Kimi-K2.7-Code
moonshotai/kimi-k2.7-codeKimi-K2.7-Code یک مدل از Moonshot AI است که متن و تصاویر را میپذیرد و متن تولید میکند. این ورودی کاتالوگ moonshotai/kimi-k2.7-code را شناسایی میکند. پنجره زمینه بررسیشده آن 262,144 توکن است؛ محدودیتهای استقرار ممکن است کمتر باشد.
- ورودی → خروجی
- متن, تصویر متن
- ورودی / خروجی · به ازای هر ۱ میلیون توکن
- €0.856518 / €3.606389
- پنجره زمینه
- 262,144 توکنها
- حداکثر خروجی
- 235,929 توکنها
از مدل تا برنامه
شروع سریع
کلید API خود را دریافت کنید
یک کلید در کنسول ShareAI ایجاد کنید، سپس آن را به عنوان یک متغیر محیطی در سرور خود ذخیره کنید.
ایجاد کلید APIexport SHAREAI_API_KEY="your-api-key"نقطه پایانی خود را انتخاب کنید
یک درخواست POST با کلید API خود در هدر Authorization ارسال کنید.
ارسالhttps://api.shareai.now/api/v1/chat/completionsنقطه پایانی این برچسب تأیید نشده است. مرجع API و کنسول خود را بررسی کنید قبل از ارسال درخواست.
اولین درخواست خود را ارسال کنید
مثالها از برچسب انتخابی شما استفاده میکنند و قالب درخواست آن را نشان میدهند. آنها را روی سرور خود اجرا کنید تا کلید API شما خصوصی بماند. دسترسی به مدل و حساب هنگام ارسال درخواست بررسی میشود.
curl --fail-with-body --request POST 'https://api.shareai.now/api/v1/chat/completions' \ --header "Authorization: Bearer ${SHAREAI_API_KEY}" \ --header 'Content-Type: application/json' \ --data-raw '{ "model": "moonshotai/kimi-k2.7-code", "messages": [ { "role": "user", "content": "Hello!" } ], "stream": false }'import json import os import urllib.request payload = { "model": "moonshotai/kimi-k2.7-code", "messages": [ { "role": "user", "content": "Hello!", }, ], "stream": False, } request = urllib.request.Request("https://api.shareai.now/api/v1/chat/completions", data=json.dumps(payload).encode(), headers={ "Authorization": f"Bearer {os.environ['SHAREAI_API_KEY']}", "Content-Type": "application/json", }, method="POST", ) with urllib.request.urlopen(request, timeout=180) as response: print(json.dumps(json.load(response), indent=2))package main import ( "bytes" "encoding/json" "fmt" "io" "net/http" "os" "time" ) func main() { if err := run(); err != nil { fmt.Fprintln(os.Stderr, err) os.Exit(1) } } func run() error { key := os.Getenv("SHAREAI_API_KEY") if key == "" { return fmt.Errorf("set SHAREAI_API_KEY") } body := []byte(`{ "model": "moonshotai/kimi-k2.7-code", "messages": [ { "role": "user", "content": "Hello!" } ], "stream": false }`) request, err := http.NewRequest(http.MethodPost, "https://api.shareai.now/api/v1/chat/completions", bytes.NewReader(body)) if err != nil { return err } request.Header.Set("Authorization", "Bearer " + key) request.Header.Set("Content-Type", "application/json") client := &http.Client{Timeout: 180 * time.Second} response, err := client.Do(request) if err != nil { return err } defer response.Body.Close() if response.StatusCode < 200 || response.StatusCode >= 300 { detail, _ := io.ReadAll(io.LimitReader(response.Body, 1<<20)) return fmt.Errorf("ShareAI HTTP %d: %s", response.StatusCode, detail) } var result any if err := json.NewDecoder(response.Body).Decode(&result); err != nil { return err } encoder := json.NewEncoder(os.Stdout) encoder.SetIndent("", " ") return encoder.Encode(result) }به عنوان main.go ذخیره کنید و دستور go run main.go را اجرا کنید. این مثال از کتابخانه استاندارد Go استفاده میکند.
