Kimi K3 est le modèle agentique multimodal à poids ouverts de Moonshot AI pour la programmation de longue haleine, le travail intellectuel et le raisonnement. Il associe le texte à la compréhension visuelle native des images et de la vidéo et produit une réponse textuelle ou une demande d’outil. Le fabricant met en avant les sessions d’ingénierie prolongées, les grands dépôts et les tâches qui utilisent des captures d’écran ou du retour visuel avec du code. Une mission utile définit le livrable souhaité, les éléments à utiliser et la condition qui marque l’achèvement du travail.
La fiche du modèle décrit un mélange parcimonieux d’experts comptant 2’800 milliards de paramètres au total et 104 milliards activés. Sa conception Stable LatentMoE sélectionne 16 experts sur 896 par jeton, utilisant Kimi Delta Attention et Attention Residuals avec une attention à portes. La longueur exacte du contexte est de 1’048’576 jetons. Cela offre de la place pour un contexte de tâche volumineux, sans justifier l’abandon des frontières entre sources ni de l’espace nécessaire au résultat.
Le livrable natif publié utilise un entraînement tenant compte de la quantification, avec des poids MXFP4 et des activations MXFP8. Il s’agit du format de publication du fabricant, distinct d’une édition quantifiée fournie séparément ou d’une affirmation sur la manière dont une route particulière sert le modèle. Des poids ouverts et un grand nombre de paramètres ne font pas du nombre de paramètres actifs l’exigence totale de stockage ou de matériel.
Fournissez les éléments pertinents du dépôt, le comportement existant, le changement demandé et les contraintes de compatibilité. Identifiez les fichiers ou l’interface que le résultat doit toucher, les vérifications qui déterminent la réussite et toute erreur ou entrée fournie qui révèle le problème. Un résultat utile peut être une modification ciblée de code avec une explication et des éléments issus des vérifications réellement exécutées, plutôt qu’une description d’actions jamais effectuées.
Pour une tâche de développement visuel, incluez une capture ou une vue claire du résultat souhaité avec le code pertinent et un écart précis. Le fabricant décrit des processus couvrant les interfaces web, les jeux et la CAO qui utilisent le retour visuel. Demandez le changement qui relie le code au résultat observé et conservez la référence afin de vérifier le livrable par rapport à elle.
Le guide de démarrage du producteur utilise des objets de contenu typés pour les messages visuels ; content est un tableau, et non une représentation sérialisée de ce tableau. Son processus image utilise des données d’image encodées ou une référence de fichier prise en charge plutôt qu’une adresse publique d’image. L’exemple vidéo téléverse un fichier vidéo et fournit la référence obtenue avec une question sur son contenu. Donnez une source lisible et précisez l’observation, l’intervalle ou la relation pertinente. Le processus de vision du producteur accepte les images JPEG, PNG, GIF, WebP, BMP, HEIC et HEIF, ainsi que les vidéos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV et 3GPP. Les GIF ou WebP animés peuvent être décodés comme vidéo. Fournissez le code source SVG en texte. Le fabricant recommande des images jusqu’à 4096 × 2160 et des vidéos jusqu’à 1920 × 1080 ; ce sont des recommandations de résolution et non des seuils de rejet. Gardez le corps de requête dans la limite de taille documentée de 100M et téléversez les médias volumineux ou réutilisés fréquemment comme fichiers.
Pour une recherche à forte composante documentaire, identifiez les sources et indiquez les questions auxquelles le rapport final doit répondre. Pour une explication vidéo, identifiez les événements ou la séquence à analyser plutôt que de demander des commentaires sans limite. K3 utilise le contenu visuel comme élément de raisonnement et renvoie du texte ou des demandes d’outils. Une application peut transmettre ces demandes à des outils média pour créer des livrables image ou vidéo séparés.
