Kimi K2 Instruct 0905 是 Moonshot AI 對 Kimi K2 的 9 月指令模型更新。它是用於知識、推理、程式開發及工具引導任務的文字模型，混合專家總參數量為 1 兆、活躍參數量為 320 億。確切的 0905 版本改善代理式程式開發與前端工作，並將上下文從原始版本的 128K 擴展至 256K 個 token。
原廠強調前端程式碼的實際行為與外觀，以及真實程式開發代理任務的改善。請準備軟體簡報，提供相關實作、觀察行為及必須滿足的需求。對介面，請指出內容、可見狀態與互動，以及重要設計特徵。實用結果是與這些準則相關的程式碼，而非泛談介面可能如何運作。
示範指令為：「更新此元件，使其符合描述的表單流程，保留現有欄位名稱，並說明必要的錯誤與成功狀態。」除錯時，請提供代表性輸入，要求模型先指出第一個不正確條件，再回傳聚焦的修補程式。將實際呈現或驗證觀察帶入下一次修訂。
0905 摘要描述多頭潛在注意力與稀疏混合專家，每個 token 從 384 個專家中選取八個，另加一個共用專家。256K 上下文可支援比原始 K2 版本更大的任務紀錄，但仍須一併容納來源、對話、工具觀察與生成回答。較大視窗不應被視為獨立的最大輸出額度。
請依檔案組織儲存庫摘錄，依章節組織文件材料。說明最終成品及後續追問中必須保持不變的條件。進行比較時，要求支持每項結論的段落或程式碼片段。當擴展上下文與程式開發更新對任務重要時，請保留所選的 0905 身分。
原廠建議 temperature 0.6，並為不需專門角色的任務提供簡單的助理系統指令。請另行定義回答語言與形式，例如說明、有來源支持的比較，或僅程式碼。如此即使應用程式使用多個模型步驟，期望的最終結果仍保持可見。
此確切模型卡記載每個請求提供的可用工具。函式具有名稱、說明及參數結構描述；模型決定何時與如何呼叫。應用程式解析選定的 JSON 引數、執行操作，並回傳與呼叫識別碼關聯的工具結果。下一次回應便可使用實際觀察，或繼續任務。
在周邊應用程式執行之前，生成的修補程式、選定操作或搜尋計畫都只是建議。請將該操作結果保留為下一步及最終交接的證據。對照來源材料檢查擷取值，並依要求行為檢查程式碼。
K2 Instruct 0905 與 K2 Thinking 及後來的多模態 K2.5、K2.6 版本保持區別。不能為此具名文字更新推定它們的影像／影片輸入、原生 INT4 思考檢查點屬性及 preserve-thinking 控制。實用輸出是根據任務及實際回傳觀察的聚焦文字或程式碼成品。
", "aboutText": "Kimi K2 Instruct 0905 是 Moonshot AI 對 Kimi K2 的 9 月指令模型更新。它是用於知識、推理、程式開發及工具引導任務的文字模型，混合專家總參數量為 1 兆、活躍參數量為 320 億。確切的 0905 版本改善代理式程式開發與前端工作，並將上下文從原始版本的 128K 擴展至 256K 個 token。\n\n### 此版本的變更\n\n原廠強調前端程式碼的實際行為與外觀，以及真實程式開發代理任務的改善。請準備軟體簡報，提供相關實作、觀察行為及必須滿足的需求。對介面，請指出內容、可見狀態與互動，以及重要設計特徵。實用結果是與這些準則相關的程式碼，而非泛談介面可能如何運作。\n\n示範指令為：「更新此元件，使其符合描述的表單流程，保留現有欄位名稱，並說明必要的錯誤與成功狀態。」除錯時，請提供代表性輸入，要求模型先指出第一個不正確條件，再回傳聚焦的修補程式。將實際呈現或驗證觀察帶入下一次修訂。\n\n### 模型型號資料與長上下文\n\n0905 摘要描述多頭潛在注意力與稀疏混合專家，每個 token 從 384 個專家中選取八個，另加一個共用專家。256K 上下文可支援比原始 K2 版本更大的任務紀錄，但仍須一併容納來源、對話、工具觀察與生成回答。較大視窗不應被視為獨立的最大輸出額度。\n\n請依檔案組織儲存庫摘錄，依章節組織文件材料。說明最終成品及後續追問中必須保持不變的條件。進行比較時，要求支持每項結論的段落或程式碼片段。當擴展上下文與程式開發更新對任務重要時，請保留所選的 0905 身分。\n\n### 聊天與函式呼叫\n\n原廠建議 temperature 0.6，並為不需專門角色的任務提供簡單的助理系統指令。請另行定義回答語言與形式，例如說明、有來源支持的比較，或僅程式碼。如此即使應用程式使用多個模型步驟，期望的最終結果仍保持可見。