Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI, gebouwd door Kimi K2 Base verder voor te trainen op ongeveer vijftien biljoen gemengde visuele en teksttokens. Het combineert taal en beeldbegrip met conversatie- en agentworkflows. De invoer kan tekst, beelden en video bevatten; de uitvoer is tekst, zoals uitleg, code of een voorgestelde toolbewerking.
De samenvatting van de maker vermeldt een mixture-of-experts-architectuur met in totaal één biljoen parameters en 32 miljard geactiveerde parameters, een context van 256K en een MoonViT-beeldencoder met 400 miljoen parameters. K2.5 neemt de eigen INT4-kwantisatiemethode over die voor K2 Thinking is gedocumenteerd. Dat zijn eigenschappen van het gepubliceerde producentcheckpoint en geen bewering over elke omringende uitvoeringsconfiguratie.
Een kenmerkende toepassing is codegeneratie op basis van visuele specificaties, waaronder interfaceontwerpen en videoworkflows. Lever leesbare media, relevante broncode en het beoogde gedrag aan. Benoem welke visuele details verplicht zijn en hoe het resultaat op gebruikersinteractie moet reageren. Een nuttige briefing is: “Implementeer de aangeleverde lay-out, behoud deze labels en leg uit hoe de zichtbare toestanden met de vereisten overeenkomen.”
Vraag bij beeldanalyse het zichtbare detail dat elke bevinding ondersteunt en scheid extractie van interpretatie. Vermeld bij video het segment en de uit te leggen actie of verandering. De producent markeert de gedemonstreerde videoworkflow als experimenteel; mediabegrip produceert een tekstresultaat; het rendert op zichzelf geen nieuwe video en voert evenmin zelfstandig een visuele actie uit.
K2.5 ondersteunt thinking- en instant-modi. Thinking werkt een redenering uit vóór het definitieve antwoord; instant antwoordt direct. De referentie-implementatie van de fabrikant beveelt temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95 aan. Stel de gewenste antwoordvorm afzonderlijk van die redeneerkeuze vast, zoals een geëxtraheerd record, beslisnota of volledig codeartefact.
Geef bij een moeilijke vraag de volledige voorwaarde en relevante bronnen mee. Een documentbriefing kan een vergelijking vragen met de ondersteunende passage naast elke conclusie. Een programmeerbriefing kan de falende invoer, beperkingen en voor te stellen wijziging benoemen. De uitvoer moet naar die taak herleidbaar blijven, in plaats van een lang redeneerspoor als een voltooid resultaat te behandelen.
K2.5 gebruikt hetzelfde ontwerp met afwisselend denken en toolaanroepen over meerdere stappen als K2 Thinking. De toepassing levert functies met beschrijvingen en schema's aan, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Houd resultaten verbonden met hun aanroepen, zodat de volgende stap werkelijk bewijsmateriaal kan gebruiken.
De producent beschrijft ook een agent-swarm-workflow die een complex doel in gecoördineerde domeinspecifieke subtaken opsplitst. Bereid zo'n doel voor met vastgelegde resultaten, toegelaten acties en voltooiingscriteria. Het eindartefact moet de werkelijk verkregen waarnemingen integreren; een gegenereerd plan of voorgestelde tak verschilt van uitgevoerd werk.
Plan bronmateriaal, mediarepresentatie, geschiedenis, redenering en definitief antwoord binnen de gedocumenteerde context van 256K. Het voorbeeldverzoek en de evaluatietokenbudgetten op de kaart zijn geen onafhankelijk vastgestelde universele uitvoerlimieten. Label bronnen en media, zodat een resultaat naar het bewijsmateriaal kan verwijzen.
Het nuttige eindproduct is een uitleg op basis van beeldbewijs, een codevoorstel of een brongebaseerd analyseresultaat. Controleer waarden tegen de invoer en inspecteer code in de bedoelde toepassing. K2.5 blijft een eigen multimodale release; latere K2.6-instellingen voor preserve-thinking en eerdere uitsluitend tekstuele K2-promptprofielen mogen de gedocumenteerde workflow van deze editie niet vervangen.
