Kimi K2 Instruct 0905 ialah kemas kini model arahan bulan September Moonshot AI kepada Kimi K2. Ia ialah model teks untuk pengetahuan, penaakulan, pengekodan dan tugas berpandukan alat, dengan jumlah satu trilion parameter campuran pakar dan 32 bilion parameter aktif. Edisi 0905 yang khusus ini menambah baik pengekodan berasaskan ejen dan kerja bahagian hadapan serta memperluas konteks daripada 128K dalam keluaran asal kepada 256K token.
Pengeluar menekankan tingkah laku praktikal dan rupa kod bahagian hadapan, bersama penambahbaikan dalam tugas ejen pengekodan dunia sebenar. Sediakan taklimat perisian dengan pelaksanaan berkaitan, tingkah laku yang diperhatikan dan keperluan yang mesti dipenuhi. Untuk antara muka, kenal pasti kandungan, keadaan yang kelihatan dan interaksi, serta ciri reka bentuk yang penting. Hasil yang berguna ialah kod yang terikat pada kriteria tersebut dan bukannya perbincangan umum tentang cara antara muka boleh berfungsi.
Contoh arahan ialah: “Kemas kini komponen ini agar sepadan dengan aliran borang yang diterangkan, kekalkan nama medan sedia ada dan terangkan keadaan ralat serta kejayaan yang diperlukan.” Untuk penyahpepijatan, berikan input yang mewakili kes penggunaan dan minta model mengenal pasti syarat pertama yang salah sebelum mengembalikan tampalan berfokus. Masukkan pemerhatian paparan atau pengesahan sebenar ke dalam semakan seterusnya.
Ringkasan 0905 menerangkan perhatian pendam berbilang kepala dan campuran pakar jarang, dengan memilih lapan daripada 384 pakar bagi setiap token bersama satu pakar bersama. Konteks 256K menyokong rekod tugas yang lebih besar berbanding edisi K2 asal, sambil masih mengandungi sumber, perbualan, pemerhatian alat dan jawapan yang dijana bersama. Tetingkap yang lebih besar tidak patut ditafsirkan sebagai peruntukan output maksimum yang berasingan.
Susun petikan repositori mengikut fail dan bahan dokumen mengikut bahagian. Nyatakan artifak akhir dan syarat yang mesti kekal tanpa perubahan sepanjang susulan. Untuk perbandingan, minta petikan atau fragmen kod yang menyokong setiap kesimpulan. Kekalkan identiti 0905 yang dipilih apabila konteks diperluas dan kemas kini pengekodan penting untuk tugas.
Pembuat mengesyorkan suhu 0.6 dan menyediakan arahan sistem pembantu yang ringkas untuk tugas yang tidak memerlukan peranan khusus. Takrifkan bahasa dan bentuk jawapan secara berasingan, seperti penjelasan, perbandingan bersokong sumber atau kod sahaja. Ini memastikan hasil akhir yang diingini jelas walaupun aplikasi menggunakan beberapa langkah model.
Kad khusus ini mendokumentasikan alat tersedia yang dibekalkan dalam setiap permintaan. Fungsi mempunyai nama, perihalan dan skema parameter; model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen JSON yang dipilih, melakukan operasi dan mengembalikan hasil alat yang dikaitkan dengan pengecam panggilan. Respons seterusnya kemudian boleh menggunakan pemerhatian sebenar atau meneruskan tugas.
Tampalan yang dijana, operasi yang dipilih atau rancangan carian ialah cadangan sehingga aplikasi sekeliling melaksanakannya. Kekalkan hasil operasi itu sebagai bukti untuk langkah seterusnya dan serahan akhir. Semak nilai yang diekstrak terhadap bahan sumber dan kod terhadap tingkah laku yang diminta.
K2 Instruct 0905 kekal berasingan daripada K2 Thinking dan edisi multimodal K2.5 serta K2.6 yang kemudian. Input imej/video, ciri titik semak pemikiran INT4 asli dan kawalan preserve-thinking edisi tersebut tidak patut disimpulkan untuk kemas kini teks bernama ini. Output yang berguna ialah artifak teks atau kod berfokus berdasarkan tugas dan pemerhatian yang benar-benar dikembalikan.
