Kimi K2 Thinking adalah edisi agen penalaran Moonshot AI yang dikembangkan dari Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang disediakan aplikasi yang menaunginya, menggabungkan analisis sementara dengan pengamatan alat sebelum menghasilkan jawaban akhir. Profil mixture-of-experts yang dipublikasikan memiliki total satu triliun parameter, 32 miliar parameter aktif, dan konteks 256K. Masukan tugas dan jawaban yang didokumentasikan berupa teks.
Pengembang mengembangkan K2 Thinking untuk alur kerja riset, pemrograman, dan penulisan yang membutuhkan banyak langkah. Ciri utamanya adalah penalaran yang diselingi panggilan fungsi, alih-alih memperlakukan pemikiran dan tindakan sebagai dua tahap yang tidak berkaitan. Deskripsi tugas yang berguna menyatakan pertanyaan, sumber atau alat yang tersedia, tindakan yang diizinkan, dan hasil yang menandai penyelesaian.
Untuk riset, berikan kriteria sumber yang relevan dan minta kesimpulan mengutip bukti yang diperoleh. Untuk pemrograman, sertakan implementasi yang relevan, perilaku gagal, dan batasan, lalu minta patch akhir serta pengamatan yang mendukungnya. Contoh prompt: “Gunakan kode dan hasil alat yang diberikan untuk mengidentifikasi penyebab, mengusulkan perubahan terfokus, dan membedakan validasi yang telah selesai dari pemeriksaan yang masih perlu dijalankan.”
K2 Thinking menggunakan pelatihan yang memperhitungkan kuantisasi selama pascapelatihan, dengan menerapkan kuantisasi native INT4 khusus bobot pada komponen mixture-of-experts. Ini merupakan perbedaan checkpoint pengembang, bukan alasan untuk memberikan presisi atau modalitas edisi K2 lain kepada model ini. Format model native tetap terpisah dari cara aplikasi tertentu menjalankannya.
Kartu edisi ini menggunakan pengaturan panggilan alat K2 Instruct. Berikan nama fungsi yang tersedia, deskripsi, dan skema parameter dalam setiap permintaan. Model memutuskan kapan dan bagaimana memanggilnya. Aplikasi menguraikan argumen yang diusulkan, menjalankan fungsi yang dipilih, dan mengembalikan hasil dalam pesan alat dengan pengenal serta nama yang bersesuaian. Langkah model berikutnya dapat menggunakan pengamatan itu atau memilih operasi lain.
Simpan pengamatan asli dalam percakapan dan jelaskan apa yang dianggap sebagai hasil selesai. Panggilan pencarian yang dipilih belum menjadi sumber yang diperoleh hingga aplikasi mengembalikannya, dan kode yang dibuat belum merupakan eksekusi yang berhasil. Untuk hasil terstruktur, periksa bidangnya sekaligus kesesuaiannya dengan bukti yang diberikan.
Pengembang merekomendasikan temperature 1.0 dan menyediakan instruksi sistem asisten sederhana sebagai bawaan ketika tidak diperlukan instruksi khusus. Tentukan bahasa dan bentuk jawaban akhir secara terpisah: kesimpulan ringkas, analisis dengan rujukan sumber, atau hasil kode. Konten pemikiran dan respons akhir memiliki tujuan berbeda dan harus tetap dapat dibedakan.
Konteks 256K harus menampung instruksi, materi sumber, percakapan, penalaran, dan hasil alat. Tugas panjang yang dipandu alat dapat mengumpulkan konteks lebih banyak daripada yang tersirat dari pertanyaan awal. Pertahankan bukti yang relevan dan jaga hasil yang diperlukan melalui permintaan lanjutan. Berbagai anggaran pemikiran untuk evaluasi dan contoh ukuran penyelesaian pada kartu bukan batas keras keluaran universal.
