Kimi-Dev-72B ialah model bahasa pengekodan Moonshot AI untuk tugas kejuruteraan perisian, dengan tumpuan khusus pada penyelesaian masalah dalam repositori sedia ada. Ia menerima teks dan menghasilkan teks, termasuk cadangan kod, penjelasan dan ujian. Reka bentuknya bermula daripada model asas Qwen 2.5 72B dan membangunkan kebolehan yang diperlukan untuk menukar laporan pepijat menjadi perubahan yang boleh disemak.
BugFixer dan TestWriter. Pengeluar menganggap pembaikan pelaksanaan dan penulisan ujian yang menghasilkan semula kecacatannya sebagai kemahiran yang saling melengkapi. Kedua-duanya menggunakan struktur dua peringkat yang sama: kenal pasti fail yang memerlukan perhatian, kemudian buat suntingan kod yang berkaitan. Ujian pembaikan yang berguna gagal apabila pepijat hadir dan lulus apabila pembetulan yang dimaksudkan diterapkan. Ini memberikan model tumpuan praktikal pada hubungan antara laporan, pelaksanaan dan bukti boleh laksana.
Latihan pertengahan. Pasukan melaporkan kira-kira 150 bilion token latihan tambahan daripada bahan dunia sebenar berkualiti tinggi, termasuk berjuta-juta isu dan komit permintaan tarik. Peringkat ini mengajar corak cara pembangun menyiasat laporan, menyunting kod dan menulis ujian unit. Pasukan turut mengecualikan repositori SWE-bench Verified daripada koleksi latihan ini untuk mengurangkan pencemaran.
Pembelajaran pengukuhan. Selepas penalaan halus terselia, peringkat pembelajaran pengukuhan menumpukan perubahan kod. Ganjarannya menggunakan hasil pelaksanaan akhir dalam repositori berbekas; pengeluar menerangkan kejayaan berdasarkan kelulusan keseluruhan set ujian. Proses latihan menapis tugas yang semua percubaan sampel berbilangnya gagal, memperkenalkan prom yang lebih sukar secara beransur-ansur dan menggunakan semula contoh berjaya terkini untuk mengukuhkan corak pembaikan yang berkesan.
Sediakan isu sebenar. Berikan tingkah laku yang dijangka, hasil yang diperhatikan dan penghasilan semula minimum, kemudian sertakan fail sumber berkaitan, output ralat dan ujian sedia ada. Kekalkan laluan fail dan nama fungsi tanpa perubahan. Minta model mengenal pasti fail yang berkemungkinan dan menerangkan cara kegagalan berpunca daripada pelaksanaan yang diberikan sebelum membentangkan tampalan. Artifak yang terhasil perlu menyatakan kod yang berubah, sebab perubahan menangani laporan dan tingkah laku sedia ada yang mesti dikekalkan.
Sediakan ujian regresi. Berikan konvensyen ujian semasa projek dan lekapan yang mewakili kes penggunaan. Minta ujian yang mencetuskan kegagalan asal, bersama penegasan yang membezakan tingkah laku betul daripada salah. Untuk laporan kes pinggir, namakan keadaan batas dan jangan meminta liputan tambahan umum. Jawapan yang berguna boleh mengandungi suntingan minimum dan ujian bersasar, membolehkan penyemak membandingkan pembaikan yang dicadangkan dengan isu secara langsung.
Permainan kendiri semasa ujian. Aliran kerja penyelidikan Moonshot turut membolehkan cadangan pembaikan pepijat dan penulisan ujian menyemak satu sama lain. Ini ialah teknik penilaian dan orkestrasi di sekeliling model: calon ujian boleh mencabar tampalan, dan tampalan boleh diperiksa terhadap ujian. Dalam aplikasi, idea yang sama boleh memandu permintaan semakan yang meminta contoh balas kepada pembetulan yang dicadangkan sebelum menerima suntingan akhir.
Respons teks ialah cadangan sehingga diterapkan dan diuji dalam repositori sebenar. Akses fail, suntingan, pelaksanaan bekas dan hasil ujian datang daripada persekitaran pembangunan sekeliling. Sertakan output pemeriksaan itu dalam permintaan susulan supaya model boleh menaakul tentang kegagalan yang diperhatikan dan bukannya pelaksanaan yang dibayangkan. Kekalkan kekangan projek dan minta perubahan terkecil yang berasas apabila isu menyentuh pangkalan kod yang matang.
