Kimi K2 Instruct 0905 is de instructiemodelupdate van september van Moonshot AI voor Kimi K2. Het is een tekstmodel voor kennis, redeneren, programmeren en taken met tools, met in totaal één biljoen mixture-of-experts-parameters en 32 miljard actieve parameters. De specifieke 0905-editie verbetert programmeren met agents en frontendwerk en breidt de context van de oorspronkelijke release van 128K uit tot 256K tokens.
De fabrikant benadrukt zowel het praktische gedrag als het uiterlijk van frontendcode, naast verbeteringen in reële programmeeragenttaken. Bereid een softwarebriefing voor met de relevante implementatie, het waargenomen gedrag en de vereisten waaraan ze moet voldoen. Benoem voor een interface de inhoud, zichtbare toestanden en interacties, evenals de belangrijke ontwerpkenmerken. Een nuttig resultaat is code die bij die criteria hoort, in plaats van een algemene bespreking van hoe een interface zou kunnen werken.
Een voorbeeldinstructie is: “Werk deze component bij volgens de beschreven formulierflow, behoud bestaande veldnamen en leg de vereiste fout- en succestoestanden uit.” Geef voor debugging representatieve invoer mee en vraag het model de eerste onjuiste voorwaarde te vinden voordat het een gerichte patch teruggeeft. Geef werkelijke render- of validatiewaarnemingen mee aan de volgende revisie.
De 0905-samenvatting beschrijft multi-head latent attention en een sparse mixture of experts die per token acht van 384 experts selecteert naast een gedeelde expert. De context van 256K ondersteunt een groter taakrecord dan de oorspronkelijke K2-editie, maar bevat nog steeds bron, conversatie, toolwaarnemingen en gegenereerd antwoord samen. Een groter venster mag niet als een onafhankelijk maximaal uitvoerbudget worden gelezen.
Orden repositoryfragmenten per bestand en documentmateriaal per sectie. Vermeld het eindartefact en de voorwaarden die tijdens vervolgbeurten ongewijzigd moeten blijven. Vraag voor een vergelijking de passage of het codefragment dat elke conclusie ondersteunt. Behoud de geselecteerde 0905-identiteit wanneer de uitgebreide context en programmeerupdate voor de taak belangrijk zijn.
De maker beveelt temperature 0.6 aan en geeft een eenvoudige assistentsysteeminstructie voor taken die geen gespecialiseerde rol nodig hebben. Bepaal antwoordtaal en -vorm afzonderlijk, zoals uitleg, een brongebaseerde vergelijking of uitsluitend code. Zo blijft het gewenste eindresultaat zichtbaar, ook wanneer de toepassing meerdere modelstappen gebruikt.
De specifieke kaart documenteert beschikbare tools die in elk verzoek worden meegegeven. Functies hebben namen, beschrijvingen en parameterschema's; het model beslist wanneer en hoe het ze aanroept. De toepassing parseert de geselecteerde JSON-argumenten, voert de bewerking uit en retourneert een toolresultaat dat met de aanroep-ID verbonden is. Het volgende antwoord kan vervolgens de werkelijke waarneming gebruiken of de taak voortzetten.
Een gegenereerde patch, gekozen bewerking of zoekplan is een voorstel totdat de omringende toepassing het uitvoert. Bewaar het resultaat van die bewerking als bewijsmateriaal voor de volgende stap en de uiteindelijke overdracht. Controleer geëxtraheerde waarden tegen bronmateriaal en code tegen het gevraagde gedrag.
K2 Instruct 0905 blijft onderscheiden van K2 Thinking en de latere multimodale K2.5- en K2.6-edities. Hun beeld-/videoinvoer, oorspronkelijke INT4-eigenschappen van het thinking-checkpoint en preserve-thinking-instellingen mogen niet voor deze genoemde tekstupdate worden verondersteld. De nuttige uitvoer is een gericht tekst- of codeartefact op basis van de taak en de werkelijk teruggegeven waarnemingen.