", "aboutText": "Kimi K2 Instruct 0905 ialah kemas kini model arahan bulan September Moonshot AI kepada Kimi K2. Ia ialah model teks untuk pengetahuan, penaakulan, pengekodan dan tugas berpandukan alat, dengan jumlah satu trilion parameter campuran pakar dan 32 bilion parameter aktif. Edisi 0905 yang khusus ini menambah baik pengekodan berasaskan ejen dan kerja bahagian hadapan serta memperluas konteks daripada 128K dalam keluaran asal kepada 256K token.\n\n### Perkara yang berubah dalam edisi ini\n\nPengeluar menekankan tingkah laku praktikal dan rupa kod bahagian hadapan, bersama penambahbaikan dalam tugas ejen pengekodan dunia sebenar. Sediakan taklimat perisian dengan pelaksanaan berkaitan, tingkah laku yang diperhatikan dan keperluan yang mesti dipenuhi. Untuk antara muka, kenal pasti kandungan, keadaan yang kelihatan dan interaksi, serta ciri reka bentuk yang penting. Hasil yang berguna ialah kod yang terikat pada kriteria tersebut dan bukannya perbincangan umum tentang cara antara muka boleh berfungsi.\n\nContoh arahan ialah: “Kemas kini komponen ini agar sepadan dengan aliran borang yang diterangkan, kekalkan nama medan sedia ada dan terangkan keadaan ralat serta kejayaan yang diperlukan.” Untuk penyahpepijatan, berikan input yang mewakili kes penggunaan dan minta model mengenal pasti syarat pertama yang salah sebelum mengembalikan tampalan berfokus. Masukkan pemerhatian paparan atau pengesahan sebenar ke dalam semakan seterusnya.\n\n### Varian model dan konteks panjang\n\nRingkasan 0905 menerangkan perhatian pendam berbilang kepala dan campuran pakar jarang, dengan memilih lapan daripada 384 pakar bagi setiap token bersama satu pakar bersama. Konteks 256K menyokong rekod tugas yang lebih besar berbanding edisi K2 asal, sambil masih mengandungi sumber, perbualan, pemerhatian alat dan jawapan yang dijana bersama. Tetingkap yang lebih besar tidak patut ditafsirkan sebagai peruntukan output maksimum yang berasingan.\n\nSusun petikan repositori mengikut fail dan bahan dokumen mengikut bahagian. Nyatakan artifak akhir dan syarat yang mesti kekal tanpa perubahan sepanjang susulan. Untuk perbandingan, minta petikan atau fragmen kod yang menyokong setiap kesimpulan. Kekalkan identiti 0905 yang dipilih apabila konteks diperluas dan kemas kini pengekodan penting untuk tugas.\n\n### Sembang dan panggilan fungsi\n\nPembuat mengesyorkan suhu 0.6 dan menyediakan arahan sistem pembantu yang ringkas untuk tugas yang tidak memerlukan peranan khusus. Takrifkan bahasa dan bentuk jawapan secara berasingan, seperti penjelasan, perbandingan bersokong sumber atau kod sahaja. Ini memastikan hasil akhir yang diingini jelas walaupun aplikasi menggunakan beberapa langkah model.\n\nKad khusus ini mendokumentasikan alat tersedia yang dibekalkan dalam setiap permintaan. Fungsi mempunyai nama, perihalan dan skema parameter; model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen JSON yang dipilih, melakukan operasi dan mengembalikan hasil alat yang dikaitkan dengan pengecam panggilan. Respons seterusnya kemudian boleh menggunakan pemerhatian sebenar atau meneruskan tugas.\n\n### Hasil yang boleh disemak\n\nTampalan yang dijana, operasi yang dipilih atau rancangan carian ialah cadangan sehingga aplikasi sekeliling melaksanakannya. Kekalkan hasil operasi itu sebagai bukti untuk langkah seterusnya dan serahan akhir. Semak nilai yang diekstrak terhadap bahan sumber dan kod terhadap tingkah laku yang diminta.\n\nK2 Instruct 0905 kekal berasingan daripada K2 Thinking dan edisi multimodal K2.5 serta K2.6 yang kemudian. Input imej/video, ciri titik semak pemikiran INT4 asli dan kawalan preserve-thinking edisi tersebut tidak patut disimpulkan untuk kemas kini teks bernama ini. Output yang berguna ialah artifak teks atau kod berfokus berdasarkan tugas dan pemerhatian yang benar-benar dikembalikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 ialah model teks Moonshot AI yang dikemas kini untuk pengekodan, pelaksanaan bahagian hadapan dan ejen. Ia memperluas konteks K2 asal daripada 128K kepada 256K dan mengembalikan jawapan, kod serta kandungan panggilan fungsi berdasarkan tugas dan pemerhatian yang dibekalkan oleh aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2 Instruct 0905 ialah kemas kini model arahan bulan September Moonshot AI kepada Kimi K2. Ia ialah model teks untuk pengetahuan, penaakulan, pengekodan dan tugas berpandukan alat, dengan jumlah satu trilion parameter campuran pakar dan 32 bilion parameter aktif. Edisi 0905 yang khusus ini menambah baik pengekodan berasaskan ejen dan kerja bahagian hadapan serta memperluas konteks daripada 128K dalam keluaran asal kepada 256K token.