", "aboutText": "Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI, gebouwd door Kimi K2 Base verder voor te trainen op ongeveer vijftien biljoen gemengde visuele en teksttokens. Het combineert taal en beeldbegrip met conversatie- en agentworkflows. De invoer kan tekst, beelden en video bevatten; de uitvoer is tekst, zoals uitleg, code of een voorgestelde toolbewerking.\n\n### Modelvariant\n\nDe samenvatting van de maker vermeldt een mixture-of-experts-architectuur met in totaal één biljoen parameters en 32 miljard geactiveerde parameters, een context van 256K en een MoonViT-beeldencoder met 400 miljoen parameters. K2.5 neemt de eigen INT4-kwantisatiemethode over die voor K2 Thinking is gedocumenteerd. Dat zijn eigenschappen van het gepubliceerde producentcheckpoint en geen bewering over elke omringende uitvoeringsconfiguratie.\n\n### Programmeren met visueel bewijsmateriaal\n\nEen kenmerkende toepassing is codegeneratie op basis van visuele specificaties, waaronder interfaceontwerpen en videoworkflows. Lever leesbare media, relevante broncode en het beoogde gedrag aan. Benoem welke visuele details verplicht zijn en hoe het resultaat op gebruikersinteractie moet reageren. Een nuttige briefing is: “Implementeer de aangeleverde lay-out, behoud deze labels en leg uit hoe de zichtbare toestanden met de vereisten overeenkomen.”\n\nVraag bij beeldanalyse het zichtbare detail dat elke bevinding ondersteunt en scheid extractie van interpretatie. Vermeld bij video het segment en de uit te leggen actie of verandering. De producent markeert de gedemonstreerde videoworkflow als experimenteel; mediabegrip produceert een tekstresultaat; het rendert op zichzelf geen nieuwe video en voert evenmin zelfstandig een visuele actie uit.\n\n### Redenerende en directe antwoorden\n\nK2.5 ondersteunt thinking- en instant-modi. Thinking werkt een redenering uit vóór het definitieve antwoord; instant antwoordt direct. De referentie-implementatie van de fabrikant beveelt temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95 aan. Stel de gewenste antwoordvorm afzonderlijk van die redeneerkeuze vast, zoals een geëxtraheerd record, beslisnota of volledig codeartefact.\n\nGeef bij een moeilijke vraag de volledige voorwaarde en relevante bronnen mee. Een documentbriefing kan een vergelijking vragen met de ondersteunende passage naast elke conclusie. Een programmeerbriefing kan de falende invoer, beperkingen en voor te stellen wijziging benoemen. De uitvoer moet naar die taak herleidbaar blijven, in plaats van een lang redeneerspoor als een voltooid resultaat te behandelen.\n\n### Afwisselende tools en agenttaken\n\nK2.5 gebruikt hetzelfde ontwerp met afwisselend denken en toolaanroepen over meerdere stappen als K2 Thinking. De toepassing levert functies met beschrijvingen en schema's aan, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Houd resultaten verbonden met hun aanroepen, zodat de volgende stap werkelijk bewijsmateriaal kan gebruiken.\n\nDe producent beschrijft ook een agent-swarm-workflow die een complex doel in gecoördineerde domeinspecifieke subtaken opsplitst. Bereid zo'n doel voor met vastgelegde resultaten, toegelaten acties en voltooiingscriteria. Het eindartefact moet de werkelijk verkregen waarnemingen integreren; een gegenereerd plan of voorgestelde tak verschilt van uitgevoerd werk.\n\n### Context en controle\n\nPlan bronmateriaal, mediarepresentatie, geschiedenis, redenering en definitief antwoord binnen de gedocumenteerde context van 256K. Het voorbeeldverzoek en de evaluatietokenbudgetten op de kaart zijn geen onafhankelijk vastgestelde universele uitvoerlimieten. Label bronnen en media, zodat een resultaat naar het bewijsmateriaal kan verwijzen.\n\nHet nuttige eindproduct is een uitleg op basis van beeldbewijs, een codevoorstel of een brongebaseerd analyseresultaat. Controleer waarden tegen de invoer en inspecteer code in de bedoelde toepassing. K2.5 blijft een eigen multimodale release; latere K2.6-instellingen voor preserve-thinking en eerdere uitsluitend tekstuele K2-promptprofielen mogen de gedocumenteerde workflow van deze editie niet vervangen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.moonshotai/kimi-k2.5Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI voor programmeren met beeldbewijs, redeneren en werk met tools. Het combineert tekst, beelden en video met thinking- en instant-modi, een context van 256K en een producentworkflow voor gecoördineerde agentsubtaken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI, gebouwd door Kimi K2 Base verder voor te trainen op ongeveer vijftien biljoen gemengde visuele en teksttokens. Het combineert taal en beeldbegrip met conversatie- en agentworkflows. De invoer kan tekst, beelden en video bevatten; de uitvoer is tekst, zoals uitleg, code of een voorgestelde toolbewerking.
