Kimi K2.5 ialah model ejen multimodal asli Moonshot AI, dibina melalui pralatihan lanjutan pada kira-kira lima belas trilion token campuran visual dan teks berasaskan Kimi K2 Base. Ia menggabungkan bahasa dan penglihatan dengan aliran kerja perbualan dan ejen. Input boleh mengandungi teks, imej dan video; output ialah teks seperti penjelasan, kod atau cadangan operasi alat.
Ringkasan pembuat menyenaraikan seni bina campuran pakar dengan jumlah satu trilion parameter dan 32 bilion parameter diaktifkan, konteks 256K dan pengekod visual MoonViT dengan 400 juta parameter. K2.5 menggunakan kaedah pengkuantuman INT4 asli yang didokumentasikan untuk K2 Thinking. Ini ialah ciri titik semak pengeluar yang diterbitkan, berbeza daripada dakwaan tentang setiap konfigurasi pelaksanaan sekeliling.
Kes penggunaan yang menentukan model ini ialah penjanaan kod daripada spesifikasi visual, termasuk reka bentuk antara muka dan aliran kerja video. Berikan media yang boleh dibaca, kod sumber berkaitan dan tingkah laku yang dimaksudkan. Kenal pasti butiran visual yang wajib dan cara hasil perlu bertindak balas terhadap interaksi pengguna. Taklimat yang berguna ialah: “Laksanakan susun atur yang diberikan, kekalkan label ini dan terangkan cara keadaan yang kelihatan sepadan dengan keperluan.”
Untuk tugas analisis imej, minta butiran yang kelihatan yang menyokong setiap dapatan dan pisahkan pengekstrakan daripada tafsiran. Untuk video, nyatakan segmen dan tindakan atau perubahan yang perlu diterangkan. Pengeluar menandakan aliran kerja video yang ditunjukkan sebagai eksperimen; pemahaman media menghasilkan hasil teks dan bukannya memaparkan video baharu atau melaksanakan tindakan visual dengan sendirinya.
K2.5 menyokong mod pemikiran dan segera. Mod pemikiran membangunkan penaakulan sebelum respons akhir; mod segera menjawab secara langsung. Penyebaran rujukan pengeluar mengesyorkan suhu 1.0 untuk pemikiran, 0.6 untuk mod segera dan top-p 0.95. Tetapkan bentuk jawapan yang diingini secara berasingan daripada pilihan penaakulan itu, seperti rekod yang diekstrak, memo keputusan atau artifak kod lengkap.
Untuk soalan sukar, berikan syarat penuh dan sumber berkaitan. Taklimat dokumen boleh meminta perbandingan dengan petikan sokongan di sisi setiap kesimpulan. Taklimat pengekodan boleh mengenal pasti input gagal, kekangan dan perubahan yang hendak dicadangkan. Output perlu kekal boleh dijejaki kepada tugas itu dan jangan anggap jejak penaakulan panjang sebagai hasil yang telah selesai.
K2.5 menggunakan reka bentuk pemikiran berselang-seli dan panggilan alat berbilang langkah yang sama seperti K2 Thinking. Aplikasi membekalkan fungsi dengan perihalan dan skema, melaksanakan operasi yang dipilih dan mengembalikan pemerhatian. Kekalkan hasil bersama panggilannya supaya langkah seterusnya boleh menggunakan bukti sebenar.
Pengeluar turut menerangkan aliran kerja kawanan ejen yang menguraikan matlamat kompleks kepada subtugas khusus domain yang terselaras. Sediakan matlamat sedemikian dengan output yang ditentukan, tindakan yang dibenarkan dan kriteria penyiapan. Artifak akhir perlu mengintegrasikan pemerhatian yang benar-benar diperoleh; rancangan yang dijana atau cabang yang dicadangkan berbeza daripada kerja yang dilaksanakan.
Peruntukkan sumber, perwakilan media, sejarah, penaakulan dan jawapan akhir dalam konteks 256K yang didokumentasikan. Bajet token permintaan contoh dan penilaian dalam kad model bukan had output sejagat yang ditetapkan secara bebas. Labelkan sumber dan media supaya hasil boleh merujuk kembali kepada buktinya.
