Skip to main content

Kimi

Dokumen ini menjelaskan cara memanggil layanan inferensi model Kimi yang diterapkan di Alibaba Cloud Model Studio.

Wilayah yang didukung: China (Beijing), Singapura, Jepang (Tokyo), China (Hong Kong), Jerman (Frankfurt), dan AS (Virginia). Pengalaman model: Anda dapat mencoba model Kimi di Experience Center. kimi-k3.1-pro mendukung OpenAI Chat Completions, OpenAI Responses, Anthropic Messages, dan API native DashScope. Titik akhir layanan bersifat spesifik per wilayah. Konfigurasikan URL dasar yang sesuai untuk wilayah Anda.
  • Kompatibel dengan OpenAI
  • DashScope
  • Kompatibel dengan Anthropic
Nilai base_url per wilayah di bawah ini juga berlaku untuk panggilan OpenAI Responses; untuk permintaan HTTP, tambahkan /responses di akhir base_url, seperti pada POST {base_url}/responses.
  • AS (Virginia)
  • Jerman (Frankfurt)
  • Singapura
  • Jepang (Tokyo)
  • China (Beijing)
  • China (Hong Kong)
base_url untuk panggilan SDK adalah: https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/compatible-mode/v1URL permintaan HTTP: POST https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions
Ganti {WorkspaceId} dengan ID ruang kerja aktual Anda. Prasyarat: Anda harus mendapatkan Kunci API dan menetapkannya sebagai variabel lingkungan. Jika Anda menggunakan SDK, Anda harus menginstal SDK.

Mulai

Contoh berikut menggunakan input teks saja. Untuk contoh multimodal, lihat pemanggilan multimodal.
  • Kompatibel dengan OpenAI
  • DashScope
  • Kompatibel dengan Anthropic
  • Python
  • Node.js
  • HTTP
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Wilayah China (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja Bailian Anda. URL berbeda-beda tergantung wilayah.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Who are you?"}],
    stream=True,
    extra_body={"enable_thinking": True},  # Aktifkan mode berpikir untuk mendapatkan reasoning_content
)

reasoning_content = ""  # Proses berpikir lengkap
answer_content = ""     # Respons lengkap
is_answering = False    # Melacak apakah respons utama telah dimulai.

print("\n" + "=" * 20 + "Thinking Process" + "=" * 20 + "\n")

for chunk in completion:
    if chunk.choices:
        delta = chunk.choices[0].delta
        # Simpan konten dari proses berpikir.
        if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
            if not is_answering:
                print(delta.reasoning_content, end="", flush=True)
            reasoning_content += delta.reasoning_content
        # Mulai mencetak respons utama begitu kontennya tiba.
        if hasattr(delta, "content") and delta.content:
            if not is_answering:
                print("\n" + "=" * 20 + "Complete Response" + "=" * 20 + "\n")
                is_answering = True
            print(delta.content, end="", flush=True)
            answer_content += delta.content

Respons

====================Thinking Process====================

The user asks "Who are you?", which is a direct question about my identity. I need to answer truthfully based on my actual identity.

I am Kimi, an AI assistant developed by Moonshot AI. I should introduce myself clearly and concisely, including:
1. My identity: AI assistant
2. My developer: Moonshot AI
3. My name: Kimi
4. My core capabilities: long-text processing, intelligent conversation, file processing, search, etc.

I should maintain a friendly and professional tone, avoiding overly technical terms for clarity. I should also emphasize that I am an AI without personal consciousness, emotions, or experiences to prevent misunderstandings.

Response structure:
- Directly state my identity
- Mention my developer
- Briefly introduce core capabilities
- Keep it clear and concise
====================Complete Response====================

I am Kimi, an AI assistant developed by Moonshot AI. I am based on a Mixture-of-Experts (MoE) architecture and have capabilities such as ultra-long context understanding, intelligent conversation, file processing, code generation, and complex task reasoning. How can I help you?

Pemanggilan multimodal

Model kimi-k3.1-pro, kimi-k3, kimi-k2.7-code, kimi-k2.6, dan kimi-k2.5 mendukung input multimodal dan output teks. kimi-k3.1-pro dan kimi-k3 hanya mendukung input teks dan gambar, tidak mendukung input video; kimi-k2.7-code, kimi-k2.6, dan kimi-k2.5 dapat memproses teks, gambar, atau video secara simultan. Gunakan parameter enable_thinking untuk mengaktifkan mode berpikir. Contoh berikut menunjukkan cara menggunakan kemampuan ini.

