Kimi K2 Instruct 0905 — сентябрьское обновление инструкционной модели Kimi K2 от Moonshot AI. Это текстовая модель для знаний, рассуждения, программирования и задач с инструментами с 1 трлн параметров смеси экспертов всего и 32 млрд активных параметров. Редакция 0905 улучшает агентное программирование и работу с фронтендом и расширяет контекст со 128 тыс. токенов исходного выпуска до 256 тыс.
Разработчик подчёркивает практическое поведение и внешний вид кода фронтенда вместе с улучшениями реальных задач агентов-программистов. Подготовьте задание по ПО с соответствующей реализацией, наблюдаемым поведением и требованиями, которым оно должно удовлетворять. Для интерфейса определите содержимое, видимые состояния и взаимодействия, а также важные особенности дизайна. Полезный результат — код, связанный с этими критериями, а не общее обсуждение возможного устройства интерфейса.
Пример инструкции: «Обнови этот компонент под описанный сценарий формы, сохрани существующие имена полей и объясни обязательные состояния ошибки и успеха». Для отладки передайте характерный вход и попросите модель определить первое неверное условие, прежде чем вернуть целевой патч. Передавайте фактические наблюдения отрисовки или проверки в следующую редакцию.
Сводка 0905 описывает многоголовое латентное внимание и разреженную смесь экспертов с выбором восьми из 384 экспертов на токен наряду с общим экспертом. Контекст 256 тыс. токенов поддерживает более крупную запись задачи, чем исходная редакция K2, но всё равно содержит источник, диалог, наблюдения инструментов и сгенерированный ответ вместе. Большее окно нельзя читать как независимый максимальный лимит вывода.
Организуйте выдержки репозитория по файлам, а документы — по разделам. Укажите итоговый материал и условия, которые должны оставаться неизменными при уточнениях. Для сравнения запрашивайте фрагмент текста или кода, подтверждающий каждое заключение. Сохраняйте выбранную идентичность 0905, когда расширенный контекст и обновление программирования важны для задачи.
Разработчик рекомендует temperature 0.6 и предоставляет простую системную инструкцию ассистента для задач без специализированной роли. Определяйте язык и форму ответа отдельно: например, объяснение, сравнение по источникам или только код. Это сохраняет желаемый итоговый результат видимым, даже если приложение использует несколько шагов модели.
Карточка именно этой модели документирует доступные инструменты, предоставляемые в каждом запросе. Функции имеют имена, описания и схемы параметров; модель решает, когда и как их вызывать. Приложение разбирает выбранные аргументы JSON, выполняет операцию и возвращает результат инструмента, связанный с идентификатором вызова. Следующий ответ может использовать фактическое наблюдение или продолжить задачу.
Сгенерированный патч, выбранная операция или план поиска остаются предложением, пока внешнее приложение не выполнит их. Сохраняйте результат операции как свидетельство для следующего шага и итоговой передачи. Сверяйте извлечённые значения с исходным материалом, а код — с запрошенным поведением.
K2 Instruct 0905 остаётся отдельной от K2 Thinking и более поздних мультимодальных редакций K2.5 и K2.6. Для этого именованного текстового обновления нельзя предполагать их вход изображений и видео, свойства родного INT4-чекпойнта рассуждения и элементы preserve-thinking. Полезный вывод — целевой текст или код с опорой на задачу и фактически возвращённые наблюдения.
", "aboutText": "Kimi K2 Instruct 0905 — сентябрьское обновление инструкционной модели Kimi K2 от Moonshot AI. Это текстовая модель для знаний, рассуждения, программирования и задач с инструментами с 1 трлн параметров смеси экспертов всего и 32 млрд активных параметров. Редакция 0905 улучшает агентное программирование и работу с фронтендом и расширяет контекст со 128 тыс. токенов исходного выпуска до 256 тыс.\n\n### Что меняется в этой редакции\n\nРазработчик подчёркивает практическое поведение и внешний вид кода фронтенда вместе с улучшениями реальных задач агентов-программистов. Подготовьте задание по ПО с соответствующей реализацией, наблюдаемым поведением и требованиями, которым оно должно удовлетворять. Для интерфейса определите содержимое, видимые состояния и взаимодействия, а также важные особенности дизайна. Полезный результат — код, связанный с этими критериями, а не общее обсуждение возможного устройства интерфейса.\n\nПример инструкции: «Обнови этот компонент под описанный сценарий формы, сохрани существующие имена полей и объясни обязательные состояния ошибки и успеха». Для отладки передайте характерный вход и попросите модель определить первое неверное условие, прежде чем вернуть целевой патч. Передавайте фактические наблюдения отрисовки или проверки в следующую редакцию.\n\n### Вариант модели и длинный контекст\n\nСводка 0905 описывает многоголовое латентное внимание и разреженную смесь экспертов с выбором восьми из 384 экспертов на токен наряду с общим экспертом. Контекст 256 тыс. токенов поддерживает более крупную запись задачи, чем исходная редакция K2, но всё равно содержит источник, диалог, наблюдения инструментов и сгенерированный ответ вместе. Большее окно нельзя читать как независимый максимальный лимит вывода.