Jawaban akhir yang berguna menghubungkan kesimpulannya dengan sumber atau pengamatan aktual dan menunjukkan informasi yang masih belum terselesaikan. K2 Thinking adalah edisi penalaran teks tersendiri; masukan gambar/video serta kontrol instant-mode atau preserve-thinking yang dijelaskan untuk rilis K2.5 dan K2.6 yang lebih baru tidak boleh diasumsikan dari nama keluarga yang sama.
", "aboutText": "Kimi K2 Thinking adalah edisi agen penalaran Moonshot AI yang dikembangkan dari Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang disediakan aplikasi yang menaunginya, menggabungkan analisis sementara dengan pengamatan alat sebelum menghasilkan jawaban akhir. Profil mixture-of-experts yang dipublikasikan memiliki total satu triliun parameter, 32 miliar parameter aktif, dan konteks 256K. Masukan tugas dan jawaban yang didokumentasikan berupa teks.\n\n### Penalaran mendalam dan tugas panjang\n\nPengembang mengembangkan K2 Thinking untuk alur kerja riset, pemrograman, dan penulisan yang membutuhkan banyak langkah. Ciri utamanya adalah penalaran yang diselingi panggilan fungsi, alih-alih memperlakukan pemikiran dan tindakan sebagai dua tahap yang tidak berkaitan. Deskripsi tugas yang berguna menyatakan pertanyaan, sumber atau alat yang tersedia, tindakan yang diizinkan, dan hasil yang menandai penyelesaian.\n\nUntuk riset, berikan kriteria sumber yang relevan dan minta kesimpulan mengutip bukti yang diperoleh. Untuk pemrograman, sertakan implementasi yang relevan, perilaku gagal, dan batasan, lalu minta patch akhir serta pengamatan yang mendukungnya. Contoh prompt: “Gunakan kode dan hasil alat yang diberikan untuk mengidentifikasi penyebab, mengusulkan perubahan terfokus, dan membedakan validasi yang telah selesai dari pemeriksaan yang masih perlu dijalankan.”\n\n### Checkpoint pengembang dan kuantisasi\n\nK2 Thinking menggunakan pelatihan yang memperhitungkan kuantisasi selama pascapelatihan, dengan menerapkan kuantisasi native INT4 khusus bobot pada komponen mixture-of-experts. Ini merupakan perbedaan checkpoint pengembang, bukan alasan untuk memberikan presisi atau modalitas edisi K2 lain kepada model ini. Format model native tetap terpisah dari cara aplikasi tertentu menjalankannya.\n\n### Alur kerja panggilan alat\n\nKartu edisi ini menggunakan pengaturan panggilan alat K2 Instruct. Berikan nama fungsi yang tersedia, deskripsi, dan skema parameter dalam setiap permintaan. Model memutuskan kapan dan bagaimana memanggilnya. Aplikasi menguraikan argumen yang diusulkan, menjalankan fungsi yang dipilih, dan mengembalikan hasil dalam pesan alat dengan pengenal serta nama yang bersesuaian. Langkah model berikutnya dapat menggunakan pengamatan itu atau memilih operasi lain.\n\nSimpan pengamatan asli dalam percakapan dan jelaskan apa yang dianggap sebagai hasil selesai. Panggilan pencarian yang dipilih belum menjadi sumber yang diperoleh hingga aplikasi mengembalikannya, dan kode yang dibuat belum merupakan eksekusi yang berhasil. Untuk hasil terstruktur, periksa bidangnya sekaligus kesesuaiannya dengan bukti yang diberikan.\n\n### Prompt dan anggaran respons\n\nPengembang merekomendasikan temperature 1.0 dan menyediakan instruksi sistem asisten sederhana sebagai bawaan ketika tidak diperlukan instruksi khusus. Tentukan bahasa dan bentuk jawaban akhir secara terpisah: kesimpulan ringkas, analisis dengan rujukan sumber, atau hasil kode. Konten pemikiran dan respons akhir memiliki tujuan berbeda dan harus tetap dapat dibedakan.