Kimi K2 Instruct 0905 är Moonshot AI:s septemberuppdatering av instruktionsmodellen Kimi K2. Den är en textmodell för kunskap, resonemang, kodning och verktygsstyrda uppgifter, med totalt en biljon mixture-of-experts-parametrar och 32 miljarder aktiva parametrar. Den specifika utgåvan 0905 förbättrar agentbaserad kodning och frontendarbete och utökar kontexten från den ursprungliga utgåvans 128K till 256K token.
Tillverkaren betonar både frontendkodens praktiska beteende och utseende, tillsammans med förbättringar i verkliga kodagentuppgifter. Förbered ett mjukvaruuppdrag med relevant implementation, observerat beteende och kraven som det måste uppfylla. För ett gränssnitt identifierar du innehåll, synliga tillstånd och interaktioner samt designegenskaperna som är viktiga. Ett användbart resultat är kod knuten till dessa kriterier snarare än en allmän diskussion om hur ett gränssnitt skulle kunna fungera.
En illustrativ instruktion är: ”Uppdatera den här komponenten så att den motsvarar det beskrivna formulärflödet, bevara befintliga fältnamn och förklara de nödvändiga fel- och framgångstillstånden.” För felsökning tillhandahåller du representativa indata och ber modellen identifiera det första felaktiga villkoret innan den returnerar en avgränsad patch. För in faktiska observationer från rendering eller validering i nästa revision.
Sammanfattningen för 0905 beskriver latent uppmärksamhet med flera huvuden och en gles blandning av experter, med åtta av 384 experter valda per token tillsammans med en delad expert. Kontexten på 256K token stöder ett större uppgiftsunderlag än den ursprungliga K2-utgåvan, samtidigt som den fortfarande innehåller källan, samtalet, verktygsobservationerna och det genererade svaret tillsammans. Ett större fönster ska inte läsas som ett oberoende maximalt utmatningsutrymme.
Organisera utdrag ur kodarkivet efter fil och dokumentmaterial efter avsnitt. Ange den slutliga leveransen och villkoren som måste lämnas oförändrade genom uppföljningar. För en jämförelse begär du textavsnittet eller kodfragmentet som stöder varje slutsats. Behåll den valda identiteten 0905 när den utökade kontexten och koduppdateringen är viktiga för uppgiften.
Tillverkaren rekommenderar temperatur 0.6 och tillhandahåller en enkel systeminstruktion för assistenten för uppgifter som inte behöver en specialiserad roll. Definiera svarsspråk och form separat, exempelvis en förklaring, en källstödd jämförelse eller enbart kod. Det håller det önskade slutresultatet synligt även när applikationen använder flera modellsteg.
Det specifika modellkortet dokumenterar tillgängliga verktyg som tillhandahålls i varje begäran. Funktioner har namn, beskrivningar och parameterscheman; modellen bestämmer när och hur de ska anropas. Applikationen tolkar de valda JSON-argumenten, utför operationen och returnerar ett verktygsresultat kopplat till anropsidentifieraren. Nästa svar kan sedan använda den faktiska observationen eller fortsätta uppgiften.
En genererad patch, vald operation eller sökplan är ett förslag tills den omgivande applikationen utför det. Behåll resultatet från operationen som underlag för nästa steg och den slutliga överlämningen. Kontrollera extraherade värden mot källmaterialet och kod mot det begärda beteendet.
K2 Instruct 0905 förblir skild från K2 Thinking och de senare multimodala utgåvorna K2.5 och K2.6. Deras bild-/videoindata, egenskaper hos inbyggt INT4-kvantiserade thinking-versioner och preserve-thinking-kontroller ska inte härledas för den här namngivna textuppdateringen. Användbara utdata är en fokuserad text- eller kodleverans förankrad i uppgiften och observationerna som faktiskt returnerats.
