Kimi K2.6 is het native multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, ontwerp via code en gecoördineerde taakuitvoering. Het accepteert tekst, afbeeldingen en video en genereert tekst, waaronder uitleg, code en voorgestelde toolaanroepen. Het mixture-of-experts-modelprofiel vermeldt in totaal één biljoen parameters, 32 miljard actieve parameters en een context van 256K, met een MoonViT-encoder voor beelden.
De producent ontwikkelt K2.6 voor programmeren van begin tot eind in verschillende talen en domeinen, waaronder repositorywerk, frontendinterfaces en prestatieoptimalisatie. Lever de relevante code, het verwachte gedrag, de waargenomen fout en de voorwaarden die de wijziging moet behouden. Combineer voor een visuele taak de vereisten met een leesbaar ontwerp of een schermafbeelding en geef aan of deze de huidige toestand of het gewenste resultaat toont.
Een voorbeeldinstructie is: “Implementeer deze interface op basis van de aangeleverde visuele specificatie, behoud de veldnamen en leg het gedrag van elke vereiste toestand uit.” Het verwachte resultaat is code met een ondersteunende uitleg, gevolgd door de daadwerkelijke waarneming van rendering of validatie vanuit de toepassing. Gegenereerde interfaces en tekstvoorstellen zijn op zichzelf geen uitgevoerde acties.
K2.6 ondersteunt de modi thinking en instant. Thinking werkt tussentijdse redeneringen uit vóór het definitieve antwoord; instant produceert een direct antwoord. De implementatieaanbevelingen van de producent gebruiken temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95. Dit zijn aanbevelingen voor de gedocumenteerde referentie, los van de keuze voor de stijl of lengte van het uiteindelijke antwoord.
Een specifieke K2.6-functie is preserve-thinking, die de volledige redeneerinhoud bewaart tijdens interactie met meerdere beurten. Deze is standaard uitgeschakeld en gedocumenteerd voor programmeeragents in thinking-modus. Bij gebruik verbruikt bewaarde analyse context naast toolwaarnemingen en definitieve antwoorden. Houd de geaccepteerde taakvereisten duidelijk, zodat een eerdere voorlopige gedachte geen ongefundeerd feit in het uiteindelijke artefact wordt.
De exacte modelkaart demonstreert beeld- en video-invoer. Label meerdere media-items, behoud zichtbare tekst en vermeld het detail of de gebeurtenis die u uitgelegd wilt hebben. Vraag bij een grafiek de waargenomen waarden afzonderlijk van de interpretatie. Benoem bij video het relevante fragment en de te analyseren verandering in de tijd. De maker markeert de gedemonstreerde videoworkflow in de referentie als experimenteel; beeld- en videobegrip produceert tekst in plaats van gegenereerde media.
K2.6 wisselt denken af met toolaanroepen in meerdere stappen en documenteert een agentzwermbenadering van de producent die een taak opsplitst in gecoördineerde, gespecialiseerde takken. De toepassing levert tools, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Definieer de toegestane acties en het uiteindelijke artefact voordat een agenttaak begint, zoals een voltooide bronvergelijking, repositorypatch of voorbereid document.
Verbind elke geretourneerde waarneming met de bewerking en bron die deze opleverden. Een tak of voorgestelde toolactie wordt pas bruikbaar bewijs wanneer het resultaat beschikbaar is voor de voortgezette taak. De genoemde modi en orkestratiedemonstraties van de producent betekenen niet dat een gewoon tekstantwoord zelfstandig elke achtergrondactie of actie tussen toepassingen uitvoert.
K2.6 neemt de native INT4-kwantisatiemethode van K2 Thinking over. Dit is een gedocumenteerde eigenschap van het checkpoint, geen belofte over een omringende uitvoeringsconfiguratie. De context van 256K moet plaats bieden aan bronmateriaal, gesprek, optioneel bewaarde redeneringen en gevraagde uitvoer samen. De evaluatiebudgetten op de modelkaart zijn geen universele antwoordlimieten.
Controleer code aan de hand van de vereisten, visuele bevindingen aan de hand van de invoer en bronafhankelijke beweringen aan de hand van gezaghebbend materiaal. Houd K2.6 gescheiden van K2.5 en de K2-edities met alleen tekst, vooral wanneer preserve-thinking en details van de visuele workflow voor de taak belangrijk zijn.