", "aboutText": "Kimi K2 Instruct 0905 is de instructiemodelupdate van september van Moonshot AI voor Kimi K2. Het is een tekstmodel voor kennis, redeneren, programmeren en taken met tools, met in totaal één biljoen mixture-of-experts-parameters en 32 miljard actieve parameters. De specifieke 0905-editie verbetert programmeren met agents en frontendwerk en breidt de context van de oorspronkelijke release van 128K uit tot 256K tokens.\n\n### Wat deze editie verandert\n\nDe fabrikant benadrukt zowel het praktische gedrag als het uiterlijk van frontendcode, naast verbeteringen in reële programmeeragenttaken. Bereid een softwarebriefing voor met de relevante implementatie, het waargenomen gedrag en de vereisten waaraan ze moet voldoen. Benoem voor een interface de inhoud, zichtbare toestanden en interacties, evenals de belangrijke ontwerpkenmerken. Een nuttig resultaat is code die bij die criteria hoort, in plaats van een algemene bespreking van hoe een interface zou kunnen werken.\n\nEen voorbeeldinstructie is: “Werk deze component bij volgens de beschreven formulierflow, behoud bestaande veldnamen en leg de vereiste fout- en succestoestanden uit.” Geef voor debugging representatieve invoer mee en vraag het model de eerste onjuiste voorwaarde te vinden voordat het een gerichte patch teruggeeft. Geef werkelijke render- of validatiewaarnemingen mee aan de volgende revisie.\n\n### Modelvariant en lange context\n\nDe 0905-samenvatting beschrijft multi-head latent attention en een sparse mixture of experts die per token acht van 384 experts selecteert naast een gedeelde expert. De context van 256K ondersteunt een groter taakrecord dan de oorspronkelijke K2-editie, maar bevat nog steeds bron, conversatie, toolwaarnemingen en gegenereerd antwoord samen. Een groter venster mag niet als een onafhankelijk maximaal uitvoerbudget worden gelezen.\n\nOrden repositoryfragmenten per bestand en documentmateriaal per sectie. Vermeld het eindartefact en de voorwaarden die tijdens vervolgbeurten ongewijzigd moeten blijven. Vraag voor een vergelijking de passage of het codefragment dat elke conclusie ondersteunt. Behoud de geselecteerde 0905-identiteit wanneer de uitgebreide context en programmeerupdate voor de taak belangrijk zijn.\n\n### Chat en functieaanroepen\n\nDe maker beveelt temperature 0.6 aan en geeft een eenvoudige assistentsysteeminstructie voor taken die geen gespecialiseerde rol nodig hebben. Bepaal antwoordtaal en -vorm afzonderlijk, zoals uitleg, een brongebaseerde vergelijking of uitsluitend code. Zo blijft het gewenste eindresultaat zichtbaar, ook wanneer de toepassing meerdere modelstappen gebruikt.\n\nDe specifieke kaart documenteert beschikbare tools die in elk verzoek worden meegegeven. Functies hebben namen, beschrijvingen en parameterschema's; het model beslist wanneer en hoe het ze aanroept. De toepassing parseert de geselecteerde JSON-argumenten, voert de bewerking uit en retourneert een toolresultaat dat met de aanroep-ID verbonden is. Het volgende antwoord kan vervolgens de werkelijke waarneming gebruiken of de taak voortzetten.\n\n### Controleerbare resultaten\n\nEen gegenereerde patch, gekozen bewerking of zoekplan is een voorstel totdat de omringende toepassing het uitvoert. Bewaar het resultaat van die bewerking als bewijsmateriaal voor de volgende stap en de uiteindelijke overdracht. Controleer geëxtraheerde waarden tegen bronmateriaal en code tegen het gevraagde gedrag.\n\nK2 Instruct 0905 blijft onderscheiden van K2 Thinking en de latere multimodale K2.5- en K2.6-edities. Hun beeld-/videoinvoer, oorspronkelijke INT4-eigenschappen van het thinking-checkpoint en preserve-thinking-instellingen mogen niet voor deze genoemde tekstupdate worden verondersteld. De nuttige uitvoer is een gericht tekst- of codeartefact op basis van de taak en de werkelijk teruggegeven waarnemingen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 is het bijgewerkte tekstmodel van Moonshot AI voor programmeren, frontendimplementatie en agents. Het breidt de oorspronkelijke K2-context van 128K uit tot 256K en retourneert antwoorden, code en functieaanroepinhoud op basis van de taak en de waarnemingen die de toepassing aanlevert.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2 Instruct 0905 is de instructiemodelupdate van september van Moonshot AI voor Kimi K2. Het is een tekstmodel voor kennis, redeneren, programmeren en taken met tools, met in totaal één biljoen mixture-of-experts-parameters en 32 miljard actieve parameters. De specifieke 0905-editie verbetert programmeren met agents en frontendwerk en breidt de context van de oorspronkelijke release van 128K uit tot 256K tokens.
