Kimi K2 Instruct 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat en agenttaken voor algemeen gebruik. De fabrikant onderscheidt het van K2 Base, het basismodel, en beschrijft de instructie-editie als direct reagerend zonder langdurig denkwerk. Het aanvaardt tekst en genereert antwoorden, code en toolaanroepinhoud, met een context van 128K.
K2 is een mixture-of-experts-model met in totaal één biljoen parameters en 32 miljard actieve parameters. De samenvatting van de maker gebruikt multi-head latent attention en sparse expertroutering en selecteert per token acht van 384 experts met een gedeelde expert. De voortraining gebruikt 15,5 biljoen tokens en de MuonClip-optimalisatieaanpak, ontwikkeld voor stabiele training op de schaal van het model.
Dat zijn eigenschappen van de oorspronkelijke K2-familie. De instructierelease levert vervolgens het gedrag voor chat, programmeren en autonome probleemoplossing met toepassingstools. De identiteit blijft onderscheiden van de latere 0905-contextuitbreiding, de afzonderlijke Thinking-release en de multimodale K2.5- en K2.6-modellen.
Geef voor een vraag de context mee die het antwoord bepaalt en benoem de benodigde antwoordvorm. Neem voor een programmeertaak de relevante implementatie, waargenomen fout, het verwachte gedrag en te behouden beperkingen op. Een voorbeeldverzoek is: “Leg uit waarom deze invoer faalt, stel de kleinste correctie voor en geef de gewijzigde functie met de ondersteunende bronvoorwaarde terug.”
Benoem voor documentwerk de passages en de vergelijkingscriteria. Vraag dat het resultaat eigennamen, veld-ID's en eenheden behoudt en informatie aanduidt die het materiaal niet bevat. Het gewenste artefact moet tijdens revisies expliciet blijven in plaats van te worden vervangen door brede commentaar.
De oorspronkelijke producenthandleiding beveelt temperature 0.6 aan en biedt een eenvoudige assistentsysteeminstructie als standaard wanneer een gespecialiseerde rol niet nodig is. Dit profiel produceert het taakantwoord direct in plaats van het uitgebreide contract met afwisselend redeneren van het latere Thinking-model op te leggen. Stel taal, verplichte details en verwachte lengte van het eindantwoord onafhankelijk van de samplingaanbeveling vast.
K2 Instruct ondersteunt functies die in elk verzoek worden aangeleverd met namen, beschrijvingen en parameterschema's. Het model kiest wanneer en hoe het ze aanroept. De toepassing parseert de voorgestelde JSON-argumenten en voert de geselecteerde bewerking uit; teruggegeven waarnemingen komen in de conversatie met de bijbehorende toolaanroep-ID en functienaam. Het volgende antwoord kan die werkelijke resultaten gebruiken om te antwoorden of een taak voort te zetten.
Definieer wat elke tool doet en welke acties toegelaten zijn. Een documentopzoeking kan een ontbrekend productveld teruggeven, terwijl een ontwikkeltool broncode of een waargenomen fout kan leveren. Een geselecteerde bewerking is geen bewijs van uitvoering totdat het resultaat beschikbaar is. Bewaar de waarneming bij de taak, zodat een uiteindelijke conclusie kan aangeven waarop ze steunt.
Het oorspronkelijke venster van 128K bevat brontekst, conversatie, toolgeschiedenis en gegenereerde inhoud samen. Reserveer ruimte voor het antwoord en orden een lange repository- of documentverzameling rond de eigenlijke vraag. De voorbeeldgrootte voor aanvulling op de modelkaart stelt geen universele harde antwoordlimiet vast.
Het nuttige resultaat is een gecontroleerde tekst, codevoorstel of brongebaseerde analyse. Controleer waarden tegen het aangeleverde materiaal en code in de bedoelde toepassing. Behoud het directe instructieprofiel van de 0711-editie in plaats van er latere context, visuele invoer of functies voor behoud van redenering van een andere K2-release aan toe te schrijven.