De samenvatting van de maker vermeldt een mixture-of-experts-architectuur met in totaal één biljoen parameters en 32 miljard geactiveerde parameters, een context van 256K en een MoonViT-beeldencoder met 400 miljoen parameters. K2.5 neemt de eigen INT4-kwantisatiemethode over die voor K2 Thinking is gedocumenteerd. Dat zijn eigenschappen van het gepubliceerde producentcheckpoint en geen bewering over elke omringende uitvoeringsconfiguratie.
Een kenmerkende toepassing is codegeneratie op basis van visuele specificaties, waaronder interfaceontwerpen en videoworkflows. Lever leesbare media, relevante broncode en het beoogde gedrag aan. Benoem welke visuele details verplicht zijn en hoe het resultaat op gebruikersinteractie moet reageren. Een nuttige briefing is: “Implementeer de aangeleverde lay-out, behoud deze labels en leg uit hoe de zichtbare toestanden met de vereisten overeenkomen.”
Vraag bij beeldanalyse het zichtbare detail dat elke bevinding ondersteunt en scheid extractie van interpretatie. Vermeld bij video het segment en de uit te leggen actie of verandering. De producent markeert de gedemonstreerde videoworkflow als experimenteel; mediabegrip produceert een tekstresultaat; het rendert op zichzelf geen nieuwe video en voert evenmin zelfstandig een visuele actie uit.
K2.5 ondersteunt thinking- en instant-modi. Thinking werkt een redenering uit vóór het definitieve antwoord; instant antwoordt direct. De referentie-implementatie van de fabrikant beveelt temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95 aan. Stel de gewenste antwoordvorm afzonderlijk van die redeneerkeuze vast, zoals een geëxtraheerd record, beslisnota of volledig codeartefact.
Geef bij een moeilijke vraag de volledige voorwaarde en relevante bronnen mee. Een documentbriefing kan een vergelijking vragen met de ondersteunende passage naast elke conclusie. Een programmeerbriefing kan de falende invoer, beperkingen en voor te stellen wijziging benoemen. De uitvoer moet naar die taak herleidbaar blijven, in plaats van een lang redeneerspoor als een voltooid resultaat te behandelen.
K2.5 gebruikt hetzelfde ontwerp met afwisselend denken en toolaanroepen over meerdere stappen als K2 Thinking. De toepassing levert functies met beschrijvingen en schema's aan, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Houd resultaten verbonden met hun aanroepen, zodat de volgende stap werkelijk bewijsmateriaal kan gebruiken.
De producent beschrijft ook een agent-swarm-workflow die een complex doel in gecoördineerde domeinspecifieke subtaken opsplitst. Bereid zo'n doel voor met vastgelegde resultaten, toegelaten acties en voltooiingscriteria. Het eindartefact moet de werkelijk verkregen waarnemingen integreren; een gegenereerd plan of voorgestelde tak verschilt van uitgevoerd werk.
Plan bronmateriaal, mediarepresentatie, geschiedenis, redenering en definitief antwoord binnen de gedocumenteerde context van 256K. Het voorbeeldverzoek en de evaluatietokenbudgetten op de kaart zijn geen onafhankelijk vastgestelde universele uitvoerlimieten. Label bronnen en media, zodat een resultaat naar het bewijsmateriaal kan verwijzen.
Het nuttige eindproduct is een uitleg op basis van beeldbewijs, een codevoorstel of een brongebaseerd analyseresultaat. Controleer waarden tegen de invoer en inspecteer code in de bedoelde toepassing. K2.5 blijft een eigen multimodale release; latere K2.6-instellingen voor preserve-thinking en eerdere uitsluitend tekstuele K2-promptprofielen mogen de gedocumenteerde workflow van deze editie niet vervangen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2.5 | 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 $0.006 / 1K tokens Invoer · Cache lezen $0.0003 / 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 $0.006 / 1K tokens Invoer · Cache lezen $0.0003 / 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-k2.5", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='moonshotai/kimi-k2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='moonshotai/kimi-k2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-k2.5
Gebruik de hierboven getoonde methodepaden.
moonshotai/kimi-k2.5Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI voor programmeren met beeldbewijs, redeneren en werk met tools. Het combineert tekst, beelden en video met thinking- en instant-modi, een context van 256K en een producentworkflow voor gecoördineerde agentsubtaken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2.5 is het van oorsprong multimodale agentmodel van Moonshot AI, gebouwd door Kimi K2 Base verder voor te trainen op ongeveer vijftien biljoen gemengde visuele en teksttokens. Het combineert taal en beeldbegrip met conversatie- en agentworkflows. De invoer kan tekst, beelden en video bevatten; de uitvoer is tekst, zoals uitleg, code of een voorgestelde toolbewerking.
