Kimi K2.6은 장기 코딩, 코딩 기반 디자인, 조율된 작업 실행을 위한 Moonshot AI의 네이티브 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상을 입력받아 설명, 코드, 제안된 도구 호출 등이 포함된 텍스트를 생성합니다. 전문가 혼합 모델 사양에는 총 1조 파라미터, 활성 파라미터 320억 개, 256K 컨텍스트, MoonViT 시각 인코더가 명시되어 있습니다.
제조사는 저장소 작업, 프런트엔드 인터페이스, 성능 최적화 등 여러 언어와 도메인에 걸친 전체 코딩 과정을 위해 K2.6을 개발합니다. 관련 코드, 예상 동작, 관찰된 실패, 변경 시 유지해야 할 조건을 제공하세요. 시각 작업에서는 요구 사항에 읽을 수 있는 목업이나 스크린샷을 결합하고 그것이 현재 상태인지 원하는 결과인지 명시하세요.
예를 들어 “제공된 시각 명세를 바탕으로 이 인터페이스를 구현하고 필드 이름을 유지하며 필요한 각 상태의 동작을 설명하세요.”라고 지시할 수 있습니다. 예상 산출물은 코드와 이를 뒷받침하는 설명, 그리고 애플리케이션에서 실제로 렌더링하거나 검증한 관찰 결과입니다. 생성된 인터페이스와 텍스트 제안은 독립적으로 실행된 작업이 아닙니다.
K2.6은 thinking과 instant 모드를 지원합니다. thinking은 최종 답변 전에 중간 추론을 전개하고 instant 모드는 직접 응답합니다. 제조사의 배포 권장 사항은 thinking에 temperature 1.0, instant에 0.6, top-p에 0.95를 사용합니다. 이는 문서화된 참조 환경의 권고이며 최종 답변의 스타일이나 길이 선택과는 별개입니다.
K2.6의 고유한 기능인 preserve-thinking은 여러 턴의 상호 작용에서 전체 추론 내용을 유지합니다. 기본적으로 비활성화되어 있으며 thinking 모드 코딩 에이전트를 위한 기능으로 문서화되어 있습니다. 사용할 경우 보존된 분석이 도구 관찰 결과 및 최종 답변과 함께 컨텍스트를 사용합니다. 앞서 나온 잠정적 생각이 최종 산출물에서 근거 없는 사실이 되지 않도록 작업의 승인된 요구 사항을 명확히 유지하세요.
해당 모델 카드는 이미지 및 동영상 입력을 시연합니다. 미디어가 여러 개라면 레이블을 붙이고 보이는 텍스트를 보존하며 설명받고 싶은 세부 사항이나 사건을 명시하세요. 차트에서는 관찰된 값을 해석과 구분해서 요청하세요. 동영상에서는 관련 구간과 분석할 시간적 변화를 지정하세요. 제조사는 참조 자료에서 시연된 동영상 워크플로를 실험적 기능으로 표시합니다. 이미지·동영상 이해는 생성 미디어가 아니라 텍스트를 출력합니다.
K2.6은 사고와 다단계 도구 호출을 번갈아 수행하며 작업을 조율된 전문 분야별 분기로 나누는 제조사의 에이전트 군집 접근법을 문서화합니다. 애플리케이션이 도구를 제공하고 선택된 작업을 수행한 다음 관찰 결과를 반환합니다. 에이전트 작업을 시작하기 전에 허용된 행동과 최종 산출물을 정의하세요. 예를 들면 완성된 원본 비교, 저장소 패치, 준비된 문서 등이 있습니다.
각 반환 관찰 결과를 이를 생성한 작업 및 원본과 연결해 유지하세요. 분기나 제안된 도구 작업은 결과가 이후 작업에 제공되어야 유용한 근거가 됩니다. 명명된 모드와 제조사의 조율 시연이 일반 텍스트 응답이 모든 백그라운드 작업이나 애플리케이션 간 작업을 독립적으로 수행한다는 뜻은 아닙니다.