", "aboutText": "Kimi K2 Instruct 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat en agenttaken voor algemeen gebruik. De fabrikant onderscheidt het van K2 Base, het basismodel, en beschrijft de instructie-editie als direct reagerend zonder langdurig denkwerk. Het aanvaardt tekst en genereert antwoorden, code en toolaanroepinhoud, met een context van 128K.\n\n### Architectuur en training\n\nK2 is een mixture-of-experts-model met in totaal één biljoen parameters en 32 miljard actieve parameters. De samenvatting van de maker gebruikt multi-head latent attention en sparse expertroutering en selecteert per token acht van 384 experts met een gedeelde expert. De voortraining gebruikt 15,5 biljoen tokens en de MuonClip-optimalisatieaanpak, ontwikkeld voor stabiele training op de schaal van het model.\n\nDat zijn eigenschappen van de oorspronkelijke K2-familie. De instructierelease levert vervolgens het gedrag voor chat, programmeren en autonome probleemoplossing met toepassingstools. De identiteit blijft onderscheiden van de latere 0905-contextuitbreiding, de afzonderlijke Thinking-release en de multimodale K2.5- en K2.6-modellen.\n\n### Bereid de taak voor\n\nGeef voor een vraag de context mee die het antwoord bepaalt en benoem de benodigde antwoordvorm. Neem voor een programmeertaak de relevante implementatie, waargenomen fout, het verwachte gedrag en te behouden beperkingen op. Een voorbeeldverzoek is: “Leg uit waarom deze invoer faalt, stel de kleinste correctie voor en geef de gewijzigde functie met de ondersteunende bronvoorwaarde terug.”\n\nBenoem voor documentwerk de passages en de vergelijkingscriteria. Vraag dat het resultaat eigennamen, veld-ID's en eenheden behoudt en informatie aanduidt die het materiaal niet bevat. Het gewenste artefact moet tijdens revisies expliciet blijven in plaats van te worden vervangen door brede commentaar.\n\n### Chatprofiel\n\nDe oorspronkelijke producenthandleiding beveelt temperature 0.6 aan en biedt een eenvoudige assistentsysteeminstructie als standaard wanneer een gespecialiseerde rol niet nodig is. Dit profiel produceert het taakantwoord direct in plaats van het uitgebreide contract met afwisselend redeneren van het latere Thinking-model op te leggen. Stel taal, verplichte details en verwachte lengte van het eindantwoord onafhankelijk van de samplingaanbeveling vast.\n\n### Tools en waarnemingen\n\nK2 Instruct ondersteunt functies die in elk verzoek worden aangeleverd met namen, beschrijvingen en parameterschema's. Het model kiest wanneer en hoe het ze aanroept. De toepassing parseert de voorgestelde JSON-argumenten en voert de geselecteerde bewerking uit; teruggegeven waarnemingen komen in de conversatie met de bijbehorende toolaanroep-ID en functienaam. Het volgende antwoord kan die werkelijke resultaten gebruiken om te antwoorden of een taak voort te zetten.\n\nDefinieer wat elke tool doet en welke acties toegelaten zijn. Een documentopzoeking kan een ontbrekend productveld teruggeven, terwijl een ontwikkeltool broncode of een waargenomen fout kan leveren. Een geselecteerde bewerking is geen bewijs van uitvoering totdat het resultaat beschikbaar is. Bewaar de waarneming bij de taak, zodat een uiteindelijke conclusie kan aangeven waarop ze steunt.\n\n### Context en resultaatcontrole\n\nHet oorspronkelijke venster van 128K bevat brontekst, conversatie, toolgeschiedenis en gegenereerde inhoud samen. Reserveer ruimte voor het antwoord en orden een lange repository- of documentverzameling rond de eigenlijke vraag. De voorbeeldgrootte voor aanvulling op de modelkaart stelt geen universele harde antwoordlimiet vast.\n\nHet nuttige resultaat is een gecontroleerde tekst, codevoorstel of brongebaseerde analyse. Controleer waarden tegen het aangeleverde materiaal en code in de bedoelde toepassing. Behoud het directe instructieprofiel van de 0711-editie in plaats van er latere context, visuele invoer of functies voor behoud van redenering van een andere K2-release aan toe te schrijven.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.moonshotai/kimi-k2Kimi K2 Instruct 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat, programmeren en agents met tools. De context van 128K en het directe responsprofiel leveren antwoorden, code en geselecteerde functieaanroepen zonder de latere K2 Thinking-workflow.
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 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat en agenttaken voor algemeen gebruik. De fabrikant onderscheidt het van K2 Base, het basismodel, en beschrijft de instructie-editie als direct reagerend zonder langdurig denkwerk. Het aanvaardt tekst en genereert antwoorden, code en toolaanroepinhoud, met een context van 128K.