", "aboutText": "Kimi K2.6 is het native multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, ontwerp via code en gecoördineerde taakuitvoering. Het accepteert tekst, afbeeldingen en video en genereert tekst, waaronder uitleg, code en voorgestelde toolaanroepen. Het mixture-of-experts-modelprofiel vermeldt in totaal één biljoen parameters, 32 miljard actieve parameters en een context van 256K, met een MoonViT-encoder voor beelden.\n\n### Programmeren en visueel ontwerp\n\nDe producent ontwikkelt K2.6 voor programmeren van begin tot eind in verschillende talen en domeinen, waaronder repositorywerk, frontendinterfaces en prestatieoptimalisatie. Lever de relevante code, het verwachte gedrag, de waargenomen fout en de voorwaarden die de wijziging moet behouden. Combineer voor een visuele taak de vereisten met een leesbaar ontwerp of een schermafbeelding en geef aan of deze de huidige toestand of het gewenste resultaat toont.\n\nEen voorbeeldinstructie is: “Implementeer deze interface op basis van de aangeleverde visuele specificatie, behoud de veldnamen en leg het gedrag van elke vereiste toestand uit.” Het verwachte resultaat is code met een ondersteunende uitleg, gevolgd door de daadwerkelijke waarneming van rendering of validatie vanuit de toepassing. Gegenereerde interfaces en tekstvoorstellen zijn op zichzelf geen uitgevoerde acties.\n\n### Thinking, instant en bewaarde redeneringen\n\nK2.6 ondersteunt de modi thinking en instant. Thinking werkt tussentijdse redeneringen uit vóór het definitieve antwoord; instant produceert een direct antwoord. De implementatieaanbevelingen van de producent gebruiken temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95. Dit zijn aanbevelingen voor de gedocumenteerde referentie, los van de keuze voor de stijl of lengte van het uiteindelijke antwoord.\n\nEen specifieke K2.6-functie is preserve-thinking, die de volledige redeneerinhoud bewaart tijdens interactie met meerdere beurten. Deze is standaard uitgeschakeld en gedocumenteerd voor programmeeragents in thinking-modus. Bij gebruik verbruikt bewaarde analyse context naast toolwaarnemingen en definitieve antwoorden. Houd de geaccepteerde taakvereisten duidelijk, zodat een eerdere voorlopige gedachte geen ongefundeerd feit in het uiteindelijke artefact wordt.\n\n### Multimodale invoer\n\nDe exacte modelkaart demonstreert beeld- en video-invoer. Label meerdere media-items, behoud zichtbare tekst en vermeld het detail of de gebeurtenis die u uitgelegd wilt hebben. Vraag bij een grafiek de waargenomen waarden afzonderlijk van de interpretatie. Benoem bij video het relevante fragment en de te analyseren verandering in de tijd. De maker markeert de gedemonstreerde videoworkflow in de referentie als experimenteel; beeld- en videobegrip produceert tekst in plaats van gegenereerde media.\n\n### Tools en orkestratie\n\nK2.6 wisselt denken af met toolaanroepen in meerdere stappen en documenteert een agentzwermbenadering van de producent die een taak opsplitst in gecoördineerde, gespecialiseerde takken. De toepassing levert tools, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Definieer de toegestane acties en het uiteindelijke artefact voordat een agenttaak begint, zoals een voltooide bronvergelijking, repositorypatch of voorbereid document.\n\nVerbind elke geretourneerde waarneming met de bewerking en bron die deze opleverden. Een tak of voorgestelde toolactie wordt pas bruikbaar bewijs wanneer het resultaat beschikbaar is voor de voortgezette taak. De genoemde modi en orkestratiedemonstraties van de producent betekenen niet dat een gewoon tekstantwoord zelfstandig elke achtergrondactie of actie tussen toepassingen uitvoert.\n\n### Context en editieafbakening\n\nK2.6 neemt de native INT4-kwantisatiemethode van K2 Thinking over. Dit is een gedocumenteerde eigenschap van het checkpoint, geen belofte over een omringende uitvoeringsconfiguratie. De context van 256K moet plaats bieden aan bronmateriaal, gesprek, optioneel bewaarde redeneringen en gevraagde uitvoer samen. De evaluatiebudgetten op de modelkaart zijn geen universele antwoordlimieten.\n\nControleer code aan de hand van de vereisten, visuele bevindingen aan de hand van de invoer en bronafhankelijke beweringen aan de hand van gezaghebbend materiaal. Houd K2.6 gescheiden van K2.5 en de K2-edities met alleen tekst, vooral wanneer preserve-thinking en details van de visuele workflow voor de taak belangrijk zijn.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.moonshotai/kimi-k2.6Kimi K2.6 is het multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, visueel interfacewerk en taken met tools. Het combineert tekst, afbeeldingen en video met thinking- of directe antwoorden en documenteert optioneel behoud van redeneringen tussen beurten binnen een context van 256K.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2.6 is het native multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, ontwerp via code en gecoördineerde taakuitvoering. Het accepteert tekst, afbeeldingen en video en genereert tekst, waaronder uitleg, code en voorgestelde toolaanroepen. Het mixture-of-experts-modelprofiel vermeldt in totaal één biljoen parameters, 32 miljard actieve parameters en een context van 256K, met een MoonViT-encoder voor beelden.
