explication, suivi de l’observation réelle du rendu ou de la validation obtenue par l’application. Les interfaces générées et les propositions textuelles ne sont pas des actions exécutées de manière indépendante.
K2.6 prend en charge les modes thinking et instant. Le mode thinking développe un raisonnement intermédiaire avant la réponse finale; le mode instant produit une réponse directe. Les recommandations de déploiement du producteur utilisent une température de 1.0 pour thinking, de 0.6 pour instant et top-p à 0.95. Ce sont les recommandations de sa référence documentée, distinctes du choix du style ou de la longueur de la réponse finale.
Une fonction propre à K2.6 est preserve-thinking, qui conserve le contenu complet du raisonnement dans une interaction à plusieurs tours. Elle est désactivée par défaut et documentée pour les agents de programmation en mode thinking. Lorsqu’elle est utilisée, l’analyse conservée consomme du contexte avec les observations des outils et les réponses finales. Gardez les exigences acceptées de la tâche claires afin qu’une idée provisoire antérieure ne devienne pas un fait non étayé dans le livrable final.
La fiche exacte présente des entrées d’images et de vidéos. Identifiez les différents médias, préservez le texte visible et précisez le détail ou l’événement à expliquer. Pour un graphique, demandez les valeurs observées séparément de leur interprétation. Pour une vidéo, indiquez le segment pertinent et l’évolution temporelle à analyser. Le fabricant qualifie le processus vidéo présenté d’expérimental dans sa référence; la compréhension d’images et de vidéos produit du texte plutôt que des médias générés.
K2.6 intercale la réflexion avec les appels d’outils en plusieurs étapes et documente une approche d’essaim d’agents du producteur qui décompose une tâche en branches spécialisées et coordonnées. L’application fournit les outils, exécute les opérations sélectionnées et renvoie leurs observations. Définissez les actions autorisées et le livrable final avant le début d’une tâche d’agent, par exemple une comparaison de sources terminée, un correctif de dépôt ou un document préparé.
Conservez chaque observation retournée avec l’opération et la source qui l’ont produite. Une branche ou une action d’outil proposée ne devient une preuve utile que lorsque son résultat est disponible pour la suite de la tâche. Les modes nommés et les démonstrations d’orchestration du producteur n’impliquent pas qu’une réponse textuelle ordinaire effectue de manière indépendante toutes les actions en arrière-plan ou entre applications.
K2.6 adopte la méthode native de quantification INT4 du producteur provenant de K2 Thinking. Il s’agit d’une propriété documentée de la version du modèle, distincte d’une promesse concernant toute configuration environnante d’exécution. Son contexte de 256K doit contenir ensemble les sources, la conversation, le raisonnement éventuellement conservé et la sortie demandée. Les budgets d’évaluation de la fiche ne sont pas des limites universelles de réponse.
Examinez le code par rapport aux exigences, les constats visuels par rapport à l’entrée et les affirmations dépendant de sources par rapport aux éléments faisant autorité. Gardez K2.6 distinct de K2.5 et des éditions K2 uniquement textuelles, surtout lorsque les contrôles preserve-thinking et les détails des processus visuels importent pour la tâche.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k2.6 | 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 $0.0019 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00032 / 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 $0.0019 / 1K jetons Sortie · Jetons en sortie $0.008 / 1K jetons Entrée · Lecture du cache $0.00032 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "moonshotai/kimi-k2.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.6', '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-k2.6', '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-k2.6
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.