Pengeluar menekankan tingkah laku praktikal dan rupa kod bahagian hadapan, bersama penambahbaikan dalam tugas ejen pengekodan dunia sebenar. Sediakan taklimat perisian dengan pelaksanaan berkaitan, tingkah laku yang diperhatikan dan keperluan yang mesti dipenuhi. Untuk antara muka, kenal pasti kandungan, keadaan yang kelihatan dan interaksi, serta ciri reka bentuk yang penting. Hasil yang berguna ialah kod yang terikat pada kriteria tersebut dan bukannya perbincangan umum tentang cara antara muka boleh berfungsi.
Contoh arahan ialah: “Kemas kini komponen ini agar sepadan dengan aliran borang yang diterangkan, kekalkan nama medan sedia ada dan terangkan keadaan ralat serta kejayaan yang diperlukan.” Untuk penyahpepijatan, berikan input yang mewakili kes penggunaan dan minta model mengenal pasti syarat pertama yang salah sebelum mengembalikan tampalan berfokus. Masukkan pemerhatian paparan atau pengesahan sebenar ke dalam semakan seterusnya.
Ringkasan 0905 menerangkan perhatian pendam berbilang kepala dan campuran pakar jarang, dengan memilih lapan daripada 384 pakar bagi setiap token bersama satu pakar bersama. Konteks 256K menyokong rekod tugas yang lebih besar berbanding edisi K2 asal, sambil masih mengandungi sumber, perbualan, pemerhatian alat dan jawapan yang dijana bersama. Tetingkap yang lebih besar tidak patut ditafsirkan sebagai peruntukan output maksimum yang berasingan.
Susun petikan repositori mengikut fail dan bahan dokumen mengikut bahagian. Nyatakan artifak akhir dan syarat yang mesti kekal tanpa perubahan sepanjang susulan. Untuk perbandingan, minta petikan atau fragmen kod yang menyokong setiap kesimpulan. Kekalkan identiti 0905 yang dipilih apabila konteks diperluas dan kemas kini pengekodan penting untuk tugas.
Pembuat mengesyorkan suhu 0.6 dan menyediakan arahan sistem pembantu yang ringkas untuk tugas yang tidak memerlukan peranan khusus. Takrifkan bahasa dan bentuk jawapan secara berasingan, seperti penjelasan, perbandingan bersokong sumber atau kod sahaja. Ini memastikan hasil akhir yang diingini jelas walaupun aplikasi menggunakan beberapa langkah model.
Kad khusus ini mendokumentasikan alat tersedia yang dibekalkan dalam setiap permintaan. Fungsi mempunyai nama, perihalan dan skema parameter; model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen JSON yang dipilih, melakukan operasi dan mengembalikan hasil alat yang dikaitkan dengan pengecam panggilan. Respons seterusnya kemudian boleh menggunakan pemerhatian sebenar atau meneruskan tugas.
Tampalan yang dijana, operasi yang dipilih atau rancangan carian ialah cadangan sehingga aplikasi sekeliling melaksanakannya. Kekalkan hasil operasi itu sebagai bukti untuk langkah seterusnya dan serahan akhir. Semak nilai yang diekstrak terhadap bahan sumber dan kod terhadap tingkah laku yang diminta.
K2 Instruct 0905 kekal berasingan daripada K2 Thinking dan edisi multimodal K2.5 serta K2.6 yang kemudian. Input imej/video, ciri titik semak pemikiran INT4 asli dan kawalan preserve-thinking edisi tersebut tidak patut disimpulkan untuk kemas kini teks bernama ini. Output yang berguna ialah artifak teks atau kod berfokus berdasarkan tugas dan pemerhatian yang benar-benar dikembalikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2-0905 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.005 / 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-k2-0905", "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-k2-0905',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-k2-0905',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-k2-0905
Gunakan laluan kaedah yang dipaparkan di atas.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 ialah model teks Moonshot AI yang dikemas kini untuk pengekodan, pelaksanaan bahagian hadapan dan ejen. Ia memperluas konteks K2 asal daripada 128K kepada 256K dan mengembalikan jawapan, kod serta kandungan panggilan fungsi berdasarkan tugas dan pemerhatian yang dibekalkan oleh aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2 Instruct 0905 ialah kemas kini model arahan bulan September Moonshot AI kepada Kimi K2. Ia ialah model teks untuk pengetahuan, penaakulan, pengekodan dan tugas berpandukan alat, dengan jumlah satu trilion parameter campuran pakar dan 32 bilion parameter aktif. Edisi 0905 yang khusus ini menambah baik pengekodan berasaskan ejen dan kerja bahagian hadapan serta memperluas konteks daripada 128K dalam keluaran asal kepada 256K token.