", "aboutText": "Kimi K2 Instruct 0905 är Moonshot AI:s septemberuppdatering av instruktionsmodellen Kimi K2. Den är en textmodell för kunskap, resonemang, kodning och verktygsstyrda uppgifter, med totalt en biljon mixture-of-experts-parametrar och 32 miljarder aktiva parametrar. Den specifika utgåvan 0905 förbättrar agentbaserad kodning och frontendarbete och utökar kontexten från den ursprungliga utgåvans 128K till 256K token.\n\n### Vad som ändras i den här utgåvan\n\nTillverkaren betonar både frontendkodens praktiska beteende och utseende, tillsammans med förbättringar i verkliga kodagentuppgifter. Förbered ett mjukvaruuppdrag med relevant implementation, observerat beteende och kraven som det måste uppfylla. För ett gränssnitt identifierar du innehåll, synliga tillstånd och interaktioner samt designegenskaperna som är viktiga. Ett användbart resultat är kod knuten till dessa kriterier snarare än en allmän diskussion om hur ett gränssnitt skulle kunna fungera.\n\nEn illustrativ instruktion är: ”Uppdatera den här komponenten så att den motsvarar det beskrivna formulärflödet, bevara befintliga fältnamn och förklara de nödvändiga fel- och framgångstillstånden.” För felsökning tillhandahåller du representativa indata och ber modellen identifiera det första felaktiga villkoret innan den returnerar en avgränsad patch. För in faktiska observationer från rendering eller validering i nästa revision.\n\n### Modellvariant och lång kontext\n\nSammanfattningen för 0905 beskriver latent uppmärksamhet med flera huvuden och en gles blandning av experter, med åtta av 384 experter valda per token tillsammans med en delad expert. Kontexten på 256K token stöder ett större uppgiftsunderlag än den ursprungliga K2-utgåvan, samtidigt som den fortfarande innehåller källan, samtalet, verktygsobservationerna och det genererade svaret tillsammans. Ett större fönster ska inte läsas som ett oberoende maximalt utmatningsutrymme.\n\nOrganisera utdrag ur kodarkivet efter fil och dokumentmaterial efter avsnitt. Ange den slutliga leveransen och villkoren som måste lämnas oförändrade genom uppföljningar. För en jämförelse begär du textavsnittet eller kodfragmentet som stöder varje slutsats. Behåll den valda identiteten 0905 när den utökade kontexten och koduppdateringen är viktiga för uppgiften.\n\n### Chatt och funktionsanrop\n\nTillverkaren rekommenderar temperatur 0.6 och tillhandahåller en enkel systeminstruktion för assistenten för uppgifter som inte behöver en specialiserad roll. Definiera svarsspråk och form separat, exempelvis en förklaring, en källstödd jämförelse eller enbart kod. Det håller det önskade slutresultatet synligt även när applikationen använder flera modellsteg.\n\nDet specifika modellkortet dokumenterar tillgängliga verktyg som tillhandahålls i varje begäran. Funktioner har namn, beskrivningar och parameterscheman; modellen bestämmer när och hur de ska anropas. Applikationen tolkar de valda JSON-argumenten, utför operationen och returnerar ett verktygsresultat kopplat till anropsidentifieraren. Nästa svar kan sedan använda den faktiska observationen eller fortsätta uppgiften.\n\n### Granskningsbara resultat\n\nEn genererad patch, vald operation eller sökplan är ett förslag tills den omgivande applikationen utför det. Behåll resultatet från operationen som underlag för nästa steg och den slutliga överlämningen. Kontrollera extraherade värden mot källmaterialet och kod mot det begärda beteendet.\n\nK2 Instruct 0905 förblir skild från K2 Thinking och de senare multimodala utgåvorna K2.5 och K2.6. Deras bild-/videoindata, egenskaper hos inbyggt INT4-kvantiserade thinking-versioner och preserve-thinking-kontroller ska inte härledas för den här namngivna textuppdateringen. Användbara utdata är en fokuserad text- eller kodleverans förankrad i uppgiften och observationerna som faktiskt returnerats.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är Moonshot AI:s uppdaterade textmodell för kodning, frontendimplementation och agenter. Den utökar den ursprungliga K2-kontexten från 128K till 256K token och returnerar svar, kod och funktionsanropsinnehåll utifrån uppgiften och observationerna som applikationen tillhandahåller.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Kimi K2 Instruct 0905 är Moonshot AI:s septemberuppdatering av instruktionsmodellen Kimi K2. Den är en textmodell för kunskap, resonemang, kodning och verktygsstyrda uppgifter, med totalt en biljon mixture-of-experts-parametrar och 32 miljarder aktiva parametrar. Den specifika utgåvan 0905 förbättrar agentbaserad kodning och frontendarbete och utökar kontexten från den ursprungliga utgåvans 128K till 256K token.
