Kimi-Dev-72B는 기존 저장소의 문제 해결에 특히 초점을 맞춘 소프트웨어 엔지니어링 작업용 Moonshot AI 코딩 언어 모델입니다. 텍스트를 입력받아 코드 제안, 설명, 테스트 등이 포함된 텍스트를 생성합니다. Qwen 2.5 72B 베이스 모델에서 출발하여 버그 보고서를 검토 가능한 변경으로 전환하는 데 필요한 역량을 발전시킵니다.
BugFixer와 TestWriter. 제조사는 구현 수정과 결함을 재현하는 테스트 작성을 상호 보완적인 역량으로 취급합니다. 둘 다 주의가 필요한 파일을 식별한 다음 관련 코드를 편집하는 동일한 2단계 구조를 사용합니다. 유용한 수정 검증 테스트는 버그가 있을 때 실패하고 의도한 수정이 적용되면 통과합니다. 이를 통해 모델은 보고서, 구현, 실행 가능한 근거 사이의 관계에 실용적인 초점을 맞춥니다.
중간 학습. 개발팀은 수백만 개의 이슈와 풀 리퀘스트 커밋을 포함한 고품질 실제 자료로 약 1,500억 토큰의 추가 학습을 수행했다고 보고합니다. 이 단계는 개발자가 보고서를 조사하고 코드를 편집하며 단위 테스트를 작성하는 패턴을 가르칩니다. 또한 오염을 줄이기 위해 이 학습 자료 집합에서 SWE-bench Verified 저장소를 제외합니다.
강화 학습. 지도 파인 튜닝 뒤의 강화 학습 단계는 코드 변경에 초점을 맞춥니다. 보상은 컨테이너화된 저장소에서의 최종 실행 결과를 사용하며 제조사는 전체 테스트 모음의 통과를 성공으로 설명합니다. 학습 과정은 여러 샘플 시도가 모두 실패한 작업을 걸러 내고 더 어려운 프롬프트를 점진적으로 도입하며 최근 성공 예시를 재사용해 효과적인 수정 패턴을 강화합니다.
실제 이슈 준비. 예상 동작, 관찰된 결과, 최소 재현을 제공한 다음 관련 소스 파일, 오류 출력, 기존 테스트를 포함하세요. 파일 경로와 함수 이름은 변경하지 마세요. 패치를 제시하기 전에 관련 가능성이 높은 파일을 식별하고 제공된 구현에서 실패가 어떻게 발생하는지 설명하도록 요청하세요. 결과물은 어떤 코드가 바뀌는지, 변경이 보고된 문제를 해결하는 이유, 유지해야 할 기존 동작을 명시해야 합니다.
회귀 테스트 준비. 프로젝트의 현재 테스트 규칙과 대표적인 픽스처를 제공하세요. 원래 실패를 유발하는 테스트와 올바른 동작을 잘못된 동작과 구분하는 검증문을 요청하세요. 경계 사례 보고에서는 일반적인 추가 커버리지를 요청하는 대신 경계 조건을 명시하세요. 유용한 답변은 최소한의 편집과 특정 문제에 초점을 맞춘 테스트를 모두 포함할 수 있어 검토자가 제안된 수정과 이슈를 직접 비교할 수 있습니다.
테스트 시점의 자기 대결. Moonshot의 연구 워크플로는 버그 수정 제안과 테스트 작성 제안이 서로를 검증하도록 하기도 합니다. 이는 모델 주변의 평가 및 조율 기법입니다. 테스트 후보가 패치를 검증하고 패치를 해당 테스트에 대조해 확인할 수 있습니다. 애플리케이션에서는 같은 아이디어를 적용해 최종 편집을 승인하기 전에 제안된 수정의 반례를 요청하는 검토를 수행할 수 있습니다.
텍스트 응답은 실제 저장소에 적용하고 실행해 보기 전까지 제안입니다. 파일 접근, 편집, 컨테이너 실행, 테스트 결과는 주변 개발 환경에서 제공됩니다. 상상한 실행이 아니라 관찰된 실패를 추론할 수 있도록 해당 검사 출력을 후속 요청에 포함하세요. 성숙한 코드베이스에 영향을 주는 문제에서는 프로젝트 제약을 유지하고 근거 있는 최소한의 변경을 요청하세요.
