Kimi K2 Thinking ialah edisi ejen penaakulan Moonshot AI yang dibangunkan daripada Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang dibekalkan aplikasi sekeliling, menggabungkan analisis perantaraan dengan pemerhatian alat sebelum menghasilkan jawapan akhir. Profil campuran pakar yang diterbitkan mempunyai satu trilion jumlah parameter, 32 bilion parameter aktif dan konteks 256K. Input tugas dan jawapan yang didokumentasikan ialah teks.
Pengeluar membangunkan K2 Thinking untuk aliran kerja penyelidikan, pengaturcaraan dan penulisan yang memerlukan banyak langkah. Ciri utamanya ialah menyelang-selikan penaakulan dengan panggilan fungsi, bukannya menganggap pemikiran dan tindakan sebagai dua peringkat yang tidak berkaitan. Huraian tugas yang berguna menyatakan soalan, sumber atau alat yang tersedia, tindakan yang dibenarkan dan hasil yang menandakan penyelesaian.
Untuk penyelidikan, berikan kriteria sumber yang relevan dan wajibkan kesimpulan memetik bukti yang diperoleh. Untuk pengaturcaraan, sertakan pelaksanaan berkaitan, tingkah laku yang gagal dan kekangan, kemudian minta tampalan akhir serta pemerhatian sokongan. Contoh prompt ialah: “Gunakan kod dan hasil alat yang dibekalkan untuk mengenal pasti punca, mencadangkan perubahan terfokus dan membezakan pengesahan yang telah selesai daripada semakan yang masih perlu dijalankan.”
K2 Thinking menggunakan latihan peka kuantisasi semasa pascalatihan, dengan menerapkan kuantisasi asli INT4 untuk pemberat sahaja pada komponen campuran pakar. Ini ialah perbezaan titik semak pengeluar, bukannya alasan untuk memberikan ketepatan atau modaliti edisi K2 lain kepada model ini. Format model asli kekal berasingan daripada cara aplikasi tertentu melaksanakannya.
Kad bagi edisi ini menggunakan tetapan panggilan alat K2 Instruct. Bekalkan nama fungsi yang tersedia, huraian dan skema parameter dalam setiap permintaan. Model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen yang dicadangkan, melaksanakan fungsi yang dipilih dan memulangkan hasil dalam mesej alat dengan pengecam serta nama yang sepadan. Langkah model seterusnya boleh menggunakan pemerhatian itu atau memilih operasi lain.
Simpan pemerhatian asal dalam perbualan dan terangkan perkara yang dikira sebagai hasil selesai. Panggilan carian yang dipilih belum menjadi sumber yang diperoleh sehingga aplikasi memulangkannya, dan kod yang dijana bukan pelaksanaan yang berjaya. Untuk hasil berstruktur, semak medan serta kesepadanannya dengan bukti yang dibekalkan.
Pengeluar mengesyorkan temperature 1.0 dan menyediakan arahan sistem pembantu yang mudah sebagai lalai apabila tiada arahan khas diperlukan. Nyatakan bahasa dan bentuk jawapan akhir secara berasingan: kesimpulan ringkas, analisis dengan rujukan sumber atau hasil kod. Kandungan pemikiran dan respons akhir mempunyai tujuan yang berbeza dan perlu kekal dapat dibezakan.
Konteks 256K mesti memuatkan arahan, bahan sumber, perbualan, penaakulan dan hasil alat. Tugas panjang yang dipandu alat boleh mengumpulkan lebih banyak konteks daripada yang dicadangkan oleh soalan asalnya. Kekalkan bukti yang relevan dan hasil yang diperlukan melalui susulan. Pelbagai bajet pemikiran penilaian dan contoh saiz penyelesaian dalam kad bukan had output tegas yang universal.
Jawapan akhir yang berguna menghubungkan kesimpulan dengan sumber atau pemerhatian sebenar dan mengenal pasti maklumat yang masih belum diselesaikan. K2 Thinking ialah edisi penaakulan teks berasingan; input imej/video serta kawalan instant-mode atau preserve-thinking yang diterangkan untuk keluaran K2.5 dan K2.6 kemudian tidak patut diandaikan daripada nama keluarga yang sama.