\n\nОрганизуйте выдержки репозитория по файлам, а документы — по разделам. Укажите итоговый материал и условия, которые должны оставаться неизменными при уточнениях. Для сравнения запрашивайте фрагмент текста или кода, подтверждающий каждое заключение. Сохраняйте выбранную идентичность 0905, когда расширенный контекст и обновление программирования важны для задачи.\n\n### Чат и вызов функций\n\nРазработчик рекомендует temperature 0.6 и предоставляет простую системную инструкцию ассистента для задач без специализированной роли. Определяйте язык и форму ответа отдельно: например, объяснение, сравнение по источникам или только код. Это сохраняет желаемый итоговый результат видимым, даже если приложение использует несколько шагов модели.\n\nКарточка именно этой модели документирует доступные инструменты, предоставляемые в каждом запросе. Функции имеют имена, описания и схемы параметров; модель решает, когда и как их вызывать. Приложение разбирает выбранные аргументы JSON, выполняет операцию и возвращает результат инструмента, связанный с идентификатором вызова. Следующий ответ может использовать фактическое наблюдение или продолжить задачу.\n\n### Проверяемые результаты\n\nСгенерированный патч, выбранная операция или план поиска остаются предложением, пока внешнее приложение не выполнит их. Сохраняйте результат операции как свидетельство для следующего шага и итоговой передачи. Сверяйте извлечённые значения с исходным материалом, а код — с запрошенным поведением.\n\nK2 Instruct 0905 остаётся отдельной от K2 Thinking и более поздних мультимодальных редакций K2.5 и K2.6. Для этого именованного текстового обновления нельзя предполагать их вход изображений и видео, свойства родного INT4-чекпойнта рассуждения и элементы preserve-thinking. Полезный вывод — целевой текст или код с опорой на задачу и фактически возвращённые наблюдения.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 — обновлённая текстовая модель Moonshot AI для программирования, реализации фронтенда и агентов. Она расширяет исходный контекст K2 со 128 тыс. до 256 тыс. токенов и возвращает ответы, код и содержимое вызовов функций на основе задачи и наблюдений, переданных приложением.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Kimi K2 Instruct 0905 — сентябрьское обновление инструкционной модели Kimi K2 от Moonshot AI. Это текстовая модель для знаний, рассуждения, программирования и задач с инструментами с 1 трлн параметров смеси экспертов всего и 32 млрд активных параметров. Редакция 0905 улучшает агентное программирование и работу с фронтендом и расширяет контекст со 128 тыс. токенов исходного выпуска до 256 тыс.
Разработчик подчёркивает практическое поведение и внешний вид кода фронтенда вместе с улучшениями реальных задач агентов-программистов. Подготовьте задание по ПО с соответствующей реализацией, наблюдаемым поведением и требованиями, которым оно должно удовлетворять. Для интерфейса определите содержимое, видимые состояния и взаимодействия, а также важные особенности дизайна. Полезный результат — код, связанный с этими критериями, а не общее обсуждение возможного устройства интерфейса.
Пример инструкции: «Обнови этот компонент под описанный сценарий формы, сохрани существующие имена полей и объясни обязательные состояния ошибки и успеха». Для отладки передайте характерный вход и попросите модель определить первое неверное условие, прежде чем вернуть целевой патч. Передавайте фактические наблюдения отрисовки или проверки в следующую редакцию.
Сводка 0905 описывает многоголовое латентное внимание и разреженную смесь экспертов с выбором восьми из 384 экспертов на токен наряду с общим экспертом. Контекст 256 тыс. токенов поддерживает более крупную запись задачи, чем исходная редакция K2, но всё равно содержит источник, диалог, наблюдения инструментов и сгенерированный ответ вместе. Большее окно нельзя читать как независимый максимальный лимит вывода.
Организуйте выдержки репозитория по файлам, а документы — по разделам. Укажите итоговый материал и условия, которые должны оставаться неизменными при уточнениях. Для сравнения запрашивайте фрагмент текста или кода, подтверждающий каждое заключение. Сохраняйте выбранную идентичность 0905, когда расширенный контекст и обновление программирования важны для задачи.
Разработчик рекомендует temperature 0.6 и предоставляет простую системную инструкцию ассистента для задач без специализированной роли. Определяйте язык и форму ответа отдельно: например, объяснение, сравнение по источникам или только код. Это сохраняет желаемый итоговый результат видимым, даже если приложение использует несколько шагов модели.
Карточка именно этой модели документирует доступные инструменты, предоставляемые в каждом запросе. Функции имеют имена, описания и схемы параметров; модель решает, когда и как их вызывать. Приложение разбирает выбранные аргументы JSON, выполняет операцию и возвращает результат инструмента, связанный с идентификатором вызова. Следующий ответ может использовать фактическое наблюдение или продолжить задачу.
Сгенерированный патч, выбранная операция или план поиска остаются предложением, пока внешнее приложение не выполнит их. Сохраняйте результат операции как свидетельство для следующего шага и итоговой передачи. Сверяйте извлечённые значения с исходным материалом, а код — с запрошенным поведением.