Hasil serahan yang berguna ialah penjelasan berdasarkan imej, cadangan kod atau hasil analisis yang disokong sumber. Semak nilai terhadap input dan periksa kod dalam aplikasi yang dimaksudkan. K2.5 kekal sebagai keluaran multimodalnya sendiri; kawalan preserve-thinking K2.6 yang kemudian dan varian penggunaan prom K2 teks sahaja yang terdahulu tidak patut menggantikan aliran kerja edisi ini yang didokumentasikan.
", "aboutText": "Kimi K2.5 ialah model ejen multimodal asli Moonshot AI, dibina melalui pralatihan lanjutan pada kira-kira lima belas trilion token campuran visual dan teks berasaskan Kimi K2 Base. Ia menggabungkan bahasa dan penglihatan dengan aliran kerja perbualan dan ejen. Input boleh mengandungi teks, imej dan video; output ialah teks seperti penjelasan, kod atau cadangan operasi alat.\n\n### Varian model\n\nRingkasan pembuat menyenaraikan seni bina campuran pakar dengan jumlah satu trilion parameter dan 32 bilion parameter diaktifkan, konteks 256K dan pengekod visual MoonViT dengan 400 juta parameter. K2.5 menggunakan kaedah pengkuantuman INT4 asli yang didokumentasikan untuk K2 Thinking. Ini ialah ciri titik semak pengeluar yang diterbitkan, berbeza daripada dakwaan tentang setiap konfigurasi pelaksanaan sekeliling.\n\n### Pengekodan dengan bukti visual\n\nKes penggunaan yang menentukan model ini ialah penjanaan kod daripada spesifikasi visual, termasuk reka bentuk antara muka dan aliran kerja video. Berikan media yang boleh dibaca, kod sumber berkaitan dan tingkah laku yang dimaksudkan. Kenal pasti butiran visual yang wajib dan cara hasil perlu bertindak balas terhadap interaksi pengguna. Taklimat yang berguna ialah: “Laksanakan susun atur yang diberikan, kekalkan label ini dan terangkan cara keadaan yang kelihatan sepadan dengan keperluan.”\n\nUntuk tugas analisis imej, minta butiran yang kelihatan yang menyokong setiap dapatan dan pisahkan pengekstrakan daripada tafsiran. Untuk video, nyatakan segmen dan tindakan atau perubahan yang perlu diterangkan. Pengeluar menandakan aliran kerja video yang ditunjukkan sebagai eksperimen; pemahaman media menghasilkan hasil teks dan bukannya memaparkan video baharu atau melaksanakan tindakan visual dengan sendirinya.\n\n### Pemikiran dan respons segera\n\nK2.5 menyokong mod pemikiran dan segera. Mod pemikiran membangunkan penaakulan sebelum respons akhir; mod segera menjawab secara langsung. Penyebaran rujukan pengeluar mengesyorkan suhu 1.0 untuk pemikiran, 0.6 untuk mod segera dan top-p 0.95. Tetapkan bentuk jawapan yang diingini secara berasingan daripada pilihan penaakulan itu, seperti rekod yang diekstrak, memo keputusan atau artifak kod lengkap.\n\nUntuk soalan sukar, berikan syarat penuh dan sumber berkaitan. Taklimat dokumen boleh meminta perbandingan dengan petikan sokongan di sisi setiap kesimpulan. Taklimat pengekodan boleh mengenal pasti input gagal, kekangan dan perubahan yang hendak dicadangkan. Output perlu kekal boleh dijejaki kepada tugas itu dan jangan anggap jejak penaakulan panjang sebagai hasil yang telah selesai.\n\n### Alat berselang-seli dan tugas ejen\n\nK2.5 menggunakan reka bentuk pemikiran berselang-seli dan panggilan alat berbilang langkah yang sama seperti K2 Thinking. Aplikasi membekalkan fungsi dengan perihalan dan skema, melaksanakan operasi yang dipilih dan mengembalikan pemerhatian. Kekalkan hasil bersama panggilannya supaya langkah seterusnya boleh menggunakan bukti sebenar.