Kimi K2 Instruct 0905 adalah pembaruan model instruksi Kimi K2 dari Moonshot AI pada September. Model teks ini ditujukan untuk pengetahuan, penalaran, pemrograman, dan tugas yang dipandu alat, dengan total satu triliun parameter mixture-of-experts dan 32 miliar parameter aktif. Edisi 0905 yang tepat ini meningkatkan pemrograman berbasis agen dan pekerjaan frontend serta memperluas konteks dari 128K pada rilis awal menjadi 256K token.
Pembuatnya menekankan perilaku praktis dan tampilan kode frontend, bersama peningkatan pada tugas agen pemrograman di dunia nyata. Siapkan arahan perangkat lunak dengan implementasi yang relevan, perilaku yang diamati, dan persyaratan yang harus dipenuhinya. Untuk antarmuka, identifikasi konten, keadaan yang terlihat, dan interaksi, serta fitur desain yang penting. Hasil yang berguna adalah kode yang terkait dengan kriteria tersebut, bukan pembahasan umum tentang bagaimana antarmuka dapat bekerja.
Contoh instruksi adalah: “Perbarui komponen ini agar sesuai dengan alur formulir yang dijelaskan, pertahankan nama bidang yang ada, dan jelaskan keadaan kesalahan serta keberhasilan yang diwajibkan.” Untuk debugging, berikan masukan yang mewakili kasus penggunaan dan minta model mengidentifikasi kondisi salah pertama sebelum mengembalikan patch terarah. Masukkan pengamatan render atau validasi aktual ke revisi berikutnya.
Ringkasan 0905 menjelaskan multi-head latent attention dan sparse mixture of experts, dengan delapan dari 384 pakar dipilih per token bersama satu pakar bersama. Konteks 256K mendukung catatan tugas yang lebih besar daripada edisi K2 awal, sambil tetap menampung sumber, percakapan, pengamatan alat, dan jawaban yang dihasilkan bersama-sama. Jendela yang lebih besar tidak boleh dianggap sebagai alokasi keluaran maksimum yang mandiri.
Susun cuplikan repositori menurut berkas dan materi dokumen menurut bagian. Nyatakan artefak akhir dan kondisi yang harus tetap sama selama tindak lanjut. Untuk perbandingan, minta bagian teks atau fragmen kode yang mendukung setiap kesimpulan. Pertahankan identitas 0905 yang dipilih ketika konteks yang diperluas dan pembaruan pemrograman penting bagi tugas.
Pembuatnya merekomendasikan temperature 0.6 dan menyediakan instruksi sistem asisten sederhana untuk tugas yang tidak memerlukan peran khusus. Tetapkan bahasa dan bentuk jawaban secara terpisah, seperti penjelasan, perbandingan berbasis sumber, atau kode saja. Ini menjaga hasil akhir yang diinginkan tetap terlihat meskipun aplikasi menggunakan beberapa langkah model.
Kartu model yang tepat ini mendokumentasikan alat tersedia yang disertakan dalam setiap permintaan. Fungsi memiliki nama, deskripsi, dan skema parameter; model memutuskan kapan dan bagaimana memanggilnya. Aplikasi mengurai argumen JSON terpilih, menjalankan operasi, dan mengembalikan hasil alat yang terkait dengan pengenal pemanggilan. Respons berikutnya kemudian dapat menggunakan pengamatan aktual atau melanjutkan tugas.
Patch yang dihasilkan, operasi terpilih, atau rencana pencarian merupakan usulan sampai aplikasi di sekelilingnya menjalankannya. Simpan hasil operasi tersebut sebagai bukti untuk langkah berikutnya dan serah terima akhir. Periksa nilai hasil ekstraksi terhadap materi sumber dan kode terhadap perilaku yang diminta.
K2 Instruct 0905 tetap terpisah dari K2 Thinking dan edisi multimodal K2.5 serta K2.6 berikutnya. Masukan gambar/video, sifat checkpoint thinking INT4 bawaan, dan kontrol preserve-thinking milik edisi tersebut tidak boleh diasumsikan berlaku untuk pembaruan teks bernama ini. Keluaran yang berguna adalah artefak teks atau kode terarah yang berlandaskan tugas serta pengamatan yang benar-benar dikembalikan.
