Felo API PlatformFelo API Platform
بازگشت به مدل‌ها
Moonshot AImessages

MoonshotAI: Kimi K2.5 API

Kimi K2.5 یک مدل چندوجهی بومی از Moonshot AI با پنجره زمینه ۲۶۲ هزار توکن است که کدنویسی، پردازش تصویر و هماهنگی چندعاملی را با وزن‌های باز ارائه می‌دهد.

Kimi K2.5 یک مدل زبانی چندوجهی بومی از Moonshot AI است که متن و تصویر را به طور همزمان درک می‌کند. این مدل بر پایه Kimi-K2-Base و با ادامه پیش‌آموزش روی حدود ۱۵ تریلیون توکن ترکیبی از متن و تصویر ساخته شده و از معماری Mixture-of-Experts با ۱٫۰۴ تریلیون پارامتر کل و ۳۲ میلیارد پارامتر فعال در هر استنتاج بهره می‌برد. یک رمزگذار بینایی ۴۰۰ میلیون پارامتری به نام MoonViT نیز به آن اضافه شده است. Kimi K2.5 تحت مجوز MIT اصلاح‌شده و با اجازه استفاده تجاری منتشر شده است.

این مدل برای وظایف کدنویسی با بینایی، مانند تولید کد از مشخصات بصری مثل طرح‌های رابط کاربری و جریان‌های کاری ویدیویی، طراحی شده است. قابلیت Agent Swarm آن وظایف پیچیده را به زیروظایف موازی تجزیه می‌کند و می‌تواند تا ۱۰۰ زیرعامل را هماهنگ کرده و تا ۱٬۵۰۰ فراخوانی ابزار را اجرا کند. حالت تفکر با تحلیل گام‌به‌گام و حالت فوری برای پاسخ‌های سریع در دسترس است. دمای توصیه‌شده در حالت تفکر ۱٫۰ و در حالت فوری ۰٫۶ همراه با top_p ۰٫۹۵ است.

Kimi K2.5 برای هماهنگی وظایف چندعاملی در مقیاس بزرگ، خطوط لوله پردازش داده پیچیده با مراحل موازی خراش‌دادن، پاک‌سازی، تحلیل و مصورسازی، و جریان‌های کاری عاملی که ۲۰۰ تا ۳۰۰ فراخوانی ابزار را به طور خودکار اجرا می‌کنند مناسب است. فراخوانی ابزار از طریق API سازگار با OpenAI و Anthropic پشتیبانی می‌شود و مدل روی موتورهای استنتاج شامل vLLM، SGLang و KTransformers اجرا می‌شود. برای عملکرد بهینه، Kimi Code CLI به عنوان چارچوب عاملی توصیه می‌شود.

به‌روزرسانی:

MODEL ID

kimi-k2.5
زمینه
262.144K
حداکثر خروجی
235.929K
API پیشنهادی
messages
ورودی
text / image
خروجی
text

نکات برجسته

  • مدل چندوجهی بومی با درک متن و تصویر
  • پنجره زمینه ۲۶۲ هزار توکن
  • هماهنگی تا ۱۰۰ زیرعامل
  • تا ۱٬۵۰۰ فراخوانی ابزار
  • حالت تفکر و حالت فوری
  • وزن‌های باز با مجوز MIT اصلاح‌شده

ارائه‌دهندگان

2 ارائه‌دهنده

قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.

ارائه‌دهنده · جزئیات قیمت‌گذاری
دسترس‌پذیری
$0.49$2.5$0.2
$0.6$3منتشر نشده

با $10 چه می‌توان خرید

ورودی
۲۰٫۴ میلیون توکن
خروجی
۴ میلیون توکن

برآورد بر اساس قیمت‌های فعلی ورودی و خروجی، پیش از تخفیف.

بنچمارک‌ها

  • Vals Index

    رتبه در میان مدل‌های با وزن باز

    رتبه ۱
  • Vals Multimodal Index

    رتبه در میان مدل‌های با وزن باز

    رتبه ۱
  • SWE-bench Verified

    رتبه در میان مدل‌های با وزن باز

    رتبه ۱
  • Terminal-Bench 2.0

    رتبه در میان مدل‌های با وزن باز

    رتبه ۱
  • Finance Agent

    رتبه در میان همه مدل‌ها

    رتبه ۳
  • SAGE

    رتبه در میان همه مدل‌ها

    رتبه ۳
  • HLE

    با استفاده از ابزار

    50.2%
  • CaseLaw

    پایین‌ترین رتبه؛ در فاصله ۱۰ درصدی از مقام اول

    رتبه ۱۶

امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.

استدلال

به‌طور پیش‌فرض فعال
بله
همیشه فعال
خیر

شروع سریع

کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی می‌خواهید پرامپت‌ها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.

1

کلید API خود را بگیرید

از حساب Felo API Platform خود کلیدی بسازید و آن را به‌عنوان متغیر محیطی تنظیم کنید.

export FELO_API_KEY="YOUR_API_KEY"
2

اولین درخواست خود را بفرستید

این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id می‌توانند در عیب‌یابی کمک کنند.

kimi-k2.5

این مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخاب‌شده کنترل‌های استدلال ارائه می‌دهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "kimi-k2.5",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

استفاده از SDKهای شخص ثالث

از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینت‌های به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.

3

جریان را فعال کنید

برای دریافت پاسخ‌ها به‌صورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "kimi-k2.5",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه می‌کند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی می‌کند.