", "aboutText": "Kimi-Dev-72B는 기존 저장소의 문제 해결에 특히 초점을 맞춘 소프트웨어 엔지니어링 작업용 Moonshot AI 코딩 언어 모델입니다. 텍스트를 입력받아 코드 제안, 설명, 테스트 등이 포함된 텍스트를 생성합니다. Qwen 2.5 72B 베이스 모델에서 출발하여 버그 보고서를 검토 가능한 변경으로 전환하는 데 필요한 역량을 발전시킵니다.\n\nBugFixer와 TestWriter. 제조사는 구현 수정과 결함을 재현하는 테스트 작성을 상호 보완적인 역량으로 취급합니다. 둘 다 주의가 필요한 파일을 식별한 다음 관련 코드를 편집하는 동일한 2단계 구조를 사용합니다. 유용한 수정 검증 테스트는 버그가 있을 때 실패하고 의도한 수정이 적용되면 통과합니다. 이를 통해 모델은 보고서, 구현, 실행 가능한 근거 사이의 관계에 실용적인 초점을 맞춥니다.\n\n중간 학습. 개발팀은 수백만 개의 이슈와 풀 리퀘스트 커밋을 포함한 고품질 실제 자료로 약 1,500억 토큰의 추가 학습을 수행했다고 보고합니다. 이 단계는 개발자가 보고서를 조사하고 코드를 편집하며 단위 테스트를 작성하는 패턴을 가르칩니다. 또한 오염을 줄이기 위해 이 학습 자료 집합에서 SWE-bench Verified 저장소를 제외합니다.\n\n강화 학습. 지도 파인 튜닝 뒤의 강화 학습 단계는 코드 변경에 초점을 맞춥니다. 보상은 컨테이너화된 저장소에서의 최종 실행 결과를 사용하며 제조사는 전체 테스트 모음의 통과를 성공으로 설명합니다. 학습 과정은 여러 샘플 시도가 모두 실패한 작업을 걸러 내고 더 어려운 프롬프트를 점진적으로 도입하며 최근 성공 예시를 재사용해 효과적인 수정 패턴을 강화합니다.\n\n실제 이슈 준비. 예상 동작, 관찰된 결과, 최소 재현을 제공한 다음 관련 소스 파일, 오류 출력, 기존 테스트를 포함하세요. 파일 경로와 함수 이름은 변경하지 마세요. 패치를 제시하기 전에 관련 가능성이 높은 파일을 식별하고 제공된 구현에서 실패가 어떻게 발생하는지 설명하도록 요청하세요. 결과물은 어떤 코드가 바뀌는지, 변경이 보고된 문제를 해결하는 이유, 유지해야 할 기존 동작을 명시해야 합니다.\n\n회귀 테스트 준비. 프로젝트의 현재 테스트 규칙과 대표적인 픽스처를 제공하세요. 원래 실패를 유발하는 테스트와 올바른 동작을 잘못된 동작과 구분하는 검증문을 요청하세요. 경계 사례 보고에서는 일반적인 추가 커버리지를 요청하는 대신 경계 조건을 명시하세요. 유용한 답변은 최소한의 편집과 특정 문제에 초점을 맞춘 테스트를 모두 포함할 수 있어 검토자가 제안된 수정과 이슈를 직접 비교할 수 있습니다.\n\n테스트 시점의 자기 대결. Moonshot의 연구 워크플로는 버그 수정 제안과 테스트 작성 제안이 서로를 검증하도록 하기도 합니다. 이는 모델 주변의 평가 및 조율 기법입니다. 테스트 후보가 패치를 검증하고 패치를 해당 테스트에 대조해 확인할 수 있습니다. 애플리케이션에서는 같은 아이디어를 적용해 최종 편집을 승인하기 전에 제안된 수정의 반례를 요청하는 검토를 수행할 수 있습니다.\n\n텍스트 응답은 실제 저장소에 적용하고 실행해 보기 전까지 제안입니다. 파일 접근, 편집, 컨테이너 실행, 테스트 결과는 주변 개발 환경에서 제공됩니다. 상상한 실행이 아니라 관찰된 실패를 추론할 수 있도록 해당 검사 출력을 후속 요청에 포함하세요. 성숙한 코드베이스에 영향을 주는 문제에서는 프로젝트 제약을 유지하고 근거 있는 최소한의 변경을 요청하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Fix a mutable default argument\n\nIssue in utils.py: def add_tag(tag, tags=[]): tags.append(tag); return tags. Separate calls unexpectedly share prior tags. Expected behavior: omitted tags starts a fresh list; an explicitly supplied list is still updated. Propose the smallest patch and a regression test using standard unittest that fails on the original. Keep the function name and argument order.A focused utils.py patch and unittest cases covering independent defaults and explicit-list mutation.Check the regression makes two independent calls and detects leakage between them.moonshotai/Kimi-Dev-72BKimi-Dev-72B는 소프트웨어 문제 해결을 위한 Moonshot AI의 코딩 모델입니다. 버그 수정과 회귀 테스트 작성을 결합하도록 설계되어 관련 파일을 찾고 패치를 제안하며 원래 실패를 입증하는 테스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kimi-Dev-72B는 기존 저장소의 문제 해결에 특히 초점을 맞춘 소프트웨어 엔지니어링 작업용 Moonshot AI 코딩 언어 모델입니다. 텍스트를 입력받아 코드 제안, 설명, 테스트 등이 포함된 텍스트를 생성합니다. Qwen 2.5 72B 베이스 모델에서 출발하여 버그 보고서를 검토 가능한 변경으로 전환하는 데 필요한 역량을 발전시킵니다.