", "aboutText": "Kimi K2 Instruct 0905 adalah pembaruan model instruksi Kimi K2 dari Moonshot AI pada September. Model teks ini ditujukan untuk pengetahuan, penalaran, pemrograman, dan tugas yang dipandu alat, dengan total satu triliun parameter mixture-of-experts dan 32 miliar parameter aktif. Edisi 0905 yang tepat ini meningkatkan pemrograman berbasis agen dan pekerjaan frontend serta memperluas konteks dari 128K pada rilis awal menjadi 256K token.\n\n### Apa yang berubah dalam edisi ini\n\nPembuatnya menekankan perilaku praktis dan tampilan kode frontend, bersama peningkatan pada tugas agen pemrograman di dunia nyata. Siapkan arahan perangkat lunak dengan implementasi yang relevan, perilaku yang diamati, dan persyaratan yang harus dipenuhinya. Untuk antarmuka, identifikasi konten, keadaan yang terlihat, dan interaksi, serta fitur desain yang penting. Hasil yang berguna adalah kode yang terkait dengan kriteria tersebut, bukan pembahasan umum tentang bagaimana antarmuka dapat bekerja.\n\nContoh instruksi adalah: “Perbarui komponen ini agar sesuai dengan alur formulir yang dijelaskan, pertahankan nama bidang yang ada, dan jelaskan keadaan kesalahan serta keberhasilan yang diwajibkan.” Untuk debugging, berikan masukan yang mewakili kasus penggunaan dan minta model mengidentifikasi kondisi salah pertama sebelum mengembalikan patch terarah. Masukkan pengamatan render atau validasi aktual ke revisi berikutnya.\n\n### Varian model dan konteks panjang\n\nRingkasan 0905 menjelaskan multi-head latent attention dan sparse mixture of experts, dengan delapan dari 384 pakar dipilih per token bersama satu pakar bersama. Konteks 256K mendukung catatan tugas yang lebih besar daripada edisi K2 awal, sambil tetap menampung sumber, percakapan, pengamatan alat, dan jawaban yang dihasilkan bersama-sama. Jendela yang lebih besar tidak boleh dianggap sebagai alokasi keluaran maksimum yang mandiri.\n\nSusun cuplikan repositori menurut berkas dan materi dokumen menurut bagian. Nyatakan artefak akhir dan kondisi yang harus tetap sama selama tindak lanjut. Untuk perbandingan, minta bagian teks atau fragmen kode yang mendukung setiap kesimpulan. Pertahankan identitas 0905 yang dipilih ketika konteks yang diperluas dan pembaruan pemrograman penting bagi tugas.\n\n### Percakapan dan pemanggilan fungsi\n\nPembuatnya merekomendasikan temperature 0.6 dan menyediakan instruksi sistem asisten sederhana untuk tugas yang tidak memerlukan peran khusus. Tetapkan bahasa dan bentuk jawaban secara terpisah, seperti penjelasan, perbandingan berbasis sumber, atau kode saja. Ini menjaga hasil akhir yang diinginkan tetap terlihat meskipun aplikasi menggunakan beberapa langkah model.\n\nKartu model yang tepat ini mendokumentasikan alat tersedia yang disertakan dalam setiap permintaan. Fungsi memiliki nama, deskripsi, dan skema parameter; model memutuskan kapan dan bagaimana memanggilnya. Aplikasi mengurai argumen JSON terpilih, menjalankan operasi, dan mengembalikan hasil alat yang terkait dengan pengenal pemanggilan. Respons berikutnya kemudian dapat menggunakan pengamatan aktual atau melanjutkan tugas.\n\n### Hasil yang dapat ditinjau\n\nPatch yang dihasilkan, operasi terpilih, atau rencana pencarian merupakan usulan sampai aplikasi di sekelilingnya menjalankannya. Simpan hasil operasi tersebut sebagai bukti untuk langkah berikutnya dan serah terima akhir. Periksa nilai hasil ekstraksi terhadap materi sumber dan kode terhadap perilaku yang diminta.\n\nK2 Instruct 0905 tetap terpisah dari K2 Thinking dan edisi multimodal K2.5 serta K2.6 berikutnya. Masukan gambar/video, sifat checkpoint thinking INT4 bawaan, dan kontrol preserve-thinking milik edisi tersebut tidak boleh diasumsikan berlaku untuk pembaruan teks bernama ini. Keluaran yang berguna adalah artefak teks atau kode terarah yang berlandaskan tugas serta pengamatan yang benar-benar dikembalikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 adalah model teks Moonshot AI yang diperbarui untuk pemrograman, implementasi frontend, dan agen. Model ini memperluas konteks K2 awal dari 128K menjadi 256K dan mengembalikan jawaban, kode, serta konten pemanggilan fungsi berdasarkan tugas dan pengamatan yang disediakan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Kimi K2 Instruct 0905 adalah pembaruan model instruksi Kimi K2 dari Moonshot AI pada September. Model teks ini ditujukan untuk pengetahuan, penalaran, pemrograman, dan tugas yang dipandu alat, dengan total satu triliun parameter mixture-of-experts dan 32 miliar parameter aktif. Edisi 0905 yang tepat ini meningkatkan pemrograman berbasis agen dan pekerjaan frontend serta memperluas konteks dari 128K pada rilis awal menjadi 256K token.