L’interface du producteur K3 a toujours la réflexion activée. Le réglage de premier niveau reasoning_effort accepte low, high et max, avec max par défaut. Ces choix sont propres au modèle ; un réglage sans réflexion ou une valeur d’effort d’une autre famille ne doit pas être supposé. Les consignes de migration du fabricant distinguent K3 de K2.x en utilisant reasoning_effort plutôt qu’en reprenant l’ancienne configuration thinking.
Le producteur documente des champs reasoning_content et content de réponse finale séparés dans les résultats diffusés progressivement. Pour une conversation à plusieurs tours ou un processus avec outils, il exige que le message complet renvoyé par l’assistant soit retransmis sans modification, y compris reasoning_content et tool_calls. Conserver uniquement la réponse finale visible fait perdre des informations attendues par le processus de réflexion préservée du modèle à l’étape suivante.
Le guide de démarrage documente la sortie stricte par schéma JSON pour le contenu du message final. Définissez les champs et leur sens autour du livrable dont l’application a besoin, et analysez ce contenu final plutôt que de le combiner au champ de raisonnement. Un résultat structuré peut représenter des informations extraites d’éléments fournis ou un format défini de rapport ; le schéma contraint sa forme, tandis que les éléments sources déterminent la justesse de ses valeurs.
Le mode partial peut poursuivre un préfixe textuel fourni. L’exemple du producteur place un message partiel de l’assistant à la fin de l’historique et combine ce préfixe à la continuation renvoyée pour l’affichage. Utilisez-le lorsque le livrable requis a un début fixe significatif, en gardant le préfixe distinct de la suite générée.
K3 prend en charge les outils de fonction personnalisés. L’exemple du producteur impose un outil au premier tour, préserve le message complet de l’assistant, exécute chaque appel renvoyé et ajoute un résultat d’outil correspondant avant de demander la réponse finale. Un appel proposé ne prouve pas la réussite de l’opération ; le résultat réellement renvoyé devient l’élément probant pour l’étape suivante.
Son processus de chargement dynamique introduit une définition complète d’outil à un point précis de l’historique des messages. La définition nécessite son nom, sa finalité et ses paramètres et doit rester dans l’historique ultérieur, car le serveur ne conserve pas cette déclaration indépendamment. Gardez associés les capacités des outils, les arguments fournis et les observations réelles afin qu’une tâche longue puisse poursuivre le travail déjà achevé.
Le producteur documente une allocation de complétion par défaut de 131’072 jetons, configurable jusqu’à 1’048’576 dans les contraintes du contexte global du modèle. Son API K3 actuelle fixe temperature à 1.0, top_p à 0.95, un seul résultat et des pénalités de présence et de fréquence nulles, en demandant aux appelants d’omettre ces contrôles d’échantillonnage. Ce sont les réglages exacts du profil du producteur, et non une liste transférable de contrôles réglables.
La mise en cache du contexte est automatique pour les préfixes répétés admissibles, avec des durées de vie documentées de 5 minutes et 1 heure, et 5 minutes par défaut. Les blocs de cache partiels restent des absences de correspondance. Gardez le contexte réutilisable stable et vérifiez l’usage réel plutôt que d’affirmer une lecture en cache sur la seule base d’un texte répété. Pour le livrable final, conservez les sources fournies, les éléments réels issus des outils et la structure de sortie requise, et vérifiez qu’une longue réponse ou un résultat d’ingénierie satisfait aux critères d’achèvement indiqués.