", "aboutText": "Kimi K2 Thinking ialah edisi ejen penaakulan Moonshot AI yang dibangunkan daripada Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang dibekalkan aplikasi sekeliling, menggabungkan analisis perantaraan dengan pemerhatian alat sebelum menghasilkan jawapan akhir. Profil campuran pakar yang diterbitkan mempunyai satu trilion jumlah parameter, 32 bilion parameter aktif dan konteks 256K. Input tugas dan jawapan yang didokumentasikan ialah teks.\n\n### Penaakulan mendalam dan tugas panjang\n\nPengeluar membangunkan K2 Thinking untuk aliran kerja penyelidikan, pengaturcaraan dan penulisan yang memerlukan banyak langkah. Ciri utamanya ialah menyelang-selikan penaakulan dengan panggilan fungsi, bukannya menganggap pemikiran dan tindakan sebagai dua peringkat yang tidak berkaitan. Huraian tugas yang berguna menyatakan soalan, sumber atau alat yang tersedia, tindakan yang dibenarkan dan hasil yang menandakan penyelesaian.\n\nUntuk penyelidikan, berikan kriteria sumber yang relevan dan wajibkan kesimpulan memetik bukti yang diperoleh. Untuk pengaturcaraan, sertakan pelaksanaan berkaitan, tingkah laku yang gagal dan kekangan, kemudian minta tampalan akhir serta pemerhatian sokongan. Contoh prompt ialah: “Gunakan kod dan hasil alat yang dibekalkan untuk mengenal pasti punca, mencadangkan perubahan terfokus dan membezakan pengesahan yang telah selesai daripada semakan yang masih perlu dijalankan.”\n\n### Titik semak pengeluar dan kuantisasi\n\nK2 Thinking menggunakan latihan peka kuantisasi semasa pascalatihan, dengan menerapkan kuantisasi asli INT4 untuk pemberat sahaja pada komponen campuran pakar. Ini ialah perbezaan titik semak pengeluar, bukannya alasan untuk memberikan ketepatan atau modaliti edisi K2 lain kepada model ini. Format model asli kekal berasingan daripada cara aplikasi tertentu melaksanakannya.\n\n### Aliran kerja panggilan alat\n\nKad bagi edisi ini menggunakan tetapan panggilan alat K2 Instruct. Bekalkan nama fungsi yang tersedia, huraian dan skema parameter dalam setiap permintaan. Model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen yang dicadangkan, melaksanakan fungsi yang dipilih dan memulangkan hasil dalam mesej alat dengan pengecam serta nama yang sepadan. Langkah model seterusnya boleh menggunakan pemerhatian itu atau memilih operasi lain.\n\nSimpan pemerhatian asal dalam perbualan dan terangkan perkara yang dikira sebagai hasil selesai. Panggilan carian yang dipilih belum menjadi sumber yang diperoleh sehingga aplikasi memulangkannya, dan kod yang dijana bukan pelaksanaan yang berjaya. Untuk hasil berstruktur, semak medan serta kesepadanannya dengan bukti yang dibekalkan.\n\n### Prompt dan bajet respons\n\nPengeluar mengesyorkan temperature 1.0 dan menyediakan arahan sistem pembantu yang mudah sebagai lalai apabila tiada arahan khas diperlukan. Nyatakan bahasa dan bentuk jawapan akhir secara berasingan: kesimpulan ringkas, analisis dengan rujukan sumber atau hasil kod. Kandungan pemikiran dan respons akhir mempunyai tujuan yang berbeza dan perlu kekal dapat dibezakan.\n\nKonteks 256K mesti memuatkan arahan, bahan sumber, perbualan, penaakulan dan hasil alat. Tugas panjang yang dipandu alat boleh mengumpulkan lebih banyak konteks daripada yang dicadangkan oleh soalan asalnya. Kekalkan bukti yang relevan dan hasil yang diperlukan melalui susulan. Pelbagai bajet pemikiran penilaian dan contoh saiz penyelesaian dalam kad bukan had output tegas yang universal.\n\nJawapan akhir yang berguna menghubungkan kesimpulan dengan sumber atau pemerhatian sebenar dan mengenal pasti maklumat yang masih belum diselesaikan. K2 Thinking ialah edisi penaakulan teks berasingan; input imej/video serta kawalan instant-mode atau preserve-thinking yang diterangkan untuk keluaran K2.5 dan K2.6 kemudian tidak patut diandaikan daripada nama keluarga yang sama.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Continue debugging from a real observation\n\nUse this supplied development observation: a test expected rows ordered by created_at, but equal timestamps appeared in different orders across runs. Query text is 'ORDER BY created_at'. Propose a deterministic tie-breaker using the unique id field, explain its effect and specify the next test. Distinguish the reported test result from checks still proposed.A focused query change, causal explanation and a test for rows sharing the same timestamp.The revised ordering includes a unique tie-breaker, and the answer does not claim the new test has run.moonshotai/kimi-k2-thinkingKimi K2 Thinking ialah ejen penaakulan teks Moonshot AI yang menyelang-selikan analisis dengan panggilan fungsi. Konteks 256K dan titik semak INT4 asli pengeluarnya menyokong penyelidikan, pengekodan dan penulisan berbilang langkah, dengan jawapan akhir berdasarkan pemerhatian yang dikembalikan oleh alat yang diberikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2 Thinking ialah edisi ejen penaakulan Moonshot AI yang dibangunkan daripada Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang dibekalkan aplikasi sekeliling, menggabungkan analisis perantaraan dengan pemerhatian alat sebelum menghasilkan jawapan akhir. Profil campuran pakar yang diterbitkan mempunyai satu trilion jumlah parameter, 32 bilion parameter aktif dan konteks 256K. Input tugas dan jawapan yang didokumentasikan ialah teks.
