Kimi K2 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat generalista e compiti agentici. Il produttore lo distingue da K2 Base, che è il modello di base, e descrive l’edizione basata su istruzioni come a risposta immediata, senza ragionamento lungo. Accetta testo e genera risposte, codice e contenuti di chiamate di strumenti, con un contesto di 128K.
K2 è un modello mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi attivi. Il riepilogo del produttore usa attenzione latente multi-testa e instradamento sparso degli esperti, selezionando otto esperti su 384 per token con un esperto condiviso. Il preaddestramento usa 15.500 miliardi di token e l’approccio di ottimizzazione MuonClip, sviluppato per un addestramento stabile alla scala del modello.
Sono proprietà della famiglia K2 originale. Il rilascio basato su istruzioni fornisce poi il comportamento usato per chat, programmazione e soluzione autonoma di problemi con strumenti applicativi. La sua identità resta distinta dalla successiva estensione del contesto 0905, dal rilascio separato Thinking e dai modelli multimodali K2.5 e K2.6.
Per una domanda, fornisci il contesto che stabilisce la risposta e identifica la forma di risposta necessaria. Per un compito di programmazione, includi implementazione pertinente, errore osservato, comportamento atteso e vincoli da preservare. Una richiesta esemplificativa è: «Spiega perché questo input non funziona, proponi la correzione minima e restituisci la funzione modificata con la condizione sorgente che la giustifica».
Per il lavoro documentale, indica i brani e i criteri del confronto. Chiedi che il risultato preservi nomi propri, identificatori dei campi e unità e identifichi informazioni non contenute nel materiale. L’elaborato desiderato deve restare esplicito durante le revisioni, anziché essere sostituito da commenti generici.
La guida originale del produttore raccomanda temperatura 0.6 e offre una semplice istruzione di sistema per l’assistente come impostazione predefinita quando non serve un ruolo specializzato. Questo profilo produce direttamente la risposta al compito, anziché imporre il successivo contratto di ragionamento esteso e alternato del modello Thinking. Imposta lingua, dettagli obbligatori e lunghezza attesa della risposta finale indipendentemente dalla raccomandazione di campionamento.
K2 Instruct supporta funzioni fornite in ogni richiesta con nomi, descrizioni e schemi dei parametri. Il modello seleziona quando e come chiamarle. L’applicazione analizza gli argomenti JSON proposti ed esegue l’operazione selezionata; le osservazioni restituite entrano nella conversazione con l’identificatore della chiamata di strumento e il nome della funzione corrispondenti. La risposta seguente può usare quei risultati effettivi per rispondere o continuare un compito.
Definisci cosa fa ogni strumento e quali azioni sono consentite. Una ricerca documentale può restituire il campo di prodotto mancante, mentre uno strumento di sviluppo può restituire codice sorgente o un errore osservato. Un’operazione selezionata non è prova di esecuzione finché il suo risultato non è disponibile. Conserva l’osservazione con il compito, affinché una conclusione finale possa identificare ciò che la supporta.
La finestra originale di 128K contiene insieme testo sorgente, conversazione, cronologia degli strumenti e contenuto generato. Riserva spazio alla risposta e organizza un repository lungo o una raccolta documentale intorno alla domanda effettiva. La dimensione di completamento esemplificativa nella scheda del modello non stabilisce un limite rigido universale della risposta.
Il risultato utile è un testo revisionato, una proposta di codice o un’analisi basata sulle fonti. Verifica i valori rispetto al materiale fornito e il codice nell’applicazione prevista. Mantieni intatto il profilo diretto basato su istruzioni dell’edizione 0711, invece di attribuirgli contesto, input visivo o conservazione del ragionamento successivi provenienti da un altro rilascio K2.