Aktifkan atau nonaktifkan mode berpikir

kimi-k2.6 dan kimi-k2.5 adalah model berpikir hibrida. Model-model ini dapat membalas setelah berpikir atau membalas secara langsung. Anda dapat menggunakan parameter enable_thinking untuk mengontrol apakah akan mengaktifkan mode berpikir:
  • true: Aktifkan mode berpikir
  • false (default): Menonaktifkan mode berpikir
kimi-k2.7-code adalah model berpikir saja: mode berpikir selalu diaktifkan (enable_thinking default ke true dan tidak dapat dinonaktifkan), dan preserve_thinking default ke true. kimi-k3.1-pro dan kimi-k3 mengaktifkan pemikiran secara default (enable_thinking=true). Anda dapat menetapkannya ke false untuk menonaktifkan pemikiran, tetapi disarankan untuk tetap mengaktifkannya. Pada kimi-k3.1-pro, menonaktifkan pemikiran secara signifikan menurunkan kualitas output, sehingga sangat disarankan untuk tetap mengaktifkannya. Kedua model secara default mempertahankan riwayat reasoning_content yang dikirim klien. Kami menyarankan Anda mengirim kembali reasoning_content lengkap dari pesan assistant terdahulu dalam permintaan multi-turn. kimi-k2.6 mendukung meneruskan proses berpikir dalam percakapan multi-putaran dengan menggunakan parameter preserve_thinking. Untuk informasi lebih lanjut, lihat Meneruskan proses berpikir. Contoh berikut menunjukkan cara menggunakan URL gambar dan mengaktifkan mode berpikir. Contoh utama menunjukkan input gambar tunggal, sedangkan kode yang dikomentari adalah contoh input multi-gambar.
  • Kompatibel dengan OpenAI
  • DashScope
Python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Wilayah China (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja Bailian Anda. URL berbeda-beda tergantung wilayah.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

# Contoh input gambar tunggal (mode berpikir diaktifkan)
completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What scene is depicted in the image?"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"
                    }
                }
            ]
        }
    ],
    extra_body={"enable_thinking":True}  # Aktifkan mode berpikir
)

# Cetak proses berpikir
if hasattr(completion.choices[0].message, 'reasoning_content') and completion.choices[0].message.reasoning_content:
    print("\n" + "=" * 20 + "Thinking Process" + "=" * 20 + "\n")
    print(completion.choices[0].message.reasoning_content)

# Cetak respons lengkap
print("\n" + "=" * 20 + "Complete Response" + "=" * 20 + "\n")
print(completion.choices[0].message.content)

# Contoh input multi-gambar (mode berpikir diaktifkan, hapus komentar untuk digunakan)
# completion = client.chat.completions.create(
#     model="kimi-k2.6",
#     messages=[
#         {
#             "role": "user",
#             "content": [
#                 {"type": "text", "text": "What do these images depict?"},
#                 {
#                     "type": "image_url",
#                     "image_url": {"url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"}
#                 },
#                 {
#                     "type": "image_url",
#                     "image_url": {"url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/tiger.png"}
#                 }
#             ]
#         }
#     ],
#     extra_body={"enable_thinking":True}
# )
#
# # Cetak proses berpikir dan respons lengkap
# if hasattr(completion.choices[0].message, 'reasoning_content') and completion.choices[0].message.reasoning_content:
#     print("\nThinking Process:\n" + completion.choices[0].message.reasoning_content)
# print("\nComplete Response:\n" + completion.choices[0].message.content)

