Moonshot AI/kimi-2.7-text-to-text

kimi-2.7-text-to-text

Essayez gratuitement l'API Kimi 2.7 Text-to-Text pour la rédaction longue, le raisonnement, l'aide au code, les résumés et les workflows LLM de production via un accès Flaq AI stable.

Text Chat

Modèles Kimi 2.7 associés

kimi-2.7-text-to-texttext-to-text

kimi-2.7-image-to-textimage-to-text

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

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
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';

while (true) {
  const { done, value } = await reader.read();
  if (done) break;

  buffer += decoder.decode(value, { stream: true });
  const frames = buffer.split('\n\n');
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split('\n').filter(Boolean);
    let eventName = 'message';
    const dataLines = [];

    for (const line of lines) {
      if (line.startsWith('event:')) {
        eventName = line.slice(6).trim();
      } else if (line.startsWith('data:')) {
        dataLines.push(line.replace(/^data:\s*/, ''));
      }
    }

    const raw = dataLines.join('\n').trim();
    if (raw === '[DONE]') {
      console.log('\nFinal text:', assistantText);
      continue;
    }

    let payload;
    try {
      payload = JSON.parse(raw);
    } catch {
      continue;
    }

    if (eventName === 'error' || payload.error) {
      const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
      throw new Error(msg);
    }

    const delta = payload.choices?.[0]?.delta;
    if (delta?.content) {
      assistantText += delta.content;
      console.log(assistantText);
    }
  }
}

Exemple d'envoi

import json
import requests

response = requests.post(
    'https://api.flaq.ai/api/v1/chat/completions',
    headers={
        'Authorization': 'Bearer YOUR_API_KEY',
        'Accept': 'text/event-stream',
        'Content-Type': 'application/json',
    },
    json={
        '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,
    },
    stream=True,
)

response.raise_for_status()

event_name = 'message'
assistant_text = ''

for raw_line in response.iter_lines(decode_unicode=True):
    if not raw_line:
        event_name = 'message'
        continue

    if raw_line.startswith('event:'):
        event_name = raw_line.replace('event:', '', 1).strip()
        continue

    if raw_line.startswith('data:'):
        raw_data = raw_line.replace('data:', '', 1).strip()
        if raw_data == '[DONE]':
            print('\nFinal text:', assistant_text)
            continue

        payload = json.loads(raw_data)

        if event_name == 'error' or payload.get('error'):
            error = payload.get('error') or payload
            raise RuntimeError(error.get('message', 'Chat request failed'))

        choices = payload.get('choices') or []
        if choices:
            delta = choices[0].get('delta') or {}
            content = delta.get('content')
            if content:
                assistant_text += content
                print(content, end='', flush=True)

Exemple d'envoi

curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Accept: text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{
    "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
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Kimi 2.7 Text to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$0.8455 par 1 M de jetons d’entrée	$0.8900 par 1 M de jetons d’entrée	95%
Jeton: output	$3.5245 par 1 M de jetons de sortie	$3.7100 par 1 M de jetons de sortie	95%

README

API Kimi 2.7 Text-to-Text stable et abordable (modèle de langage Moonshot AI)

L'API Kimi 2.7 Text-to-Text sur Flaq AI fournit un accès stable au modèle de langage Moonshot AI pour les développeurs qui créent des workflows de raisonnement, rédaction, codage, résumé et automatisation. Cette intégration abordable de l'API Kimi aide les équipes à générer des sorties texte fiables via une route prête pour la production sans gérer d'infrastructure propre au fournisseur. Elle est conçue pour agents IA, outils métier, systèmes de contenu et produits développeur qui ont besoin d'une intelligence linguistique réactive à grande échelle.