BugFixer와 TestWriter. 제조사는 구현 수정과 결함을 재현하는 테스트 작성을 상호 보완적인 역량으로 취급합니다. 둘 다 주의가 필요한 파일을 식별한 다음 관련 코드를 편집하는 동일한 2단계 구조를 사용합니다. 유용한 수정 검증 테스트는 버그가 있을 때 실패하고 의도한 수정이 적용되면 통과합니다. 이를 통해 모델은 보고서, 구현, 실행 가능한 근거 사이의 관계에 실용적인 초점을 맞춥니다.
중간 학습. 개발팀은 수백만 개의 이슈와 풀 리퀘스트 커밋을 포함한 고품질 실제 자료로 약 1,500억 토큰의 추가 학습을 수행했다고 보고합니다. 이 단계는 개발자가 보고서를 조사하고 코드를 편집하며 단위 테스트를 작성하는 패턴을 가르칩니다. 또한 오염을 줄이기 위해 이 학습 자료 집합에서 SWE-bench Verified 저장소를 제외합니다.
강화 학습. 지도 파인 튜닝 뒤의 강화 학습 단계는 코드 변경에 초점을 맞춥니다. 보상은 컨테이너화된 저장소에서의 최종 실행 결과를 사용하며 제조사는 전체 테스트 모음의 통과를 성공으로 설명합니다. 학습 과정은 여러 샘플 시도가 모두 실패한 작업을 걸러 내고 더 어려운 프롬프트를 점진적으로 도입하며 최근 성공 예시를 재사용해 효과적인 수정 패턴을 강화합니다.
실제 이슈 준비. 예상 동작, 관찰된 결과, 최소 재현을 제공한 다음 관련 소스 파일, 오류 출력, 기존 테스트를 포함하세요. 파일 경로와 함수 이름은 변경하지 마세요. 패치를 제시하기 전에 관련 가능성이 높은 파일을 식별하고 제공된 구현에서 실패가 어떻게 발생하는지 설명하도록 요청하세요. 결과물은 어떤 코드가 바뀌는지, 변경이 보고된 문제를 해결하는 이유, 유지해야 할 기존 동작을 명시해야 합니다.
회귀 테스트 준비. 프로젝트의 현재 테스트 규칙과 대표적인 픽스처를 제공하세요. 원래 실패를 유발하는 테스트와 올바른 동작을 잘못된 동작과 구분하는 검증문을 요청하세요. 경계 사례 보고에서는 일반적인 추가 커버리지를 요청하는 대신 경계 조건을 명시하세요. 유용한 답변은 최소한의 편집과 특정 문제에 초점을 맞춘 테스트를 모두 포함할 수 있어 검토자가 제안된 수정과 이슈를 직접 비교할 수 있습니다.
테스트 시점의 자기 대결. Moonshot의 연구 워크플로는 버그 수정 제안과 테스트 작성 제안이 서로를 검증하도록 하기도 합니다. 이는 모델 주변의 평가 및 조율 기법입니다. 테스트 후보가 패치를 검증하고 패치를 해당 테스트에 대조해 확인할 수 있습니다. 애플리케이션에서는 같은 아이디어를 적용해 최종 편집을 승인하기 전에 제안된 수정의 반례를 요청하는 검토를 수행할 수 있습니다.
텍스트 응답은 실제 저장소에 적용하고 실행해 보기 전까지 제안입니다. 파일 접근, 편집, 컨테이너 실행, 테스트 결과는 주변 개발 환경에서 제공됩니다. 상상한 실행이 아니라 관찰된 실패를 추론할 수 있도록 해당 검사 출력을 후속 요청에 포함하세요. 성숙한 코드베이스에 영향을 주는 문제에서는 프로젝트 제약을 유지하고 근거 있는 최소한의 변경을 요청하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 moonshotai/Kimi-Dev-72B | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.00228 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/Kimi-Dev-72B", "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-Dev-72B',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-Dev-72B',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra moonshotai/Kimi-Dev-72B
위에 표시된 메서드 경로를 사용하세요.
moonshotai/Kimi-Dev-72BKimi-Dev-72B는 소프트웨어 문제 해결을 위한 Moonshot AI의 코딩 모델입니다. 버그 수정과 회귀 테스트 작성을 결합하도록 설계되어 관련 파일을 찾고 패치를 제안하며 원래 실패를 입증하는 테스트를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kimi-Dev-72B는 기존 저장소의 문제 해결에 특히 초점을 맞춘 소프트웨어 엔지니어링 작업용 Moonshot AI 코딩 언어 모델입니다. 텍스트를 입력받아 코드 제안, 설명, 테스트 등이 포함된 텍스트를 생성합니다. Qwen 2.5 72B 베이스 모델에서 출발하여 버그 보고서를 검토 가능한 변경으로 전환하는 데 필요한 역량을 발전시킵니다.
