Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI, costruito continuando il preaddestramento di Kimi K2 Base su circa 15.000 miliardi di token misti visivi e testuali. Combina linguaggio e visione con flussi conversazionali e agentici. L’input può contenere testo, immagini e video; l’output è testo, come una spiegazione, codice o un’operazione di strumento proposta.
Il riepilogo del produttore indica un’architettura mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi di parametri attivati, un contesto di 256K e un encoder visivo MoonViT da 400 milioni di parametri. K2.5 adotta il metodo di quantizzazione nativo INT4 documentato per K2 Thinking. Sono proprietà del checkpoint pubblicato dal produttore, distinte da un’affermazione su ogni configurazione di esecuzione circostante.
Un caso d’uso caratteristico è la generazione di codice da specifiche visive, inclusi design di interfacce e flussi video. Fornisci contenuti multimediali leggibili, codice sorgente pertinente e comportamento previsto. Identifica quali dettagli visivi sono obbligatori e come il risultato deve reagire all’interazione dell’utente. Un brief utile è: «Implementa il layout fornito, preserva queste etichette e spiega come gli stati visibili corrispondono ai requisiti».
Per un compito di analisi di immagini, chiedi il dettaglio visibile che supporta ogni risultato e separa estrazione e interpretazione. Per un video, indica il segmento e l’azione o il cambiamento da spiegare. Il produttore segnala come sperimentale il flusso video dimostrato; comprendere il contenuto multimediale produce un risultato testuale, anziché renderizzare un nuovo video o eseguire autonomamente un’azione visiva.
K2.5 supporta le modalità thinking e instant. Thinking sviluppa un ragionamento prima della risposta finale; instant risponde direttamente. La distribuzione di riferimento del produttore raccomanda temperatura 1.0 per thinking, 0.6 per instant e top-p 0.95. Imposta la forma desiderata della risposta separatamente dalla scelta di ragionamento, per esempio un record estratto, un memorandum decisionale o un elaborato di codice completo.
Per una domanda difficile, fornisci la condizione completa e le fonti pertinenti. Un brief documentale può chiedere un confronto con il brano di supporto accanto a ogni conclusione. Un brief di programmazione può identificare input che provoca l’errore, vincoli e modifica da proporre. L’output deve restare riconducibile a quel compito, anziché trattare una lunga traccia di ragionamento come un risultato completato.
K2.5 usa lo stesso schema di ragionamento alternato e chiamate di strumenti in più passaggi di K2 Thinking. L’applicazione fornisce funzioni con descrizioni e schemi, esegue operazioni selezionate e restituisce osservazioni. Mantieni i risultati associati alle chiamate, affinché il passaggio successivo possa usare evidenze effettive.
Il produttore descrive anche un flusso agent-swarm che scompone un obiettivo complesso in sottocompiti coordinati specifici del dominio. Prepara un simile obiettivo con output definiti, azioni consentite e criteri di completamento. L’elaborato finale deve integrare le osservazioni effettivamente ottenute; un piano generato o un ramo proposto sono distinti dal lavoro eseguito.
Prevedi spazio per fonte, rappresentazione dei contenuti multimediali, cronologia, ragionamento e risposta finale entro il contesto documentato di 256K. I budget di token delle richieste di esempio e delle valutazioni nella scheda non sono limiti universali di output stabiliti autonomamente. Etichetta fonti e contenuti multimediali, affinché un risultato possa rimandare alle proprie evidenze.
Il risultato utile è una spiegazione ancorata alle immagini, una proposta di codice o un risultato analitico supportato da fonti. Verifica i valori rispetto agli input ed esamina il codice nell’applicazione prevista. K2.5 resta un rilascio multimodale autonomo; i controlli preserve-thinking del successivo K2.6 e i profili di prompt dei precedenti K2 solo testuali non devono sostituire il flusso documentato di questa edizione.