", "aboutText": "Kimi K2 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat generalista e compiti agentici. Il produttore lo distingue da K2 Base, che è il modello di base, e descrive l’edizione basata su istruzioni come a risposta immediata, senza ragionamento lungo. Accetta testo e genera risposte, codice e contenuti di chiamate di strumenti, con un contesto di 128K.\n\n### Architettura e addestramento\n\nK2 è un modello mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi attivi. Il riepilogo del produttore usa attenzione latente multi-testa e instradamento sparso degli esperti, selezionando otto esperti su 384 per token con un esperto condiviso. Il preaddestramento usa 15.500 miliardi di token e l’approccio di ottimizzazione MuonClip, sviluppato per un addestramento stabile alla scala del modello.\n\nSono proprietà della famiglia K2 originale. Il rilascio basato su istruzioni fornisce poi il comportamento usato per chat, programmazione e soluzione autonoma di problemi con strumenti applicativi. La sua identità resta distinta dalla successiva estensione del contesto 0905, dal rilascio separato Thinking e dai modelli multimodali K2.5 e K2.6.\n\n### Prepara il compito\n\nPer una domanda, fornisci il contesto che stabilisce la risposta e identifica la forma di risposta necessaria. Per un compito di programmazione, includi implementazione pertinente, errore osservato, comportamento atteso e vincoli da preservare. Una richiesta esemplificativa è: «Spiega perché questo input non funziona, proponi la correzione minima e restituisci la funzione modificata con la condizione sorgente che la giustifica».\n\nPer il lavoro documentale, indica i brani e i criteri del confronto. Chiedi che il risultato preservi nomi propri, identificatori dei campi e unità e identifichi informazioni non contenute nel materiale. L’elaborato desiderato deve restare esplicito durante le revisioni, anziché essere sostituito da commenti generici.\n\n### Profilo chat\n\nLa guida originale del produttore raccomanda temperatura 0.6 e offre una semplice istruzione di sistema per l’assistente come impostazione predefinita quando non serve un ruolo specializzato. Questo profilo produce direttamente la risposta al compito, anziché imporre il successivo contratto di ragionamento esteso e alternato del modello Thinking. Imposta lingua, dettagli obbligatori e lunghezza attesa della risposta finale indipendentemente dalla raccomandazione di campionamento.\n\n### Strumenti e osservazioni\n\nK2 Instruct supporta funzioni fornite in ogni richiesta con nomi, descrizioni e schemi dei parametri. Il modello seleziona quando e come chiamarle. L’applicazione analizza gli argomenti JSON proposti ed esegue l’operazione selezionata; le osservazioni restituite entrano nella conversazione con l’identificatore della chiamata di strumento e il nome della funzione corrispondenti. La risposta seguente può usare quei risultati effettivi per rispondere o continuare un compito.\n\nDefinisci cosa fa ogni strumento e quali azioni sono consentite. Una ricerca documentale può restituire il campo di prodotto mancante, mentre uno strumento di sviluppo può restituire codice sorgente o un errore osservato. Un’operazione selezionata non è prova di esecuzione finché il suo risultato non è disponibile. Conserva l’osservazione con il compito, affinché una conclusione finale possa identificare ciò che la supporta.\n\n### Contesto e revisione del risultato\n\nLa finestra originale di 128K contiene insieme testo sorgente, conversazione, cronologia degli strumenti e contenuto generato. Riserva spazio alla risposta e organizza un repository lungo o una raccolta documentale intorno alla domanda effettiva. La dimensione di completamento esemplificativa nella scheda del modello non stabilisce un limite rigido universale della risposta.\n\nIl risultato utile è un testo revisionato, una proposta di codice o un’analisi basata sulle fonti. Verifica i valori rispetto al materiale fornito e il codice nell’applicazione prevista. Mantieni intatto il profilo diretto basato su istruzioni dell’edizione 0711, invece di attribuirgli contesto, input visivo o conservazione del ragionamento successivi provenienti da un altro rilascio K2.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.moonshotai/kimi-k2Kimi K2 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat, programmazione e agenti guidati da strumenti. Il contesto di 128K e il profilo di risposta immediata producono risposte, codice e chiamate di funzione selezionate senza il successivo flusso K2 Thinking.
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 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat generalista e compiti agentici. Il produttore lo distingue da K2 Base, che è il modello di base, e descrive l’edizione basata su istruzioni come a risposta immediata, senza ragionamento lungo. Accetta testo e genera risposte, codice e contenuti di chiamate di strumenti, con un contesto di 128K.