\n\nKonteks 256K harus menampung instruksi, materi sumber, percakapan, penalaran, dan hasil alat. Tugas panjang yang dipandu alat dapat mengumpulkan konteks lebih banyak daripada yang tersirat dari pertanyaan awal. Pertahankan bukti yang relevan dan jaga hasil yang diperlukan melalui permintaan lanjutan. Berbagai anggaran pemikiran untuk evaluasi dan contoh ukuran penyelesaian pada kartu bukan batas keras keluaran universal.\n\nJawaban akhir yang berguna menghubungkan kesimpulannya dengan sumber atau pengamatan aktual dan menunjukkan informasi yang masih belum terselesaikan. K2 Thinking adalah edisi penalaran teks tersendiri; masukan gambar/video serta kontrol instant-mode atau preserve-thinking yang dijelaskan untuk rilis K2.5 dan K2.6 yang lebih baru tidak boleh diasumsikan dari nama keluarga yang sama.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Continue debugging from a real observation\n\nUse this supplied development observation: a test expected rows ordered by created_at, but equal timestamps appeared in different orders across runs. Query text is 'ORDER BY created_at'. Propose a deterministic tie-breaker using the unique id field, explain its effect and specify the next test. Distinguish the reported test result from checks still proposed.A focused query change, causal explanation and a test for rows sharing the same timestamp.The revised ordering includes a unique tie-breaker, and the answer does not claim the new test has run.moonshotai/kimi-k2-thinkingKimi K2 Thinking adalah agen penalaran teks dari Moonshot AI yang menyelingi analisis dengan pemanggilan fungsi. Konteks 256K dan checkpoint INT4 bawaan pembuatnya mendukung riset, pemrograman, dan penulisan beberapa langkah, dengan jawaban akhir berlandaskan pengamatan yang dikembalikan alat yang disediakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Kimi K2 Thinking adalah edisi agen penalaran Moonshot AI yang dikembangkan dari Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang disediakan aplikasi yang menaunginya, menggabungkan analisis sementara dengan pengamatan alat sebelum menghasilkan jawaban akhir. Profil mixture-of-experts yang dipublikasikan memiliki total satu triliun parameter, 32 miliar parameter aktif, dan konteks 256K. Masukan tugas dan jawaban yang didokumentasikan berupa teks.
Pengembang mengembangkan K2 Thinking untuk alur kerja riset, pemrograman, dan penulisan yang membutuhkan banyak langkah. Ciri utamanya adalah penalaran yang diselingi panggilan fungsi, alih-alih memperlakukan pemikiran dan tindakan sebagai dua tahap yang tidak berkaitan. Deskripsi tugas yang berguna menyatakan pertanyaan, sumber atau alat yang tersedia, tindakan yang diizinkan, dan hasil yang menandai penyelesaian.
Untuk riset, berikan kriteria sumber yang relevan dan minta kesimpulan mengutip bukti yang diperoleh. Untuk pemrograman, sertakan implementasi yang relevan, perilaku gagal, dan batasan, lalu minta patch akhir serta pengamatan yang mendukungnya. Contoh prompt: “Gunakan kode dan hasil alat yang diberikan untuk mengidentifikasi penyebab, mengusulkan perubahan terfokus, dan membedakan validasi yang telah selesai dari pemeriksaan yang masih perlu dijalankan.”
K2 Thinking menggunakan pelatihan yang memperhitungkan kuantisasi selama pascapelatihan, dengan menerapkan kuantisasi native INT4 khusus bobot pada komponen mixture-of-experts. Ini merupakan perbedaan checkpoint pengembang, bukan alasan untuk memberikan presisi atau modalitas edisi K2 lain kepada model ini. Format model native tetap terpisah dari cara aplikasi tertentu menjalankannya.