\n\n此確切模型卡記載每個請求提供的可用工具。函式具有名稱、說明及參數結構描述；模型決定何時與如何呼叫。應用程式解析選定的 JSON 引數、執行操作，並回傳與呼叫識別碼關聯的工具結果。下一次回應便可使用實際觀察，或繼續任務。\n\n### 可供審查的結果\n\n在周邊應用程式執行之前，生成的修補程式、選定操作或搜尋計畫都只是建議。請將該操作結果保留為下一步及最終交接的證據。對照來源材料檢查擷取值，並依要求行為檢查程式碼。\n\nK2 Instruct 0905 與 K2 Thinking 及後來的多模態 K2.5、K2.6 版本保持區別。不能為此具名文字更新推定它們的影像／影片輸入、原生 INT4 思考檢查點屬性及 preserve-thinking 控制。實用輸出是根據任務及實際回傳觀察的聚焦文字或程式碼成品。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
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 是 Moonshot AI 更新的文字模型，適用於程式開發、前端實作與代理。它將原始 K2 的上下文從 128K 擴展至 256K，並根據任務及應用程式提供的觀察，回傳回答、程式碼與函式呼叫內容。
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。
Kimi K2 Instruct 0905 是 Moonshot AI 對 Kimi K2 的 9 月指令模型更新。它是用於知識、推理、程式開發及工具引導任務的文字模型，混合專家總參數量為 1 兆、活躍參數量為 320 億。確切的 0905 版本改善代理式程式開發與前端工作，並將上下文從原始版本的 128K 擴展至 256K 個 token。
原廠強調前端程式碼的實際行為與外觀，以及真實程式開發代理任務的改善。請準備軟體簡報，提供相關實作、觀察行為及必須滿足的需求。對介面，請指出內容、可見狀態與互動，以及重要設計特徵。實用結果是與這些準則相關的程式碼，而非泛談介面可能如何運作。
示範指令為：「更新此元件，使其符合描述的表單流程，保留現有欄位名稱，並說明必要的錯誤與成功狀態。」除錯時，請提供代表性輸入，要求模型先指出第一個不正確條件，再回傳聚焦的修補程式。將實際呈現或驗證觀察帶入下一次修訂。
0905 摘要描述多頭潛在注意力與稀疏混合專家，每個 token 從 384 個專家中選取八個，另加一個共用專家。256K 上下文可支援比原始 K2 版本更大的任務紀錄，但仍須一併容納來源、對話、工具觀察與生成回答。較大視窗不應被視為獨立的最大輸出額度。
請依檔案組織儲存庫摘錄，依章節組織文件材料。說明最終成品及後續追問中必須保持不變的條件。進行比較時，要求支持每項結論的段落或程式碼片段。當擴展上下文與程式開發更新對任務重要時，請保留所選的 0905 身分。
原廠建議 temperature 0.6，並為不需專門角色的任務提供簡單的助理系統指令。請另行定義回答語言與形式，例如說明、有來源支持的比較，或僅程式碼。如此即使應用程式使用多個模型步驟，期望的最終結果仍保持可見。
此確切模型卡記載每個請求提供的可用工具。函式具有名稱、說明及參數結構描述；模型決定何時與如何呼叫。應用程式解析選定的 JSON 引數、執行操作，並回傳與呼叫識別碼關聯的工具結果。下一次回應便可使用實際觀察，或繼續任務。
在周邊應用程式執行之前，生成的修補程式、選定操作或搜尋計畫都只是建議。請將該操作結果保留為下一步及最終交接的證據。對照來源材料檢查擷取值，並依要求行為檢查程式碼。
K2 Instruct 0905 與 K2 Thinking 及後來的多模態 K2.5、K2.6 版本保持區別。不能為此具名文字更新推定它們的影像／影片輸入、原生 INT4 思考檢查點屬性及 preserve-thinking 控制。實用輸出是根據任務及實際回傳觀察的聚焦文字或程式碼成品。
POST /v1/chat/completionstexttext| 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 moonshotai/kimi-k2-0905 | 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 function 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— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra moonshotai/kimi-k2-0905