Tillverkaren betonar både frontendkodens praktiska beteende och utseende, tillsammans med förbättringar i verkliga kodagentuppgifter. Förbered ett mjukvaruuppdrag med relevant implementation, observerat beteende och kraven som det måste uppfylla. För ett gränssnitt identifierar du innehåll, synliga tillstånd och interaktioner samt designegenskaperna som är viktiga. Ett användbart resultat är kod knuten till dessa kriterier snarare än en allmän diskussion om hur ett gränssnitt skulle kunna fungera.
En illustrativ instruktion är: ”Uppdatera den här komponenten så att den motsvarar det beskrivna formulärflödet, bevara befintliga fältnamn och förklara de nödvändiga fel- och framgångstillstånden.” För felsökning tillhandahåller du representativa indata och ber modellen identifiera det första felaktiga villkoret innan den returnerar en avgränsad patch. För in faktiska observationer från rendering eller validering i nästa revision.
Sammanfattningen för 0905 beskriver latent uppmärksamhet med flera huvuden och en gles blandning av experter, med åtta av 384 experter valda per token tillsammans med en delad expert. Kontexten på 256K token stöder ett större uppgiftsunderlag än den ursprungliga K2-utgåvan, samtidigt som den fortfarande innehåller källan, samtalet, verktygsobservationerna och det genererade svaret tillsammans. Ett större fönster ska inte läsas som ett oberoende maximalt utmatningsutrymme.
Organisera utdrag ur kodarkivet efter fil och dokumentmaterial efter avsnitt. Ange den slutliga leveransen och villkoren som måste lämnas oförändrade genom uppföljningar. För en jämförelse begär du textavsnittet eller kodfragmentet som stöder varje slutsats. Behåll den valda identiteten 0905 när den utökade kontexten och koduppdateringen är viktiga för uppgiften.
Tillverkaren rekommenderar temperatur 0.6 och tillhandahåller en enkel systeminstruktion för assistenten för uppgifter som inte behöver en specialiserad roll. Definiera svarsspråk och form separat, exempelvis en förklaring, en källstödd jämförelse eller enbart kod. Det håller det önskade slutresultatet synligt även när applikationen använder flera modellsteg.
Det specifika modellkortet dokumenterar tillgängliga verktyg som tillhandahålls i varje begäran. Funktioner har namn, beskrivningar och parameterscheman; modellen bestämmer när och hur de ska anropas. Applikationen tolkar de valda JSON-argumenten, utför operationen och returnerar ett verktygsresultat kopplat till anropsidentifieraren. Nästa svar kan sedan använda den faktiska observationen eller fortsätta uppgiften.
En genererad patch, vald operation eller sökplan är ett förslag tills den omgivande applikationen utför det. Behåll resultatet från operationen som underlag för nästa steg och den slutliga överlämningen. Kontrollera extraherade värden mot källmaterialet och kod mot det begärda beteendet.
K2 Instruct 0905 förblir skild från K2 Thinking och de senare multimodala utgåvorna K2.5 och K2.6. Deras bild-/videoindata, egenskaper hos inbyggt INT4-kvantiserade thinking-versioner och preserve-thinking-kontroller ska inte härledas för den här namngivna textuppdateringen. Användbara utdata är en fokuserad text- eller kodleverans förankrad i uppgiften och observationerna som faktiskt returnerats.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser moonshotai/kimi-k2-0905 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0012 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0012 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra moonshotai/kimi-k2-0905
Använd metodsökvägarna som visas ovan.