K2.6은 K2 Thinking의 제조사 네이티브 INT4 양자화 방식을 채택합니다. 이는 문서화된 체크포인트 속성이며 주변 실행 설정에 관한 약속과는 구분됩니다. 256K 컨텍스트에는 원본, 대화, 선택적으로 보존된 추론, 요청한 출력을 함께 담아야 합니다. 모델 카드의 평가 예산은 보편적인 답변 한도가 아닙니다.
코드는 요구 사항과, 시각적 발견 사항은 입력과, 출처에 민감한 주장은 신뢰할 수 있는 자료와 대조해 검토하세요. 특히 preserve-thinking과 시각 워크플로의 세부 사항이 중요하다면 K2.6을 K2.5 및 텍스트 전용 K2 버전과 구분해 유지하세요.
", "aboutText": "Kimi K2.6은 장기 코딩, 코딩 기반 디자인, 조율된 작업 실행을 위한 Moonshot AI의 네이티브 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상을 입력받아 설명, 코드, 제안된 도구 호출 등이 포함된 텍스트를 생성합니다. 전문가 혼합 모델 사양에는 총 1조 파라미터, 활성 파라미터 320억 개, 256K 컨텍스트, MoonViT 시각 인코더가 명시되어 있습니다.\n\n### 코딩과 시각 디자인\n\n제조사는 저장소 작업, 프런트엔드 인터페이스, 성능 최적화 등 여러 언어와 도메인에 걸친 전체 코딩 과정을 위해 K2.6을 개발합니다. 관련 코드, 예상 동작, 관찰된 실패, 변경 시 유지해야 할 조건을 제공하세요. 시각 작업에서는 요구 사항에 읽을 수 있는 목업이나 스크린샷을 결합하고 그것이 현재 상태인지 원하는 결과인지 명시하세요.\n\n예를 들어 “제공된 시각 명세를 바탕으로 이 인터페이스를 구현하고 필드 이름을 유지하며 필요한 각 상태의 동작을 설명하세요.”라고 지시할 수 있습니다. 예상 산출물은 코드와 이를 뒷받침하는 설명, 그리고 애플리케이션에서 실제로 렌더링하거나 검증한 관찰 결과입니다. 생성된 인터페이스와 텍스트 제안은 독립적으로 실행된 작업이 아닙니다.\n\n### 사고, 즉시 응답, 보존된 추론\n\nK2.6은 thinking과 instant 모드를 지원합니다. thinking은 최종 답변 전에 중간 추론을 전개하고 instant 모드는 직접 응답합니다. 제조사의 배포 권장 사항은 thinking에 temperature 1.0, instant에 0.6, top-p에 0.95를 사용합니다. 이는 문서화된 참조 환경의 권고이며 최종 답변의 스타일이나 길이 선택과는 별개입니다.\n\nK2.6의 고유한 기능인 preserve-thinking은 여러 턴의 상호 작용에서 전체 추론 내용을 유지합니다. 기본적으로 비활성화되어 있으며 thinking 모드 코딩 에이전트를 위한 기능으로 문서화되어 있습니다. 사용할 경우 보존된 분석이 도구 관찰 결과 및 최종 답변과 함께 컨텍스트를 사용합니다. 앞서 나온 잠정적 생각이 최종 산출물에서 근거 없는 사실이 되지 않도록 작업의 승인된 요구 사항을 명확히 유지하세요.\n\n### 멀티모달 입력\n\n해당 모델 카드는 이미지 및 동영상 입력을 시연합니다. 미디어가 여러 개라면 레이블을 붙이고 보이는 텍스트를 보존하며 설명받고 싶은 세부 사항이나 사건을 명시하세요. 차트에서는 관찰된 값을 해석과 구분해서 요청하세요. 동영상에서는 관련 구간과 분석할 시간적 변화를 지정하세요. 제조사는 참조 자료에서 시연된 동영상 워크플로를 실험적 기능으로 표시합니다. 이미지·동영상 이해는 생성 미디어가 아니라 텍스트를 출력합니다.\n\n### 도구와 작업 조율\n\nK2.6은 사고와 다단계 도구 호출을 번갈아 수행하며 작업을 조율된 전문 분야별 분기로 나누는 제조사의 에이전트 군집 접근법을 문서화합니다. 애플리케이션이 도구를 제공하고 선택된 작업을 수행한 다음 관찰 결과를 반환합니다. 에이전트 작업을 시작하기 전에 허용된 행동과 최종 산출물을 정의하세요. 