Kimi K2.5 é o modelo nativamente multimodal de agentes da Moonshot AI, criado por continuação do pré-treino do Kimi K2 Base com aproximadamente quinze biliões de tokens mistos visuais e textuais. Combina linguagem e visão com fluxos de conversa e agentes. A entrada pode conter texto, imagens e vídeo; a saída é texto, como uma explicação, código ou uma operação de ferramenta proposta.
O resumo do fabricante indica uma arquitetura de mistura de especialistas com 1 bilião de parâmetros no total e 32 mil milhões ativados, um contexto de 256K e um codificador visual MoonViT de 400 milhões de parâmetros. K2.5 adota o método nativo de quantização INT4 documentado para K2 Thinking. São propriedades do ponto de controlo publicado pelo produtor, distintas de uma afirmação sobre todas as configurações de execução envolventes.
Um caso de utilização característico é gerar código a partir de especificações visuais, incluindo conceções de interfaces e fluxos de vídeo. Forneça conteúdo multimédia legível, o código-fonte relevante e o comportamento pretendido. Identifique os detalhes visuais obrigatórios e como o resultado deve responder à interação do utilizador. Um enunciado útil é: «Implemente a disposição fornecida, preserve estas etiquetas e explique como os estados visíveis correspondem aos requisitos.»
Numa tarefa de análise de imagem, peça o detalhe visível que sustenta cada conclusão e separe extração e interpretação. Para vídeo, indique o segmento e a ação ou alteração a explicar. O produtor assinala como experimental o fluxo de vídeo demonstrado; compreender o conteúdo multimédia produz um resultado textual, em vez de renderizar um novo vídeo ou executar por si só uma ação visual.
K2.5 suporta os modos thinking e instant. Thinking desenvolve raciocínio antes da resposta final; instant responde diretamente. A implementação de referência do fabricante recomenda temperature 1.0 para thinking, 0.6 para instant e top-p 0.95. Defina o formato pretendido da resposta separadamente dessa escolha de raciocínio, como um registo extraído, um memorando de decisão ou um artefacto de código completo.
Para uma pergunta difícil, forneça a condição completa e as fontes relevantes. Um enunciado documental pode pedir uma comparação com o trecho de apoio junto de cada conclusão. Um enunciado de programação pode identificar a entrada que falha, as restrições e a alteração a propor. A saída deve continuar rastreável até essa tarefa, em vez de tratar um longo registo de raciocínio como um resultado concluído.
K2.5 usa a mesma conceção de raciocínio intercalado e chamadas de ferramentas em vários passos do K2 Thinking. A aplicação fornece funções com descrições e esquemas, executa as operações selecionadas e devolve observações. Mantenha os resultados associados às chamadas para que o passo seguinte possa usar elementos de prova efetivos.
O produtor descreve também um fluxo com um conjunto coordenado de agentes que decompõe um objetivo complexo em subtarefas especializadas por domínio. Prepare esse objetivo com saídas definidas, ações permitidas e critérios de conclusão. O artefacto final deve integrar as observações efetivamente obtidas; um plano gerado ou um ramo proposto são distintos de trabalho executado.
Planeie a fonte, a representação multimédia, o histórico, o raciocínio e a resposta final dentro do contexto documentado de 256K. O pedido de exemplo e os orçamentos de tokens de avaliação da ficha não constituem tetos universais de saída estabelecidos de forma independente. Identifique fontes e conteúdo multimédia para que um resultado possa remeter para os seus elementos de prova.
O resultado útil é uma explicação fundamentada em imagens, uma proposta de código ou um resultado analítico apoiado em fontes. Reveja os valores face às entradas e inspecione o código na aplicação prevista. K2.5 mantém-se uma versão multimodal própria; os controlos preserve-thinking posteriores do K2.6 e os perfis de instruções das edições K2 textuais anteriores não devem substituir o fluxo documentado desta edição.