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 är Moonshot AI:s uppdaterade textmodell för kodning, frontendimplementation och agenter. Den utökar den ursprungliga K2-kontexten från 128K till 256K token och returnerar svar, kod och funktionsanropsinnehåll utifrån uppgiften och observationerna som applikationen tillhandahåller.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Kimi K2 Instruct 0905 är Moonshot AI:s septemberuppdatering av instruktionsmodellen Kimi K2. Den är en textmodell för kunskap, resonemang, kodning och verktygsstyrda uppgifter, med totalt en biljon mixture-of-experts-parametrar och 32 miljarder aktiva parametrar. Den specifika utgåvan 0905 förbättrar agentbaserad kodning och frontendarbete och utökar kontexten från den ursprungliga utgåvans 128K till 256K token.
Tillverkaren betonar både frontendkodens praktiska beteende och utseende, tillsammans med förbättringar i verkliga kodagentuppgifter. Förbered ett mjukvaruuppdrag med relevant implementation, observerat beteende och kraven som det måste uppfylla. För ett gränssnitt identifierar du innehåll, synliga tillstånd och interaktioner samt designegenskaperna som är viktiga. Ett användbart resultat är kod knuten till dessa kriterier snarare än en allmän diskussion om hur ett gränssnitt skulle kunna fungera.
En illustrativ instruktion är: ”Uppdatera den här komponenten så att den motsvarar det beskrivna formulärflödet, bevara befintliga fältnamn och förklara de nödvändiga fel- och framgångstillstånden.” För felsökning tillhandahåller du representativa indata och ber modellen identifiera det första felaktiga villkoret innan den returnerar en avgränsad patch. För in faktiska observationer från rendering eller validering i nästa revision.
Sammanfattningen för 0905 beskriver latent uppmärksamhet med flera huvuden och en gles blandning av experter, med åtta av 384 experter valda per token tillsammans med en delad expert. Kontexten på 256K token stöder ett större uppgiftsunderlag än den ursprungliga K2-utgåvan, samtidigt som den fortfarande innehåller källan, samtalet, verktygsobservationerna och det genererade svaret tillsammans. Ett större fönster ska inte läsas som ett oberoende maximalt utmatningsutrymme.
Organisera utdrag ur kodarkivet efter fil och dokumentmaterial efter avsnitt. Ange den slutliga leveransen och villkoren som måste lämnas oförändrade genom uppföljningar. För en jämförelse begär du textavsnittet eller kodfragmentet som stöder varje slutsats. Behåll den valda identiteten 0905 när den utökade kontexten och koduppdateringen är viktiga för uppgiften.
Tillverkaren rekommenderar temperatur 0.6 och tillhandahåller en enkel systeminstruktion för assistenten för uppgifter som inte behöver en specialiserad roll. Definiera svarsspråk och form separat, exempelvis en förklaring, en källstödd jämförelse eller enbart kod. Det håller det önskade slutresultatet synligt även när applikationen använder flera modellsteg.
Det specifika modellkortet dokumenterar tillgängliga verktyg som tillhandahålls i varje begäran. Funktioner har namn, beskrivningar och parameterscheman; modellen bestämmer när och hur de ska anropas. Applikationen tolkar de valda JSON-argumenten, utför operationen och returnerar ett verktygsresultat kopplat till anropsidentifieraren. Nästa svar kan sedan använda den faktiska observationen eller fortsätta uppgiften.
En genererad patch, vald operation eller sökplan är ett förslag tills den omgivande applikationen utför det. Behåll resultatet från operationen som underlag för nästa steg och den slutliga överlämningen. Kontrollera extraherade värden mot källmaterialet och kod mot det begärda beteendet.
K2 Instruct 0905 förblir skild från K2 Thinking och de senare multimodala utgåvorna K2.5 och K2.6. Deras bild-/videoindata, egenskaper hos inbyggt INT4-kvantiserade thinking-versioner och preserve-thinking-kontroller ska inte härledas för den här namngivna textuppdateringen. Användbara utdata är en fokuserad text- eller kodleverans förankrad i uppgiften och observationerna som faktiskt returnerats.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser moonshotai/kimi-k2-0905 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0012 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0012 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra moonshotai/kimi-k2-0905
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.