예를 들면 완성된 원본 비교, 저장소 패치, 준비된 문서 등이 있습니다.\n\n각 반환 관찰 결과를 이를 생성한 작업 및 원본과 연결해 유지하세요. 분기나 제안된 도구 작업은 결과가 이후 작업에 제공되어야 유용한 근거가 됩니다. 명명된 모드와 제조사의 조율 시연이 일반 텍스트 응답이 모든 백그라운드 작업이나 애플리케이션 간 작업을 독립적으로 수행한다는 뜻은 아닙니다.\n\n### 컨텍스트와 버전 범위\n\nK2.6은 K2 Thinking의 제조사 네이티브 INT4 양자화 방식을 채택합니다. 이는 문서화된 체크포인트 속성이며 주변 실행 설정에 관한 약속과는 구분됩니다. 256K 컨텍스트에는 원본, 대화, 선택적으로 보존된 추론, 요청한 출력을 함께 담아야 합니다. 모델 카드의 평가 예산은 보편적인 답변 한도가 아닙니다.\n\n코드는 요구 사항과, 시각적 발견 사항은 입력과, 출처에 민감한 주장은 신뢰할 수 있는 자료와 대조해 검토하세요. 특히 preserve-thinking과 시각 워크플로의 세부 사항이 중요하다면 K2.6을 K2.5 및 텍스트 전용 K2 버전과 구분해 유지하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.moonshotai/kimi-k2.6Kimi K2.6은 장기 코딩, 시각적 인터페이스 작업, 도구 기반 작업을 위한 Moonshot AI의 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상에 사고 또는 즉시 응답을 결합하며 256K 컨텍스트에서 선택적으로 턴 간 추론을 보존하는 기능이 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kimi K2.6은 장기 코딩, 코딩 기반 디자인, 조율된 작업 실행을 위한 Moonshot AI의 네이티브 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상을 입력받아 설명, 코드, 제안된 도구 호출 등이 포함된 텍스트를 생성합니다. 전문가 혼합 모델 사양에는 총 1조 파라미터, 활성 파라미터 320억 개, 256K 컨텍스트, MoonViT 시각 인코더가 명시되어 있습니다.
제조사는 저장소 작업, 프런트엔드 인터페이스, 성능 최적화 등 여러 언어와 도메인에 걸친 전체 코딩 과정을 위해 K2.6을 개발합니다. 관련 코드, 예상 동작, 관찰된 실패, 변경 시 유지해야 할 조건을 제공하세요. 시각 작업에서는 요구 사항에 읽을 수 있는 목업이나 스크린샷을 결합하고 그것이 현재 상태인지 원하는 결과인지 명시하세요.
예를 들어 “제공된 시각 명세를 바탕으로 이 인터페이스를 구현하고 필드 이름을 유지하며 필요한 각 상태의 동작을 설명하세요.”라고 지시할 수 있습니다. 예상 산출물은 코드와 이를 뒷받침하는 설명, 그리고 애플리케이션에서 실제로 렌더링하거나 검증한 관찰 결과입니다. 생성된 인터페이스와 텍스트 제안은 독립적으로 실행된 작업이 아닙니다.
K2.6은 thinking과 instant 모드를 지원합니다. thinking은 최종 답변 전에 중간 추론을 전개하고 instant 모드는 직접 응답합니다. 제조사의 배포 권장 사항은 thinking에 temperature 1.0, instant에 0.6, top-p에 0.95를 사용합니다. 이는 문서화된 참조 환경의 권고이며 최종 답변의 스타일이나 길이 선택과는 별개입니다.
K2.6의 고유한 기능인 preserve-thinking은 여러 턴의 상호 작용에서 전체 추론 내용을 유지합니다. 기본적으로 비활성화되어 있으며 thinking 모드 코딩 에이전트를 위한 기능으로 문서화되어 있습니다. 사용할 경우 보존된 분석이 도구 관찰 결과 및 최종 답변과 함께 컨텍스트를 사용합니다. 앞서 나온 잠정적 생각이 최종 산출물에서 근거 없는 사실이 되지 않도록 작업의 승인된 요구 사항을 명확히 유지하세요.