", "aboutText": "Kimi-Dev-72B ialah model bahasa pengekodan Moonshot AI untuk tugas kejuruteraan perisian, dengan tumpuan khusus pada penyelesaian masalah dalam repositori sedia ada. Ia menerima teks dan menghasilkan teks, termasuk cadangan kod, penjelasan dan ujian. Reka bentuknya bermula daripada model asas Qwen 2.5 72B dan membangunkan kebolehan yang diperlukan untuk menukar laporan pepijat menjadi perubahan yang boleh disemak.\n\nBugFixer dan TestWriter. Pengeluar menganggap pembaikan pelaksanaan dan penulisan ujian yang menghasilkan semula kecacatannya sebagai kemahiran yang saling melengkapi. Kedua-duanya menggunakan struktur dua peringkat yang sama: kenal pasti fail yang memerlukan perhatian, kemudian buat suntingan kod yang berkaitan. Ujian pembaikan yang berguna gagal apabila pepijat hadir dan lulus apabila pembetulan yang dimaksudkan diterapkan. Ini memberikan model tumpuan praktikal pada hubungan antara laporan, pelaksanaan dan bukti boleh laksana.\n\nLatihan pertengahan. Pasukan melaporkan kira-kira 150 bilion token latihan tambahan daripada bahan dunia sebenar berkualiti tinggi, termasuk berjuta-juta isu dan komit permintaan tarik. Peringkat ini mengajar corak cara pembangun menyiasat laporan, menyunting kod dan menulis ujian unit. Pasukan turut mengecualikan repositori SWE-bench Verified daripada koleksi latihan ini untuk mengurangkan pencemaran.\n\nPembelajaran pengukuhan. Selepas penalaan halus terselia, peringkat pembelajaran pengukuhan menumpukan perubahan kod. Ganjarannya menggunakan hasil pelaksanaan akhir dalam repositori berbekas; pengeluar menerangkan kejayaan berdasarkan kelulusan keseluruhan set ujian. Proses latihan menapis tugas yang semua percubaan sampel berbilangnya gagal, memperkenalkan prom yang lebih sukar secara beransur-ansur dan menggunakan semula contoh berjaya terkini untuk mengukuhkan corak pembaikan yang berkesan.\n\nSediakan isu sebenar. Berikan tingkah laku yang dijangka, hasil yang diperhatikan dan penghasilan semula minimum, kemudian sertakan fail sumber berkaitan, output ralat dan ujian sedia ada. Kekalkan laluan fail dan nama fungsi tanpa perubahan. Minta model mengenal pasti fail yang berkemungkinan dan menerangkan cara kegagalan berpunca daripada pelaksanaan yang diberikan sebelum membentangkan tampalan. Artifak yang terhasil perlu menyatakan kod yang berubah, sebab perubahan menangani laporan dan tingkah laku sedia ada yang mesti dikekalkan.\n\nSediakan ujian regresi. Berikan konvensyen ujian semasa projek dan lekapan yang mewakili kes penggunaan. Minta ujian yang mencetuskan kegagalan asal, bersama penegasan yang membezakan tingkah laku betul daripada salah. Untuk laporan kes pinggir, namakan keadaan batas dan jangan meminta liputan tambahan umum. Jawapan yang berguna boleh mengandungi suntingan minimum dan ujian bersasar, membolehkan penyemak membandingkan pembaikan yang dicadangkan dengan isu secara langsung.\n\nPermainan kendiri semasa ujian. Aliran kerja penyelidikan Moonshot turut membolehkan cadangan pembaikan pepijat dan penulisan ujian menyemak satu sama lain. Ini ialah teknik penilaian dan orkestrasi di sekeliling model: calon ujian boleh mencabar tampalan, dan tampalan boleh diperiksa terhadap ujian. Dalam aplikasi, idea yang sama boleh memandu permintaan semakan yang meminta contoh balas kepada pembetulan yang dicadangkan sebelum menerima suntingan akhir.\n\nRespons teks ialah cadangan sehingga diterapkan dan diuji dalam repositori sebenar. Akses fail, suntingan, pelaksanaan bekas dan hasil ujian datang daripada persekitaran pembangunan sekeliling. Sertakan output pemeriksaan itu dalam permintaan susulan supaya model boleh menaakul tentang kegagalan yang diperhatikan dan bukannya pelaksanaan yang dibayangkan. Kekalkan kekangan projek dan minta perubahan terkecil yang berasas apabila isu menyentuh pangkalan kod yang matang.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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-72B ialah model pengekodan Moonshot AI untuk menyelesaikan masalah perisian. Reka bentuknya menggandingkan pembaikan pepijat dengan penulisan ujian regresi: cari fail berkaitan, cadangkan tampalan dan hasilkan ujian yang menunjukkan kegagalan asal.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi-Dev-72B ialah model bahasa pengekodan Moonshot AI untuk tugas kejuruteraan perisian, dengan tumpuan khusus pada penyelesaian masalah dalam repositori sedia ada. Ia menerima teks dan menghasilkan teks, termasuk cadangan kod, penjelasan dan ujian. Reka bentuknya bermula daripada model asas Qwen 2.5 72B dan membangunkan kebolehan yang diperlukan untuk menukar laporan pepijat menjadi perubahan yang boleh disemak.