De fabrikant benadrukt zowel het praktische gedrag als het uiterlijk van frontendcode, naast verbeteringen in reële programmeeragenttaken. Bereid een softwarebriefing voor met de relevante implementatie, het waargenomen gedrag en de vereisten waaraan ze moet voldoen. Benoem voor een interface de inhoud, zichtbare toestanden en interacties, evenals de belangrijke ontwerpkenmerken. Een nuttig resultaat is code die bij die criteria hoort, in plaats van een algemene bespreking van hoe een interface zou kunnen werken.
Een voorbeeldinstructie is: “Werk deze component bij volgens de beschreven formulierflow, behoud bestaande veldnamen en leg de vereiste fout- en succestoestanden uit.” Geef voor debugging representatieve invoer mee en vraag het model de eerste onjuiste voorwaarde te vinden voordat het een gerichte patch teruggeeft. Geef werkelijke render- of validatiewaarnemingen mee aan de volgende revisie.
De 0905-samenvatting beschrijft multi-head latent attention en een sparse mixture of experts die per token acht van 384 experts selecteert naast een gedeelde expert. De context van 256K ondersteunt een groter taakrecord dan de oorspronkelijke K2-editie, maar bevat nog steeds bron, conversatie, toolwaarnemingen en gegenereerd antwoord samen. Een groter venster mag niet als een onafhankelijk maximaal uitvoerbudget worden gelezen.
Orden repositoryfragmenten per bestand en documentmateriaal per sectie. Vermeld het eindartefact en de voorwaarden die tijdens vervolgbeurten ongewijzigd moeten blijven. Vraag voor een vergelijking de passage of het codefragment dat elke conclusie ondersteunt. Behoud de geselecteerde 0905-identiteit wanneer de uitgebreide context en programmeerupdate voor de taak belangrijk zijn.
De maker beveelt temperature 0.6 aan en geeft een eenvoudige assistentsysteeminstructie voor taken die geen gespecialiseerde rol nodig hebben. Bepaal antwoordtaal en -vorm afzonderlijk, zoals uitleg, een brongebaseerde vergelijking of uitsluitend code. Zo blijft het gewenste eindresultaat zichtbaar, ook wanneer de toepassing meerdere modelstappen gebruikt.
De specifieke kaart documenteert beschikbare tools die in elk verzoek worden meegegeven. Functies hebben namen, beschrijvingen en parameterschema's; het model beslist wanneer en hoe het ze aanroept. De toepassing parseert de geselecteerde JSON-argumenten, voert de bewerking uit en retourneert een toolresultaat dat met de aanroep-ID verbonden is. Het volgende antwoord kan vervolgens de werkelijke waarneming gebruiken of de taak voortzetten.
Een gegenereerde patch, gekozen bewerking of zoekplan is een voorstel totdat de omringende toepassing het uitvoert. Bewaar het resultaat van die bewerking als bewijsmateriaal voor de volgende stap en de uiteindelijke overdracht. Controleer geëxtraheerde waarden tegen bronmateriaal en code tegen het gevraagde gedrag.
K2 Instruct 0905 blijft onderscheiden van K2 Thinking en de latere multimodale K2.5- en K2.6-edities. Hun beeld-/videoinvoer, oorspronkelijke INT4-eigenschappen van het thinking-checkpoint en preserve-thinking-instellingen mogen niet voor deze genoemde tekstupdate worden verondersteld. De nuttige uitvoer is een gericht tekst- of codeartefact op basis van de taak en de werkelijk teruggegeven waarnemingen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2-0905 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0012 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0012 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2-0905", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='moonshotai/kimi-k2-0905',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='moonshotai/kimi-k2-0905',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra moonshotai/kimi-k2-0905
Gebruik de hierboven getoonde methodepaden.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 is het bijgewerkte tekstmodel van Moonshot AI voor programmeren, frontendimplementatie en agents. Het breidt de oorspronkelijke K2-context van 128K uit tot 256K en retourneert antwoorden, code en functieaanroepinhoud op basis van de taak en de waarnemingen die de toepassing aanlevert.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2 Instruct 0905 is de instructiemodelupdate van september van Moonshot AI voor Kimi K2. Het is een tekstmodel voor kennis, redeneren, programmeren en taken met tools, met in totaal één biljoen mixture-of-experts-parameters en 32 miljard actieve parameters. De specifieke 0905-editie verbetert programmeren met agents en frontendwerk en breidt de context van de oorspronkelijke release van 128K uit tot 256K tokens.