", "aboutText": "Kimi K3 est le modèle agentique multimodal à poids ouverts de Moonshot AI pour la programmation de longue haleine, le travail intellectuel et le raisonnement. Il associe le texte à la compréhension visuelle native des images et de la vidéo et produit une réponse textuelle ou une demande d’outil. Le fabricant met en avant les sessions d’ingénierie prolongées, les grands dépôts et les tâches qui utilisent des captures d’écran ou du retour visuel avec du code. Une mission utile définit le livrable souhaité, les éléments à utiliser et la condition qui marque l’achèvement du travail.\n\n### Architecture et contexte long\n\nLa fiche du modèle décrit un mélange parcimonieux d’experts comptant 2’800 milliards de paramètres au total et 104 milliards activés. Sa conception Stable LatentMoE sélectionne 16 experts sur 896 par jeton, utilisant Kimi Delta Attention et Attention Residuals avec une attention à portes. La longueur exacte du contexte est de 1’048’576 jetons. Cela offre de la place pour un contexte de tâche volumineux, sans justifier l’abandon des frontières entre sources ni de l’espace nécessaire au résultat.\n\nLe livrable natif publié utilise un entraînement tenant compte de la quantification, avec des poids MXFP4 et des activations MXFP8. Il s’agit du format de publication du fabricant, distinct d’une édition quantifiée fournie séparément ou d’une affirmation sur la manière dont une route particulière sert le modèle. Des poids ouverts et un grand nombre de paramètres ne font pas du nombre de paramètres actifs l’exigence totale de stockage ou de matériel.\n\n### Préparer une tâche de programmation substantielle\n\nFournissez les éléments pertinents du dépôt, le comportement existant, le changement demandé et les contraintes de compatibilité. Identifiez les fichiers ou l’interface que le résultat doit toucher, les vérifications qui déterminent la réussite et toute erreur ou entrée fournie qui révèle le problème. Un résultat utile peut être une modification ciblée de code avec une explication et des éléments issus des vérifications réellement exécutées, plutôt qu’une description d’actions jamais effectuées.\n\nPour une tâche de développement visuel, incluez une capture ou une vue claire du résultat souhaité avec le code pertinent et un écart précis. Le fabricant décrit des processus couvrant les interfaces web, les jeux et la CAO qui utilisent le retour visuel. Demandez le changement qui relie le code au résultat observé et conservez la référence afin de vérifier le livrable par rapport à elle.\n\n### Images, vidéo et préparation du travail intellectuel\n\nLe guide de démarrage du producteur utilise des objets de contenu typés pour les messages visuels ; content est un tableau, et non une représentation sérialisée de ce tableau. Son processus image utilise des données d’image encodées ou une référence de fichier prise en charge plutôt qu’une adresse publique d’image. L’exemple vidéo téléverse un fichier vidéo et fournit la référence obtenue avec une question sur son contenu. Donnez une source lisible et précisez l’observation, l’intervalle ou la relation pertinente. Le processus de vision du producteur accepte les images JPEG, PNG, GIF, WebP, BMP, HEIC et HEIF, ainsi que les vidéos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV et 3GPP. Les GIF ou WebP animés peuvent être décodés comme vidéo. Fournissez le code source SVG en texte. Le fabricant recommande des images jusqu’à 4096 × 2160 et des vidéos jusqu’à 1920 × 1080 ; ce sont des recommandations de résolution et non des seuils de rejet. Gardez le corps de requête dans la limite de taille documentée de 100M et téléversez les médias volumineux ou réutilisés fréquemment comme fichiers.\n\nPour une recherche à forte composante documentaire, identifiez les sources et indiquez les questions auxquelles le rapport final doit répondre. Pour une explication vidéo, identifiez les événements ou la séquence à analyser plutôt que de demander des commentaires sans limite. K3 utilise le contenu visuel comme élément de raisonnement et renvoie du texte ou des demandes d’outils. Une application peut transmettre ces demandes à des outils média pour créer des livrables image ou vidéo séparés.\n\n### La réflexion est toujours activée\n\nL’interface du producteur K3 a toujours la réflexion activée. Le réglage de premier niveau reasoning_effort accepte low, high et max, avec max par défaut. Ces choix sont propres au modèle ; un réglage sans réflexion ou une valeur d’effort d’une autre famille ne doit pas être supposé. Les consignes de migration du fabricant distinguent K3 de K2.x en utilisant reasoning_effort plutôt qu’en reprenant l’ancienne configuration thinking.