Kimi K2.6 är Moonshot AI:s från grunden multimodala agentmodell för långsiktigt kodarbete, koddriven design och samordnat utförande av uppgifter. Den tar emot text, bilder och video och genererar text, inklusive förklaringar, kod och föreslagna verktygsanrop. Dess mixture-of-experts-variant anger totalt en biljon parametrar, 32 miljarder aktiva parametrar och en kontext på 256K token, med en MoonViT-bildkodare.
Producenten utvecklar K2.6 för kodning från början till slut över flera språk och domäner, inklusive arbete i kodarkiv, frontendgränssnitt och prestandaoptimering. Tillhandahåll relevant kod, förväntat beteende, det observerade felet och villkoren som ändringen måste bevara. För en visuell uppgift kombinerar du kraven med en läsbar skiss eller skärmbild och anger om den visar det aktuella tillståndet eller det önskade resultatet.
En illustrativ instruktion är: ”Implementera det här gränssnittet utifrån den tillhandahållna visuella specifikationen, bevara fältnamnen och förklara beteendet för varje obligatoriskt tillstånd.” Den förväntade leveransen är kod och dess stödjande förklaring, följd av den faktiska observationen från rendering eller validering i applikationen. Genererade gränssnitt och textförslag är inte självständigt utförda åtgärder.
K2.6 stöder lägena thinking och instant. Thinking utvecklar mellanliggande resonemang före det slutliga svaret; instant-läget ger ett direkt svar. Producentens driftsättningsrekommendationer använder temperatur 1.0 för thinking, 0.6 för instant och top-p 0.95. Detta är rekommendationer för dess dokumenterade referens, skilda från valet av det slutliga svarets stil eller längd.
En specifik K2.6-funktion är preserve-thinking, som behåller hela resonemangsinnehållet genom interaktion med flera turer. Den är avstängd som standard och dokumenteras för kodagenter i thinking-läge. När den används tar sparad analys upp kontext tillsammans med verktygsobservationer och slutliga svar. Håll uppgiftens accepterade krav tydliga så att en tidigare preliminär tanke inte blir ett obestyrkt faktum i den slutliga leveransen.
Det specifika modellkortet demonstrerar bild- och videoindata. Märk upp flera medieobjekt, bevara synlig text och ange detaljen eller händelsen som du vill få förklarad. För ett diagram begär du observerade värden separat från tolkningen. För video identifierar du det relevanta avsnittet och förändringen över tid som ska analyseras. Tillverkaren markerar det demonstrerade videoflödet som experimentellt i sin referens; bild- och videoförståelse producerar text snarare än genererade medier.
K2.6 varvar tänkande med verktygsanrop i flera steg och dokumenterar producentens tillvägagångssätt med agentsvärmar, som delar upp en uppgift i samordnade, specialiserade grenar. Applikationen tillhandahåller verktyg, utför valda operationer och returnerar deras observationer. Definiera tillåtna åtgärder och den slutliga leveransen innan en agentuppgift startar, exempelvis en slutförd källjämförelse, en patch till kodarkivet eller ett förberett dokument.
Håll varje returnerad observation kopplad till operationen och källan som skapade den. En gren eller föreslagen verktygsåtgärd blir användbart underlag först när dess resultat är tillgängligt för den fortsatta uppgiften. De namngivna lägena och producentens orkestreringsdemonstrationer innebär inte att ett vanligt textsvar självständigt utför varje bakgrundsåtgärd eller åtgärd över flera applikationer.
K2.6 använder producentens inbyggda INT4-kvantiseringsmetod från K2 Thinking. Det är en dokumenterad egenskap hos modellversionen, skild från ett löfte om någon omgivande exekveringskonfiguration. Kontexten på 256K token måste rymma källan, samtalet, eventuellt bevarat resonemang och begärda utdata tillsammans. Modellkortets utvärderingsbudgetar är inte universella svarsgränser.
Granska kod mot kraven, visuella slutsatser mot indata och källberoende påståenden mot auktoritativt material. Håll K2.6 skild från K2.5 och de textbaserade K2-utgåvorna, särskilt när preserve-thinking och detaljer i bildflödet är viktiga för uppgiften.