Pembuatnya menekankan perilaku praktis dan tampilan kode frontend, bersama peningkatan pada tugas agen pemrograman di dunia nyata. Siapkan arahan perangkat lunak dengan implementasi yang relevan, perilaku yang diamati, dan persyaratan yang harus dipenuhinya. Untuk antarmuka, identifikasi konten, keadaan yang terlihat, dan interaksi, serta fitur desain yang penting. Hasil yang berguna adalah kode yang terkait dengan kriteria tersebut, bukan pembahasan umum tentang bagaimana antarmuka dapat bekerja.
Contoh instruksi adalah: “Perbarui komponen ini agar sesuai dengan alur formulir yang dijelaskan, pertahankan nama bidang yang ada, dan jelaskan keadaan kesalahan serta keberhasilan yang diwajibkan.” Untuk debugging, berikan masukan yang mewakili kasus penggunaan dan minta model mengidentifikasi kondisi salah pertama sebelum mengembalikan patch terarah. Masukkan pengamatan render atau validasi aktual ke revisi berikutnya.
Ringkasan 0905 menjelaskan multi-head latent attention dan sparse mixture of experts, dengan delapan dari 384 pakar dipilih per token bersama satu pakar bersama. Konteks 256K mendukung catatan tugas yang lebih besar daripada edisi K2 awal, sambil tetap menampung sumber, percakapan, pengamatan alat, dan jawaban yang dihasilkan bersama-sama. Jendela yang lebih besar tidak boleh dianggap sebagai alokasi keluaran maksimum yang mandiri.
Susun cuplikan repositori menurut berkas dan materi dokumen menurut bagian. Nyatakan artefak akhir dan kondisi yang harus tetap sama selama tindak lanjut. Untuk perbandingan, minta bagian teks atau fragmen kode yang mendukung setiap kesimpulan. Pertahankan identitas 0905 yang dipilih ketika konteks yang diperluas dan pembaruan pemrograman penting bagi tugas.
Pembuatnya merekomendasikan temperature 0.6 dan menyediakan instruksi sistem asisten sederhana untuk tugas yang tidak memerlukan peran khusus. Tetapkan bahasa dan bentuk jawaban secara terpisah, seperti penjelasan, perbandingan berbasis sumber, atau kode saja. Ini menjaga hasil akhir yang diinginkan tetap terlihat meskipun aplikasi menggunakan beberapa langkah model.
Kartu model yang tepat ini mendokumentasikan alat tersedia yang disertakan dalam setiap permintaan. Fungsi memiliki nama, deskripsi, dan skema parameter; model memutuskan kapan dan bagaimana memanggilnya. Aplikasi mengurai argumen JSON terpilih, menjalankan operasi, dan mengembalikan hasil alat yang terkait dengan pengenal pemanggilan. Respons berikutnya kemudian dapat menggunakan pengamatan aktual atau melanjutkan tugas.
Patch yang dihasilkan, operasi terpilih, atau rencana pencarian merupakan usulan sampai aplikasi di sekelilingnya menjalankannya. Simpan hasil operasi tersebut sebagai bukti untuk langkah berikutnya dan serah terima akhir. Periksa nilai hasil ekstraksi terhadap materi sumber dan kode terhadap perilaku yang diminta.
K2 Instruct 0905 tetap terpisah dari K2 Thinking dan edisi multimodal K2.5 serta K2.6 berikutnya. Masukan gambar/video, sifat checkpoint thinking INT4 bawaan, dan kontrol preserve-thinking milik edisi tersebut tidak boleh diasumsikan berlaku untuk pembaruan teks bernama ini. Keluaran yang berguna adalah artefak teks atau kode terarah yang berlandaskan tugas serta pengamatan yang benar-benar dikembalikan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan moonshotai/kimi-k2-0905 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0012 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0012 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra moonshotai/kimi-k2-0905
Gunakan jalur metode yang ditampilkan di atas.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 adalah model teks Moonshot AI yang diperbarui untuk pemrograman, implementasi frontend, dan agen. Model ini memperluas konteks K2 awal dari 128K menjadi 256K dan mengembalikan jawaban, kode, serta konten pemanggilan fungsi berdasarkan tugas dan pengamatan yang disediakan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Kimi K2 Instruct 0905 adalah pembaruan model instruksi Kimi K2 dari Moonshot AI pada September. Model teks ini ditujukan untuk pengetahuan, penalaran, pemrograman, dan tugas yang dipandu alat, dengan total satu triliun parameter mixture-of-experts dan 32 miliar parameter aktif. Edisi 0905 yang tepat ini meningkatkan pemrograman berbasis agen dan pekerjaan frontend serta memperluas konteks dari 128K pada rilis awal menjadi 256K token.