\n\nLe producteur documente des champs reasoning_content et content de réponse finale séparés dans les résultats diffusés progressivement. Pour une conversation à plusieurs tours ou un processus avec outils, il exige que le message complet renvoyé par l’assistant soit retransmis sans modification, y compris reasoning_content et tool_calls. Conserver uniquement la réponse finale visible fait perdre des informations attendues par le processus de réflexion préservée du modèle à l’étape suivante.\n\n### Réponses finales structurées et continuation partielle\n\nLe guide de démarrage documente la sortie stricte par schéma JSON pour le contenu du message final. Définissez les champs et leur sens autour du livrable dont l’application a besoin, et analysez ce contenu final plutôt que de le combiner au champ de raisonnement. Un résultat structuré peut représenter des informations extraites d’éléments fournis ou un format défini de rapport ; le schéma contraint sa forme, tandis que les éléments sources déterminent la justesse de ses valeurs.\n\nLe mode partial peut poursuivre un préfixe textuel fourni. L’exemple du producteur place un message partiel de l’assistant à la fin de l’historique et combine ce préfixe à la continuation renvoyée pour l’affichage. Utilisez-le lorsque le livrable requis a un début fixe significatif, en gardant le préfixe distinct de la suite générée.\n\n### Outils et continuité de leurs résultats\n\nK3 prend en charge les outils de fonction personnalisés. L’exemple du producteur impose un outil au premier tour, préserve le message complet de l’assistant, exécute chaque appel renvoyé et ajoute un résultat d’outil correspondant avant de demander la réponse finale. Un appel proposé ne prouve pas la réussite de l’opération ; le résultat réellement renvoyé devient l’élément probant pour l’étape suivante.\n\nSon processus de chargement dynamique introduit une définition complète d’outil à un point précis de l’historique des messages. La définition nécessite son nom, sa finalité et ses paramètres et doit rester dans l’historique ultérieur, car le serveur ne conserve pas cette déclaration indépendamment. Gardez associés les capacités des outils, les arguments fournis et les observations réelles afin qu’une tâche longue puisse poursuivre le travail déjà achevé.\n\n### Contrôles de sortie et contexte répété\n\nLe producteur documente une allocation de complétion par défaut de 131’072 jetons, configurable jusqu’à 1’048’576 dans les contraintes du contexte global du modèle. Son API K3 actuelle fixe temperature à 1.0, top_p à 0.95, un seul résultat et des pénalités de présence et de fréquence nulles, en demandant aux appelants d’omettre ces contrôles d’échantillonnage. Ce sont les réglages exacts du profil du producteur, et non une liste transférable de contrôles réglables.\n\nLa mise en cache du contexte est automatique pour les préfixes répétés admissibles, avec des durées de vie documentées de 5 minutes et 1 heure, et 5 minutes par défaut. Les blocs de cache partiels restent des absences de correspondance. Gardez le contexte réutilisable stable et vérifiez l’usage réel plutôt que d’affirmer une lecture en cache sur la seule base d’un texte répété. Pour le livrable final, conservez les sources fournies, les éléments réels issus des outils et la structure de sortie requise, et vérifiez qu’une longue réponse ou un résultat d’ingénierie satisfait aux critères d’achèvement indiqués.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4e665eb9df937bd74bb90003ee7f4d973f10516d2a0bc34d770f54a72abac063", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "moonshotai/kimi-k3:batchKimi K3 est le modèle de raisonnement nativement multimodal de Moonshot AI pour les longues tâches de programmation et le travail intellectuel. Il lit le texte, les images et la vidéo, produit du texte et prend en charge les processus pilotés par outils avec un contexte de 1’048’576 jetons et un historique de réflexion préservé entre les étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Kimi K3 est le modèle agentique multimodal à poids ouverts de Moonshot AI pour la programmation de longue haleine, le travail intellectuel et le raisonnement. Il associe le texte à la compréhension visuelle native des images et de la vidéo et produit une réponse textuelle ou une demande d’outil. Le fabricant met en avant les sessions d’ingénierie prolongées, les grands dépôts et les tâches qui utilisent des captures d’écran ou du retour visuel avec du code. Une mission utile définit le livrable souhaité, les éléments à utiliser et la condition qui marque l’achèvement du travail.