Pemahaman video

kimi-k3.1-pro dan kimi-k3 tidak mendukung input video (keduanya hanya mendukung input teks dan gambar), sehingga contoh pemahaman video di bagian ini tidak berlaku untuk kedua model tersebut.
  • File video
  • Daftar gambar
Model kimi-k2.7-code, kimi-k2.6, dan kimi-k2.5 menganalisis video dengan mengekstraksi rangkaian frame. Anda dapat mengontrol strategi ekstraksi frame dengan parameter berikut:
  • fps: Mengontrol frekuensi ekstraksi frame. Interval antar frame yang diekstraksi adalah 1/fps detik. Nilainya harus berada dalam rentang [0.1, 10]. Nilai default adalah 2.0.
    • Untuk adegan bergerak cepat: Atur nilai fps lebih tinggi untuk menangkap lebih banyak detail.
    • Untuk video statis atau panjang: Atur nilai fps lebih rendah untuk meningkatkan efisiensi pemrosesan.
  • max_frames: Menentukan jumlah maksimum frame yang diekstraksi dari video. Nilai default dan maksimum adalah 2000. Jika jumlah frame yang dihitung dari nilai fps melebihi batas ini, sistem secara otomatis mengekstraksi frame secara merata agar tetap dalam batas max_frames. Parameter ini hanya tersedia saat Anda menggunakan SDK DashScope.
  • Kompatibel dengan OpenAI
  • DashScope
Saat meneruskan file video ke model menggunakan SDK OpenAI atau permintaan HTTP, atur parameter "type" dalam pesan pengguna ke "video_url".
Python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Wilayah China (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja Bailian Anda. URL berbeda-beda tergantung wilayah.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "user",
            "content": [
                # Saat meneruskan file video langsung, atur parameter "type" ke "video_url".
                {
                    "type": "video_url",
                    "video_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241115/cqqkru/1.mp4"
                    },
                    "fps": 2
                },
                {
                    "type": "text",
                    "text": "What is the content of this video?"
                }
            ]
        }
    ]
)

print(completion.choices[0].message.content)

Meneruskan file lokal

Contoh berikut menunjukkan cara meneruskan file lokal. API kompatibel OpenAI hanya mendukung encoding Base64, sedangkan DashScope mendukung encoding Base64 dan jalur file.
  • Kompatibel dengan OpenAI
  • DashScope
Untuk meneruskan file lokal menggunakan encoding Base64, buat Data URL. Untuk petunjuk, lihat Buat Data URL.
Python
from openai import OpenAI
import os
import base64

# Fungsi encoding: Mengonversi file lokal menjadi string terenkripsi Base64.
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

# Ganti "xxx/eagle.png" dengan jalur mutlak ke gambar lokal Anda.
base64_image = encode_image("xxx/eagle.png")

client = OpenAI(
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    # Wilayah China (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja Bailian Anda. URL berbeda-beda tergantung wilayah.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/png;base64,{base64_image}"},
                },
                {"type": "text", "text": "What scene is depicted in the image?"},
            ],
        }
    ],
)
print(completion.choices[0].message.content)

# Contoh berikut menunjukkan cara meneruskan file video lokal dan daftar gambar lokal.

# [File video lokal] Enkode video lokal sebagai Data URL dan teruskan ke parameter video_url:
#   def encode_video_to_data_url(video_path):
#       with open(video_path, "rb") as f:
#           return "data:video/mp4;base64," + base64.b64encode(f.read()).decode("utf-8")

#   video_data_url = encode_video_to_data_url("xxx/local.mp4")
#   content = [{"type": "video_url", "video_url": {"url": video_data_url}, "fps": 2}, {"type": "text", "text": "What is the content of this video?"}]

# [Daftar gambar lokal] Enkode beberapa gambar lokal dengan Base64 dan teruskan sebagai daftar ke parameter video:
#   image_data_urls = [f"data:image/jpeg;base64,{encode_image(p)}" for p in ["xxx/f1.jpg", "xxx/f2.jpg", "xxx/f3.jpg", "xxx/f4.jpg"]]
#   content = [{"type": "video", "video": image_data_urls, "fps": 2}, {"type": "text", "text": "Describe the sequence of events in this video."}]

Batasan file

  • Batasan gambar
  • Batasan video
  • Resolusi gambar:
    • Ukuran minimum: Lebar dan tinggi masing-masing harus melebihi 10 piksel.
    • Rasio aspek: Rasio sisi terpanjang terhadap sisi terpendek tidak boleh melebihi 200:1.
    • Resolusi maksimum: Disarankan maksimum 8K(7680x4320). Resolusi yang lebih tinggi dapat menyebabkan timeout panggilan API karena ukuran file besar atau transfer jaringan lambat.
  • Format gambar yang didukung
    • Format berikut didukung untuk resolusi di bawah 4K(3840x2160):