BugFixer와 TestWriter. 제조사는 구현 수정과 결함을 재현하는 테스트 작성을 상호 보완적인 역량으로 취급합니다. 둘 다 주의가 필요한 파일을 식별한 다음 관련 코드를 편집하는 동일한 2단계 구조를 사용합니다. 유용한 수정 검증 테스트는 버그가 있을 때 실패하고 의도한 수정이 적용되면 통과합니다. 이를 통해 모델은 보고서, 구현, 실행 가능한 근거 사이의 관계에 실용적인 초점을 맞춥니다.
중간 학습. 개발팀은 수백만 개의 이슈와 풀 리퀘스트 커밋을 포함한 고품질 실제 자료로 약 1,500억 토큰의 추가 학습을 수행했다고 보고합니다. 이 단계는 개발자가 보고서를 조사하고 코드를 편집하며 단위 테스트를 작성하는 패턴을 가르칩니다. 또한 오염을 줄이기 위해 이 학습 자료 집합에서 SWE-bench Verified 저장소를 제외합니다.
강화 학습. 지도 파인 튜닝 뒤의 강화 학습 단계는 코드 변경에 초점을 맞춥니다. 보상은 컨테이너화된 저장소에서의 최종 실행 결과를 사용하며 제조사는 전체 테스트 모음의 통과를 성공으로 설명합니다. 학습 과정은 여러 샘플 시도가 모두 실패한 작업을 걸러 내고 더 어려운 프롬프트를 점진적으로 도입하며 최근 성공 예시를 재사용해 효과적인 수정 패턴을 강화합니다.
실제 이슈 준비. 예상 동작, 관찰된 결과, 최소 재현을 제공한 다음 관련 소스 파일, 오류 출력, 기존 테스트를 포함하세요. 파일 경로와 함수 이름은 변경하지 마세요. 패치를 제시하기 전에 관련 가능성이 높은 파일을 식별하고 제공된 구현에서 실패가 어떻게 발생하는지 설명하도록 요청하세요. 결과물은 어떤 코드가 바뀌는지, 변경이 보고된 문제를 해결하는 이유, 유지해야 할 기존 동작을 명시해야 합니다.
회귀 테스트 준비. 프로젝트의 현재 테스트 규칙과 대표적인 픽스처를 제공하세요. 원래 실패를 유발하는 테스트와 올바른 동작을 잘못된 동작과 구분하는 검증문을 요청하세요. 경계 사례 보고에서는 일반적인 추가 커버리지를 요청하는 대신 경계 조건을 명시하세요. 유용한 답변은 최소한의 편집과 특정 문제에 초점을 맞춘 테스트를 모두 포함할 수 있어 검토자가 제안된 수정과 이슈를 직접 비교할 수 있습니다.
테스트 시점의 자기 대결. Moonshot의 연구 워크플로는 버그 수정 제안과 테스트 작성 제안이 서로를 검증하도록 하기도 합니다. 이는 모델 주변의 평가 및 조율 기법입니다. 테스트 후보가 패치를 검증하고 패치를 해당 테스트에 대조해 확인할 수 있습니다. 애플리케이션에서는 같은 아이디어를 적용해 최종 편집을 승인하기 전에 제안된 수정의 반례를 요청하는 검토를 수행할 수 있습니다.
텍스트 응답은 실제 저장소에 적용하고 실행해 보기 전까지 제안입니다. 파일 접근, 편집, 컨테이너 실행, 테스트 결과는 주변 개발 환경에서 제공됩니다. 상상한 실행이 아니라 관찰된 실패를 추론할 수 있도록 해당 검사 출력을 후속 요청에 포함하세요. 성숙한 코드베이스에 영향을 주는 문제에서는 프로젝트 제약을 유지하고 근거 있는 최소한의 변경을 요청하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 moonshotai/Kimi-Dev-72B | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.00228 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "moonshotai/Kimi-Dev-72B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Dev-72B', '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-Dev-72B', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra moonshotai/Kimi-Dev-72B
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Fix a mutable default argument\n\nIssue in utils.py: def add_tag(tag, tags=[]): tags.append(tag); return tags. Separate calls unexpectedly share prior tags. Expected behavior: omitted tags starts a fresh list; an explicitly supplied list is still updated. Propose the smallest patch and a regression test using standard unittest that fails on the original. Keep the function name and argument order.A focused utils.py patch and unittest cases covering independent defaults and explicit-list mutation.Check the regression makes two independent calls and detects leakage between them.