\n\nPengeluar turut menerangkan aliran kerja kawanan ejen yang menguraikan matlamat kompleks kepada subtugas khusus domain yang terselaras. Sediakan matlamat sedemikian dengan output yang ditentukan, tindakan yang dibenarkan dan kriteria penyiapan. Artifak akhir perlu mengintegrasikan pemerhatian yang benar-benar diperoleh; rancangan yang dijana atau cabang yang dicadangkan berbeza daripada kerja yang dilaksanakan.\n\n### Konteks dan semakan\n\nPeruntukkan sumber, perwakilan media, sejarah, penaakulan dan jawapan akhir dalam konteks 256K yang didokumentasikan. Bajet token permintaan contoh dan penilaian dalam kad model bukan had output sejagat yang ditetapkan secara bebas. Labelkan sumber dan media supaya hasil boleh merujuk kembali kepada buktinya.\n\nHasil serahan yang berguna ialah penjelasan berdasarkan imej, cadangan kod atau hasil analisis yang disokong sumber. Semak nilai terhadap input dan periksa kod dalam aplikasi yang dimaksudkan. K2.5 kekal sebagai keluaran multimodalnya sendiri; kawalan preserve-thinking K2.6 yang kemudian dan varian penggunaan prom K2 teks sahaja yang terdahulu tidak patut menggantikan aliran kerja edisi ini yang didokumentasikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.moonshotai/kimi-k2.5Kimi K2.5 ialah model ejen multimodal asli Moonshot AI untuk pengekodan berpandukan imej, penaakulan dan kerja berbantukan alat. Ia menggabungkan teks, imej dan video dengan mod pemikiran dan segera, konteks 256K dan aliran kerja pengeluar untuk subtugas ejen terselaras.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2.5 ialah model ejen multimodal asli Moonshot AI, dibina melalui pralatihan lanjutan pada kira-kira lima belas trilion token campuran visual dan teks berasaskan Kimi K2 Base. Ia menggabungkan bahasa dan penglihatan dengan aliran kerja perbualan dan ejen. Input boleh mengandungi teks, imej dan video; output ialah teks seperti penjelasan, kod atau cadangan operasi alat.
Ringkasan pembuat menyenaraikan seni bina campuran pakar dengan jumlah satu trilion parameter dan 32 bilion parameter diaktifkan, konteks 256K dan pengekod visual MoonViT dengan 400 juta parameter. K2.5 menggunakan kaedah pengkuantuman INT4 asli yang didokumentasikan untuk K2 Thinking. Ini ialah ciri titik semak pengeluar yang diterbitkan, berbeza daripada dakwaan tentang setiap konfigurasi pelaksanaan sekeliling.
Kes penggunaan yang menentukan model ini ialah penjanaan kod daripada spesifikasi visual, termasuk reka bentuk antara muka dan aliran kerja video. Berikan media yang boleh dibaca, kod sumber berkaitan dan tingkah laku yang dimaksudkan. Kenal pasti butiran visual yang wajib dan cara hasil perlu bertindak balas terhadap interaksi pengguna. Taklimat yang berguna ialah: “Laksanakan susun atur yang diberikan, kekalkan label ini dan terangkan cara keadaan yang kelihatan sepadan dengan keperluan.”
Untuk tugas analisis imej, minta butiran yang kelihatan yang menyokong setiap dapatan dan pisahkan pengekstrakan daripada tafsiran. Untuk video, nyatakan segmen dan tindakan atau perubahan yang perlu diterangkan. Pengeluar menandakan aliran kerja video yang ditunjukkan sebagai eksperimen; pemahaman media menghasilkan hasil teks dan bukannya memaparkan video baharu atau melaksanakan tindakan visual dengan sendirinya.