", "aboutText": "Kimi K2.5 é o modelo nativamente multimodal de agentes da Moonshot AI, criado por continuação do pré-treino do Kimi K2 Base com aproximadamente quinze biliões de tokens mistos visuais e textuais. Combina linguagem e visão com fluxos de conversa e agentes. A entrada pode conter texto, imagens e vídeo; a saída é texto, como uma explicação, código ou uma operação de ferramenta proposta.\n\n### Perfil do modelo\n\nO resumo do fabricante indica uma arquitetura de mistura de especialistas com 1 bilião de parâmetros no total e 32 mil milhões ativados, um contexto de 256K e um codificador visual MoonViT de 400 milhões de parâmetros. K2.5 adota o método nativo de quantização INT4 documentado para K2 Thinking. São propriedades do ponto de controlo publicado pelo produtor, distintas de uma afirmação sobre todas as configurações de execução envolventes.\n\n### Programação com elementos de prova visuais\n\nUm caso de utilização característico é gerar código a partir de especificações visuais, incluindo conceções de interfaces e fluxos de vídeo. Forneça conteúdo multimédia legível, o código-fonte relevante e o comportamento pretendido. Identifique os detalhes visuais obrigatórios e como o resultado deve responder à interação do utilizador. Um enunciado útil é: «Implemente a disposição fornecida, preserve estas etiquetas e explique como os estados visíveis correspondem aos requisitos.»\n\nNuma tarefa de análise de imagem, peça o detalhe visível que sustenta cada conclusão e separe extração e interpretação. Para vídeo, indique o segmento e a ação ou alteração a explicar. O produtor assinala como experimental o fluxo de vídeo demonstrado; compreender o conteúdo multimédia produz um resultado textual, em vez de renderizar um novo vídeo ou executar por si só uma ação visual.\n\n### Respostas com raciocínio e instantâneas\n\nK2.5 suporta os modos thinking e instant. Thinking desenvolve raciocínio antes da resposta final; instant responde diretamente. A implementação de referência do fabricante recomenda temperature 1.0 para thinking, 0.6 para instant e top-p 0.95. Defina o formato pretendido da resposta separadamente dessa escolha de raciocínio, como um registo extraído, um memorando de decisão ou um artefacto de código completo.\n\nPara uma pergunta difícil, forneça a condição completa e as fontes relevantes. Um enunciado documental pode pedir uma comparação com o trecho de apoio junto de cada conclusão. Um enunciado de programação pode identificar a entrada que falha, as restrições e a alteração a propor. A saída deve continuar rastreável até essa tarefa, em vez de tratar um longo registo de raciocínio como um resultado concluído.\n\n### Ferramentas intercaladas e tarefas com agentes\n\nK2.5 usa a mesma conceção de raciocínio intercalado e chamadas de ferramentas em vários passos do K2 Thinking. A aplicação fornece funções com descrições e esquemas, executa as operações selecionadas e devolve observações. Mantenha os resultados associados às chamadas para que o passo seguinte possa usar elementos de prova efetivos.\n\nO produtor descreve também um fluxo com um conjunto coordenado de agentes que decompõe um objetivo complexo em subtarefas especializadas por domínio. Prepare esse objetivo com saídas definidas, ações permitidas e critérios de conclusão. O artefacto final deve integrar as observações efetivamente obtidas; um plano gerado ou um ramo proposto são distintos de trabalho executado.\n\n### Contexto e revisão\n\nPlaneie a fonte, a representação multimédia, o histórico, o raciocínio e a resposta final dentro do contexto documentado de 256K. O pedido de exemplo e os orçamentos de tokens de avaliação da ficha não constituem tetos universais de saída estabelecidos de forma independente. Identifique fontes e conteúdo multimédia para que um resultado possa remeter para os seus elementos de prova.\n\nO resultado útil é uma explicação fundamentada em imagens, uma proposta de código ou um resultado analítico apoiado em fontes. Reveja os valores face às entradas e inspecione o código na aplicação prevista. K2.5 mantém-se uma versão multimodal própria; os controlos preserve-thinking posteriores do K2.6 e os perfis de instruções das edições K2 textuais anteriores não devem substituir o fluxo documentado desta edição.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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 é o modelo nativamente multimodal de agentes da Moonshot AI para programação fundamentada em imagens, raciocínio e trabalho assistido por ferramentas. Combina texto, imagens e vídeo com os modos thinking e instant, um contexto de 256K e um fluxo do produtor para subtarefas coordenadas entre agentes.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Kimi K2.5 é o modelo nativamente multimodal de agentes da Moonshot AI, criado por continuação do pré-treino do Kimi K2 Base com aproximadamente quinze biliões de tokens mistos visuais e textuais. Combina linguagem e visão com fluxos de conversa e agentes. A entrada pode conter texto, imagens e vídeo; a saída é texto, como uma explicação, código ou uma operação de ferramenta proposta.