", "aboutText": "Kimi K2.6 är Moonshot AI:s från grunden multimodala agentmodell för långsiktigt kodarbete, koddriven design och samordnat utförande av uppgifter. Den tar emot text, bilder och video och genererar text, inklusive förklaringar, kod och föreslagna verktygsanrop. Dess mixture-of-experts-variant anger totalt en biljon parametrar, 32 miljarder aktiva parametrar och en kontext på 256K token, med en MoonViT-bildkodare.\n\n### Kodning och visuell design\n\nProducenten utvecklar K2.6 för kodning från början till slut över flera språk och domäner, inklusive arbete i kodarkiv, frontendgränssnitt och prestandaoptimering. Tillhandahåll relevant kod, förväntat beteende, det observerade felet och villkoren som ändringen måste bevara. För en visuell uppgift kombinerar du kraven med en läsbar skiss eller skärmbild och anger om den visar det aktuella tillståndet eller det önskade resultatet.\n\nEn illustrativ instruktion är: ”Implementera det här gränssnittet utifrån den tillhandahållna visuella specifikationen, bevara fältnamnen och förklara beteendet för varje obligatoriskt tillstånd.” Den förväntade leveransen är kod och dess stödjande förklaring, följd av den faktiska observationen från rendering eller validering i applikationen. Genererade gränssnitt och textförslag är inte självständigt utförda åtgärder.\n\n### Tänkande, omedelbara svar och bevarat resonemang\n\nK2.6 stöder lägena thinking och instant. Thinking utvecklar mellanliggande resonemang före det slutliga svaret; instant-läget ger ett direkt svar. Producentens driftsättningsrekommendationer använder temperatur 1.0 för thinking, 0.6 för instant och top-p 0.95. Detta är rekommendationer för dess dokumenterade referens, skilda från valet av det slutliga svarets stil eller längd.\n\nEn specifik K2.6-funktion är preserve-thinking, som behåller hela resonemangsinnehållet genom interaktion med flera turer. Den är avstängd som standard och dokumenteras för kodagenter i thinking-läge. När den används tar sparad analys upp kontext tillsammans med verktygsobservationer och slutliga svar. Håll uppgiftens accepterade krav tydliga så att en tidigare preliminär tanke inte blir ett obestyrkt faktum i den slutliga leveransen.\n\n### Multimodala indata\n\nDet specifika modellkortet demonstrerar bild- och videoindata. Märk upp flera medieobjekt, bevara synlig text och ange detaljen eller händelsen som du vill få förklarad. För ett diagram begär du observerade värden separat från tolkningen. För video identifierar du det relevanta avsnittet och förändringen över tid som ska analyseras. Tillverkaren markerar det demonstrerade videoflödet som experimentellt i sin referens; bild- och videoförståelse producerar text snarare än genererade medier.\n\n### Verktyg och orkestrering\n\nK2.6 varvar tänkande med verktygsanrop i flera steg och dokumenterar producentens tillvägagångssätt med agentsvärmar, som delar upp en uppgift i samordnade, specialiserade grenar. Applikationen tillhandahåller verktyg, utför valda operationer och returnerar deras observationer. Definiera tillåtna åtgärder och den slutliga leveransen innan en agentuppgift startar, exempelvis en slutförd källjämförelse, en patch till kodarkivet eller ett förberett dokument.\n\nHåll varje returnerad observation kopplad till operationen och källan som skapade den. En gren eller föreslagen verktygsåtgärd blir användbart underlag först när dess resultat är tillgängligt för den fortsatta uppgiften. De namngivna lägena och producentens orkestreringsdemonstrationer innebär inte att ett vanligt textsvar självständigt utför varje bakgrundsåtgärd eller åtgärd över flera applikationer.\n\n### Kontext och utgåvans omfattning\n\nK2.6 använder producentens inbyggda INT4-kvantiseringsmetod från K2 Thinking. Det är en dokumenterad egenskap hos modellversionen, skild från ett löfte om någon omgivande exekveringskonfiguration. Kontexten på 256K token måste rymma källan, samtalet, eventuellt bevarat resonemang och begärda utdata tillsammans. Modellkortets utvärderingsbudgetar är inte universella svarsgränser.\n\nGranska kod mot kraven, visuella slutsatser mot indata och källberoende påståenden mot auktoritativt material. Håll K2.6 skild från K2.5 och de textbaserade K2-utgåvorna, särskilt när preserve-thinking och detaljer i bildflödet är viktiga för uppgiften.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.moonshotai/kimi-k2.6Kimi K2.6 är Moonshot AI:s multimodala agentmodell för långsiktigt kodarbete, arbete med visuella gränssnitt och verktygsstyrda uppgifter. Den kombinerar text, bilder och video med tänkande eller omedelbara svar och dokumenterar valfritt bevarande av resonemang mellan samtalsturer i en kontext på 256K token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Kimi K2.6 är Moonshot AI:s från grunden multimodala agentmodell för långsiktigt kodarbete, koddriven design och samordnat utförande av uppgifter. Den tar emot text, bilder och video och genererar text, inklusive förklaringar, kod och föreslagna verktygsanrop. Dess mixture-of-experts-variant anger totalt en biljon parametrar, 32 miljarder aktiva parametrar och en kontext på 256K token, med en MoonViT-bildkodare.