De producent ontwikkelt K2.6 voor programmeren van begin tot eind in verschillende talen en domeinen, waaronder repositorywerk, frontendinterfaces en prestatieoptimalisatie. Lever de relevante code, het verwachte gedrag, de waargenomen fout en de voorwaarden die de wijziging moet behouden. Combineer voor een visuele taak de vereisten met een leesbaar ontwerp of een schermafbeelding en geef aan of deze de huidige toestand of het gewenste resultaat toont.
Een voorbeeldinstructie is: “Implementeer deze interface op basis van de aangeleverde visuele specificatie, behoud de veldnamen en leg het gedrag van elke vereiste toestand uit.” Het verwachte resultaat is code met een ondersteunende uitleg, gevolgd door de daadwerkelijke waarneming van rendering of validatie vanuit de toepassing. Gegenereerde interfaces en tekstvoorstellen zijn op zichzelf geen uitgevoerde acties.
K2.6 ondersteunt de modi thinking en instant. Thinking werkt tussentijdse redeneringen uit vóór het definitieve antwoord; instant produceert een direct antwoord. De implementatieaanbevelingen van de producent gebruiken temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95. Dit zijn aanbevelingen voor de gedocumenteerde referentie, los van de keuze voor de stijl of lengte van het uiteindelijke antwoord.
Een specifieke K2.6-functie is preserve-thinking, die de volledige redeneerinhoud bewaart tijdens interactie met meerdere beurten. Deze is standaard uitgeschakeld en gedocumenteerd voor programmeeragents in thinking-modus. Bij gebruik verbruikt bewaarde analyse context naast toolwaarnemingen en definitieve antwoorden. Houd de geaccepteerde taakvereisten duidelijk, zodat een eerdere voorlopige gedachte geen ongefundeerd feit in het uiteindelijke artefact wordt.
De exacte modelkaart demonstreert beeld- en video-invoer. Label meerdere media-items, behoud zichtbare tekst en vermeld het detail of de gebeurtenis die u uitgelegd wilt hebben. Vraag bij een grafiek de waargenomen waarden afzonderlijk van de interpretatie. Benoem bij video het relevante fragment en de te analyseren verandering in de tijd. De maker markeert de gedemonstreerde videoworkflow in de referentie als experimenteel; beeld- en videobegrip produceert tekst in plaats van gegenereerde media.
K2.6 wisselt denken af met toolaanroepen in meerdere stappen en documenteert een agentzwermbenadering van de producent die een taak opsplitst in gecoördineerde, gespecialiseerde takken. De toepassing levert tools, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Definieer de toegestane acties en het uiteindelijke artefact voordat een agenttaak begint, zoals een voltooide bronvergelijking, repositorypatch of voorbereid document.
Verbind elke geretourneerde waarneming met de bewerking en bron die deze opleverden. Een tak of voorgestelde toolactie wordt pas bruikbaar bewijs wanneer het resultaat beschikbaar is voor de voortgezette taak. De genoemde modi en orkestratiedemonstraties van de producent betekenen niet dat een gewoon tekstantwoord zelfstandig elke achtergrondactie of actie tussen toepassingen uitvoert.
K2.6 neemt de native INT4-kwantisatiemethode van K2 Thinking over. Dit is een gedocumenteerde eigenschap van het checkpoint, geen belofte over een omringende uitvoeringsconfiguratie. De context van 256K moet plaats bieden aan bronmateriaal, gesprek, optioneel bewaarde redeneringen en gevraagde uitvoer samen. De evaluatiebudgetten op de modelkaart zijn geen universele antwoordlimieten.
Controleer code aan de hand van de vereisten, visuele bevindingen aan de hand van de invoer en bronafhankelijke beweringen aan de hand van gezaghebbend materiaal. Houd K2.6 gescheiden van K2.5 en de K2-edities met alleen tekst, vooral wanneer preserve-thinking en details van de visuele workflow voor de taak belangrijk zijn.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2.6 | 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 $0.0019 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.00032 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0019 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.00032 / 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-k2.6", "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-k2.6',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-k2.6',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-k2.6
Gebruik de hierboven getoonde methodepaden.
moonshotai/kimi-k2.6Kimi K2.6 is het multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, visueel interfacewerk en taken met tools. Het combineert tekst, afbeeldingen en video met thinking- of directe antwoorden en documenteert optioneel behoud van redeneringen tussen beurten binnen een context van 256K.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Kimi K2.6 is het native multimodale agentmodel van Moonshot AI voor langdurige programmeertaken, ontwerp via code en gecoördineerde taakuitvoering. Het accepteert tekst, afbeeldingen en video en genereert tekst, waaronder uitleg, code en voorgestelde toolaanroepen. Het mixture-of-experts-modelprofiel vermeldt in totaal één biljoen parameters, 32 miljard actieve parameters en een context van 256K, met een MoonViT-encoder voor beelden.