Fonctionnalités clés de l'API Kimi 2.7 Text-to-Text

Génération de texte fiable : Générez des réponses de haute qualité pour rédaction, analyse, aide au code, résumés et workflows métier structurés via l'intégration de l'API Kimi 2.7.
Suivi solide des instructions : Créez des applications qui nécessitent une adhérence précise aux prompts, un raisonnement multi-étapes et un formatage de réponse cohérent en production.
Accès API pensé pour les développeurs : Intégrez Kimi 2.7 via une route Flaq AI stable avec des schémas de requête familiers pour chat, automatisation et services backend.
Prise en charge du contexte conversationnel : Maintenez un contexte utile dans les interactions multi-tours pour assistants, copilotes de workflow et applications de type agent.
Contrôles de sortie pratiques : Ajustez le comportement de génération pour réponses concises, raisonnement plus profond, écriture créative ou sorties structurées selon les besoins produit.
Workflows LLM abordables : Utilisez Kimi 2.7 pour automatisation linguistique économique, outils internes et fonctionnalités IA évolutives sans lourde surcharge d'infrastructure.

Comment utiliser l'API Kimi 2.7 Text-to-Text pour la génération de texte sur Flaq AI

Entrée : Messages en langage naturel, instructions de tâche, historique de conversation et préférences de génération facultatives.
Sortie : Réponses texte adaptées aux assistants de chat, résumés, analyses, support de codage et workflows de contenu structuré.
Contexte : Prend en charge les modèles de conversation multi-tours pour applications interactives et workflows d'agents.
Capacités : Génération de texte, assistance au raisonnement, rédaction de contenu, aide au code, résumé, classification et automatisation de workflow via l'intégration de l'API Kimi 2.7.

Meilleurs cas d'utilisation pour l'intégration de l'API Kimi 2.7 Text-to-Text

Agents IA et assistants : Alimentez chatbots, copilotes de workflow et agents de tâches qui nécessitent un raisonnement stable et un suivi des instructions.
Outils de contenu et rédaction : Rédigez articles, réécrivez du copy, générez plans, résumez de longs supports et créez du texte soigné orienté utilisateur.
Productivité développeur : Créez assistants de codage, aides à la documentation, copilotes de débogage et outils d'explication de code avec accès API abordable.
Automatisation métier : Classez les demandes, extrayez le sens des messages, générez des réponses et automatisez les tâches répétitives de travail intellectuel.
Recherche et analyse : Résumez des sources, comparez des options, synthétisez des résultats et transformez des notes désordonnées en sorties structurées.

Remarque Veuillez vous assurer que vos prompts et votre utilisation respectent les exigences de sécurité de Moonshot AI et de Flaq AI. En cas d'erreur, révisez la requête, supprimez le contenu restreint, puis réessayez.

Kimi 2.7 Text-to-Text face aux concurrents : analyse comparative

Kimi 2.7 vs. GPT Text-to-Text
Les modèles GPT offrent de larges capacités linguistiques générales. L'API Kimi 2.7 Text-to-Text fournit une alternative Moonshot AI aux équipes qui veulent un accès LLM stable et abordable avec un raisonnement solide et des workflows orientés codage.
Kimi 2.7 vs. Claude Text-to-Text
Claude est connu pour l'écriture longue et l'analyse attentives. Kimi 2.7 se concentre sur le raisonnement pratique, la productivité développeur et l'automatisation économique via une intégration API simple.
Kimi 2.7 vs. Gemini Flash
Gemini Flash met l'accent sur l'accès rapide au modèle Google. Kimi 2.7 donne aux développeurs une route native Moonshot pour les tâches linguistiques où suivi des instructions, aide au code et workflows d'agents comptent.
Kimi 2.7 vs. Qwen Plus
Qwen Plus est un modèle de langage Alibaba solide pour workflows de chat abordables. Kimi 2.7 offre un autre choix de modèle Moonshot AI aux équipes qui comparent style de sortie, comportement de raisonnement et diversité fournisseur.
Kimi 2.7 vs. GLM 5.2
GLM 5.2 est positionné pour le codage avancé et l'ingénierie agentique. Kimi 2.7 fournit une autre option LLM stable pour rédaction, assistance au code, résumé et automatisation générale sur Flaq AI.