Source: https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/ Canonical: https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/ Language: zh-hant-tw # MoonshotAI: Kimi K2.8 Preview [Markdown](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/facts.json) ## [kimi-for-coding](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/) Kimi K2.8 Preview 用於程式碼補完、日常開發及工具任務；這份模型說明提供文字與影像輸入。 - [**Ailoot · Anthropic Messages** `POST /v1/messages` `kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/#method-0) - [**Ailoot · OpenAI Responses** `POST /v1/responses` `kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/#method-1) - [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/kimi-for-coding/#method-2) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 #### 程式碼補完與日常開發 廠商目前在 `kimi-for-coding` 識別碼下指定 Kimi K2.8 Preview，用途是程式碼補完、一般開發任務及循序工具工作。模型可參與工程對話，接收需求、產生程式碼，並依新資訊繼續任務。 廠商強調 K2.8 Preview 在工程任務中較節省的推理。實務上的選擇與分析深度相關：短篇程式補完，與複雜的一連串動作，可能需要不同的推理量。 #### 可控制的深度 可用等級為 `low`、`high` 與 `max`，預設為 `max`；模型也提供不使用推理的工作方式。啟用推理時，所選等級決定任務處理深度，最終結果仍為文字。 #### 上下文與資料 K2.8 Preview 公布的上下文可達 **1 048 576 個 token**，可處理長歷史與大量資料。具體請求可用的資料量，應依這份模型說明的上限考量。 廠商的 K2.8 Preview 理解文字、影像與影片；這份 Ailoot 模型說明的可用輸入為文字與影像。影像可與任務指令結合，主要回覆是文字。專案操作、資訊搜尋及檔案儲存，屬於接入工具的工作。 K2.8 Preview 為模型的預覽版本。這個識別碼已確認用途、上下文與推理模式；其他 Kimi 模型的架構參數不適用於它。 實用任務 ### 實用任務 英文技術範例 ``` Complete a stable deduplication function Implement unique_by_id(records) in Python. Each record is a dictionary with an id key. Keep the first record for each id, preserve original order, and do not mutate the list or dictionaries. Provide tests with duplicate ids, an empty list and two different records sharing an id. Use the standard library only. ``` #### 預期結果 ``` The complete function and three small tests demonstrating stable first-occurrence deduplication. ``` #### 檢查結果 ``` The later record with a repeated id never replaces the first, and input objects are not modified. ``` **Ailoot · Anthropic Messages** `POST /v1/messages` `kimi-for-coding` [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=messages) Moonshot /`kimi-for-coding` ### 入門 Kimi K2.8 Preview 用於程式碼補完、日常開發及工具任務；這份模型說明提供文字與影像輸入。 接受的輸入 文字 · 圖片 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot · Anthropic Messages** `POST /v1/messages` 輸入 `text`, `image` 輸出 `text` 上下文 262,144 tokens 輸出上限 65,536 tokens 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 kimi-for-coding | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 user, assistant | 預設值— | | 欄位`messages[].content` | 類型`string\|content_block[]` | 要求必填 | 值與限制 | 預設值— | | 欄位`system` | 類型`string\|content_block[]` | 要求選填 | 值與限制 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求必填 | 值與限制 最小值: 1 限制適用對象: 所選模型／卡片的確切上限 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`stop_sequences` | 類型`string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools` | 類型`tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools[].name` | 類型`string` | 要求選填 | 值與限制 適用條件: 已提供工具 | 預設值— | | 欄位`tools[].description` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`tools[].input_schema` | 類型`JSON_schema` | 要求選填 | 值與限制 | 預設值— | | 欄位`tool_choice` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`thinking.type` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`thinking.budget_tokens` | 類型`integer` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`output_config.effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`metadata` | 類型`object` | 要求選填 | 值與限制 | 預設值— | | 欄位`cache_control` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | 輸入素材組合 **文字** · UTF8 文字 `messages[].content 或 type=text 區塊` **文字 + 圖片** `{type:image,source:{type:base64,media_type,data}} 或 type=url 的來源` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`material_types` | 規格text, image | | 參數`required` | 規格model, messages, max\_tokens | | 參數`optional_controls` | 規格null | | 參數`content_type` | 規格application/json | | 參數`text_file_material` | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 | 生命週期： `exact retained published method` 方法結構與 ID 均為精確值；供應商能力與准入狀態分開。 ### 方案 #### Ailoot 方法費率 輸入 US$0.003 */ 1K* 輸出 US$0.015 */ 1K* 讀取快取 US$0.0003 */ 1K* 寫入快取 US$0.003 */ 1K* 寫入快取，5 分鐘 US$0.003 */ 1K tokens* Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) #### 參考費率詳情 模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。 kimi-for-coding #### 各設定的價格 | 設定 | 計費條件 | 費用 | | --- | --- | --- | | 設定kimi-for-coding · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入 **US$0.000686** / 1K Token 輸出 · 輸出 **US$0.00274** / 1K Token | ### 請求範例 #### Ailoot · Anthropic Messages 文字範例輸入，圖片Python SDKNode.js SDKPython 串流 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "max_tokens": 1024, "messages": []}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```python import anthropic import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) msg = client.messages.create( model="kimi-for-coding", max_tokens=1024, messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}], ) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(msg.to_dict(mode="json")) ``` ```js import Anthropic from "@anthropic-ai/sdk"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const msg = await client.messages.create({ model: "kimi-for-coding", max_tokens: 1024, messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }], }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(msg); ``` ```python import anthropic,os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.messages.stream(model='kimi-for-coding',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_message() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 接收並儲存結果 #### Ailoot · Anthropic Messages json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`id` | 類型string | | 欄位`model` | 類型string | | 欄位`content[]` | 類型text\|thinking\|tool\_use\|other content block | | 欄位`stop_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot** [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=messages) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=messages) **Ailoot · OpenAI Responses** `POST /v1/responses` `kimi-for-coding` [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=responses) Moonshot /`kimi-for-coding` ### 入門 Kimi K2.8 Preview 用於程式碼補完、日常開發及工具任務；這份模型說明提供文字與影像輸入。 