De producent ontwikkelt K2.6 voor programmeren van begin tot eind in verschillende talen en domeinen, waaronder repositorywerk, frontendinterfaces en prestatieoptimalisatie. Lever de relevante code, het verwachte gedrag, de waargenomen fout en de voorwaarden die de wijziging moet behouden. Combineer voor een visuele taak de vereisten met een leesbaar ontwerp of een schermafbeelding en geef aan of deze de huidige toestand of het gewenste resultaat toont.
Een voorbeeldinstructie is: “Implementeer deze interface op basis van de aangeleverde visuele specificatie, behoud de veldnamen en leg het gedrag van elke vereiste toestand uit.” Het verwachte resultaat is code met een ondersteunende uitleg, gevolgd door de daadwerkelijke waarneming van rendering of validatie vanuit de toepassing. Gegenereerde interfaces en tekstvoorstellen zijn op zichzelf geen uitgevoerde acties.
K2.6 ondersteunt de modi thinking en instant. Thinking werkt tussentijdse redeneringen uit vóór het definitieve antwoord; instant produceert een direct antwoord. De implementatieaanbevelingen van de producent gebruiken temperature 1.0 voor thinking, 0.6 voor instant en top-p 0.95. Dit zijn aanbevelingen voor de gedocumenteerde referentie, los van de keuze voor de stijl of lengte van het uiteindelijke antwoord.
Een specifieke K2.6-functie is preserve-thinking, die de volledige redeneerinhoud bewaart tijdens interactie met meerdere beurten. Deze is standaard uitgeschakeld en gedocumenteerd voor programmeeragents in thinking-modus. Bij gebruik verbruikt bewaarde analyse context naast toolwaarnemingen en definitieve antwoorden. Houd de geaccepteerde taakvereisten duidelijk, zodat een eerdere voorlopige gedachte geen ongefundeerd feit in het uiteindelijke artefact wordt.
De exacte modelkaart demonstreert beeld- en video-invoer. Label meerdere media-items, behoud zichtbare tekst en vermeld het detail of de gebeurtenis die u uitgelegd wilt hebben. Vraag bij een grafiek de waargenomen waarden afzonderlijk van de interpretatie. Benoem bij video het relevante fragment en de te analyseren verandering in de tijd. De maker markeert de gedemonstreerde videoworkflow in de referentie als experimenteel; beeld- en videobegrip produceert tekst in plaats van gegenereerde media.
K2.6 wisselt denken af met toolaanroepen in meerdere stappen en documenteert een agentzwermbenadering van de producent die een taak opsplitst in gecoördineerde, gespecialiseerde takken. De toepassing levert tools, voert geselecteerde bewerkingen uit en retourneert waarnemingen. Definieer de toegestane acties en het uiteindelijke artefact voordat een agenttaak begint, zoals een voltooide bronvergelijking, repositorypatch of voorbereid document.
Verbind elke geretourneerde waarneming met de bewerking en bron die deze opleverden. Een tak of voorgestelde toolactie wordt pas bruikbaar bewijs wanneer het resultaat beschikbaar is voor de voortgezette taak. De genoemde modi en orkestratiedemonstraties van de producent betekenen niet dat een gewoon tekstantwoord zelfstandig elke achtergrondactie of actie tussen toepassingen uitvoert.
K2.6 neemt de native INT4-kwantisatiemethode van K2 Thinking over. Dit is een gedocumenteerde eigenschap van het checkpoint, geen belofte over een omringende uitvoeringsconfiguratie. De context van 256K moet plaats bieden aan bronmateriaal, gesprek, optioneel bewaarde redeneringen en gevraagde uitvoer samen. De evaluatiebudgetten op de modelkaart zijn geen universele antwoordlimieten.
Controleer code aan de hand van de vereisten, visuele bevindingen aan de hand van de invoer en bronafhankelijke beweringen aan de hand van gezaghebbend materiaal. Houd K2.6 gescheiden van K2.5 en de K2-edities met alleen tekst, vooral wanneer preserve-thinking en details van de visuele workflow voor de taak belangrijk zijn.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten moonshotai/kimi-k2.6 | 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 $0.0019 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.00032 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0019 / 1K tokens Uitvoer · Uitvoertokens $0.008 / 1K tokens Invoer · Cache lezen $0.00032 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "moonshotai/kimi-k2.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-k2.6', '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-k2.6', '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-k2.6
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.