K2 è un modello mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi attivi. Il riepilogo del produttore usa attenzione latente multi-testa e instradamento sparso degli esperti, selezionando otto esperti su 384 per token con un esperto condiviso. Il preaddestramento usa 15.500 miliardi di token e l’approccio di ottimizzazione MuonClip, sviluppato per un addestramento stabile alla scala del modello.
Sono proprietà della famiglia K2 originale. Il rilascio basato su istruzioni fornisce poi il comportamento usato per chat, programmazione e soluzione autonoma di problemi con strumenti applicativi. La sua identità resta distinta dalla successiva estensione del contesto 0905, dal rilascio separato Thinking e dai modelli multimodali K2.5 e K2.6.
Per una domanda, fornisci il contesto che stabilisce la risposta e identifica la forma di risposta necessaria. Per un compito di programmazione, includi implementazione pertinente, errore osservato, comportamento atteso e vincoli da preservare. Una richiesta esemplificativa è: «Spiega perché questo input non funziona, proponi la correzione minima e restituisci la funzione modificata con la condizione sorgente che la giustifica».
Per il lavoro documentale, indica i brani e i criteri del confronto. Chiedi che il risultato preservi nomi propri, identificatori dei campi e unità e identifichi informazioni non contenute nel materiale. L’elaborato desiderato deve restare esplicito durante le revisioni, anziché essere sostituito da commenti generici.
La guida originale del produttore raccomanda temperatura 0.6 e offre una semplice istruzione di sistema per l’assistente come impostazione predefinita quando non serve un ruolo specializzato. Questo profilo produce direttamente la risposta al compito, anziché imporre il successivo contratto di ragionamento esteso e alternato del modello Thinking. Imposta lingua, dettagli obbligatori e lunghezza attesa della risposta finale indipendentemente dalla raccomandazione di campionamento.
K2 Instruct supporta funzioni fornite in ogni richiesta con nomi, descrizioni e schemi dei parametri. Il modello seleziona quando e come chiamarle. L’applicazione analizza gli argomenti JSON proposti ed esegue l’operazione selezionata; le osservazioni restituite entrano nella conversazione con l’identificatore della chiamata di strumento e il nome della funzione corrispondenti. La risposta seguente può usare quei risultati effettivi per rispondere o continuare un compito.
Definisci cosa fa ogni strumento e quali azioni sono consentite. Una ricerca documentale può restituire il campo di prodotto mancante, mentre uno strumento di sviluppo può restituire codice sorgente o un errore osservato. Un’operazione selezionata non è prova di esecuzione finché il suo risultato non è disponibile. Conserva l’osservazione con il compito, affinché una conclusione finale possa identificare ciò che la supporta.
La finestra originale di 128K contiene insieme testo sorgente, conversazione, cronologia degli strumenti e contenuto generato. Riserva spazio alla risposta e organizza un repository lungo o una raccolta documentale intorno alla domanda effettiva. La dimensione di completamento esemplificativa nella scheda del modello non stabilisce un limite rigido universale della risposta.
Il risultato utile è un testo revisionato, una proposta di codice o un’analisi basata sulle fonti. Verifica i valori rispetto al materiale fornito e il codice nell’applicazione prevista. Mantieni intatto il profilo diretto basato su istruzioni dell’edizione 0711, invece di attribuirgli contesto, input visivo o conservazione del ragionamento successivi provenienti da un altro rilascio K2.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti moonshotai/kimi-k2 | 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 $0.00114 / 1K token Output · Token in output $0.0046 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 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 $0.00114 / 1K token Output · Token in output $0.0046 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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", "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',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',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
Usa i percorsi dei metodi indicati sopra.
moonshotai/kimi-k2Kimi K2 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat, programmazione e agenti guidati da strumenti. Il contesto di 128K e il profilo di risposta immediata producono risposte, codice e chiamate di funzione selezionate senza il successivo flusso K2 Thinking.