BugFixer dan TestWriter. Pengeluar menganggap pembaikan pelaksanaan dan penulisan ujian yang menghasilkan semula kecacatannya sebagai kemahiran yang saling melengkapi. Kedua-duanya menggunakan struktur dua peringkat yang sama: kenal pasti fail yang memerlukan perhatian, kemudian buat suntingan kod yang berkaitan. Ujian pembaikan yang berguna gagal apabila pepijat hadir dan lulus apabila pembetulan yang dimaksudkan diterapkan. Ini memberikan model tumpuan praktikal pada hubungan antara laporan, pelaksanaan dan bukti boleh laksana.
Latihan pertengahan. Pasukan melaporkan kira-kira 150 bilion token latihan tambahan daripada bahan dunia sebenar berkualiti tinggi, termasuk berjuta-juta isu dan komit permintaan tarik. Peringkat ini mengajar corak cara pembangun menyiasat laporan, menyunting kod dan menulis ujian unit. Pasukan turut mengecualikan repositori SWE-bench Verified daripada koleksi latihan ini untuk mengurangkan pencemaran.
Pembelajaran pengukuhan. Selepas penalaan halus terselia, peringkat pembelajaran pengukuhan menumpukan perubahan kod. Ganjarannya menggunakan hasil pelaksanaan akhir dalam repositori berbekas; pengeluar menerangkan kejayaan berdasarkan kelulusan keseluruhan set ujian. Proses latihan menapis tugas yang semua percubaan sampel berbilangnya gagal, memperkenalkan prom yang lebih sukar secara beransur-ansur dan menggunakan semula contoh berjaya terkini untuk mengukuhkan corak pembaikan yang berkesan.
Sediakan isu sebenar. Berikan tingkah laku yang dijangka, hasil yang diperhatikan dan penghasilan semula minimum, kemudian sertakan fail sumber berkaitan, output ralat dan ujian sedia ada. Kekalkan laluan fail dan nama fungsi tanpa perubahan. Minta model mengenal pasti fail yang berkemungkinan dan menerangkan cara kegagalan berpunca daripada pelaksanaan yang diberikan sebelum membentangkan tampalan. Artifak yang terhasil perlu menyatakan kod yang berubah, sebab perubahan menangani laporan dan tingkah laku sedia ada yang mesti dikekalkan.
Sediakan ujian regresi. Berikan konvensyen ujian semasa projek dan lekapan yang mewakili kes penggunaan. Minta ujian yang mencetuskan kegagalan asal, bersama penegasan yang membezakan tingkah laku betul daripada salah. Untuk laporan kes pinggir, namakan keadaan batas dan jangan meminta liputan tambahan umum. Jawapan yang berguna boleh mengandungi suntingan minimum dan ujian bersasar, membolehkan penyemak membandingkan pembaikan yang dicadangkan dengan isu secara langsung.
Permainan kendiri semasa ujian. Aliran kerja penyelidikan Moonshot turut membolehkan cadangan pembaikan pepijat dan penulisan ujian menyemak satu sama lain. Ini ialah teknik penilaian dan orkestrasi di sekeliling model: calon ujian boleh mencabar tampalan, dan tampalan boleh diperiksa terhadap ujian. Dalam aplikasi, idea yang sama boleh memandu permintaan semakan yang meminta contoh balas kepada pembetulan yang dicadangkan sebelum menerima suntingan akhir.
Respons teks ialah cadangan sehingga diterapkan dan diuji dalam repositori sebenar. Akses fail, suntingan, pelaksanaan bekas dan hasil ujian datang daripada persekitaran pembangunan sekeliling. Sertakan output pemeriksaan itu dalam permintaan susulan supaya model boleh menaakul tentang kegagalan yang diperhatikan dan bukannya pelaksanaan yang dibayangkan. Kekalkan kekangan projek dan minta perubahan terkecil yang berasas apabila isu menyentuh pangkalan kod yang matang.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/Kimi-Dev-72B | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.00228 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra moonshotai/Kimi-Dev-72B
Gunakan laluan kaedah yang dipaparkan di atas.
moonshotai/Kimi-Dev-72BKimi-Dev-72B ialah model pengekodan Moonshot AI untuk menyelesaikan masalah perisian. Reka bentuknya menggandingkan pembaikan pepijat dengan penulisan ujian regresi: cari fail berkaitan, cadangkan tampalan dan hasilkan ujian yang menunjukkan kegagalan asal.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi-Dev-72B ialah model bahasa pengekodan Moonshot AI untuk tugas kejuruteraan perisian, dengan tumpuan khusus pada penyelesaian masalah dalam repositori sedia ada. Ia menerima teks dan menghasilkan teks, termasuk cadangan kod, penjelasan dan ujian. Reka bentuknya bermula daripada model asas Qwen 2.5 72B dan membangunkan kebolehan yang diperlukan untuk menukar laporan pepijat menjadi perubahan yang boleh disemak.