K2 Instruct 0905 остаётся отдельной от K2 Thinking и более поздних мультимодальных редакций K2.5 и K2.6. Для этого именованного текстового обновления нельзя предполагать их вход изображений и видео, свойства родного INT4-чекпойнта рассуждения и элементы preserve-thinking. Полезный вывод — целевой текст или код с опорой на задачу и фактически возвращённые наблюдения.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения moonshotai/kimi-k2-0905 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0012 / 1K токенов Выход · Выходные токены $0.005 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0012 / 1K токенов Выход · Выходные токены $0.005 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "moonshotai/kimi-k2-0905", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='moonshotai/kimi-k2-0905',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='moonshotai/kimi-k2-0905',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra moonshotai/kimi-k2-0905
Используйте пути методов, указанные выше.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 — обновлённая текстовая модель Moonshot AI для программирования, реализации фронтенда и агентов. Она расширяет исходный контекст K2 со 128 тыс. до 256 тыс. токенов и возвращает ответы, код и содержимое вызовов функций на основе задачи и наблюдений, переданных приложением.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Kimi K2 Instruct 0905 — сентябрьское обновление инструкционной модели Kimi K2 от Moonshot AI. Это текстовая модель для знаний, рассуждения, программирования и задач с инструментами с 1 трлн параметров смеси экспертов всего и 32 млрд активных параметров. Редакция 0905 улучшает агентное программирование и работу с фронтендом и расширяет контекст со 128 тыс. токенов исходного выпуска до 256 тыс.
Разработчик подчёркивает практическое поведение и внешний вид кода фронтенда вместе с улучшениями реальных задач агентов-программистов. Подготовьте задание по ПО с соответствующей реализацией, наблюдаемым поведением и требованиями, которым оно должно удовлетворять. Для интерфейса определите содержимое, видимые состояния и взаимодействия, а также важные особенности дизайна. Полезный результат — код, связанный с этими критериями, а не общее обсуждение возможного устройства интерфейса.
Пример инструкции: «Обнови этот компонент под описанный сценарий формы, сохрани существующие имена полей и объясни обязательные состояния ошибки и успеха». Для отладки передайте характерный вход и попросите модель определить первое неверное условие, прежде чем вернуть целевой патч. Передавайте фактические наблюдения отрисовки или проверки в следующую редакцию.
Сводка 0905 описывает многоголовое латентное внимание и разреженную смесь экспертов с выбором восьми из 384 экспертов на токен наряду с общим экспертом. Контекст 256 тыс. токенов поддерживает более крупную запись задачи, чем исходная редакция K2, но всё равно содержит источник, диалог, наблюдения инструментов и сгенерированный ответ вместе. Большее окно нельзя читать как независимый максимальный лимит вывода.
Организуйте выдержки репозитория по файлам, а документы — по разделам. Укажите итоговый материал и условия, которые должны оставаться неизменными при уточнениях. Для сравнения запрашивайте фрагмент текста или кода, подтверждающий каждое заключение. Сохраняйте выбранную идентичность 0905, когда расширенный контекст и обновление программирования важны для задачи.
Разработчик рекомендует temperature 0.6 и предоставляет простую системную инструкцию ассистента для задач без специализированной роли. Определяйте язык и форму ответа отдельно: например, объяснение, сравнение по источникам или только код. Это сохраняет желаемый итоговый результат видимым, даже если приложение использует несколько шагов модели.
Карточка именно этой модели документирует доступные инструменты, предоставляемые в каждом запросе. Функции имеют имена, описания и схемы параметров; модель решает, когда и как их вызывать. Приложение разбирает выбранные аргументы JSON, выполняет операцию и возвращает результат инструмента, связанный с идентификатором вызова. Следующий ответ может использовать фактическое наблюдение или продолжить задачу.
Сгенерированный патч, выбранная операция или план поиска остаются предложением, пока внешнее приложение не выполнит их. Сохраняйте результат операции как свидетельство для следующего шага и итоговой передачи. Сверяйте извлечённые значения с исходным материалом, а код — с запрошенным поведением.
K2 Instruct 0905 остаётся отдельной от K2 Thinking и более поздних мультимодальных редакций K2.5 и K2.6. Для этого именованного текстового обновления нельзя предполагать их вход изображений и видео, свойства родного INT4-чекпойнта рассуждения и элементы preserve-thinking. Полезный вывод — целевой текст или код с опорой на задачу и фактически возвращённые наблюдения.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения moonshotai/kimi-k2-0905 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0012 / 1K токенов Выход · Выходные токены $0.005 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.0012 / 1K токенов Выход · Выходные токены $0.005 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2-0905', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2-0905', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra moonshotai/kimi-k2-0905
Используйте пути методов, указанные выше.
Технический пример на английском
Specify an accessible form correction\n\nPropose a focused HTML change for this form: <input id="email"><span>Email required</span><button>Send</button>. Requirements: a visible label must name the field, the error must be programmatically associated and the button must submit the form. Return the revised fragment and checks for label association and error text, preserving the email field ID.A revised HTML form fragment and two focused accessibility checks, with email still the field ID.Inspect label for/id and the error association; do not describe keyboard or screen-reader checks as already executed.