Kartu edisi ini menggunakan pengaturan panggilan alat K2 Instruct. Berikan nama fungsi yang tersedia, deskripsi, dan skema parameter dalam setiap permintaan. Model memutuskan kapan dan bagaimana memanggilnya. Aplikasi menguraikan argumen yang diusulkan, menjalankan fungsi yang dipilih, dan mengembalikan hasil dalam pesan alat dengan pengenal serta nama yang bersesuaian. Langkah model berikutnya dapat menggunakan pengamatan itu atau memilih operasi lain.
Simpan pengamatan asli dalam percakapan dan jelaskan apa yang dianggap sebagai hasil selesai. Panggilan pencarian yang dipilih belum menjadi sumber yang diperoleh hingga aplikasi mengembalikannya, dan kode yang dibuat belum merupakan eksekusi yang berhasil. Untuk hasil terstruktur, periksa bidangnya sekaligus kesesuaiannya dengan bukti yang diberikan.
Pengembang merekomendasikan temperature 1.0 dan menyediakan instruksi sistem asisten sederhana sebagai bawaan ketika tidak diperlukan instruksi khusus. Tentukan bahasa dan bentuk jawaban akhir secara terpisah: kesimpulan ringkas, analisis dengan rujukan sumber, atau hasil kode. Konten pemikiran dan respons akhir memiliki tujuan berbeda dan harus tetap dapat dibedakan.
Konteks 256K harus menampung instruksi, materi sumber, percakapan, penalaran, dan hasil alat. Tugas panjang yang dipandu alat dapat mengumpulkan konteks lebih banyak daripada yang tersirat dari pertanyaan awal. Pertahankan bukti yang relevan dan jaga hasil yang diperlukan melalui permintaan lanjutan. Berbagai anggaran pemikiran untuk evaluasi dan contoh ukuran penyelesaian pada kartu bukan batas keras keluaran universal.
Jawaban akhir yang berguna menghubungkan kesimpulannya dengan sumber atau pengamatan aktual dan menunjukkan informasi yang masih belum terselesaikan. K2 Thinking adalah edisi penalaran teks tersendiri; masukan gambar/video serta kontrol instant-mode atau preserve-thinking yang dijelaskan untuk rilis K2.5 dan K2.6 yang lebih baru tidak boleh diasumsikan dari nama keluarga yang sama.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan moonshotai/kimi-k2-thinking | 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 $0.0003 / 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 $0.0003 / 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-thinking", "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-thinking',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-thinking',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-thinking
Gunakan jalur metode yang ditampilkan di atas.
moonshotai/kimi-k2-thinkingKimi K2 Thinking adalah agen penalaran teks dari Moonshot AI yang menyelingi analisis dengan pemanggilan fungsi. Konteks 256K dan checkpoint INT4 bawaan pembuatnya mendukung riset, pemrograman, dan penulisan beberapa langkah, dengan jawaban akhir berlandaskan pengamatan yang dikembalikan alat yang disediakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Kimi K2 Thinking adalah edisi agen penalaran Moonshot AI yang dikembangkan dari Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang disediakan aplikasi yang menaunginya, menggabungkan analisis sementara dengan pengamatan alat sebelum menghasilkan jawaban akhir. Profil mixture-of-experts yang dipublikasikan memiliki total satu triliun parameter, 32 miliar parameter aktif, dan konteks 256K. Masukan tugas dan jawaban yang didokumentasikan berupa teks.
Pengembang mengembangkan K2 Thinking untuk alur kerja riset, pemrograman, dan penulisan yang membutuhkan banyak langkah. Ciri utamanya adalah penalaran yang diselingi panggilan fungsi, alih-alih memperlakukan pemikiran dan tindakan sebagai dua tahap yang tidak berkaitan. Deskripsi tugas yang berguna menyatakan pertanyaan, sumber atau alat yang tersedia, tindakan yang diizinkan, dan hasil yang menandai penyelesaian.