Producenten utvecklar K2.6 för kodning från början till slut över flera språk och domäner, inklusive arbete i kodarkiv, frontendgränssnitt och prestandaoptimering. Tillhandahåll relevant kod, förväntat beteende, det observerade felet och villkoren som ändringen måste bevara. För en visuell uppgift kombinerar du kraven med en läsbar skiss eller skärmbild och anger om den visar det aktuella tillståndet eller det önskade resultatet.
En illustrativ instruktion är: ”Implementera det här gränssnittet utifrån den tillhandahållna visuella specifikationen, bevara fältnamnen och förklara beteendet för varje obligatoriskt tillstånd.” Den förväntade leveransen är kod och dess stödjande förklaring, följd av den faktiska observationen från rendering eller validering i applikationen. Genererade gränssnitt och textförslag är inte självständigt utförda åtgärder.
K2.6 stöder lägena thinking och instant. Thinking utvecklar mellanliggande resonemang före det slutliga svaret; instant-läget ger ett direkt svar. Producentens driftsättningsrekommendationer använder temperatur 1.0 för thinking, 0.6 för instant och top-p 0.95. Detta är rekommendationer för dess dokumenterade referens, skilda från valet av det slutliga svarets stil eller längd.
En specifik K2.6-funktion är preserve-thinking, som behåller hela resonemangsinnehållet genom interaktion med flera turer. Den är avstängd som standard och dokumenteras för kodagenter i thinking-läge. När den används tar sparad analys upp kontext tillsammans med verktygsobservationer och slutliga svar. Håll uppgiftens accepterade krav tydliga så att en tidigare preliminär tanke inte blir ett obestyrkt faktum i den slutliga leveransen.
Det specifika modellkortet demonstrerar bild- och videoindata. Märk upp flera medieobjekt, bevara synlig text och ange detaljen eller händelsen som du vill få förklarad. För ett diagram begär du observerade värden separat från tolkningen. För video identifierar du det relevanta avsnittet och förändringen över tid som ska analyseras. Tillverkaren markerar det demonstrerade videoflödet som experimentellt i sin referens; bild- och videoförståelse producerar text snarare än genererade medier.
K2.6 varvar tänkande med verktygsanrop i flera steg och dokumenterar producentens tillvägagångssätt med agentsvärmar, som delar upp en uppgift i samordnade, specialiserade grenar. Applikationen tillhandahåller verktyg, utför valda operationer och returnerar deras observationer. Definiera tillåtna åtgärder och den slutliga leveransen innan en agentuppgift startar, exempelvis en slutförd källjämförelse, en patch till kodarkivet eller ett förberett dokument.
Håll varje returnerad observation kopplad till operationen och källan som skapade den. En gren eller föreslagen verktygsåtgärd blir användbart underlag först när dess resultat är tillgängligt för den fortsatta uppgiften. De namngivna lägena och producentens orkestreringsdemonstrationer innebär inte att ett vanligt textsvar självständigt utför varje bakgrundsåtgärd eller åtgärd över flera applikationer.
K2.6 använder producentens inbyggda INT4-kvantiseringsmetod från K2 Thinking. Det är en dokumenterad egenskap hos modellversionen, skild från ett löfte om någon omgivande exekveringskonfiguration. Kontexten på 256K token måste rymma källan, samtalet, eventuellt bevarat resonemang och begärda utdata tillsammans. Modellkortets utvärderingsbudgetar är inte universella svarsgränser.
Granska kod mot kraven, visuella slutsatser mot indata och källberoende påståenden mot auktoritativt material. Håll K2.6 skild från K2.5 och de textbaserade K2-utgåvorna, särskilt när preserve-thinking och detaljer i bildflödet är viktiga för uppgiften.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser moonshotai/kimi-k2.6 | 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 $0.0019 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.00032 / 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 $0.0019 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.00032 / 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-k2.6", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='moonshotai/kimi-k2.6',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='moonshotai/kimi-k2.6',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-k2.6
Använd metodsökvägarna som visas ovan.
moonshotai/kimi-k2.6Kimi K2.6 är Moonshot AI:s multimodala agentmodell för långsiktigt kodarbete, arbete med visuella gränssnitt och verktygsstyrda uppgifter. Den kombinerar text, bilder och video med tänkande eller omedelbara svar och dokumenterar valfritt bevarande av resonemang mellan samtalsturer i en kontext på 256K token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Kimi K2.6 är Moonshot AI:s från grunden multimodala agentmodell för långsiktigt kodarbete, koddriven design och samordnat utförande av uppgifter. Den tar emot text, bilder och video och genererar text, inklusive förklaringar, kod och föreslagna verktygsanrop. Dess mixture-of-experts-variant anger totalt en biljon parametrar, 32 miljarder aktiva parametrar och en kontext på 256K token, med en MoonViT-bildkodare.