해당 모델 카드는 이미지 및 동영상 입력을 시연합니다. 미디어가 여러 개라면 레이블을 붙이고 보이는 텍스트를 보존하며 설명받고 싶은 세부 사항이나 사건을 명시하세요. 차트에서는 관찰된 값을 해석과 구분해서 요청하세요. 동영상에서는 관련 구간과 분석할 시간적 변화를 지정하세요. 제조사는 참조 자료에서 시연된 동영상 워크플로를 실험적 기능으로 표시합니다. 이미지·동영상 이해는 생성 미디어가 아니라 텍스트를 출력합니다.
K2.6은 사고와 다단계 도구 호출을 번갈아 수행하며 작업을 조율된 전문 분야별 분기로 나누는 제조사의 에이전트 군집 접근법을 문서화합니다. 애플리케이션이 도구를 제공하고 선택된 작업을 수행한 다음 관찰 결과를 반환합니다. 에이전트 작업을 시작하기 전에 허용된 행동과 최종 산출물을 정의하세요. 예를 들면 완성된 원본 비교, 저장소 패치, 준비된 문서 등이 있습니다.
각 반환 관찰 결과를 이를 생성한 작업 및 원본과 연결해 유지하세요. 분기나 제안된 도구 작업은 결과가 이후 작업에 제공되어야 유용한 근거가 됩니다. 명명된 모드와 제조사의 조율 시연이 일반 텍스트 응답이 모든 백그라운드 작업이나 애플리케이션 간 작업을 독립적으로 수행한다는 뜻은 아닙니다.
K2.6은 K2 Thinking의 제조사 네이티브 INT4 양자화 방식을 채택합니다. 이는 문서화된 체크포인트 속성이며 주변 실행 설정에 관한 약속과는 구분됩니다. 256K 컨텍스트에는 원본, 대화, 선택적으로 보존된 추론, 요청한 출력을 함께 담아야 합니다. 모델 카드의 평가 예산은 보편적인 답변 한도가 아닙니다.
코드는 요구 사항과, 시각적 발견 사항은 입력과, 출처에 민감한 주장은 신뢰할 수 있는 자료와 대조해 검토하세요. 특히 preserve-thinking과 시각 워크플로의 세부 사항이 중요하다면 K2.6을 K2.5 및 텍스트 전용 K2 버전과 구분해 유지하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 moonshotai/kimi-k2.6 | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.00032 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.00032 / 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-k2.6", "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-k2.6',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-k2.6',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-k2.6
위에 표시된 메서드 경로를 사용하세요.
moonshotai/kimi-k2.6Kimi K2.6은 장기 코딩, 시각적 인터페이스 작업, 도구 기반 작업을 위한 Moonshot AI의 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상에 사고 또는 즉시 응답을 결합하며 256K 컨텍스트에서 선택적으로 턴 간 추론을 보존하는 기능이 문서화되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kimi K2.6은 장기 코딩, 코딩 기반 디자인, 조율된 작업 실행을 위한 Moonshot AI의 네이티브 멀티모달 에이전트 모델입니다. 텍스트, 이미지, 동영상을 입력받아 설명, 코드, 제안된 도구 호출 등이 포함된 텍스트를 생성합니다. 전문가 혼합 모델 사양에는 총 1조 파라미터, 활성 파라미터 320억 개, 256K 컨텍스트, MoonViT 시각 인코더가 명시되어 있습니다.
제조사는 저장소 작업, 프런트엔드 인터페이스, 성능 최적화 등 여러 언어와 도메인에 걸친 전체 코딩 과정을 위해 K2.6을 개발합니다. 관련 코드, 예상 동작, 관찰된 실패, 변경 시 유지해야 할 조건을 제공하세요. 시각 작업에서는 요구 사항에 읽을 수 있는 목업이나 스크린샷을 결합하고 그것이 현재 상태인지 원하는 결과인지 명시하세요.