BugFixer dan TestWriter. Pengeluar menganggap pembaikan pelaksanaan dan penulisan ujian yang menghasilkan semula kecacatannya sebagai kemahiran yang saling melengkapi. Kedua-duanya menggunakan struktur dua peringkat yang sama: kenal pasti fail yang memerlukan perhatian, kemudian buat suntingan kod yang berkaitan. Ujian pembaikan yang berguna gagal apabila pepijat hadir dan lulus apabila pembetulan yang dimaksudkan diterapkan. Ini memberikan model tumpuan praktikal pada hubungan antara laporan, pelaksanaan dan bukti boleh laksana.
Latihan pertengahan. Pasukan melaporkan kira-kira 150 bilion token latihan tambahan daripada bahan dunia sebenar berkualiti tinggi, termasuk berjuta-juta isu dan komit permintaan tarik. Peringkat ini mengajar corak cara pembangun menyiasat laporan, menyunting kod dan menulis ujian unit. Pasukan turut mengecualikan repositori SWE-bench Verified daripada koleksi latihan ini untuk mengurangkan pencemaran.
Pembelajaran pengukuhan. Selepas penalaan halus terselia, peringkat pembelajaran pengukuhan menumpukan perubahan kod. Ganjarannya menggunakan hasil pelaksanaan akhir dalam repositori berbekas; pengeluar menerangkan kejayaan berdasarkan kelulusan keseluruhan set ujian. Proses latihan menapis tugas yang semua percubaan sampel berbilangnya gagal, memperkenalkan prom yang lebih sukar secara beransur-ansur dan menggunakan semula contoh berjaya terkini untuk mengukuhkan corak pembaikan yang berkesan.
Sediakan isu sebenar. Berikan tingkah laku yang dijangka, hasil yang diperhatikan dan penghasilan semula minimum, kemudian sertakan fail sumber berkaitan, output ralat dan ujian sedia ada. Kekalkan laluan fail dan nama fungsi tanpa perubahan. Minta model mengenal pasti fail yang berkemungkinan dan menerangkan cara kegagalan berpunca daripada pelaksanaan yang diberikan sebelum membentangkan tampalan. Artifak yang terhasil perlu menyatakan kod yang berubah, sebab perubahan menangani laporan dan tingkah laku sedia ada yang mesti dikekalkan.
Sediakan ujian regresi. Berikan konvensyen ujian semasa projek dan lekapan yang mewakili kes penggunaan. Minta ujian yang mencetuskan kegagalan asal, bersama penegasan yang membezakan tingkah laku betul daripada salah. Untuk laporan kes pinggir, namakan keadaan batas dan jangan meminta liputan tambahan umum. Jawapan yang berguna boleh mengandungi suntingan minimum dan ujian bersasar, membolehkan penyemak membandingkan pembaikan yang dicadangkan dengan isu secara langsung.
Permainan kendiri semasa ujian. Aliran kerja penyelidikan Moonshot turut membolehkan cadangan pembaikan pepijat dan penulisan ujian menyemak satu sama lain. Ini ialah teknik penilaian dan orkestrasi di sekeliling model: calon ujian boleh mencabar tampalan, dan tampalan boleh diperiksa terhadap ujian. Dalam aplikasi, idea yang sama boleh memandu permintaan semakan yang meminta contoh balas kepada pembetulan yang dicadangkan sebelum menerima suntingan akhir.
Respons teks ialah cadangan sehingga diterapkan dan diuji dalam repositori sebenar. Akses fail, suntingan, pelaksanaan bekas dan hasil ujian datang daripada persekitaran pembangunan sekeliling. Sertakan output pemeriksaan itu dalam permintaan susulan supaya model boleh menaakul tentang kegagalan yang diperhatikan dan bukannya pelaksanaan yang dibayangkan. Kekalkan kekangan projek dan minta perubahan terkecil yang berasas apabila isu menyentuh pangkalan kod yang matang.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/Kimi-Dev-72B | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.00228 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "moonshotai/Kimi-Dev-72B",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra moonshotai/Kimi-Dev-72B
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.