Producenten utvecklar K2.6 för kodning från början till slut över flera språk och domäner, inklusive arbete i kodarkiv, frontendgränssnitt och prestandaoptimering. Tillhandahåll relevant kod, förväntat beteende, det observerade felet och villkoren som ändringen måste bevara. För en visuell uppgift kombinerar du kraven med en läsbar skiss eller skärmbild och anger om den visar det aktuella tillståndet eller det önskade resultatet.
En illustrativ instruktion är: ”Implementera det här gränssnittet utifrån den tillhandahållna visuella specifikationen, bevara fältnamnen och förklara beteendet för varje obligatoriskt tillstånd.” Den förväntade leveransen är kod och dess stödjande förklaring, följd av den faktiska observationen från rendering eller validering i applikationen. Genererade gränssnitt och textförslag är inte självständigt utförda åtgärder.
K2.6 stöder lägena thinking och instant. Thinking utvecklar mellanliggande resonemang före det slutliga svaret; instant-läget ger ett direkt svar. Producentens driftsättningsrekommendationer använder temperatur 1.0 för thinking, 0.6 för instant och top-p 0.95. Detta är rekommendationer för dess dokumenterade referens, skilda från valet av det slutliga svarets stil eller längd.
En specifik K2.6-funktion är preserve-thinking, som behåller hela resonemangsinnehållet genom interaktion med flera turer. Den är avstängd som standard och dokumenteras för kodagenter i thinking-läge. När den används tar sparad analys upp kontext tillsammans med verktygsobservationer och slutliga svar. Håll uppgiftens accepterade krav tydliga så att en tidigare preliminär tanke inte blir ett obestyrkt faktum i den slutliga leveransen.
Det specifika modellkortet demonstrerar bild- och videoindata. Märk upp flera medieobjekt, bevara synlig text och ange detaljen eller händelsen som du vill få förklarad. För ett diagram begär du observerade värden separat från tolkningen. För video identifierar du det relevanta avsnittet och förändringen över tid som ska analyseras. Tillverkaren markerar det demonstrerade videoflödet som experimentellt i sin referens; bild- och videoförståelse producerar text snarare än genererade medier.
K2.6 varvar tänkande med verktygsanrop i flera steg och dokumenterar producentens tillvägagångssätt med agentsvärmar, som delar upp en uppgift i samordnade, specialiserade grenar. Applikationen tillhandahåller verktyg, utför valda operationer och returnerar deras observationer. Definiera tillåtna åtgärder och den slutliga leveransen innan en agentuppgift startar, exempelvis en slutförd källjämförelse, en patch till kodarkivet eller ett förberett dokument.
Håll varje returnerad observation kopplad till operationen och källan som skapade den. En gren eller föreslagen verktygsåtgärd blir användbart underlag först när dess resultat är tillgängligt för den fortsatta uppgiften. De namngivna lägena och producentens orkestreringsdemonstrationer innebär inte att ett vanligt textsvar självständigt utför varje bakgrundsåtgärd eller åtgärd över flera applikationer.
K2.6 använder producentens inbyggda INT4-kvantiseringsmetod från K2 Thinking. Det är en dokumenterad egenskap hos modellversionen, skild från ett löfte om någon omgivande exekveringskonfiguration. Kontexten på 256K token måste rymma källan, samtalet, eventuellt bevarat resonemang och begärda utdata tillsammans. Modellkortets utvärderingsbudgetar är inte universella svarsgränser.
Granska kod mot kraven, visuella slutsatser mot indata och källberoende påståenden mot auktoritativt material. Håll K2.6 skild från K2.5 och de textbaserade K2-utgåvorna, särskilt när preserve-thinking och detaljer i bildflödet är viktiga för uppgiften.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser moonshotai/kimi-k2.6 | 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 $0.0019 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.00032 / 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 $0.0019 / 1K token Utdata · Utdatatoken $0.008 / 1K token Indata · Cacheläsning $0.00032 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "moonshotai/kimi-k2.6",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2.6', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'moonshotai/kimi-k2.6', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-k2.6
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Design a bounded table-sort function\n\nImplement a JavaScript function sortRows(rows, direction) for objects with a numeric score field. Return a new array, preserve input order for equal scores and support only asc or desc; reject other directions. Include examples with tied scores and tests proving the original array is unchanged. Explain how the tie rule is preserved.Function code, tie-order examples and tests for both directions, invalid direction and input preservation.Check that reversing an ascending result does not accidentally reverse equal-score rows.