예를 들어 “제공된 시각 명세를 바탕으로 이 인터페이스를 구현하고 필드 이름을 유지하며 필요한 각 상태의 동작을 설명하세요.”라고 지시할 수 있습니다. 예상 산출물은 코드와 이를 뒷받침하는 설명, 그리고 애플리케이션에서 실제로 렌더링하거나 검증한 관찰 결과입니다. 생성된 인터페이스와 텍스트 제안은 독립적으로 실행된 작업이 아닙니다.
K2.6은 thinking과 instant 모드를 지원합니다. thinking은 최종 답변 전에 중간 추론을 전개하고 instant 모드는 직접 응답합니다. 제조사의 배포 권장 사항은 thinking에 temperature 1.0, instant에 0.6, top-p에 0.95를 사용합니다. 이는 문서화된 참조 환경의 권고이며 최종 답변의 스타일이나 길이 선택과는 별개입니다.
K2.6의 고유한 기능인 preserve-thinking은 여러 턴의 상호 작용에서 전체 추론 내용을 유지합니다. 기본적으로 비활성화되어 있으며 thinking 모드 코딩 에이전트를 위한 기능으로 문서화되어 있습니다. 사용할 경우 보존된 분석이 도구 관찰 결과 및 최종 답변과 함께 컨텍스트를 사용합니다. 앞서 나온 잠정적 생각이 최종 산출물에서 근거 없는 사실이 되지 않도록 작업의 승인된 요구 사항을 명확히 유지하세요.
해당 모델 카드는 이미지 및 동영상 입력을 시연합니다. 미디어가 여러 개라면 레이블을 붙이고 보이는 텍스트를 보존하며 설명받고 싶은 세부 사항이나 사건을 명시하세요. 차트에서는 관찰된 값을 해석과 구분해서 요청하세요. 동영상에서는 관련 구간과 분석할 시간적 변화를 지정하세요. 제조사는 참조 자료에서 시연된 동영상 워크플로를 실험적 기능으로 표시합니다. 이미지·동영상 이해는 생성 미디어가 아니라 텍스트를 출력합니다.
K2.6은 사고와 다단계 도구 호출을 번갈아 수행하며 작업을 조율된 전문 분야별 분기로 나누는 제조사의 에이전트 군집 접근법을 문서화합니다. 애플리케이션이 도구를 제공하고 선택된 작업을 수행한 다음 관찰 결과를 반환합니다. 에이전트 작업을 시작하기 전에 허용된 행동과 최종 산출물을 정의하세요. 예를 들면 완성된 원본 비교, 저장소 패치, 준비된 문서 등이 있습니다.
각 반환 관찰 결과를 이를 생성한 작업 및 원본과 연결해 유지하세요. 분기나 제안된 도구 작업은 결과가 이후 작업에 제공되어야 유용한 근거가 됩니다. 명명된 모드와 제조사의 조율 시연이 일반 텍스트 응답이 모든 백그라운드 작업이나 애플리케이션 간 작업을 독립적으로 수행한다는 뜻은 아닙니다.
K2.6은 K2 Thinking의 제조사 네이티브 INT4 양자화 방식을 채택합니다. 이는 문서화된 체크포인트 속성이며 주변 실행 설정에 관한 약속과는 구분됩니다. 256K 컨텍스트에는 원본, 대화, 선택적으로 보존된 추론, 요청한 출력을 함께 담아야 합니다. 모델 카드의 평가 예산은 보편적인 답변 한도가 아닙니다.
코드는 요구 사항과, 시각적 발견 사항은 입력과, 출처에 민감한 주장은 신뢰할 수 있는 자료와 대조해 검토하세요. 특히 preserve-thinking과 시각 워크플로의 세부 사항이 중요하다면 K2.6을 K2.5 및 텍스트 전용 K2 버전과 구분해 유지하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 moonshotai/kimi-k2.6 | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.00032 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0019 / 1K 토큰 출력 · 출력 토큰 $0.008 / 1K 토큰 입력 · 캐시 읽기 $0.00032 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "moonshotai/kimi-k2.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.6', '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-k2.6', '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-k2.6
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.