      Format gambar

      Ekstensi file

      Jenis MIME

      BMP

      .bmp

      image/bmp

      JPEG

      .jpe, .jpeg, .jpg

      image/jpeg

      PNG

      .png

      image/png

      TIFF

      .tif, .tiff

      image/tiff

      WEBP

      .webp

      image/webp

      HEIC

      .heic

      image/heic

    • Untuk resolusi antara 4K(3840x2160) dan 8K(7680x4320), hanya JPEG, JPG, dan PNG yang didukung.
  • Ukuran gambar:
    • Saat menyediakan gambar melalui URL publik atau jalur lokal, ukurannya tidak boleh melebihi 10 MB.
    • Saat menggunakan encoding Base64, string terenkripsi tidak boleh melebihi 10 MB.
    Untuk mengompresi file, lihat Cara mengompresi gambar atau video agar memenuhi batas ukuran.
  • Jumlah gambar yang didukung: Saat menyediakan beberapa gambar, jumlah total token untuk semua gambar dan teks tidak boleh melebihi batas input maksimum model.

Fitur lainnya

Model

Percakapan multi-putaran

Pemikiran mendalam

Pemanggilan fungsi

Output terstruktur

Pencarian web

Pelengkapan awalan

Cache konteks

kimi-k3.1-pro

Didukung

Didukung

Didukung

Didukung (JSON Mode)

Didukung

Tidak didukung

Didukung (implicit cache)

kimi-k3

Didukung

Didukung

Didukung

Didukung

Didukung (Responses API)

Didukung

Didukung

kimi-k2.7-code

Didukung

Didukung

Didukung

Tidak didukung

Tidak didukung

Tidak didukung

Didukung

kimi-k2.6

Didukung

Didukung

Didukung

Tidak didukung

Tidak didukung

Tidak didukung

Didukung

kimi-k2.5

Didukung

Didukung

Didukung

Tidak didukung

Tidak didukung

Tidak didukung

Didukung

Alat yang Dimuat Secara Dinamis

Saat aplikasi perlu memasang banyak alat, memasukkan semua deklarasi alat sekaligus ke dalam field tools tingkat atas permintaan akan menyebabkan Tool Definition Bloat: setiap permintaan harus membawa deskripsi dan skema parameter semua alat sehingga konsumsi token meningkat; selain itu, makin banyak alat kandidat, makin besar kemungkinan model memilih alat yang salah dan menyusun argumen panggilan yang keliru. Alat yang Dimuat Secara Dinamis memungkinkan Anda menyuntikkan alat sesuai kebutuhan selama percakapan: pasang hanya beberapa alat inti terlebih dahulu, lalu saat percakapan mencapai titik yang memerlukan alat tertentu, sisipkan alat tersebut secara dinamis ke dalam messages. Dengan demikian, konsumsi token berkurang dan akurasi pemilihan alat meningkat.
kimi-k3.1-pro dan kimi-k3 mendukung alat yang dimuat secara dinamis; permintaan dengan fitur ini pada model lain (seperti kimi-k2.6) akan mengembalikan kesalahan tokenization failed.Format dan contoh di bagian ini untuk menyuntikkan alat ke dalam messages melalui field tools pada pesan system (system.tools) berlaku untuk API OpenAI Chat Completions.