Pengeluar membangunkan K2 Thinking untuk aliran kerja penyelidikan, pengaturcaraan dan penulisan yang memerlukan banyak langkah. Ciri utamanya ialah menyelang-selikan penaakulan dengan panggilan fungsi, bukannya menganggap pemikiran dan tindakan sebagai dua peringkat yang tidak berkaitan. Huraian tugas yang berguna menyatakan soalan, sumber atau alat yang tersedia, tindakan yang dibenarkan dan hasil yang menandakan penyelesaian.
Untuk penyelidikan, berikan kriteria sumber yang relevan dan wajibkan kesimpulan memetik bukti yang diperoleh. Untuk pengaturcaraan, sertakan pelaksanaan berkaitan, tingkah laku yang gagal dan kekangan, kemudian minta tampalan akhir serta pemerhatian sokongan. Contoh prompt ialah: “Gunakan kod dan hasil alat yang dibekalkan untuk mengenal pasti punca, mencadangkan perubahan terfokus dan membezakan pengesahan yang telah selesai daripada semakan yang masih perlu dijalankan.”
K2 Thinking menggunakan latihan peka kuantisasi semasa pascalatihan, dengan menerapkan kuantisasi asli INT4 untuk pemberat sahaja pada komponen campuran pakar. Ini ialah perbezaan titik semak pengeluar, bukannya alasan untuk memberikan ketepatan atau modaliti edisi K2 lain kepada model ini. Format model asli kekal berasingan daripada cara aplikasi tertentu melaksanakannya.
Kad bagi edisi ini menggunakan tetapan panggilan alat K2 Instruct. Bekalkan nama fungsi yang tersedia, huraian dan skema parameter dalam setiap permintaan. Model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen yang dicadangkan, melaksanakan fungsi yang dipilih dan memulangkan hasil dalam mesej alat dengan pengecam serta nama yang sepadan. Langkah model seterusnya boleh menggunakan pemerhatian itu atau memilih operasi lain.
Simpan pemerhatian asal dalam perbualan dan terangkan perkara yang dikira sebagai hasil selesai. Panggilan carian yang dipilih belum menjadi sumber yang diperoleh sehingga aplikasi memulangkannya, dan kod yang dijana bukan pelaksanaan yang berjaya. Untuk hasil berstruktur, semak medan serta kesepadanannya dengan bukti yang dibekalkan.
Pengeluar mengesyorkan temperature 1.0 dan menyediakan arahan sistem pembantu yang mudah sebagai lalai apabila tiada arahan khas diperlukan. Nyatakan bahasa dan bentuk jawapan akhir secara berasingan: kesimpulan ringkas, analisis dengan rujukan sumber atau hasil kod. Kandungan pemikiran dan respons akhir mempunyai tujuan yang berbeza dan perlu kekal dapat dibezakan.
Konteks 256K mesti memuatkan arahan, bahan sumber, perbualan, penaakulan dan hasil alat. Tugas panjang yang dipandu alat boleh mengumpulkan lebih banyak konteks daripada yang dicadangkan oleh soalan asalnya. Kekalkan bukti yang relevan dan hasil yang diperlukan melalui susulan. Pelbagai bajet pemikiran penilaian dan contoh saiz penyelesaian dalam kad bukan had output tegas yang universal.
Jawapan akhir yang berguna menghubungkan kesimpulan dengan sumber atau pemerhatian sebenar dan mengenal pasti maklumat yang masih belum diselesaikan. K2 Thinking ialah edisi penaakulan teks berasingan; input imej/video serta kawalan instant-mode atau preserve-thinking yang diterangkan untuk keluaran K2.5 dan K2.6 kemudian tidak patut diandaikan daripada nama keluarga yang sama.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2-thinking | 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 $0.0003 / 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 $0.005 / 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-thinking", "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-thinking',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-thinking',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-thinking
Gunakan laluan kaedah yang dipaparkan di atas.
moonshotai/kimi-k2-thinkingKimi K2 Thinking ialah ejen penaakulan teks Moonshot AI yang menyelang-selikan analisis dengan panggilan fungsi. Konteks 256K dan titik semak INT4 asli pengeluarnya menyokong penyelidikan, pengekodan dan penulisan berbilang langkah, dengan jawapan akhir berdasarkan pemerhatian yang dikembalikan oleh alat yang diberikan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Kimi K2 Thinking ialah edisi ejen penaakulan Moonshot AI yang dibangunkan daripada Kimi K2. Model ini mengerjakan tugas sambil memilih fungsi yang dibekalkan aplikasi sekeliling, menggabungkan analisis perantaraan dengan pemerhatian alat sebelum menghasilkan jawapan akhir. Profil campuran pakar yang diterbitkan mempunyai satu trilion jumlah parameter, 32 bilion parameter aktif dan konteks 256K. Input tugas dan jawapan yang didokumentasikan ialah teks.