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 Instruct 0711 è il modello testuale K2 originale post-addestrato di Moonshot AI per chat generalista e compiti agentici. Il produttore lo distingue da K2 Base, che è il modello di base, e descrive l’edizione basata su istruzioni come a risposta immediata, senza ragionamento lungo. Accetta testo e genera risposte, codice e contenuti di chiamate di strumenti, con un contesto di 128K.
K2 è un modello mixture-of-experts con 1.000 miliardi di parametri totali e 32 miliardi attivi. Il riepilogo del produttore usa attenzione latente multi-testa e instradamento sparso degli esperti, selezionando otto esperti su 384 per token con un esperto condiviso. Il preaddestramento usa 15.500 miliardi di token e l’approccio di ottimizzazione MuonClip, sviluppato per un addestramento stabile alla scala del modello.
Sono proprietà della famiglia K2 originale. Il rilascio basato su istruzioni fornisce poi il comportamento usato per chat, programmazione e soluzione autonoma di problemi con strumenti applicativi. La sua identità resta distinta dalla successiva estensione del contesto 0905, dal rilascio separato Thinking e dai modelli multimodali K2.5 e K2.6.
Per una domanda, fornisci il contesto che stabilisce la risposta e identifica la forma di risposta necessaria. Per un compito di programmazione, includi implementazione pertinente, errore osservato, comportamento atteso e vincoli da preservare. Una richiesta esemplificativa è: «Spiega perché questo input non funziona, proponi la correzione minima e restituisci la funzione modificata con la condizione sorgente che la giustifica».
Per il lavoro documentale, indica i brani e i criteri del confronto. Chiedi che il risultato preservi nomi propri, identificatori dei campi e unità e identifichi informazioni non contenute nel materiale. L’elaborato desiderato deve restare esplicito durante le revisioni, anziché essere sostituito da commenti generici.
La guida originale del produttore raccomanda temperatura 0.6 e offre una semplice istruzione di sistema per l’assistente come impostazione predefinita quando non serve un ruolo specializzato. Questo profilo produce direttamente la risposta al compito, anziché imporre il successivo contratto di ragionamento esteso e alternato del modello Thinking. Imposta lingua, dettagli obbligatori e lunghezza attesa della risposta finale indipendentemente dalla raccomandazione di campionamento.
K2 Instruct supporta funzioni fornite in ogni richiesta con nomi, descrizioni e schemi dei parametri. Il modello seleziona quando e come chiamarle. L’applicazione analizza gli argomenti JSON proposti ed esegue l’operazione selezionata; le osservazioni restituite entrano nella conversazione con l’identificatore della chiamata di strumento e il nome della funzione corrispondenti. La risposta seguente può usare quei risultati effettivi per rispondere o continuare un compito.
Definisci cosa fa ogni strumento e quali azioni sono consentite. Una ricerca documentale può restituire il campo di prodotto mancante, mentre uno strumento di sviluppo può restituire codice sorgente o un errore osservato. Un’operazione selezionata non è prova di esecuzione finché il suo risultato non è disponibile. Conserva l’osservazione con il compito, affinché una conclusione finale possa identificare ciò che la supporta.
La finestra originale di 128K contiene insieme testo sorgente, conversazione, cronologia degli strumenti e contenuto generato. Riserva spazio alla risposta e organizza un repository lungo o una raccolta documentale intorno alla domanda effettiva. La dimensione di completamento esemplificativa nella scheda del modello non stabilisce un limite rigido universale della risposta.
Il risultato utile è un testo revisionato, una proposta di codice o un’analisi basata sulle fonti. Verifica i valori rispetto al materiale fornito e il codice nell’applicazione prevista. Mantieni intatto il profilo diretto basato su istruzioni dell’edizione 0711, invece di attribuirgli contesto, input visivo o conservazione del ragionamento successivi provenienti da un altro rilascio K2.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti moonshotai/kimi-k2 | 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 $0.00114 / 1K token Output · Token in output $0.0046 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 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 $0.00114 / 1K token Output · Token in output $0.0046 / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "moonshotai/kimi-k2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.