# Kimi 2.7 API

Vollständige API-Referenz für Kimi 2.7 LLM-Modelle, betrieben von Moonshot AI.

## Modellvarianten

Diese API unterstützt zwei Modellvarianten:

| Modell | ID | Beschreibung |
|-------|----|-------------|
| **Kimi 2.7 Text to Text** | `kimi-2.7-text-to-text` | Allgemeines Textrasoning und Schreiben |
| **Kimi 2.7 Image to Text** | `kimi-2.7-image-to-text` | Bildverständnis mit Textanweisungen |

## Schneller Vergleich

| Funktion | Text to Text | Image to Text |
|---------|--------------|---------------|
| Texteingabe | Erforderlich ✅ | Optional |
| Bildeingabe | Nicht unterstützt ❌ | Optional |
| Streaming-Antwort | SSE | SSE |
| `max_tokens` | Optional | Optional |
| `top_p` | Optional | Optional |
| `top_k` | Optional | Optional |

## Kimi 2.7 Text to Text

### Endpunkt

```http
POST /api/v1/chat/completions
```

### Anfrageparameter

#### Erforderlich

| Parameter | Typ | Beschreibung |
|-----------|------|-------------|
| `model` | string | Muss `"kimi-2.7-text-to-text"` sein |
| `messages` | array | Geordnete Nachrichten. Siehe LLM API für die Nachrichtenstruktur. |
| `stream` | boolean | `true` für SSE, `false` für eine einzelne JSON-Antwort. |

#### Nachrichtenunterstützung

| Feld | Text | Datei | Bild |
|-------|------|------|-------|
| `messages` | Erforderlich ✅ | Nicht unterstützt ❌ | Nicht unterstützt ❌ |

#### Optionale Angaben

| Parameter | Typ | Bereich | Beschreibung |
|-----------|------|-------|-------------|
| `max_tokens` | integer | `> 0` | Maximale Ausgabetokens. |
| `top_p` | number | `0.0` - `1.0` | Begrenzt die kumulative Wahrscheinlichkeitsmasse für Kandidatentokens. |
| `top_k` | integer | `0` - `100` | Begrenzt die Anzahl der Kandidatentokens. |

### Beispielanfrage

```javascript
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Accept': 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'kimi-2.7-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Write a concise Java beginner tutorial outline.'
      }
    ],
    stream: true,
    max_tokens: 2000,
    top_p: 0.9,
    top_k: 50
  })
});
```

## Kimi 2.7 Image to Text

### Endpunkt

```http
POST /api/v1/chat/completions
```

### Anfrageparameter

#### Erforderlich

| Parameter | Typ | Beschreibung |
|-----------|------|-------------|
| `model` | string | Muss `"kimi-2.7-image-to-text"` sein |
| `messages` | array | Geordnete Nachrichten. Siehe LLM API und Message Attachments. |
| `stream` | boolean | `true` für SSE, `false` für eine einzelne JSON-Antwort. |

#### Nachrichtenunterstützung

| Feld | Text | Datei | Bild |
|-------|------|------|-------|
| `messages` | Optional | Nicht unterstützt ❌ | Optional |

#### Optionale Angaben

| Parameter | Typ | Bereich | Beschreibung |
|-----------|------|-------|-------------|
| `max_tokens` | integer | `> 0` | Maximale Ausgabetokens. |
| `top_p` | number | `0.0` - `1.0` | Begrenzt die kumulative Wahrscheinlichkeitsmasse für Kandidatentokens. |
| `top_k` | integer | `0` - `100` | Begrenzt die Anzahl der Kandidatentokens. |

### Beispielanfrage

```javascript
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Accept': 'text/event-stream',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'kimi-2.7-image-to-text',
    messages: [
      {
        role: 'user',
        content: [
          { type: 'text', text: 'What is roughly shown in this image?' },
          {
            type: 'image_url',
            image_url: {
              url: 'https://example.com/sample-image.jpg'
            }
          }
        ]
      }
    ],
    stream: true,
    max_tokens: 300
  })
});
```

## Antwortformat

Die Kimi 2.7 LLM-Modelle geben OpenAI-kompatible Completion-Antworten zurück. Bei `stream: true` wird die Antwort als Server-Sent Events übertragen; bei `stream: false` als einzelnes JSON-Objekt.

## Bewährte Praktiken

- Verwenden Sie prägnante Systemanweisungen für aufgabenspezifisches Verhalten.
- Kombinieren Sie für Bildverständnis eine klare Frage mit angehängtem Bildinhalt in `messages[].content`.
- Passen Sie `top_p` und `top_k` nur an, wenn Sie eine strengere oder variantenreichere Ausgabe benötigen.