O resumo do fabricante indica uma arquitetura de mistura de especialistas com 1 bilião de parâmetros no total e 32 mil milhões ativados, um contexto de 256K e um codificador visual MoonViT de 400 milhões de parâmetros. K2.5 adota o método nativo de quantização INT4 documentado para K2 Thinking. São propriedades do ponto de controlo publicado pelo produtor, distintas de uma afirmação sobre todas as configurações de execução envolventes.
Um caso de utilização característico é gerar código a partir de especificações visuais, incluindo conceções de interfaces e fluxos de vídeo. Forneça conteúdo multimédia legível, o código-fonte relevante e o comportamento pretendido. Identifique os detalhes visuais obrigatórios e como o resultado deve responder à interação do utilizador. Um enunciado útil é: «Implemente a disposição fornecida, preserve estas etiquetas e explique como os estados visíveis correspondem aos requisitos.»
Numa tarefa de análise de imagem, peça o detalhe visível que sustenta cada conclusão e separe extração e interpretação. Para vídeo, indique o segmento e a ação ou alteração a explicar. O produtor assinala como experimental o fluxo de vídeo demonstrado; compreender o conteúdo multimédia produz um resultado textual, em vez de renderizar um novo vídeo ou executar por si só uma ação visual.
K2.5 suporta os modos thinking e instant. Thinking desenvolve raciocínio antes da resposta final; instant responde diretamente. A implementação de referência do fabricante recomenda temperature 1.0 para thinking, 0.6 para instant e top-p 0.95. Defina o formato pretendido da resposta separadamente dessa escolha de raciocínio, como um registo extraído, um memorando de decisão ou um artefacto de código completo.
Para uma pergunta difícil, forneça a condição completa e as fontes relevantes. Um enunciado documental pode pedir uma comparação com o trecho de apoio junto de cada conclusão. Um enunciado de programação pode identificar a entrada que falha, as restrições e a alteração a propor. A saída deve continuar rastreável até essa tarefa, em vez de tratar um longo registo de raciocínio como um resultado concluído.
K2.5 usa a mesma conceção de raciocínio intercalado e chamadas de ferramentas em vários passos do K2 Thinking. A aplicação fornece funções com descrições e esquemas, executa as operações selecionadas e devolve observações. Mantenha os resultados associados às chamadas para que o passo seguinte possa usar elementos de prova efetivos.
O produtor descreve também um fluxo com um conjunto coordenado de agentes que decompõe um objetivo complexo em subtarefas especializadas por domínio. Prepare esse objetivo com saídas definidas, ações permitidas e critérios de conclusão. O artefacto final deve integrar as observações efetivamente obtidas; um plano gerado ou um ramo proposto são distintos de trabalho executado.
Planeie a fonte, a representação multimédia, o histórico, o raciocínio e a resposta final dentro do contexto documentado de 256K. O pedido de exemplo e os orçamentos de tokens de avaliação da ficha não constituem tetos universais de saída estabelecidos de forma independente. Identifique fontes e conteúdo multimédia para que um resultado possa remeter para os seus elementos de prova.
O resultado útil é uma explicação fundamentada em imagens, uma proposta de código ou um resultado analítico apoiado em fontes. Reveja os valores face às entradas e inspecione o código na aplicação prevista. K2.5 mantém-se uma versão multimodal própria; os controlos preserve-thinking posteriores do K2.6 e os perfis de instruções das edições K2 textuais anteriores não devem substituir o fluxo documentado desta edição.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites moonshotai/kimi-k2.5 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0012 / 1K tokens Saída · Tokens de saída $0.006 / 1K tokens Entrada · Leitura da cache $0.0003 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0012 / 1K tokens Saída · Tokens de saída $0.006 / 1K tokens Entrada · Leitura da cache $0.0003 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra moonshotai/kimi-k2.5
Use os caminhos dos métodos indicados acima.
moonshotai/kimi-k2.5Kimi K2.5 é o modelo nativamente multimodal de agentes da Moonshot AI para programação fundamentada em imagens, raciocínio e trabalho assistido por ferramentas. Combina texto, imagens e vídeo com os modos thinking e instant, um contexto de 256K e um fluxo do produtor para subtarefas coordenadas entre agentes.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Kimi K2.5 é o modelo nativamente multimodal de agentes da Moonshot AI, criado por continuação do pré-treino do Kimi K2 Base com aproximadamente quinze biliões de tokens mistos visuais e textuais. Combina linguagem e visão com fluxos de conversa e agentes. A entrada pode conter texto, imagens e vídeo; a saída é texto, como uma explicação, código ou uma operação de ferramenta proposta.