", "aboutText": "Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI, costruito continuando il preaddestramento di Kimi K2 Base su circa 15.000 miliardi di token misti visivi e testuali. Combina linguaggio e visione con flussi conversazionali e agentici. L’input può contenere testo, immagini e video; l’output è testo, come una spiegazione, codice o un’operazione di strumento proposta.\n\n### Profilo del modello\n\nIl riepilogo del produttore indica un’architettura mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi di parametri attivati, un contesto di 256K e un encoder visivo MoonViT da 400 milioni di parametri. K2.5 adotta il metodo di quantizzazione nativo INT4 documentato per K2 Thinking. Sono proprietà del checkpoint pubblicato dal produttore, distinte da un’affermazione su ogni configurazione di esecuzione circostante.\n\n### Programmazione con evidenze visive\n\nUn caso d’uso caratteristico è la generazione di codice da specifiche visive, inclusi design di interfacce e flussi video. Fornisci contenuti multimediali leggibili, codice sorgente pertinente e comportamento previsto. Identifica quali dettagli visivi sono obbligatori e come il risultato deve reagire all’interazione dell’utente. Un brief utile è: «Implementa il layout fornito, preserva queste etichette e spiega come gli stati visibili corrispondono ai requisiti».\n\nPer un compito di analisi di immagini, chiedi il dettaglio visibile che supporta ogni risultato e separa estrazione e interpretazione. Per un video, indica il segmento e l’azione o il cambiamento da spiegare. Il produttore segnala come sperimentale il flusso video dimostrato; comprendere il contenuto multimediale produce un risultato testuale, anziché renderizzare un nuovo video o eseguire autonomamente un’azione visiva.\n\n### Ragionamento e risposte immediate\n\nK2.5 supporta le modalità thinking e instant. Thinking sviluppa un ragionamento prima della risposta finale; instant risponde direttamente. La distribuzione di riferimento del produttore raccomanda temperatura 1.0 per thinking, 0.6 per instant e top-p 0.95. Imposta la forma desiderata della risposta separatamente dalla scelta di ragionamento, per esempio un record estratto, un memorandum decisionale o un elaborato di codice completo.\n\nPer una domanda difficile, fornisci la condizione completa e le fonti pertinenti. Un brief documentale può chiedere un confronto con il brano di supporto accanto a ogni conclusione. Un brief di programmazione può identificare input che provoca l’errore, vincoli e modifica da proporre. L’output deve restare riconducibile a quel compito, anziché trattare una lunga traccia di ragionamento come un risultato completato.\n\n### Strumenti alternati al ragionamento e compiti agentici\n\nK2.5 usa lo stesso schema di ragionamento alternato e chiamate di strumenti in più passaggi di K2 Thinking. L’applicazione fornisce funzioni con descrizioni e schemi, esegue operazioni selezionate e restituisce osservazioni. Mantieni i risultati associati alle chiamate, affinché il passaggio successivo possa usare evidenze effettive.\n\nIl produttore descrive anche un flusso agent-swarm che scompone un obiettivo complesso in sottocompiti coordinati specifici del dominio. Prepara un simile obiettivo con output definiti, azioni consentite e criteri di completamento. L’elaborato finale deve integrare le osservazioni effettivamente ottenute; un piano generato o un ramo proposto sono distinti dal lavoro eseguito.\n\n### Contesto e revisione\n\nPrevedi spazio per fonte, rappresentazione dei contenuti multimediali, cronologia, ragionamento e risposta finale entro il contesto documentato di 256K. I budget di token delle richieste di esempio e delle valutazioni nella scheda non sono limiti universali di output stabiliti autonomamente. Etichetta fonti e contenuti multimediali, affinché un risultato possa rimandare alle proprie evidenze.\n\nIl risultato utile è una spiegazione ancorata alle immagini, una proposta di codice o un risultato analitico supportato da fonti. Verifica i valori rispetto agli input ed esamina il codice nell’applicazione prevista. K2.5 resta un rilascio multimodale autonomo; i controlli preserve-thinking del successivo K2.6 e i profili di prompt dei precedenti K2 solo testuali non devono sostituire il flusso documentato di questa edizione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.moonshotai/kimi-k2.5Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI per programmazione ancorata alle immagini, ragionamento e lavoro assistito da strumenti. Combina testo, immagini e video con modalità thinking e instant, un contesto di 256K e un flusso del produttore per sottocompiti agentici coordinati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI, costruito continuando il preaddestramento di Kimi K2 Base su circa 15.000 miliardi di token misti visivi e testuali. Combina linguaggio e visione con flussi conversazionali e agentici. L’input può contenere testo, immagini e video; l’output è testo, come una spiegazione, codice o un’operazione di strumento proposta.
