Kimi K2.7 Code er Moonshot AIs programmeringsrettede modell i Kimi K2-familien. Den bruker en multimodal mixture-of-experts-arkitektur med 32 milliarder aktive parametere av omtrent én billion totalt. Tekst- og bildeinndata støtter et tekstsvar. Den publiserte varianten retter seg mot omfattende programmering, oppdeling av oppgaver og dialog over flere runder.
Beskriv atferden som skal leveres, og gi kildekoden, begrensningene og observasjonene som bestemmer endringen. En omfattende oppgave kan identifisere de relevante komponentene og rekkefølgen atferden deres må fastslås i. Be om konkrete mellomliggende artefakter, som en målrettet kodeendring eller en diagnose knyttet til den faktiske feilen, samtidig som det endelige utfallet holdes synlig.
For en visuell utviklingsoppgave merker du skjermbildet eller referansebildet og angir hvilken layout, kontroll eller tilstand som er viktig. Kombiner synlige bevis med koden eller kravene de gjelder. Modellen returnerer tekst, som en forklaring eller et implementasjonsforslag; et tilknyttet verktøymiljø utfører de faktiske filendringene og kontrollene.
Varianten arbeider alltid i tenkningsmodus og bevarer hele resonneringsinnholdet gjennom samtaler over flere runder. Hold de tidligere beslutningene og relevante observasjonene i den videre arbeidsflyten slik at et senere steg kan bygge på dem. Når oppgaven skifter retning, angir du det nye kravet og bevisene som førte til endringen.
Kontekstvinduet er på 262 144 tokener. Organiser langt materiale i navngitte kildeseksjoner, fullført arbeid og åpne spørsmål, og sett av plass til neste resultat. Nøyaktige kildeidentifikatorer bidrar til å knytte en konklusjon til koden, dokumentet eller bildet den avhenger av.
Den publiserte vertskontrakten støtter funksjonskall og strukturerte utdata gjennom et JSON-skjema. Definer operasjonene eller resultatfeltene ut fra den faktiske oppgaven og valider returnerte verdier mot kildene. Verktøyobservasjoner bør beholde forbindelsen til operasjonen som produserte dem, særlig når flere steg bidrar til samme konklusjon.
En nyttig fullført programmeringsoppgave etterlater endringen, den tiltenkte atferden og det faktiske valideringsbeviset samlet. For et forslag som ennå ikke er tatt i bruk, bevarer du den foreslåtte kodeendringen og stegene som ville verifisere den. Dette holder en programmeringsflyt over flere runder knyttet til konkrete artefakter.
", "aboutText": "Kimi K2.7 Code er Moonshot AIs programmeringsrettede modell i Kimi K2-familien. Den bruker en multimodal mixture-of-experts-arkitektur med 32 milliarder aktive parametere av omtrent én billion totalt. Tekst- og bildeinndata støtter et tekstsvar. Den publiserte varianten retter seg mot omfattende programmering, oppdeling av oppgaver og dialog over flere runder.\n\n### Hold programmeringsmålet eksplisitt\n\nBeskriv atferden som skal leveres, og gi kildekoden, begrensningene og observasjonene som bestemmer endringen. En omfattende oppgave kan identifisere de relevante komponentene og rekkefølgen atferden deres må fastslås i. Be om konkrete mellomliggende artefakter, som en målrettet kodeendring eller en diagnose knyttet til den faktiske feilen, samtidig som det endelige utfallet holdes synlig.\n\nFor en visuell utviklingsoppgave merker du skjermbildet eller referansebildet og angir hvilken layout, kontroll eller tilstand som er viktig. Kombiner synlige bevis med koden eller kravene de gjelder. Modellen returnerer tekst, som en forklaring eller et implementasjonsforslag; et tilknyttet verktøymiljø utfører de faktiske filendringene og kontrollene.\n\n### Tenkning på tvers av flere runder\n\nVarianten arbeider alltid i tenkningsmodus og bevarer hele resonneringsinnholdet gjennom samtaler over flere runder. Hold de tidligere beslutningene og relevante observasjonene i den videre arbeidsflyten slik at et senere steg kan bygge på dem. Når oppgaven skifter retning, angir du det nye kravet og bevisene som førte til endringen.