K2 is een mixture-of-experts-model met in totaal één biljoen parameters en 32 miljard actieve parameters. De samenvatting van de maker gebruikt multi-head latent attention en sparse expertroutering en selecteert per token acht van 384 experts met een gedeelde expert. De voortraining gebruikt 15,5 biljoen tokens en de MuonClip-optimalisatieaanpak, ontwikkeld voor stabiele training op de schaal van het model.
Dat zijn eigenschappen van de oorspronkelijke K2-familie. De instructierelease levert vervolgens het gedrag voor chat, programmeren en autonome probleemoplossing met toepassingstools. De identiteit blijft onderscheiden van de latere 0905-contextuitbreiding, de afzonderlijke Thinking-release en de multimodale K2.5- en K2.6-modellen.
Geef voor een vraag de context mee die het antwoord bepaalt en benoem de benodigde antwoordvorm. Neem voor een programmeertaak de relevante implementatie, waargenomen fout, het verwachte gedrag en te behouden beperkingen op. Een voorbeeldverzoek is: “Leg uit waarom deze invoer faalt, stel de kleinste correctie voor en geef de gewijzigde functie met de ondersteunende bronvoorwaarde terug.”
Benoem voor documentwerk de passages en de vergelijkingscriteria. Vraag dat het resultaat eigennamen, veld-ID's en eenheden behoudt en informatie aanduidt die het materiaal niet bevat. Het gewenste artefact moet tijdens revisies expliciet blijven in plaats van te worden vervangen door brede commentaar.
De oorspronkelijke producenthandleiding beveelt temperature 0.6 aan en biedt een eenvoudige assistentsysteeminstructie als standaard wanneer een gespecialiseerde rol niet nodig is. Dit profiel produceert het taakantwoord direct in plaats van het uitgebreide contract met afwisselend redeneren van het latere Thinking-model op te leggen. Stel taal, verplichte details en verwachte lengte van het eindantwoord onafhankelijk van de samplingaanbeveling vast.
K2 Instruct ondersteunt functies die in elk verzoek worden aangeleverd met namen, beschrijvingen en parameterschema's. Het model kiest wanneer en hoe het ze aanroept. De toepassing parseert de voorgestelde JSON-argumenten en voert de geselecteerde bewerking uit; teruggegeven waarnemingen komen in de conversatie met de bijbehorende toolaanroep-ID en functienaam. Het volgende antwoord kan die werkelijke resultaten gebruiken om te antwoorden of een taak voort te zetten.
Definieer wat elke tool doet en welke acties toegelaten zijn. Een documentopzoeking kan een ontbrekend productveld teruggeven, terwijl een ontwikkeltool broncode of een waargenomen fout kan leveren. Een geselecteerde bewerking is geen bewijs van uitvoering totdat het resultaat beschikbaar is. Bewaar de waarneming bij de taak, zodat een uiteindelijke conclusie kan aangeven waarop ze steunt.
Het oorspronkelijke venster van 128K bevat brontekst, conversatie, toolgeschiedenis en gegenereerde inhoud samen. Reserveer ruimte voor het antwoord en orden een lange repository- of documentverzameling rond de eigenlijke vraag. De voorbeeldgrootte voor aanvulling op de modelkaart stelt geen universele harde antwoordlimiet vast.
Het nuttige resultaat is een gecontroleerde tekst, codevoorstel of brongebaseerde analyse. Controleer waarden tegen het aangeleverde materiaal en code in de bedoelde toepassing. Behoud het directe instructieprofiel van de 0711-editie in plaats van er latere context, visuele invoer of functies voor behoud van redenering van een andere K2-release aan toe te schrijven.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2 | 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 $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.0046 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.0046 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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", "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',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',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
Gebruik de hierboven getoonde methodepaden.
moonshotai/kimi-k2Kimi K2 Instruct 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat, programmeren en agents met tools. De context van 128K en het directe responsprofiel leveren antwoorden, code en geselecteerde functieaanroepen zonder de latere K2 Thinking-workflow.
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 0711 is het oorspronkelijke nagetrainde K2-tekstmodel van Moonshot AI voor chat en agenttaken voor algemeen gebruik. De fabrikant onderscheidt het van K2 Base, het basismodel, en beschrijft de instructie-editie als direct reagerend zonder langdurig denkwerk. Het aanvaardt tekst en genereert antwoorden, code en toolaanroepinhoud, met een context van 128K.