Il riepilogo del produttore indica un’architettura mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi di parametri attivati, un contesto di 256K e un encoder visivo MoonViT da 400 milioni di parametri. K2.5 adotta il metodo di quantizzazione nativo INT4 documentato per K2 Thinking. Sono proprietà del checkpoint pubblicato dal produttore, distinte da un’affermazione su ogni configurazione di esecuzione circostante.
Un caso d’uso caratteristico è la generazione di codice da specifiche visive, inclusi design di interfacce e flussi video. Fornisci contenuti multimediali leggibili, codice sorgente pertinente e comportamento previsto. Identifica quali dettagli visivi sono obbligatori e come il risultato deve reagire all’interazione dell’utente. Un brief utile è: «Implementa il layout fornito, preserva queste etichette e spiega come gli stati visibili corrispondono ai requisiti».
Per un compito di analisi di immagini, chiedi il dettaglio visibile che supporta ogni risultato e separa estrazione e interpretazione. Per un video, indica il segmento e l’azione o il cambiamento da spiegare. Il produttore segnala come sperimentale il flusso video dimostrato; comprendere il contenuto multimediale produce un risultato testuale, anziché renderizzare un nuovo video o eseguire autonomamente un’azione visiva.
K2.5 supporta le modalità thinking e instant. Thinking sviluppa un ragionamento prima della risposta finale; instant risponde direttamente. La distribuzione di riferimento del produttore raccomanda temperatura 1.0 per thinking, 0.6 per instant e top-p 0.95. Imposta la forma desiderata della risposta separatamente dalla scelta di ragionamento, per esempio un record estratto, un memorandum decisionale o un elaborato di codice completo.
Per una domanda difficile, fornisci la condizione completa e le fonti pertinenti. Un brief documentale può chiedere un confronto con il brano di supporto accanto a ogni conclusione. Un brief di programmazione può identificare input che provoca l’errore, vincoli e modifica da proporre. L’output deve restare riconducibile a quel compito, anziché trattare una lunga traccia di ragionamento come un risultato completato.
K2.5 usa lo stesso schema di ragionamento alternato e chiamate di strumenti in più passaggi di K2 Thinking. L’applicazione fornisce funzioni con descrizioni e schemi, esegue operazioni selezionate e restituisce osservazioni. Mantieni i risultati associati alle chiamate, affinché il passaggio successivo possa usare evidenze effettive.
Il produttore descrive anche un flusso agent-swarm che scompone un obiettivo complesso in sottocompiti coordinati specifici del dominio. Prepara un simile obiettivo con output definiti, azioni consentite e criteri di completamento. L’elaborato finale deve integrare le osservazioni effettivamente ottenute; un piano generato o un ramo proposto sono distinti dal lavoro eseguito.
Prevedi spazio per fonte, rappresentazione dei contenuti multimediali, cronologia, ragionamento e risposta finale entro il contesto documentato di 256K. I budget di token delle richieste di esempio e delle valutazioni nella scheda non sono limiti universali di output stabiliti autonomamente. Etichetta fonti e contenuti multimediali, affinché un risultato possa rimandare alle proprie evidenze.
Il risultato utile è una spiegazione ancorata alle immagini, una proposta di codice o un risultato analitico supportato da fonti. Verifica i valori rispetto agli input ed esamina il codice nell’applicazione prevista. K2.5 resta un rilascio multimodale autonomo; i controlli preserve-thinking del successivo K2.6 e i profili di prompt dei precedenti K2 solo testuali non devono sostituire il flusso documentato di questa edizione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti moonshotai/kimi-k2.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0012 / 1K token Output · Token in output $0.006 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0012 / 1K token Output · Token in output $0.006 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2.5", "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-k2.5',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-k2.5',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra moonshotai/kimi-k2.5
Usa i percorsi dei metodi indicati sopra.
moonshotai/kimi-k2.5Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI per programmazione ancorata alle immagini, ragionamento e lavoro assistito da strumenti. Combina testo, immagini e video con modalità thinking e instant, un contesto di 256K e un flusso del produttore per sottocompiti agentici coordinati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Kimi K2.5 è il modello agentico multimodale nativo di Moonshot AI, costruito continuando il preaddestramento di Kimi K2 Base su circa 15.000 miliardi di token misti visivi e testuali. Combina linguaggio e visione con flussi conversazionali e agentici. L’input può contenere testo, immagini e video; l’output è testo, come una spiegazione, codice o un’operazione di strumento proposta.