請使用上方列出的 API 方法路徑。
moonshotai/kimi-k2-0905Kimi K2 Instruct 0905 是 Moonshot AI 更新的文字模型，適用於程式開發、前端實作與代理。它將原始 K2 的上下文從 128K 擴展至 256K，並根據任務及應用程式提供的觀察，回傳回答、程式碼與函式呼叫內容。
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。
Kimi K2 Instruct 0905 是 Moonshot AI 對 Kimi K2 的 9 月指令模型更新。它是用於知識、推理、程式開發及工具引導任務的文字模型，混合專家總參數量為 1 兆、活躍參數量為 320 億。確切的 0905 版本改善代理式程式開發與前端工作，並將上下文從原始版本的 128K 擴展至 256K 個 token。
原廠強調前端程式碼的實際行為與外觀，以及真實程式開發代理任務的改善。請準備軟體簡報，提供相關實作、觀察行為及必須滿足的需求。對介面，請指出內容、可見狀態與互動，以及重要設計特徵。實用結果是與這些準則相關的程式碼，而非泛談介面可能如何運作。
示範指令為：「更新此元件，使其符合描述的表單流程，保留現有欄位名稱，並說明必要的錯誤與成功狀態。」除錯時，請提供代表性輸入，要求模型先指出第一個不正確條件，再回傳聚焦的修補程式。將實際呈現或驗證觀察帶入下一次修訂。
0905 摘要描述多頭潛在注意力與稀疏混合專家，每個 token 從 384 個專家中選取八個，另加一個共用專家。256K 上下文可支援比原始 K2 版本更大的任務紀錄，但仍須一併容納來源、對話、工具觀察與生成回答。較大視窗不應被視為獨立的最大輸出額度。
請依檔案組織儲存庫摘錄，依章節組織文件材料。說明最終成品及後續追問中必須保持不變的條件。進行比較時，要求支持每項結論的段落或程式碼片段。當擴展上下文與程式開發更新對任務重要時，請保留所選的 0905 身分。
原廠建議 temperature 0.6，並為不需專門角色的任務提供簡單的助理系統指令。請另行定義回答語言與形式，例如說明、有來源支持的比較，或僅程式碼。如此即使應用程式使用多個模型步驟，期望的最終結果仍保持可見。
此確切模型卡記載每個請求提供的可用工具。函式具有名稱、說明及參數結構描述；模型決定何時與如何呼叫。應用程式解析選定的 JSON 引數、執行操作，並回傳與呼叫識別碼關聯的工具結果。下一次回應便可使用實際觀察，或繼續任務。
在周邊應用程式執行之前，生成的修補程式、選定操作或搜尋計畫都只是建議。請將該操作結果保留為下一步及最終交接的證據。對照來源材料檢查擷取值，並依要求行為檢查程式碼。
K2 Instruct 0905 與 K2 Thinking 及後來的多模態 K2.5、K2.6 版本保持區別。不能為此具名文字更新推定它們的影像／影片輸入、原生 INT4 思考檢查點屬性及 preserve-thinking 控制。實用輸出是根據任務及實際回傳觀察的聚焦文字或程式碼成品。
POST /v1/messagestextjson, 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 moonshotai/kimi-k2-0905 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 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 | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0012 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "moonshotai/kimi-k2-0905",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra moonshotai/kimi-k2-0905
請使用上方列出的 API 方法路徑。
英文技術範例
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.