تنظیم وابستگیهای Rust
در پروژه Cargo خود، این وابستگیها را اضافه کنید. مثال را به عنوان src/main.rs ذخیره کنید، سپس دستور cargo run را اجرا کنید.
cargo add [email protected] --no-default-features --features blocking,json,rustls-tls cargo add serde_json@1fn main() -> Result<(), Box<dyn std::error::Error>> { let api_key = std::env::var("SHAREAI_API_KEY")?; let payload: serde_json::Value = serde_json::from_str(r#"{ "model": "moonshotai/kimi-k2.7-code", "messages": [ { "role": "user", "content": "Hello!" } ], "stream": false }"#)?; let client = reqwest::blocking::Client::builder() .timeout(std::time::Duration::from_secs(180)) .build()?; let response = client.post(r#"https://api.shareai.now/api/v1/chat/completions"#) .bearer_auth(api_key) .json(&payload) .send()? .error_for_status()?; let result: serde_json::Value = response.json()?; println!("{}", serde_json::to_string_pretty(&result)?); Ok(()) }const payload = { "model": "moonshotai/kimi-k2.7-code", "messages": [ { "role": "user", "content": "Hello!" } ], "stream": false }; const response = await fetch("https://api.shareai.now/api/v1/chat/completions", { method: 'POST', headers: { Authorization: `Bearer ${process.env.SHAREAI_API_KEY}`, 'Content-Type': 'application/json', }, body: JSON.stringify(payload), }); if (!response.ok) throw new Error(await response.text()); console.log(JSON.stringify(await response.json(), null, 2));
قیمتگذاری
یورو · به ازای 1M توکناشتراکگذاریAI یورو
- ورودی
- همه طولها€0.856518/M توکن
- خروجی
- همه طولها€3.606389/M توکن
- خواندن کش
- همه طولها€0.171303/M توکن
- نوشتن کش
- همه طولها€0.856518/M توکن
Cache write نرخ ورودی را دنبال میکند. توکنهای کششده یک بار شمارش میشوند.
کمی جزئیات بیشتر
سوالات متداول
Kimi-K2.7-Code چیست؟
Kimi-K2.7-Code یک مدل از Moonshot AI است که متن و تصاویر را میپذیرد و متن تولید میکند. این ورودی کاتالوگ moonshotai/kimi-k2.7-code را شناسایی میکند. پنجره زمینه بررسیشده آن 262,144 توکن است؛ محدودیتهای استقرار ممکن است کمتر باشد.
هزینه Kimi-K2.7-Code چقدر است؟
نرخهای منتشر شده ShareAI از €0.856518 برای ورودی و €3.606389 برای خروجی به ازای هر یک میلیون توکن شروع میشوند. نرخها به برچسب انتخابشده، طرح قیمتگذاری و محدوده توکن بستگی دارند. برای مشاهده نرخهای کش و تمام سطوح منتشر شده، به بخش قیمتگذاری بالا مراجعه کنید.
Kimi-K2.7-Code از چه ورودیها و خروجیهایی پشتیبانی میکند؟
ورودیها: متن، تصویر. خروجیها: متن. این قابلیتها به برچسب مدل انتخابشده اعمال میشوند. مستندات endpoint را برای فرمتهای درخواست پشتیبانیشده بررسی کنید.
طول زمینه Kimi-K2.7-Code چقدر است؟
این برچسب دارای پنجره زمینهای به اندازه 262,144 توکن است. اندازه زمینه و آستانههای قیمتگذاری جداگانه هستند. محدودیتهای درخواست ممکن است برای یک استقرار خاص کمتر باشد. حداکثر خروجی: 235,929 توکن.
آیا Kimi-K2.7-Code از فراخوانی ابزار و خروجیهای ساختاریافته پشتیبانی میکند؟
فراخوانی ابزار: پشتیبانیشده. خروجیهای ساختاریافته: پشتیبانیشده.
چگونه میتوانم از Kimi-K2.7-Code با ShareAI استفاده کنم؟
یک کلید API در کنسول ShareAI ایجاد کنید، یک برچسب مدل انتخاب کنید و یک درخواست احراز هویت شده به نقطه پایانی در شروع سریع ارسال کنید. کلید شما باید به مدل انتخاب شده دسترسی داشته باشد. کلید خود را روی سرور خود نگه دارید.