Il riepilogo del produttore indica un’architettura mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi di parametri attivati, un contesto di 256K e un encoder visivo MoonViT da 400 milioni di parametri. K2.5 adotta il metodo di quantizzazione nativo INT4 documentato per K2 Thinking. Sono proprietà del checkpoint pubblicato dal produttore, distinte da un’affermazione su ogni configurazione di esecuzione circostante.
Un caso d’uso caratteristico è la generazione di codice da specifiche visive, inclusi design di interfacce e flussi video. Fornisci contenuti multimediali leggibili, codice sorgente pertinente e comportamento previsto. Identifica quali dettagli visivi sono obbligatori e come il risultato deve reagire all’interazione dell’utente. Un brief utile è: «Implementa il layout fornito, preserva queste etichette e spiega come gli stati visibili corrispondono ai requisiti».
Per un compito di analisi di immagini, chiedi il dettaglio visibile che supporta ogni risultato e separa estrazione e interpretazione. Per un video, indica il segmento e l’azione o il cambiamento da spiegare. Il produttore segnala come sperimentale il flusso video dimostrato; comprendere il contenuto multimediale produce un risultato testuale, anziché renderizzare un nuovo video o eseguire autonomamente un’azione visiva.
K2.5 supporta le modalità thinking e instant. Thinking sviluppa un ragionamento prima della risposta finale; instant risponde direttamente. La distribuzione di riferimento del produttore raccomanda temperatura 1.0 per thinking, 0.6 per instant e top-p 0.95. Imposta la forma desiderata della risposta separatamente dalla scelta di ragionamento, per esempio un record estratto, un memorandum decisionale o un elaborato di codice completo.
Per una domanda difficile, fornisci la condizione completa e le fonti pertinenti. Un brief documentale può chiedere un confronto con il brano di supporto accanto a ogni conclusione. Un brief di programmazione può identificare input che provoca l’errore, vincoli e modifica da proporre. L’output deve restare riconducibile a quel compito, anziché trattare una lunga traccia di ragionamento come un risultato completato.
K2.5 usa lo stesso schema di ragionamento alternato e chiamate di strumenti in più passaggi di K2 Thinking. L’applicazione fornisce funzioni con descrizioni e schemi, esegue operazioni selezionate e restituisce osservazioni. Mantieni i risultati associati alle chiamate, affinché il passaggio successivo possa usare evidenze effettive.
Il produttore descrive anche un flusso agent-swarm che scompone un obiettivo complesso in sottocompiti coordinati specifici del dominio. Prepara un simile obiettivo con output definiti, azioni consentite e criteri di completamento. L’elaborato finale deve integrare le osservazioni effettivamente ottenute; un piano generato o un ramo proposto sono distinti dal lavoro eseguito.
Prevedi spazio per fonte, rappresentazione dei contenuti multimediali, cronologia, ragionamento e risposta finale entro il contesto documentato di 256K. I budget di token delle richieste di esempio e delle valutazioni nella scheda non sono limiti universali di output stabiliti autonomamente. Etichetta fonti e contenuti multimediali, affinché un risultato possa rimandare alle proprie evidenze.
Il risultato utile è una spiegazione ancorata alle immagini, una proposta di codice o un risultato analitico supportato da fonti. Verifica i valori rispetto agli input ed esamina il codice nell’applicazione prevista. K2.5 resta un rilascio multimodale autonomo; i controlli preserve-thinking del successivo K2.6 e i profili di prompt dei precedenti K2 solo testuali non devono sostituire il flusso documentato di questa edizione.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti moonshotai/kimi-k2.5 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0012 / 1K token Output · Token in output $0.006 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0012 / 1K token Output · Token in output $0.006 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "moonshotai/kimi-k2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.5', '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-k2.5', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra moonshotai/kimi-k2.5
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.