\n\nKontekstvinduet er på 262 144 tokener. Organiser langt materiale i navngitte kildeseksjoner, fullført arbeid og åpne spørsmål, og sett av plass til neste resultat. Nøyaktige kildeidentifikatorer bidrar til å knytte en konklusjon til koden, dokumentet eller bildet den avhenger av.\n\n### Verktøy og strukturerte artefakter\n\nDen publiserte vertskontrakten støtter funksjonskall og strukturerte utdata gjennom et JSON-skjema. Definer operasjonene eller resultatfeltene ut fra den faktiske oppgaven og valider returnerte verdier mot kildene. Verktøyobservasjoner bør beholde forbindelsen til operasjonen som produserte dem, særlig når flere steg bidrar til samme konklusjon.\n\nEn nyttig fullført programmeringsoppgave etterlater endringen, den tiltenkte atferden og det faktiske valideringsbeviset samlet. For et forslag som ennå ikke er tatt i bruk, bevarer du den foreslåtte kodeendringen og stegene som ville verifisere den. Dette holder en programmeringsflyt over flere runder knyttet til konkrete artefakter.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Fix an async error boundary\n\nReview this JavaScript function: 'async function load() { try { return fetchData(); } catch (e) { return []; } }'. Requirement: a rejected fetchData promise must produce an empty list. Propose the smallest patch and tests for a resolved value and a rejected promise. Explain why the current catch may not handle the rejection. Do not add a library.A corrected async function and two test sketches with their expected results.The rejected promise is observed within the try block, while the resolved value passes through unchanged.moonshotai/kimi-k2.7-codeKimi K2.7 Code er Moonshot AIs programmeringsrettede multimodale modell med alltid aktiv tenkning. Den tar imot tekst og bilder, bevarer resonnering på tvers av samtalerunder og støtter omfattende programmeringsoppgaver i et kontekstvindu på 262 144 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Kimi K2.7 Code er Moonshot AIs programmeringsrettede modell i Kimi K2-familien. Den bruker en multimodal mixture-of-experts-arkitektur med 32 milliarder aktive parametere av omtrent én billion totalt. Tekst- og bildeinndata støtter et tekstsvar. Den publiserte varianten retter seg mot omfattende programmering, oppdeling av oppgaver og dialog over flere runder.
Beskriv atferden som skal leveres, og gi kildekoden, begrensningene og observasjonene som bestemmer endringen. En omfattende oppgave kan identifisere de relevante komponentene og rekkefølgen atferden deres må fastslås i. Be om konkrete mellomliggende artefakter, som en målrettet kodeendring eller en diagnose knyttet til den faktiske feilen, samtidig som det endelige utfallet holdes synlig.
For en visuell utviklingsoppgave merker du skjermbildet eller referansebildet og angir hvilken layout, kontroll eller tilstand som er viktig. Kombiner synlige bevis med koden eller kravene de gjelder. Modellen returnerer tekst, som en forklaring eller et implementasjonsforslag; et tilknyttet verktøymiljø utfører de faktiske filendringene og kontrollene.
Varianten arbeider alltid i tenkningsmodus og bevarer hele resonneringsinnholdet gjennom samtaler over flere runder. Hold de tidligere beslutningene og relevante observasjonene i den videre arbeidsflyten slik at et senere steg kan bygge på dem. Når oppgaven skifter retning, angir du det nye kravet og bevisene som førte til endringen.
Kontekstvinduet er på 262 144 tokener. Organiser langt materiale i navngitte kildeseksjoner, fullført arbeid og åpne spørsmål, og sett av plass til neste resultat. Nøyaktige kildeidentifikatorer bidrar til å knytte en konklusjon til koden, dokumentet eller bildet den avhenger av.
Den publiserte vertskontrakten støtter funksjonskall og strukturerte utdata gjennom et JSON-skjema. Definer operasjonene eller resultatfeltene ut fra den faktiske oppgaven og valider returnerte verdier mot kildene. Verktøyobservasjoner bør beholde forbindelsen til operasjonen som produserte dem, særlig når flere steg bidrar til samme konklusjon.