Pengeluar menekankan tingkah laku praktikal dan rupa kod bahagian hadapan, bersama penambahbaikan dalam tugas ejen pengekodan dunia sebenar. Sediakan taklimat perisian dengan pelaksanaan berkaitan, tingkah laku yang diperhatikan dan keperluan yang mesti dipenuhi. Untuk antara muka, kenal pasti kandungan, keadaan yang kelihatan dan interaksi, serta ciri reka bentuk yang penting. Hasil yang berguna ialah kod yang terikat pada kriteria tersebut dan bukannya perbincangan umum tentang cara antara muka boleh berfungsi.
Contoh arahan ialah: “Kemas kini komponen ini agar sepadan dengan aliran borang yang diterangkan, kekalkan nama medan sedia ada dan terangkan keadaan ralat serta kejayaan yang diperlukan.” Untuk penyahpepijatan, berikan input yang mewakili kes penggunaan dan minta model mengenal pasti syarat pertama yang salah sebelum mengembalikan tampalan berfokus. Masukkan pemerhatian paparan atau pengesahan sebenar ke dalam semakan seterusnya.
Ringkasan 0905 menerangkan perhatian pendam berbilang kepala dan campuran pakar jarang, dengan memilih lapan daripada 384 pakar bagi setiap token bersama satu pakar bersama. Konteks 256K menyokong rekod tugas yang lebih besar berbanding edisi K2 asal, sambil masih mengandungi sumber, perbualan, pemerhatian alat dan jawapan yang dijana bersama. Tetingkap yang lebih besar tidak patut ditafsirkan sebagai peruntukan output maksimum yang berasingan.
Susun petikan repositori mengikut fail dan bahan dokumen mengikut bahagian. Nyatakan artifak akhir dan syarat yang mesti kekal tanpa perubahan sepanjang susulan. Untuk perbandingan, minta petikan atau fragmen kod yang menyokong setiap kesimpulan. Kekalkan identiti 0905 yang dipilih apabila konteks diperluas dan kemas kini pengekodan penting untuk tugas.
Pembuat mengesyorkan suhu 0.6 dan menyediakan arahan sistem pembantu yang ringkas untuk tugas yang tidak memerlukan peranan khusus. Takrifkan bahasa dan bentuk jawapan secara berasingan, seperti penjelasan, perbandingan bersokong sumber atau kod sahaja. Ini memastikan hasil akhir yang diingini jelas walaupun aplikasi menggunakan beberapa langkah model.
Kad khusus ini mendokumentasikan alat tersedia yang dibekalkan dalam setiap permintaan. Fungsi mempunyai nama, perihalan dan skema parameter; model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen JSON yang dipilih, melakukan operasi dan mengembalikan hasil alat yang dikaitkan dengan pengecam panggilan. Respons seterusnya kemudian boleh menggunakan pemerhatian sebenar atau meneruskan tugas.
Tampalan yang dijana, operasi yang dipilih atau rancangan carian ialah cadangan sehingga aplikasi sekeliling melaksanakannya. Kekalkan hasil operasi itu sebagai bukti untuk langkah seterusnya dan serahan akhir. Semak nilai yang diekstrak terhadap bahan sumber dan kod terhadap tingkah laku yang diminta.
K2 Instruct 0905 kekal berasingan daripada K2 Thinking dan edisi multimodal K2.5 serta K2.6 yang kemudian. Input imej/video, ciri titik semak pemikiran INT4 asli dan kawalan preserve-thinking edisi tersebut tidak patut disimpulkan untuk kemas kini teks bernama ini. Output yang berguna ialah artifak teks atau kod berfokus berdasarkan tugas dan pemerhatian yang benar-benar dikembalikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2-0905 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0012 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2-0905', '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-k2-0905', '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-k2-0905
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.