Pengeluar membangunkan K2 Thinking untuk aliran kerja penyelidikan, pengaturcaraan dan penulisan yang memerlukan banyak langkah. Ciri utamanya ialah menyelang-selikan penaakulan dengan panggilan fungsi, bukannya menganggap pemikiran dan tindakan sebagai dua peringkat yang tidak berkaitan. Huraian tugas yang berguna menyatakan soalan, sumber atau alat yang tersedia, tindakan yang dibenarkan dan hasil yang menandakan penyelesaian.
Untuk penyelidikan, berikan kriteria sumber yang relevan dan wajibkan kesimpulan memetik bukti yang diperoleh. Untuk pengaturcaraan, sertakan pelaksanaan berkaitan, tingkah laku yang gagal dan kekangan, kemudian minta tampalan akhir serta pemerhatian sokongan. Contoh prompt ialah: “Gunakan kod dan hasil alat yang dibekalkan untuk mengenal pasti punca, mencadangkan perubahan terfokus dan membezakan pengesahan yang telah selesai daripada semakan yang masih perlu dijalankan.”
K2 Thinking menggunakan latihan peka kuantisasi semasa pascalatihan, dengan menerapkan kuantisasi asli INT4 untuk pemberat sahaja pada komponen campuran pakar. Ini ialah perbezaan titik semak pengeluar, bukannya alasan untuk memberikan ketepatan atau modaliti edisi K2 lain kepada model ini. Format model asli kekal berasingan daripada cara aplikasi tertentu melaksanakannya.
Kad bagi edisi ini menggunakan tetapan panggilan alat K2 Instruct. Bekalkan nama fungsi yang tersedia, huraian dan skema parameter dalam setiap permintaan. Model memutuskan bila dan cara memanggilnya. Aplikasi menghuraikan argumen yang dicadangkan, melaksanakan fungsi yang dipilih dan memulangkan hasil dalam mesej alat dengan pengecam serta nama yang sepadan. Langkah model seterusnya boleh menggunakan pemerhatian itu atau memilih operasi lain.
Simpan pemerhatian asal dalam perbualan dan terangkan perkara yang dikira sebagai hasil selesai. Panggilan carian yang dipilih belum menjadi sumber yang diperoleh sehingga aplikasi memulangkannya, dan kod yang dijana bukan pelaksanaan yang berjaya. Untuk hasil berstruktur, semak medan serta kesepadanannya dengan bukti yang dibekalkan.
Pengeluar mengesyorkan temperature 1.0 dan menyediakan arahan sistem pembantu yang mudah sebagai lalai apabila tiada arahan khas diperlukan. Nyatakan bahasa dan bentuk jawapan akhir secara berasingan: kesimpulan ringkas, analisis dengan rujukan sumber atau hasil kod. Kandungan pemikiran dan respons akhir mempunyai tujuan yang berbeza dan perlu kekal dapat dibezakan.
Konteks 256K mesti memuatkan arahan, bahan sumber, perbualan, penaakulan dan hasil alat. Tugas panjang yang dipandu alat boleh mengumpulkan lebih banyak konteks daripada yang dicadangkan oleh soalan asalnya. Kekalkan bukti yang relevan dan hasil yang diperlukan melalui susulan. Pelbagai bajet pemikiran penilaian dan contoh saiz penyelesaian dalam kad bukan had output tegas yang universal.
Jawapan akhir yang berguna menghubungkan kesimpulan dengan sumber atau pemerhatian sebenar dan mengenal pasti maklumat yang masih belum diselesaikan. K2 Thinking ialah edisi penaakulan teks berasingan; input imej/video serta kawalan instant-mode atau preserve-thinking yang diterangkan untuk keluaran K2.5 dan K2.6 kemudian tidak patut diandaikan daripada nama keluarga yang sama.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had moonshotai/kimi-k2-thinking | 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 $0.0003 / 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 $0.005 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "moonshotai/kimi-k2-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking', '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-thinking', '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-thinking
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Continue debugging from a real observation\n\nUse this supplied development observation: a test expected rows ordered by created_at, but equal timestamps appeared in different orders across runs. Query text is 'ORDER BY created_at'. Propose a deterministic tie-breaker using the unique id field, explain its effect and specify the next test. Distinguish the reported test result from checks still proposed.A focused query change, causal explanation and a test for rows sharing the same timestamp.The revised ordering includes a unique tie-breaker, and the answer does not claim the new test has run.