Menyuntikkan deklarasi alat di dalam messages

Sisipkan pesan dengan role bernilai system ke dalam messages, lalu deklarasikan alat yang akan dimuat melalui field tools pada pesan tersebut. Formatnya identik dengan field tools tingkat atas permintaan, dan Anda harus menyediakan informasi alat yang lengkap (name, description, parameters).
  • Pesan system yang membawa tools memiliki status yang sama dengan pesan biasa: alat menjadi terlihat oleh model mulai dari posisi pesan tersebut dalam daftar messages.
  • Alat yang dimuat secara dinamis berdampingan dengan alat global yang dideklarasikan di field tools tingkat atas permintaan; model dapat melihat kedua jenis alat secara bersamaan.
  • Deklarasi alat yang disuntikkan secara dinamis harus berupa definisi alat yang lengkap; Anda tidak dapat hanya meneruskan nama alat atau mereferensikan alat yang dideklarasikan secara global.
  • Pesan system yang membawa tools tidak boleh sekaligus membawa field content; jika tidak, permintaan akan gagal dengan kesalahan 400. Saat menggunakan SDK OpenAI, Anda dapat meneruskan field tools secara langsung di dalam messages.
Python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # Berikut adalah URL untuk wilayah China (Beijing). Ganti {WorkspaceId} dengan ID ruang kerja Bailian Anda; URL berbeda-beda tergantung wilayah.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Please calculate 23 * 47 for me."},
        # Muat alat secara dinamis: sisipkan pesan system yang membawa field tools ke dalam percakapan
        {
            "role": "system",
            "tools": [
                {
                    "type": "function",
                    "function": {
                        "name": "Calculator",
                        "description": "Calculator; evaluates a single arithmetic expression only",
                        "parameters": {
                            "type": "object",
                            "properties": {
                                "expr": {
                                    "type": "string",
                                    "description": "Arithmetic expression supporting basic operations, exponentiation, logarithms, and trigonometric functions, in JavaScript syntax",
                                }
                            },
                            "required": ["expr"],
                        },
                    },
                }
            ],
        },
    ],
)

print(completion.choices[0].message.tool_calls)

Pemuatan sesuai kebutuhan yang dikombinasikan dengan alat pencarian

Tidak tersedia API khusus untuk pencarian alat. Jika jumlah alat banyak, Anda dapat mengombinasikan alat pencarian kustom dengan alat yang dimuat secara dinamis untuk memuat alat sesuai kebutuhan:
  1. Di awal sesi, deklarasikan di tools tingkat atas hanya alat search_tools yang diimplementasikan oleh backend aplikasi Anda (alat ini mengembalikan nama dan ringkasan alat yang cocok berdasarkan kata kunci), ditambah beberapa alat inti yang mungkin digunakan di setiap giliran.
  2. Deklarasikan kata kunci yang dapat dicari (seperti katalog alat atau tag domain) di prompt sistem untuk mengarahkan model agar memanggil search_tools terlebih dahulu saat memerlukan alat. Menetapkan tool_choice: "required" pada permintaan pertama menjamin setidaknya satu panggilan alat, tetapi tidak menjamin bahwa search_tools dipanggil terlebih dahulu. Jika pencarian terlebih dahulu bersifat wajib, tetapkan secara eksplisit tool_choice: {"type": "function", "function": {"name": "search_tools"}}, lalu kembalikan tool_choice ke "auto" setelah pencarian. Mengubah tool_choice tidak merusak prefix cache.
  3. Berdasarkan hasil yang dikembalikan oleh search_tools, aplikasi secara dinamis menyisipkan deklarasi lengkap alat yang sesuai ke dalam messages melalui pesan system yang membawa tools.
  4. Model kemudian dapat memanggil alat yang baru dimuat tersebut secara langsung pada proses generasi berikutnya.
Dengan cara ini, berapa pun total jumlah alat, hanya beberapa deklarasi alat yang benar-benar ada di setiap permintaan, sehingga jendela konteks dan tekanan pemilihan pada model tetap terkendali.

Catatan

  • Deklarasi alat dinamis berlaku per permintaan dan tidak diingat oleh server. Apakah deklarasi tersebut tetap dibawa pada permintaan berikutnya bergantung pada pihak integrator: jika tetap dibawa, alat tetap tersedia (yang juga membantu mencapai prefix cache); jika tidak lagi dibawa, deklarasi kedaluwarsa. Jika alat tidak dideklarasikan di tempat lain, model tidak dapat memanggilnya, dan prefix cache setelah titik perubahan mungkin tidak tercapai.
  • Menambahkan deklarasi alat dinamis di akhir messages tidak memengaruhi cache dari prefiks yang sudah ada; menghapus atau mengubah deklarasi alat sebelumnya dapat memengaruhi cache hit setelah titik perubahan. Mendeklarasikan alat global di field tools tingkat atas permintaan juga tidak memengaruhi cache hit.
  • Pesan system yang membawa tools juga menggunakan panjang konteks, jadi suntikkan hanya alat yang benar-benar diperlukan oleh percakapan saat ini.
  • Deklarasi alat dinamis menggunakan format yang sama persis dengan deklarasi tools global, sehingga integrator tidak perlu memelihara dua skema.