接受的輸入 文字 · 圖片 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot · OpenAI Responses** `POST /v1/responses` 輸入 `text`, `image` 輸出 `text` 上下文 262,144 tokens 輸出上限 65,536 tokens 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 kimi-for-coding | 預設值— | | 欄位`input` | 類型`string\|input_item[]` | 要求必填 | 值與限制 | 預設值— | | 欄位`instructions` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`input[].type` | 類型`string` | 要求選填 | 值與限制 message, reasoning, function\_call, function\_call\_output | 預設值— | | 欄位`input[].content` | 類型`string\|content_part[]` | 要求選填 | 值與限制 | 預設值— | | 欄位`input[].call_id` | 類型`string` | 要求選填 | 值與限制 適用條件: function\_call\_output；保留實際回傳的 call\_id | 預設值— | | 欄位`input[].output` | 類型`string\|content_part[]` | 要求選填 | 值與限制 適用條件: function\_call\_output | 預設值— | | 欄位`max_output_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools` | 類型`tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tool_choice` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`parallel_tool_calls` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning.effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning.summary` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`text.format` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`text.verbosity` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`include` | 類型`string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`store` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`previous_response_id` | 類型`string` | 要求選填 | 值與限制 ID 要求: 僅限支援的延續流程實際回傳的回應 ID 依模型而定 | 預設值— | | 欄位`service_tier` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`prompt_cache_key` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`prompt_cache_options` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | 輸入素材組合 **文字** · UTF8 文字 `輸入文字或 input_text 部分` **文字 + 圖片** `{type:input_image,image_url}` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`material_types` | 規格text, image | | 參數`required` | 規格model, input | | 參數`optional_controls` | 規格null | | 參數`content_type` | 規格application/json | | 參數`text_file_material` | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 | 生命週期： `exact retained published method` 方法結構與 ID 均為精確值；供應商能力與准入狀態分開。 ### 方案 #### Ailoot 方法費率 輸入 US$0.003 */ 1K* 輸出 US$0.015 */ 1K* 讀取快取 US$0.0003 */ 1K* 寫入快取 US$0.003 */ 1K* 寫入快取，5 分鐘 US$0.003 */ 1K tokens* Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) #### 參考費率詳情 模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。 kimi-for-coding #### 各設定的價格 | 設定 | 計費條件 | 費用 | | --- | --- | --- | | 設定kimi-for-coding · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入 **US$0.000686** / 1K Token 輸出 · 輸出 **US$0.00274** / 1K Token | ### 請求範例 #### Ailoot · OpenAI Responses 文字範例輸入，圖片Python SDKNode.js SDKPython 串流 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "input": ""}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["input"]="Summarize this material and quote supporting source passages.\n\n"+text Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(json.loads(Path("result.json").read_text(encoding="utf-8"))) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(json.loads(Path("result.json").read_text(encoding="utf-8"))) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) resp = client.responses.create(model="kimi-for-coding", input="Explain the difference between an observation and a hypothesis in three sentences.") import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(resp.to_dict(mode="json")) ``` ```js import OpenAI from "openai"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const resp = await client.responses.create({ model: "kimi-for-coding", input: "Explain the difference between an observation and a hypothesis in three sentences." }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(resp); ``` ```python from openai import OpenAI import os from pathlib import Path import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) with client.responses.stream(model="kimi-for-coding", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_response() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 接收並儲存結果 #### Ailoot · OpenAI Responses json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留每個輸出項目與內容部分、實際函式 call\_id、加密推理與用量。串流時保留完整事件／項目身分。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`id` | 類型string | | 欄位`status` | 類型string | | 欄位`output[]` | 類型message\|reasoning\|function\_call\|other item | | 欄位`output[].content[]` | 類型content part | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot** [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=responses) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=responses) **Ailoot · OpenAI Chat** `POST /v1/chat/completions` `kimi-for-coding` [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=chat) Moonshot /`kimi-for-coding` ### 入門 Kimi K2.8 Preview 用於程式碼補完、日常開發及工具任務；這份模型說明提供文字與影像輸入。 