De samenvatting van de maker vermeldt een mixture-of-experts-architectuur met in totaal één biljoen parameters en 32 miljard geactiveerde parameters, een context van 256K en een MoonViT-beeldencoder met 400 miljoen parameters. K2.5 neemt de eigen INT4-kwantisatiemethode over die voor K2 Thinking is gedocumenteerd. Dat zijn eigenschappen van het gepubliceerde producentcheckpoint en geen bewering over elke omringende uitvoeringsconfiguratie.
Een kenmerkende toepassing is codegeneratie op basis van visuele specificaties, waaronder interfaceontwerpen en videoworkflows. Lever leesbare media, relevante broncode en het beoogde gedrag aan. Benoem welke visuele details verplicht zijn en hoe het resultaat op gebruikersinteractie moet reageren. Een nuttige briefing is: “Implementeer de aangeleverde lay-out, behoud deze labels en leg uit hoe de zichtbare toestanden met de vereisten overeenkomen.”
Vraag bij beeldanalyse het zichtbare detail dat elke bevinding ondersteunt en scheid extractie van interpretatie. Vermeld bij video het segment en de uit te leggen actie of verandering. De producent markeert de gedemonstreerde videoworkflow als experimenteel; mediabegrip produceert een tekstresultaat; het rendert op zichzelf geen nieuwe video en voert evenmin zelfstandig een visuele actie uit.
K2.5 ondersteunt thinking- en instant-modi. Thinking werkt een redenering uit vóór het definitieve antwoord; instant antwoordt direct. De referentie-implementatie van de fabrikant beveelt temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95 aan. Stel de gewenste antwoordvorm afzonderlijk van die redeneerkeuze vast, zoals een geëxtraheerd record, beslisnota of volledig codeartefact.
Geef bij een moeilijke vraag de volledige voorwaarde en relevante bronnen mee. Een documentbriefing kan een vergelijking vragen met de ondersteunende passage naast elke conclusie. Een programmeerbriefing kan de falende invoer, beperkingen en voor te stellen wijziging benoemen. De uitvoer moet naar die taak herleidbaar blijven, in plaats van een lang redeneerspoor als een voltooid resultaat te behandelen.
K2.5 gebruikt hetzelfde ontwerp met afwisselend denken en toolaanroepen over meerdere stappen als K2 Thinking. De toepassing levert functies met beschrijvingen en schema's aan, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Houd resultaten verbonden met hun aanroepen, zodat de volgende stap werkelijk bewijsmateriaal kan gebruiken.
De producent beschrijft ook een agent-swarm-workflow die een complex doel in gecoördineerde domeinspecifieke subtaken opsplitst. Bereid zo'n doel voor met vastgelegde resultaten, toegelaten acties en voltooiingscriteria. Het eindartefact moet de werkelijk verkregen waarnemingen integreren; een gegenereerd plan of voorgestelde tak verschilt van uitgevoerd werk.
Plan bronmateriaal, mediarepresentatie, geschiedenis, redenering en definitief antwoord binnen de gedocumenteerde context van 256K. Het voorbeeldverzoek en de evaluatietokenbudgetten op de kaart zijn geen onafhankelijk vastgestelde universele uitvoerlimieten. Label bronnen en media, zodat een resultaat naar het bewijsmateriaal kan verwijzen.
Het nuttige eindproduct is een uitleg op basis van beeldbewijs, een codevoorstel of een brongebaseerd analyseresultaat. Controleer waarden tegen de invoer en inspecteer code in de bedoelde toepassing. K2.5 blijft een eigen multimodale release; latere K2.6-instellingen voor preserve-thinking en eerdere uitsluitend tekstuele K2-promptprofielen mogen de gedocumenteerde workflow van deze editie niet vervangen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2.5 | 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 $0.006 / 1K tokens Invoer · Cache lezen $0.0003 / 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 $0.006 / 1K tokens Invoer · Cache lezen $0.0003 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "moonshotai/kimi-k2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-k2.5
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Draft an accessible tab interaction\n\nProvide HTML and JavaScript for three text-only tabs: Overview, Details and Returns. Exactly one panel is visible. Mouse clicks and Left/Right arrow keys change tabs; Home selects the first and End the last. Preserve those labels and include the key accessibility attributes. Return the bounded component and a short interaction-check list without claiming execution.A self-contained tab component proposal and checks for click, arrow, Home and End behavior.The selected tab, focus behavior and visible panel remain consistent after each supported interaction.