Parameter default

Model

enable_thinking

temperature

top_p

presence_penalty

fps

max_frames

kimi-k3.1-pro

true (dapat dinonaktifkan; sangat disarankan untuk tetap diaktifkan)

1.0

0.95

0.0

-

-

kimi-k3

true (dapat dinonaktifkan; disarankan untuk tetap diaktifkan)

1.0

0.95

0.0

-

-

kimi-k2.7-code

true (hanya mode berpikir)

1.0

0.95

0.0

2

2000

kimi-k2.6

false

mode berpikir: 1.0

mode non-berpikir: 0.6

Kedua mode: 0.95

Kedua mode: 0.0

2

2000

kimi-k2.5

false

mode berpikir: 1.0

mode non-berpikir: 0.6

Kedua mode: 0.95

Kedua mode: 0.0

2

2000

Tanda hubung (-) menunjukkan bahwa parameter tersebut tidak berlaku. Parameter sampling untuk kimi-k3.1-pro bernilai tetap, yaitu temperature=1.0, top_p=0.95, dan presence_penalty=0.0. Meneruskan nilai selain nilai default untuk salah satu parameter ini akan mengembalikan kesalahan. Tingkat upaya penalaran berikut hanya berlaku untuk kimi-k3.1-pro, dengan max sebagai nilai default:
  • max (default): penalaran mendalam
  • high: penalaran yang ditingkatkan
  • medium: penalaran sedang
  • low: penalaran ringan
Lokasi parameter upaya penalaran berbeda-beda menurut protokol:
  • OpenAI Chat Completions: Gunakan field reasoning_effort tingkat atas. Dengan SDK Python OpenAI, teruskan reasoning_effort="max" secara langsung.
  • DashScope: Gunakan parameter SDK reasoning_effort atau parameters.reasoning_effort dalam permintaan HTTP.
  • OpenAI Responses: Gunakan reasoning.effort.
  • Anthropic Messages: Gunakan output_config.effort.

Model dan penagihan

Seri Kimi adalah model bahasa besar dari Moonshot AI.
  • kimi-k3.1-pro: Mendukung input teks dan gambar, output teks, serta pemuatan alat dinamis. Input video, Batch, dan fine-tuning tidak didukung.
  • kimi-k3: Model unggulan Kimi. Secara default, model ini melakukan penalaran dan menggunakan preserved thinking. Mendukung input teks dan gambar (input video tidak didukung), percakapan dan tugas agen, serta pemuatan alat dinamis.
  • kimi-k2.7-code: Model Kimi untuk pemrograman. Model ini mengikuti instruksi konteks panjang lebih andal dan mencapai tingkat keberhasilan lebih tinggi dalam tugas pemrograman. Mendukung input teks, gambar, dan video, mode berpikir, percakapan, dan tugas agen.
  • kimi-k2.6: Model dalam seri Kimi dengan peningkatan kinerja dalam pemrograman jangka panjang, mengikuti instruksi, dan koreksi diri. Mendukung input teks, gambar, dan video, mode berpikir dan non-berpikir, percakapan, dan tugas agen.
  • kimi-k2.5: Mencapai kinerja teknologi terkini (SOTA) pada benchmark sumber terbuka untuk tugas agen, pembuatan kode, pemahaman visual, dan tugas kecerdasan umum lainnya. Mendukung input gambar, video, dan teks, mode berpikir dan non-berpikir, percakapan, dan tugas agen.
kimi-k3.1-pro dan kimi-k3 tidak mendukung parameter thinking_budget. Anda tidak dapat menggunakan parameter ini untuk membatasi panjang proses berpikir.
Untuk harga, lihat penagihan pemanggilan model.
Untuk detail harga dan jendela konteks, lihat Konsol Model Studio. Penagihan didasarkan pada jumlah token input dan output.
Dalam mode berpikir, rantai pemikiran dihitung sebagai token output.

Kode kesalahan

Jika panggilan model gagal dan mengembalikan pesan kesalahan, lihat Kode kesalahan.