K2.5 menyokong mod pemikiran dan segera. Mod pemikiran membangunkan penaakulan sebelum respons akhir; mod segera menjawab secara langsung. Penyebaran rujukan pengeluar mengesyorkan suhu 1.0 untuk pemikiran, 0.6 untuk mod segera dan top-p 0.95. Tetapkan bentuk jawapan yang diingini secara berasingan daripada pilihan penaakulan itu, seperti rekod yang diekstrak, memo keputusan atau artifak kod lengkap.
Untuk soalan sukar, berikan syarat penuh dan sumber berkaitan. Taklimat dokumen boleh meminta perbandingan dengan petikan sokongan di sisi setiap kesimpulan. Taklimat pengekodan boleh mengenal pasti input gagal, kekangan dan perubahan yang hendak dicadangkan. Output perlu kekal boleh dijejaki kepada tugas itu dan jangan anggap jejak penaakulan panjang sebagai hasil yang telah selesai.
K2.5 menggunakan reka bentuk pemikiran berselang-seli dan panggilan alat berbilang langkah yang sama seperti K2 Thinking. Aplikasi membekalkan fungsi dengan perihalan dan skema, melaksanakan operasi yang dipilih dan mengembalikan pemerhatian. Kekalkan hasil bersama panggilannya supaya langkah seterusnya boleh menggunakan bukti sebenar.
Pengeluar turut menerangkan aliran kerja kawanan ejen yang menguraikan matlamat kompleks kepada subtugas khusus domain yang terselaras. Sediakan matlamat sedemikian dengan output yang ditentukan, tindakan yang dibenarkan dan kriteria penyiapan. Artifak akhir perlu mengintegrasikan pemerhatian yang benar-benar diperoleh; rancangan yang dijana atau cabang yang dicadangkan berbeza daripada kerja yang dilaksanakan.
Peruntukkan sumber, perwakilan media, sejarah, penaakulan dan jawapan akhir dalam konteks 256K yang didokumentasikan. Bajet token permintaan contoh dan penilaian dalam kad model bukan had output sejagat yang ditetapkan secara bebas. Labelkan sumber dan media supaya hasil boleh merujuk kembali kepada buktinya.
Hasil serahan yang berguna ialah penjelasan berdasarkan imej, cadangan kod atau hasil analisis yang disokong sumber. Semak nilai terhadap input dan periksa kod dalam aplikasi yang dimaksudkan. K2.5 kekal sebagai keluaran multimodalnya sendiri; kawalan preserve-thinking K2.6 yang kemudian dan varian penggunaan prom K2 teks sahaja yang terdahulu tidak patut menggantikan aliran kerja edisi ini yang didokumentasikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2.5 | 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 $0.006 / 1K token Input · Bacaan cache $0.0003 / 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 $0.006 / 1K token Input · Bacaan cache $0.0003 / 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-k2.5", "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-k2.5',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-k2.5',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-k2.5
Gunakan laluan kaedah yang dipaparkan di atas.
moonshotai/kimi-k2.5Kimi K2.5 ialah model ejen multimodal asli Moonshot AI untuk pengekodan berpandukan imej, penaakulan dan kerja berbantukan alat. Ia menggabungkan teks, imej dan video dengan mod pemikiran dan segera, konteks 256K dan aliran kerja pengeluar untuk subtugas ejen terselaras.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2.5 ialah model ejen multimodal asli Moonshot AI, dibina melalui pralatihan lanjutan pada kira-kira lima belas trilion token campuran visual dan teks berasaskan Kimi K2 Base. Ia menggabungkan bahasa dan penglihatan dengan aliran kerja perbualan dan ejen. Input boleh mengandungi teks, imej dan video; output ialah teks seperti penjelasan, kod atau cadangan operasi alat.
Ringkasan pembuat menyenaraikan seni bina campuran pakar dengan jumlah satu trilion parameter dan 32 bilion parameter diaktifkan, konteks 256K dan pengekod visual MoonViT dengan 400 juta parameter. K2.5 menggunakan kaedah pengkuantuman INT4 asli yang didokumentasikan untuk K2 Thinking. Ini ialah ciri titik semak pengeluar yang diterbitkan, berbeza daripada dakwaan tentang setiap konfigurasi pelaksanaan sekeliling.