Pembuatnya menekankan perilaku praktis dan tampilan kode frontend, bersama peningkatan pada tugas agen pemrograman di dunia nyata. Siapkan arahan perangkat lunak dengan implementasi yang relevan, perilaku yang diamati, dan persyaratan yang harus dipenuhinya. Untuk antarmuka, identifikasi konten, keadaan yang terlihat, dan interaksi, serta fitur desain yang penting. Hasil yang berguna adalah kode yang terkait dengan kriteria tersebut, bukan pembahasan umum tentang bagaimana antarmuka dapat bekerja.
Contoh instruksi adalah: “Perbarui komponen ini agar sesuai dengan alur formulir yang dijelaskan, pertahankan nama bidang yang ada, dan jelaskan keadaan kesalahan serta keberhasilan yang diwajibkan.” Untuk debugging, berikan masukan yang mewakili kasus penggunaan dan minta model mengidentifikasi kondisi salah pertama sebelum mengembalikan patch terarah. Masukkan pengamatan render atau validasi aktual ke revisi berikutnya.
Ringkasan 0905 menjelaskan multi-head latent attention dan sparse mixture of experts, dengan delapan dari 384 pakar dipilih per token bersama satu pakar bersama. Konteks 256K mendukung catatan tugas yang lebih besar daripada edisi K2 awal, sambil tetap menampung sumber, percakapan, pengamatan alat, dan jawaban yang dihasilkan bersama-sama. Jendela yang lebih besar tidak boleh dianggap sebagai alokasi keluaran maksimum yang mandiri.
Susun cuplikan repositori menurut berkas dan materi dokumen menurut bagian. Nyatakan artefak akhir dan kondisi yang harus tetap sama selama tindak lanjut. Untuk perbandingan, minta bagian teks atau fragmen kode yang mendukung setiap kesimpulan. Pertahankan identitas 0905 yang dipilih ketika konteks yang diperluas dan pembaruan pemrograman penting bagi tugas.
Pembuatnya merekomendasikan temperature 0.6 dan menyediakan instruksi sistem asisten sederhana untuk tugas yang tidak memerlukan peran khusus. Tetapkan bahasa dan bentuk jawaban secara terpisah, seperti penjelasan, perbandingan berbasis sumber, atau kode saja. Ini menjaga hasil akhir yang diinginkan tetap terlihat meskipun aplikasi menggunakan beberapa langkah model.
Kartu model yang tepat ini mendokumentasikan alat tersedia yang disertakan dalam setiap permintaan. Fungsi memiliki nama, deskripsi, dan skema parameter; model memutuskan kapan dan bagaimana memanggilnya. Aplikasi mengurai argumen JSON terpilih, menjalankan operasi, dan mengembalikan hasil alat yang terkait dengan pengenal pemanggilan. Respons berikutnya kemudian dapat menggunakan pengamatan aktual atau melanjutkan tugas.
Patch yang dihasilkan, operasi terpilih, atau rencana pencarian merupakan usulan sampai aplikasi di sekelilingnya menjalankannya. Simpan hasil operasi tersebut sebagai bukti untuk langkah berikutnya dan serah terima akhir. Periksa nilai hasil ekstraksi terhadap materi sumber dan kode terhadap perilaku yang diminta.
K2 Instruct 0905 tetap terpisah dari K2 Thinking dan edisi multimodal K2.5 serta K2.6 berikutnya. Masukan gambar/video, sifat checkpoint thinking INT4 bawaan, dan kontrol preserve-thinking milik edisi tersebut tidak boleh diasumsikan berlaku untuk pembaruan teks bernama ini. Keluaran yang berguna adalah artefak teks atau kode terarah yang berlandaskan tugas serta pengamatan yang benar-benar dikembalikan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan moonshotai/kimi-k2-0905 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0012 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0012 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra moonshotai/kimi-k2-0905
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.