K2 is een mixture-of-experts-model met in totaal één biljoen parameters en 32 miljard actieve parameters. De samenvatting van de maker gebruikt multi-head latent attention en sparse expertroutering en selecteert per token acht van 384 experts met een gedeelde expert. De voortraining gebruikt 15,5 biljoen tokens en de MuonClip-optimalisatieaanpak, ontwikkeld voor stabiele training op de schaal van het model.
Dat zijn eigenschappen van de oorspronkelijke K2-familie. De instructierelease levert vervolgens het gedrag voor chat, programmeren en autonome probleemoplossing met toepassingstools. De identiteit blijft onderscheiden van de latere 0905-contextuitbreiding, de afzonderlijke Thinking-release en de multimodale K2.5- en K2.6-modellen.
Geef voor een vraag de context mee die het antwoord bepaalt en benoem de benodigde antwoordvorm. Neem voor een programmeertaak de relevante implementatie, waargenomen fout, het verwachte gedrag en te behouden beperkingen op. Een voorbeeldverzoek is: “Leg uit waarom deze invoer faalt, stel de kleinste correctie voor en geef de gewijzigde functie met de ondersteunende bronvoorwaarde terug.”
Benoem voor documentwerk de passages en de vergelijkingscriteria. Vraag dat het resultaat eigennamen, veld-ID's en eenheden behoudt en informatie aanduidt die het materiaal niet bevat. Het gewenste artefact moet tijdens revisies expliciet blijven in plaats van te worden vervangen door brede commentaar.
De oorspronkelijke producenthandleiding beveelt temperature 0.6 aan en biedt een eenvoudige assistentsysteeminstructie als standaard wanneer een gespecialiseerde rol niet nodig is. Dit profiel produceert het taakantwoord direct in plaats van het uitgebreide contract met afwisselend redeneren van het latere Thinking-model op te leggen. Stel taal, verplichte details en verwachte lengte van het eindantwoord onafhankelijk van de samplingaanbeveling vast.
K2 Instruct ondersteunt functies die in elk verzoek worden aangeleverd met namen, beschrijvingen en parameterschema's. Het model kiest wanneer en hoe het ze aanroept. De toepassing parseert de voorgestelde JSON-argumenten en voert de geselecteerde bewerking uit; teruggegeven waarnemingen komen in de conversatie met de bijbehorende toolaanroep-ID en functienaam. Het volgende antwoord kan die werkelijke resultaten gebruiken om te antwoorden of een taak voort te zetten.
Definieer wat elke tool doet en welke acties toegelaten zijn. Een documentopzoeking kan een ontbrekend productveld teruggeven, terwijl een ontwikkeltool broncode of een waargenomen fout kan leveren. Een geselecteerde bewerking is geen bewijs van uitvoering totdat het resultaat beschikbaar is. Bewaar de waarneming bij de taak, zodat een uiteindelijke conclusie kan aangeven waarop ze steunt.
Het oorspronkelijke venster van 128K bevat brontekst, conversatie, toolgeschiedenis en gegenereerde inhoud samen. Reserveer ruimte voor het antwoord en orden een lange repository- of documentverzameling rond de eigenlijke vraag. De voorbeeldgrootte voor aanvulling op de modelkaart stelt geen universele harde antwoordlimiet vast.
Het nuttige resultaat is een gecontroleerde tekst, codevoorstel of brongebaseerde analyse. Controleer waarden tegen het aangeleverde materiaal en code in de bedoelde toepassing. Behoud het directe instructieprofiel van de 0711-editie in plaats van er latere context, visuele invoer of functies voor behoud van redenering van een andere K2-release aan toe te schrijven.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2 | 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 $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.0046 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.0046 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "moonshotai/kimi-k2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Fix an empty-input crash\n\nFix this Python function: def first_name(names): return names[0].strip(). For an empty list it must return None; otherwise preserve the existing trimming behavior, including returning an empty string for whitespace-only input. Return a minimal implementation and tests for an empty list, a padded name and a whitespace-only name.A revised first_name function and three tests with explicit expected values.Check that only an empty list returns None and that a whitespace-only first value still returns an empty string.