接受的輸入 文字 · 圖片 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot · OpenAI Chat** `POST /v1/chat/completions` 輸入 `text`, `image` 輸出 `text` 上下文 262,144 tokens 輸出上限 65,536 tokens 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 kimi-for-coding | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— | | 欄位`messages[].content` | 類型`string\|content_part[]\|null` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_calls` | 類型`tool_call[]` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_call_id` | 類型`string` | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— | | 欄位`messages[].name` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].reasoning_content` | 類型`string` | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— | | 欄位`messages[].reasoning_details` | 類型`object\|array` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`max_completion_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | | 欄位`stream_options.include_usage` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`stop` | 類型`string\|string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools` | 類型`function_tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools[].type` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools[].function.name` | 類型`string` | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— | | 欄位`tools[].function.description` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`tools[].function.parameters` | 類型`JSON_schema` | 要求選填 | 值與限制 | 預設值— | | 欄位`tool_choice` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`parallel_tool_calls` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`response_format` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning_effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`service_tier` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`instructions` | 類型`string` | 要求選填 | 值與限制 相容性欄位 | 預設值— | | 欄位`functions` | 類型`function[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`function_call` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`prompt_cache_options` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | 輸入素材組合 **文字** · UTF8 文字 `messages[].content` **文字 + 圖片** `{type:image_url,image_url:{url,detail}}` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`material_types` | 規格text, image | | 參數`required` | 規格model, messages | | 參數`optional_controls` | 規格null | | 參數`content_type` | 規格application/json | | 參數`text_file_material` | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 | 生命週期： `exact retained published method` 方法結構與 ID 均為精確值；供應商能力與准入狀態分開。 ### 方案 #### Ailoot 方法費率 輸入 US$0.003 */ 1K* 輸出 US$0.015 */ 1K* 讀取快取 US$0.0003 */ 1K* 寫入快取 US$0.003 */ 1K* 寫入快取，5 分鐘 US$0.003 */ 1K tokens* Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) #### 參考費率詳情 模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。 kimi-for-coding #### 各設定的價格 | 設定 | 計費條件 | 費用 | | --- | --- | --- | | 設定kimi-for-coding · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入 **US$0.000686** / 1K Token 輸出 · 輸出 **US$0.00274** / 1K Token | ### 請求範例 #### Ailoot · OpenAI Chat 文字範例輸入，圖片Python SDKNode.js SDKPython 串流 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "messages": []}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}" export AILOOT_IMAGE_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "kimi-for-coding", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}') import base64 f=Path(os.environ["AILOOT_IMAGE_FILE"]) if not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image") raw=f.read_bytes() mime="image/png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "image/jpeg" if raw.startswith(b"\xff\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None if not mime:raise SystemExit("Use PNG JPEG or WebP") b64=base64.b64encode(raw).decode() p["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}}) Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) resp = client.chat.completions.create( model="kimi-for-coding", messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}], ) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(resp.to_dict(mode="json")) ``` ```js import OpenAI from "openai"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const resp = await client.chat.completions.create({ model: "kimi-for-coding", messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }], }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(resp); ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='kimi-for-coding',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 接收並儲存結果 #### Ailoot · OpenAI Chat json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`choices[].index` | 類型integer | | 欄位`choices[].message.content` | 類型string\|null | | 欄位`choices[].message.tool_calls` | 類型tool\_call\[\] | | 欄位`choices[].message.reasoning_content` | 類型string | | 欄位`choices[].message.reasoning_details` | 類型object\|array | | 欄位`choices[].finish_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot** [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=chat) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`kimi-for-coding`](https://ailoot.ai/models/zh-hant-tw/#m=kimi-for-coding&route=Core&caller=kimi-for-coding&fmt=chat) FAQ · MoonshotAI: Kimi K2.8 Preview 可以使用哪些輸入與結果？ `POST /v1/messages` · `kimi-for-coding`: `text`, `image` → `text` `POST /v1/responses` · `kimi-for-coding`: `text`, `image` → `text` `POST /v1/chat/completions` · `kimi-for-coding`: `text`, `image` → `text` 請求使用哪些欄位？ `POST /v1/messages` · `kimi-for-coding`: `model`, `messages`, `system`, `max_tokens`, `stream`, `metadata` `POST /v1/responses` · `kimi-for-coding`: `model`, `input`, `instructions`, `stream` `POST /v1/chat/completions` · `kimi-for-coding`: `model`, `messages`, `stream` 適用哪些限制？ `POST /v1/messages` · `kimi-for-coding`: `ctx`: `262144`; `max_out`: `65536`; `messages.min_items`: `1`; `max_tokens.minimum`: `1` `POST /v1/responses` · `kimi-for-coding`: `ctx`: `262144`; `max_out`: `65536` `POST /v1/chat/completions` · `kimi-for-coding`: `ctx`: `262144`; `max_out`: `65536`; `messages.min_items`: `1` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。