De fabrikant benadrukt zowel het praktische gedrag als het uiterlijk van frontendcode, naast verbeteringen in reële programmeeragenttaken. Bereid een softwarebriefing voor met de relevante implementatie, het waargenomen gedrag en de vereisten waaraan ze moet voldoen. Benoem voor een interface de inhoud, zichtbare toestanden en interacties, evenals de belangrijke ontwerpkenmerken. Een nuttig resultaat is code die bij die criteria hoort, in plaats van een algemene bespreking van hoe een interface zou kunnen werken.
Een voorbeeldinstructie is: “Werk deze component bij volgens de beschreven formulierflow, behoud bestaande veldnamen en leg de vereiste fout- en succestoestanden uit.” Geef voor debugging representatieve invoer mee en vraag het model de eerste onjuiste voorwaarde te vinden voordat het een gerichte patch teruggeeft. Geef werkelijke render- of validatiewaarnemingen mee aan de volgende revisie.
De 0905-samenvatting beschrijft multi-head latent attention en een sparse mixture of experts die per token acht van 384 experts selecteert naast een gedeelde expert. De context van 256K ondersteunt een groter taakrecord dan de oorspronkelijke K2-editie, maar bevat nog steeds bron, conversatie, toolwaarnemingen en gegenereerd antwoord samen. Een groter venster mag niet als een onafhankelijk maximaal uitvoerbudget worden gelezen.
Orden repositoryfragmenten per bestand en documentmateriaal per sectie. Vermeld het eindartefact en de voorwaarden die tijdens vervolgbeurten ongewijzigd moeten blijven. Vraag voor een vergelijking de passage of het codefragment dat elke conclusie ondersteunt. Behoud de geselecteerde 0905-identiteit wanneer de uitgebreide context en programmeerupdate voor de taak belangrijk zijn.
De maker beveelt temperature 0.6 aan en geeft een eenvoudige assistentsysteeminstructie voor taken die geen gespecialiseerde rol nodig hebben. Bepaal antwoordtaal en -vorm afzonderlijk, zoals uitleg, een brongebaseerde vergelijking of uitsluitend code. Zo blijft het gewenste eindresultaat zichtbaar, ook wanneer de toepassing meerdere modelstappen gebruikt.
De specifieke kaart documenteert beschikbare tools die in elk verzoek worden meegegeven. Functies hebben namen, beschrijvingen en parameterschema's; het model beslist wanneer en hoe het ze aanroept. De toepassing parseert de geselecteerde JSON-argumenten, voert de bewerking uit en retourneert een toolresultaat dat met de aanroep-ID verbonden is. Het volgende antwoord kan vervolgens de werkelijke waarneming gebruiken of de taak voortzetten.
Een gegenereerde patch, gekozen bewerking of zoekplan is een voorstel totdat de omringende toepassing het uitvoert. Bewaar het resultaat van die bewerking als bewijsmateriaal voor de volgende stap en de uiteindelijke overdracht. Controleer geëxtraheerde waarden tegen bronmateriaal en code tegen het gevraagde gedrag.
K2 Instruct 0905 blijft onderscheiden van K2 Thinking en de latere multimodale K2.5- en K2.6-edities. Hun beeld-/videoinvoer, oorspronkelijke INT4-eigenschappen van het thinking-checkpoint en preserve-thinking-instellingen mogen niet voor deze genoemde tekstupdate worden verondersteld. De nuttige uitvoer is een gericht tekst- of codeartefact op basis van de taak en de werkelijk teruggegeven waarnemingen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2-0905 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0012 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0012 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2-0905', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2-0905', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra moonshotai/kimi-k2-0905
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.