Kes penggunaan yang menentukan model ini ialah penjanaan kod daripada spesifikasi visual, termasuk reka bentuk antara muka dan aliran kerja video. Berikan media yang boleh dibaca, kod sumber berkaitan dan tingkah laku yang dimaksudkan. Kenal pasti butiran visual yang wajib dan cara hasil perlu bertindak balas terhadap interaksi pengguna. Taklimat yang berguna ialah: “Laksanakan susun atur yang diberikan, kekalkan label ini dan terangkan cara keadaan yang kelihatan sepadan dengan keperluan.”
Untuk tugas analisis imej, minta butiran yang kelihatan yang menyokong setiap dapatan dan pisahkan pengekstrakan daripada tafsiran. Untuk video, nyatakan segmen dan tindakan atau perubahan yang perlu diterangkan. Pengeluar menandakan aliran kerja video yang ditunjukkan sebagai eksperimen; pemahaman media menghasilkan hasil teks dan bukannya memaparkan video baharu atau melaksanakan tindakan visual dengan sendirinya.
K2.5 menyokong mod pemikiran dan segera. Mod pemikiran membangunkan penaakulan sebelum respons akhir; mod segera menjawab secara langsung. Penyebaran rujukan pengeluar mengesyorkan suhu 1.0 untuk pemikiran, 0.6 untuk mod segera dan top-p 0.95. Tetapkan bentuk jawapan yang diingini secara berasingan daripada pilihan penaakulan itu, seperti rekod yang diekstrak, memo keputusan atau artifak kod lengkap.
Untuk soalan sukar, berikan syarat penuh dan sumber berkaitan. Taklimat dokumen boleh meminta perbandingan dengan petikan sokongan di sisi setiap kesimpulan. Taklimat pengekodan boleh mengenal pasti input gagal, kekangan dan perubahan yang hendak dicadangkan. Output perlu kekal boleh dijejaki kepada tugas itu dan jangan anggap jejak penaakulan panjang sebagai hasil yang telah selesai.
K2.5 menggunakan reka bentuk pemikiran berselang-seli dan panggilan alat berbilang langkah yang sama seperti K2 Thinking. Aplikasi membekalkan fungsi dengan perihalan dan skema, melaksanakan operasi yang dipilih dan mengembalikan pemerhatian. Kekalkan hasil bersama panggilannya supaya langkah seterusnya boleh menggunakan bukti sebenar.
Pengeluar turut menerangkan aliran kerja kawanan ejen yang menguraikan matlamat kompleks kepada subtugas khusus domain yang terselaras. Sediakan matlamat sedemikian dengan output yang ditentukan, tindakan yang dibenarkan dan kriteria penyiapan. Artifak akhir perlu mengintegrasikan pemerhatian yang benar-benar diperoleh; rancangan yang dijana atau cabang yang dicadangkan berbeza daripada kerja yang dilaksanakan.
Peruntukkan sumber, perwakilan media, sejarah, penaakulan dan jawapan akhir dalam konteks 256K yang didokumentasikan. Bajet token permintaan contoh dan penilaian dalam kad model bukan had output sejagat yang ditetapkan secara bebas. Labelkan sumber dan media supaya hasil boleh merujuk kembali kepada buktinya.
Hasil serahan yang berguna ialah penjelasan berdasarkan imej, cadangan kod atau hasil analisis yang disokong sumber. Semak nilai terhadap input dan periksa kod dalam aplikasi yang dimaksudkan. K2.5 kekal sebagai keluaran multimodalnya sendiri; kawalan preserve-thinking K2.6 yang kemudian dan varian penggunaan prom K2 teks sahaja yang terdahulu tidak patut menggantikan aliran kerja edisi ini yang didokumentasikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2.5 | 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 $0.006 / 1K token Input · Bacaan cache $0.0003 / 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 $0.006 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "moonshotai/kimi-k2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.5', '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-k2.5', '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-k2.5
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.