La fiche du modèle décrit un mélange parcimonieux d’experts comptant 2’800 milliards de paramètres au total et 104 milliards activés. Sa conception Stable LatentMoE sélectionne 16 experts sur 896 par jeton, utilisant Kimi Delta Attention et Attention Residuals avec une attention à portes. La longueur exacte du contexte est de 1’048’576 jetons. Cela offre de la place pour un contexte de tâche volumineux, sans justifier l’abandon des frontières entre sources ni de l’espace nécessaire au résultat.
Le livrable natif publié utilise un entraînement tenant compte de la quantification, avec des poids MXFP4 et des activations MXFP8. Il s’agit du format de publication du fabricant, distinct d’une édition quantifiée fournie séparément ou d’une affirmation sur la manière dont une route particulière sert le modèle. Des poids ouverts et un grand nombre de paramètres ne font pas du nombre de paramètres actifs l’exigence totale de stockage ou de matériel.
Fournissez les éléments pertinents du dépôt, le comportement existant, le changement demandé et les contraintes de compatibilité. Identifiez les fichiers ou l’interface que le résultat doit toucher, les vérifications qui déterminent la réussite et toute erreur ou entrée fournie qui révèle le problème. Un résultat utile peut être une modification ciblée de code avec une explication et des éléments issus des vérifications réellement exécutées, plutôt qu’une description d’actions jamais effectuées.
Pour une tâche de développement visuel, incluez une capture ou une vue claire du résultat souhaité avec le code pertinent et un écart précis. Le fabricant décrit des processus couvrant les interfaces web, les jeux et la CAO qui utilisent le retour visuel. Demandez le changement qui relie le code au résultat observé et conservez la référence afin de vérifier le livrable par rapport à elle.
Le guide de démarrage du producteur utilise des objets de contenu typés pour les messages visuels ; content est un tableau, et non une représentation sérialisée de ce tableau. Son processus image utilise des données d’image encodées ou une référence de fichier prise en charge plutôt qu’une adresse publique d’image. L’exemple vidéo téléverse un fichier vidéo et fournit la référence obtenue avec une question sur son contenu. Donnez une source lisible et précisez l’observation, l’intervalle ou la relation pertinente. Le processus de vision du producteur accepte les images JPEG, PNG, GIF, WebP, BMP, HEIC et HEIF, ainsi que les vidéos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV et 3GPP. Les GIF ou WebP animés peuvent être décodés comme vidéo. Fournissez le code source SVG en texte. Le fabricant recommande des images jusqu’à 4096 × 2160 et des vidéos jusqu’à 1920 × 1080 ; ce sont des recommandations de résolution et non des seuils de rejet. Gardez le corps de requête dans la limite de taille documentée de 100M et téléversez les médias volumineux ou réutilisés fréquemment comme fichiers.
Pour une recherche à forte composante documentaire, identifiez les sources et indiquez les questions auxquelles le rapport final doit répondre. Pour une explication vidéo, identifiez les événements ou la séquence à analyser plutôt que de demander des commentaires sans limite. K3 utilise le contenu visuel comme élément de raisonnement et renvoie du texte ou des demandes d’outils. Une application peut transmettre ces demandes à des outils média pour créer des livrables image ou vidéo séparés.
L’interface du producteur K3 a toujours la réflexion activée. Le réglage de premier niveau reasoning_effort accepte low, high et max, avec max par défaut. Ces choix sont propres au modèle ; un réglage sans réflexion ou une valeur d’effort d’une autre famille ne doit pas être supposé. Les consignes de migration du fabricant distinguent K3 de K2.x en utilisant reasoning_effort plutôt qu’en reprenant l’ancienne configuration thinking.