Untuk riset, berikan kriteria sumber yang relevan dan minta kesimpulan mengutip bukti yang diperoleh. Untuk pemrograman, sertakan implementasi yang relevan, perilaku gagal, dan batasan, lalu minta patch akhir serta pengamatan yang mendukungnya. Contoh prompt: “Gunakan kode dan hasil alat yang diberikan untuk mengidentifikasi penyebab, mengusulkan perubahan terfokus, dan membedakan validasi yang telah selesai dari pemeriksaan yang masih perlu dijalankan.”
K2 Thinking menggunakan pelatihan yang memperhitungkan kuantisasi selama pascapelatihan, dengan menerapkan kuantisasi native INT4 khusus bobot pada komponen mixture-of-experts. Ini merupakan perbedaan checkpoint pengembang, bukan alasan untuk memberikan presisi atau modalitas edisi K2 lain kepada model ini. Format model native tetap terpisah dari cara aplikasi tertentu menjalankannya.
Kartu edisi ini menggunakan pengaturan panggilan alat K2 Instruct. Berikan nama fungsi yang tersedia, deskripsi, dan skema parameter dalam setiap permintaan. Model memutuskan kapan dan bagaimana memanggilnya. Aplikasi menguraikan argumen yang diusulkan, menjalankan fungsi yang dipilih, dan mengembalikan hasil dalam pesan alat dengan pengenal serta nama yang bersesuaian. Langkah model berikutnya dapat menggunakan pengamatan itu atau memilih operasi lain.
Simpan pengamatan asli dalam percakapan dan jelaskan apa yang dianggap sebagai hasil selesai. Panggilan pencarian yang dipilih belum menjadi sumber yang diperoleh hingga aplikasi mengembalikannya, dan kode yang dibuat belum merupakan eksekusi yang berhasil. Untuk hasil terstruktur, periksa bidangnya sekaligus kesesuaiannya dengan bukti yang diberikan.
Pengembang merekomendasikan temperature 1.0 dan menyediakan instruksi sistem asisten sederhana sebagai bawaan ketika tidak diperlukan instruksi khusus. Tentukan bahasa dan bentuk jawaban akhir secara terpisah: kesimpulan ringkas, analisis dengan rujukan sumber, atau hasil kode. Konten pemikiran dan respons akhir memiliki tujuan berbeda dan harus tetap dapat dibedakan.
Konteks 256K harus menampung instruksi, materi sumber, percakapan, penalaran, dan hasil alat. Tugas panjang yang dipandu alat dapat mengumpulkan konteks lebih banyak daripada yang tersirat dari pertanyaan awal. Pertahankan bukti yang relevan dan jaga hasil yang diperlukan melalui permintaan lanjutan. Berbagai anggaran pemikiran untuk evaluasi dan contoh ukuran penyelesaian pada kartu bukan batas keras keluaran universal.
Jawaban akhir yang berguna menghubungkan kesimpulannya dengan sumber atau pengamatan aktual dan menunjukkan informasi yang masih belum terselesaikan. K2 Thinking adalah edisi penalaran teks tersendiri; masukan gambar/video serta kontrol instant-mode atau preserve-thinking yang dijelaskan untuk rilis K2.5 dan K2.6 yang lebih baru tidak boleh diasumsikan dari nama keluarga yang sama.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan moonshotai/kimi-k2-thinking | 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 $0.0003 / 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 $0.0003 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "moonshotai/kimi-k2-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking', '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-thinking', '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-thinking
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Continue debugging from a real observation\n\nUse this supplied development observation: a test expected rows ordered by created_at, but equal timestamps appeared in different orders across runs. Query text is 'ORDER BY created_at'. Propose a deterministic tie-breaker using the unique id field, explain its effect and specify the next test. Distinguish the reported test result from checks still proposed.A focused query change, causal explanation and a test for rows sharing the same timestamp.The revised ordering includes a unique tie-breaker, and the answer does not claim the new test has run.