سطحروشURL

Messages

پیام‌های سازگار با Anthropic برای کلاینت‌های به سبک Claude.

POST

https://openapi.felo.ai/api/v1/messages

پارامترها

نامنوعپیش‌فرضتوضیح
modelstringkimi-k2.5شناسه عمومی مدل برای فراخوانی.
max_tokensinteger—حداکثر token تولیدی.
messagesarray—پیام‌های گفتگو برای Chat Completions.
seed———
stop———
min_p———
toolsarray—تعریف‌های فراخوانی ابزار بر پایه طرح‌واره سازگار.
top_k———
top_p———
logprobs———
reasoning———
logit_bias———
temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل می‌کند.
tool_choicestring or object—کنترل می‌کند آیا ابزاری باید فراخوانی شود.
top_logprobs———
response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست می‌کند.
presence_penalty———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———

پرسش‌های متداول

معرفی مدل: MoonshotAI: Kimi K2.5?

Kimi K2.5 یک مدل زبانی چندوجهی بومی از Moonshot AI است که متن و تصویر را به طور همزمان درک می‌کند. این مدل بر پایه Kimi-K2-Base و با ادامه پیش‌آموزش روی حدود ۱۵ تریلیون توکن ترکیبی از متن و تصویر ساخته شده و از معماری Mixture-of-Experts با ۱٫۰۴ تریلیون پارامتر کل و ۳۲ میلیارد پارامتر فعال در هر استنتاج بهره می‌برد. یک رمزگذار بینایی ۴۰۰ میلیون پارامتری به نام MoonViT نیز به آن اضافه شده است. Kimi K2.5 تحت مجوز MIT اصلاح‌شده و با اجازه استفاده تجاری منتشر شده است. این مدل برای وظایف کدنویسی با بینایی، مانند تولید کد از مشخصات بصری مثل طرح‌های رابط کاربری و جریان‌های کاری ویدیویی، طراحی شده است. قابلیت Agent Swarm آن وظایف پیچیده را به زیروظایف موازی تجزیه می‌کند و می‌تواند تا ۱۰۰ زیرعامل را هماهنگ کرده و تا ۱٬۵۰۰ فراخوانی ابزار را اجرا کند. حالت تفکر با تحلیل گام‌به‌گام و حالت فوری برای پاسخ‌های سریع در دسترس است. دمای توصیه‌شده در حالت تفکر ۱٫۰ و در حالت فوری ۰٫۶ همراه با top_p ۰٫۹۵ است. Kimi K2.5 برای هماهنگی وظایف چندعاملی در مقیاس بزرگ، خطوط لوله پردازش داده پیچیده با مراحل موازی خراش‌دادن، پاک‌سازی، تحلیل و مصورسازی، و جریان‌های کاری عاملی که ۲۰۰ تا ۳۰۰ فراخوانی ابزار را به طور خودکار اجرا می‌کنند مناسب است. فراخوانی ابزار از طریق API سازگار با OpenAI و Anthropic پشتیبانی می‌شود و مدل روی موتورهای استنتاج شامل vLLM، SGLang و KTransformers اجرا می‌شود. برای عملکرد بهینه، Kimi Code CLI به عنوان چارچوب عاملی توصیه می‌شود.

هزینه استفاده چگونه محاسبه می‌شود؟

صورت‌حساب شما به ارائه‌دهنده‌ای که استفاده می‌کنید، قیمت‌های آن و میزان مصرف شما بستگی دارد. ورودی‌های طولانی‌تر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.

Kimi K2.5 از چه ورودی‌هایی پشتیبانی می‌کند؟

این مدل ورودی متن و تصویر را می‌پذیرد و خروجی متنی تولید می‌کند. بنابراین می‌توان از آن برای وظایفی که به درک همزمان متن و تصویر نیاز دارند استفاده کرد.

پنجره زمینه Kimi K2.5 چقدر است؟

پنجره زمینه این مدل ۲۶۲ هزار توکن است. اطلاعاتی درباره محدودیت طول خروجی در منابع موجود نیست.

Kimi K2.5 برای چه وظایفی مناسب است؟

این مدل برای هماهنگی وظایف چندعاملی، خطوط لوله پردازش داده پیچیده، تولید کد از مشخصات بصری و جریان‌های کاری عاملی با ۲۰۰ تا ۳۰۰ فراخوانی ابزار طراحی شده است.

تفاوت Kimi K2.5 با Kimi K2 Thinking چیست؟

Kimi K2 Thinking از ورودی چندوجهی پشتیبانی نمی‌کرد، در حالی که Kimi K2.5 یک مدل چندوجهی بومی با درک متن و تصویر است. Kimi K2.5 بر پایه Kimi-K2-Base ساخته شده است.

حالت‌های پاسخ‌دهی Kimi K2.5 کدام‌اند؟

این مدل یک حالت تفکر با تحلیل گام‌به‌گام و یک حالت فوری برای پاسخ‌های سریع ارائه می‌دهد. دمای توصیه‌شده در حالت تفکر ۱٫۰ و در حالت فوری ۰٫۶ با top_p ۰٫۹۵ است.

Kimi K2.5 از چه موتورهای استنتاجی پشتیبانی می‌کند؟

این مدل روی موتورهای استنتاج شامل vLLM، SGLang و KTransformers اجرا می‌شود. فراخوانی ابزار نیز از طریق API سازگار با OpenAI و Anthropic پشتیبانی می‌شود.

مدل‌های مرتبط