O resumo do fabricante indica uma arquitetura de mistura de especialistas com 1 bilião de parâmetros no total e 32 mil milhões ativados, um contexto de 256K e um codificador visual MoonViT de 400 milhões de parâmetros. K2.5 adota o método nativo de quantização INT4 documentado para K2 Thinking. São propriedades do ponto de controlo publicado pelo produtor, distintas de uma afirmação sobre todas as configurações de execução envolventes.
Um caso de utilização característico é gerar código a partir de especificações visuais, incluindo conceções de interfaces e fluxos de vídeo. Forneça conteúdo multimédia legível, o código-fonte relevante e o comportamento pretendido. Identifique os detalhes visuais obrigatórios e como o resultado deve responder à interação do utilizador. Um enunciado útil é: «Implemente a disposição fornecida, preserve estas etiquetas e explique como os estados visíveis correspondem aos requisitos.»
Numa tarefa de análise de imagem, peça o detalhe visível que sustenta cada conclusão e separe extração e interpretação. Para vídeo, indique o segmento e a ação ou alteração a explicar. O produtor assinala como experimental o fluxo de vídeo demonstrado; compreender o conteúdo multimédia produz um resultado textual, em vez de renderizar um novo vídeo ou executar por si só uma ação visual.
K2.5 suporta os modos thinking e instant. Thinking desenvolve raciocínio antes da resposta final; instant responde diretamente. A implementação de referência do fabricante recomenda temperature 1.0 para thinking, 0.6 para instant e top-p 0.95. Defina o formato pretendido da resposta separadamente dessa escolha de raciocínio, como um registo extraído, um memorando de decisão ou um artefacto de código completo.
Para uma pergunta difícil, forneça a condição completa e as fontes relevantes. Um enunciado documental pode pedir uma comparação com o trecho de apoio junto de cada conclusão. Um enunciado de programação pode identificar a entrada que falha, as restrições e a alteração a propor. A saída deve continuar rastreável até essa tarefa, em vez de tratar um longo registo de raciocínio como um resultado concluído.
K2.5 usa a mesma conceção de raciocínio intercalado e chamadas de ferramentas em vários passos do K2 Thinking. A aplicação fornece funções com descrições e esquemas, executa as operações selecionadas e devolve observações. Mantenha os resultados associados às chamadas para que o passo seguinte possa usar elementos de prova efetivos.
O produtor descreve também um fluxo com um conjunto coordenado de agentes que decompõe um objetivo complexo em subtarefas especializadas por domínio. Prepare esse objetivo com saídas definidas, ações permitidas e critérios de conclusão. O artefacto final deve integrar as observações efetivamente obtidas; um plano gerado ou um ramo proposto são distintos de trabalho executado.
Planeie a fonte, a representação multimédia, o histórico, o raciocínio e a resposta final dentro do contexto documentado de 256K. O pedido de exemplo e os orçamentos de tokens de avaliação da ficha não constituem tetos universais de saída estabelecidos de forma independente. Identifique fontes e conteúdo multimédia para que um resultado possa remeter para os seus elementos de prova.
O resultado útil é uma explicação fundamentada em imagens, uma proposta de código ou um resultado analítico apoiado em fontes. Reveja os valores face às entradas e inspecione o código na aplicação prevista. K2.5 mantém-se uma versão multimodal própria; os controlos preserve-thinking posteriores do K2.6 e os perfis de instruções das edições K2 textuais anteriores não devem substituir o fluxo documentado desta edição.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites moonshotai/kimi-k2.5 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0012 / 1K tokens Saída · Tokens de saída $0.006 / 1K tokens Entrada · Leitura da cache $0.0003 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0012 / 1K tokens Saída · Tokens de saída $0.006 / 1K tokens Entrada · Leitura da cache $0.0003 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "moonshotai/kimi-k2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra moonshotai/kimi-k2.5
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.