API Kimi 2.7

Referência completa da API para modelos LLM Kimi 2.7 com tecnologia Moonshot AI.

Variantes do modelo

Esta API oferece suporte a duas variantes de modelo:

Comparação rápida

Kimi 2.7 Text to Text

Ponto de conexão

httpCopiar
POST /api/v1/chat/completions

Parâmetros da solicitação

Obrigatórios

Suporte a mensagens

Opcionais

Solicitação de exemplo

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

Ponto de conexão

httpCopiar
POST /api/v1/chat/completions

Parâmetros da solicitação

Obrigatórios

Suporte a mensagens

Opcionais

Solicitação de exemplo

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 da resposta

Os modelos LLM Kimi 2.7 retornam respostas de conclusão compatíveis com a OpenAI. Com stream: true, a resposta é transmitida por eventos enviados pelo servidor (SSE); com stream: false, ela é retornada como um único objeto JSON.

Boas práticas

• Use instruções de sistema concisas para comportamento específico da tarefa.
• Para compreensão de imagens, combine uma pergunta clara com conteúdo de imagem anexado em messages[].content.
• Ajuste top_p e top_k somente quando precisar de uma saída mais estrita ou mais variada.