Le producteur documente des champs reasoning_content et content de réponse finale séparés dans les résultats diffusés progressivement. Pour une conversation à plusieurs tours ou un processus avec outils, il exige que le message complet renvoyé par l’assistant soit retransmis sans modification, y compris reasoning_content et tool_calls. Conserver uniquement la réponse finale visible fait perdre des informations attendues par le processus de réflexion préservée du modèle à l’étape suivante.
Le guide de démarrage documente la sortie stricte par schéma JSON pour le contenu du message final. Définissez les champs et leur sens autour du livrable dont l’application a besoin, et analysez ce contenu final plutôt que de le combiner au champ de raisonnement. Un résultat structuré peut représenter des informations extraites d’éléments fournis ou un format défini de rapport ; le schéma contraint sa forme, tandis que les éléments sources déterminent la justesse de ses valeurs.
Le mode partial peut poursuivre un préfixe textuel fourni. L’exemple du producteur place un message partiel de l’assistant à la fin de l’historique et combine ce préfixe à la continuation renvoyée pour l’affichage. Utilisez-le lorsque le livrable requis a un début fixe significatif, en gardant le préfixe distinct de la suite générée.
K3 prend en charge les outils de fonction personnalisés. L’exemple du producteur impose un outil au premier tour, préserve le message complet de l’assistant, exécute chaque appel renvoyé et ajoute un résultat d’outil correspondant avant de demander la réponse finale. Un appel proposé ne prouve pas la réussite de l’opération ; le résultat réellement renvoyé devient l’élément probant pour l’étape suivante.
Son processus de chargement dynamique introduit une définition complète d’outil à un point précis de l’historique des messages. La définition nécessite son nom, sa finalité et ses paramètres et doit rester dans l’historique ultérieur, car le serveur ne conserve pas cette déclaration indépendamment. Gardez associés les capacités des outils, les arguments fournis et les observations réelles afin qu’une tâche longue puisse poursuivre le travail déjà achevé.
Le producteur documente une allocation de complétion par défaut de 131’072 jetons, configurable jusqu’à 1’048’576 dans les contraintes du contexte global du modèle. Son API K3 actuelle fixe temperature à 1.0, top_p à 0.95, un seul résultat et des pénalités de présence et de fréquence nulles, en demandant aux appelants d’omettre ces contrôles d’échantillonnage. Ce sont les réglages exacts du profil du producteur, et non une liste transférable de contrôles réglables.
La mise en cache du contexte est automatique pour les préfixes répétés admissibles, avec des durées de vie documentées de 5 minutes et 1 heure, et 5 minutes par défaut. Les blocs de cache partiels restent des absences de correspondance. Gardez le contexte réutilisable stable et vérifiez l’usage réel plutôt que d’affirmer une lecture en cache sur la seule base d’un texte répété. Pour le livrable final, conservez les sources fournies, les éléments réels issus des outils et la structure de sortie requise, et vérifiez qu’une longue réponse ou un résultat d’ingénierie satisfait aux critères d’achèvement indiqués.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k3:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites moonshotai/kimi-k3:batch, moonshotai/kimi-k3 | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites deepinfra/bf16 | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
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 $0.00456 / 1K tokens Sortie · Tokens en sortie $0.0228 / 1K tokens Entrée · Lecture du cache $0.000456 / 1K tokens Entrée · Écriture dans le cache — / 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 $0.00456 / 1K tokens Sortie · Tokens en sortie $0.0228 / 1K tokens Entrée · Lecture du cache $0.000456 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"moonshotai/kimi-k3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['moonshotai/kimi-k3:batch', 'moonshotai/kimi-k3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"moonshotai/kimi-k3:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body intégré
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra moonshotai/kimi-k3:batch
Utilisez les chemins de méthode indiqués ci-dessus.