API de Kimi 2.7

Referencia completa de la API para los modelos LLM Kimi 2.7 impulsados por Moonshot AI.

Variantes del modelo

Esta API admite dos variantes de modelo:

Comparación rápida

Kimi 2.7 Text to Text

Punto de conexión

httpCopiar
POST /api/v1/chat/completions

Parámetros de solicitud

Obligatorios

Compatibilidad de mensajes

Opcionales

Solicitud de ejemplo

javascriptCopiar
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

Punto de conexión

httpCopiar
POST /api/v1/chat/completions

Parámetros de solicitud

Obligatorios

Compatibilidad de mensajes

Opcionales

Solicitud de ejemplo

javascriptCopiar
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
  })
});

Formato de respuesta

Los modelos LLM Kimi 2.7 devuelven respuestas de finalización compatibles con OpenAI. Con stream: true, la respuesta se transmite mediante eventos enviados por el servidor (SSE); con stream: false, se devuelve como un único objeto JSON.

Buenas prácticas

• Usa instrucciones de sistema concisas para comportamientos específicos de la tarea.
• Para comprensión de imágenes, combina una pregunta clara con contenido de imagen adjunto en messages[].content.
• Ajusta top_p y top_k solo cuando necesites una salida más estricta o más variada.