En nyttig fullført programmeringsoppgave etterlater endringen, den tiltenkte atferden og det faktiske valideringsbeviset samlet. For et forslag som ennå ikke er tatt i bruk, bevarer du den foreslåtte kodeendringen og stegene som ville verifisere den. Dette holder en programmeringsflyt over flere runder knyttet til konkrete artefakter.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser moonshotai/kimi-k2.7-code | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0019 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00038 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0019 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00038 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2.7-code", "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-k2.7-code',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-k2.7-code',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra moonshotai/kimi-k2.7-code
Bruk metodestiene som vises ovenfor.
moonshotai/kimi-k2.7-codeKimi K2.7 Code er Moonshot AIs programmeringsrettede multimodale modell med alltid aktiv tenkning. Den tar imot tekst og bilder, bevarer resonnering på tvers av samtalerunder og støtter omfattende programmeringsoppgaver i et kontekstvindu på 262 144 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Kimi K2.7 Code er Moonshot AIs programmeringsrettede modell i Kimi K2-familien. Den bruker en multimodal mixture-of-experts-arkitektur med 32 milliarder aktive parametere av omtrent én billion totalt. Tekst- og bildeinndata støtter et tekstsvar. Den publiserte varianten retter seg mot omfattende programmering, oppdeling av oppgaver og dialog over flere runder.
Beskriv atferden som skal leveres, og gi kildekoden, begrensningene og observasjonene som bestemmer endringen. En omfattende oppgave kan identifisere de relevante komponentene og rekkefølgen atferden deres må fastslås i. Be om konkrete mellomliggende artefakter, som en målrettet kodeendring eller en diagnose knyttet til den faktiske feilen, samtidig som det endelige utfallet holdes synlig.
For en visuell utviklingsoppgave merker du skjermbildet eller referansebildet og angir hvilken layout, kontroll eller tilstand som er viktig. Kombiner synlige bevis med koden eller kravene de gjelder. Modellen returnerer tekst, som en forklaring eller et implementasjonsforslag; et tilknyttet verktøymiljø utfører de faktiske filendringene og kontrollene.
Varianten arbeider alltid i tenkningsmodus og bevarer hele resonneringsinnholdet gjennom samtaler over flere runder. Hold de tidligere beslutningene og relevante observasjonene i den videre arbeidsflyten slik at et senere steg kan bygge på dem. Når oppgaven skifter retning, angir du det nye kravet og bevisene som førte til endringen.
Kontekstvinduet er på 262 144 tokener. Organiser langt materiale i navngitte kildeseksjoner, fullført arbeid og åpne spørsmål, og sett av plass til neste resultat. Nøyaktige kildeidentifikatorer bidrar til å knytte en konklusjon til koden, dokumentet eller bildet den avhenger av.
Den publiserte vertskontrakten støtter funksjonskall og strukturerte utdata gjennom et JSON-skjema. Definer operasjonene eller resultatfeltene ut fra den faktiske oppgaven og valider returnerte verdier mot kildene. Verktøyobservasjoner bør beholde forbindelsen til operasjonen som produserte dem, særlig når flere steg bidrar til samme konklusjon.
En nyttig fullført programmeringsoppgave etterlater endringen, den tiltenkte atferden og det faktiske valideringsbeviset samlet. For et forslag som ennå ikke er tatt i bruk, bevarer du den foreslåtte kodeendringen og stegene som ville verifisere den. Dette holder en programmeringsflyt over flere runder knyttet til konkrete artefakter.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser moonshotai/kimi-k2.7-code | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0019 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00038 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0019 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00038 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "moonshotai/kimi-k2.7-code",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.7-code', '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-k2.7-code', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra moonshotai/kimi-k2.7-code
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Fix an async error boundary\n\nReview this JavaScript function: 'async function load() { try { return fetchData(); } catch (e) { return []; } }'. Requirement: a rejected fetchData promise must produce an empty list. Propose the smallest patch and tests for a resolved value and a rejected promise. Explain why the current catch may not handle the rejection. Do not add a library.A corrected async function and two test sketches with their expected results.The rejected promise is observed within the try block, while the resolved value passes through unchanged.