Text Models (LLM)moonshot

معرفی و مستندات مدل هوش مصنوعی kimi-k2-preview

مستندات مدل kimi-k2-preview از moonshot، ارائه شده توسط ای آی کار (AI-KAR)

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند. برای دریافت بهترین نتیجه، بهتر است از دستورات واضح و مختصر استفاده کنید.

مدل kimi-k2-preview از moonshot یک مدل هوش مصنوعی ترکیبی از متخصصان (mixture-of-experts) است که در جولای 2025 ارائه شده است. این مدل دارای قابلیت‌های قوی در زمینه‌های استدلال، کدنویسی و عاملیت (agentic capabilities) است. مدل kimi-k2-0905-preview، که در سپتامبر 2025 ارائه شد، نسخه ارتقا یافته‌ای از این مدل است که دارای درک بهتر از واقعیت (grounding)، پیروی بهتر از دستورالعمل‌ها و تمرکز بیشتر بر روی کدنویسی و وظایف عاملیتی است. حافظه این مدل از 128k توکن به 256k توکن افزایش یافته است. برای استفاده از این مدل، ابتدا باید یک حساب کاربری در وب‌سایت ای آی کار (AI-KAR) ایجاد کنید و یک کلید API تولید کنید. سپس، می‌توانید کد نمونه ارائه شده را کپی کرده و کلید API خود را در آن جایگزین کنید. سوال یا درخواست خود را در قسمت `content` وارد کنید. پارامترهای اختیاری دیگری نیز وجود دارند که می‌توانید برای تنظیم رفتار مدل از آن‌ها استفاده کنید. مدل kimi-k2-preview برای انجام طیف گسترده‌ای از وظایف طراحی شده است. این مدل می‌تواند به سوالات پاسخ دهد، متن تولید کند، کد بنویسد، و وظایف پیچیده دیگری را انجام دهد. قدرت استدلال این مدل به آن اجازه می‌دهد تا مسائل پیچیده را حل کند و به نتایج منطقی برسد. توانایی کدنویسی این مدل به آن امکان می‌دهد تا برنامه‌های کامپیوتری را به زبان‌های مختلف برنامه‌نویسی تولید کند. قابلیت‌های عاملیتی این مدل به آن امکان می‌دهد تا به طور مستقل عمل کند و تصمیمات خودکار بگیرد. با توجه به حافظه 256k توکنی مدل kimi-k2-0905-preview، این مدل قادر است حجم قابل توجهی از اطلاعات را در خود جای دهد و در پردازش‌های خود از آن استفاده کند. این امر به ویژه در وظایفی که نیاز به درک عمیق از متن یا کد دارند، بسیار مفید است. به طور کلی، مدل‌های kimi-k2-preview و kimi-k2-0905-preview ابزارهای قدرتمندی هستند که می‌توانند در زمینه‌های مختلف مورد استفاده قرار گیرند.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	مدلی که برای تولید پاسخ استفاده می‌شود. مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا این لحظه تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلفی از پیام‌ها (modalities) مانند متن، اسناد (txt, pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_completion_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای یک تکمیل تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال.
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌های متن تولید شده از طریق API استفاده شود.
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل به صورت جریانی با استفاده از رویدادهای ارسال شده توسط سرور به کلاینت ارسال می‌شوند.
stream_options	object	تنظیمات مربوط به استریم کردن.
tools	object[]	لیستی از ابزارهایی که مدل ممکن است فراخوانی کند. در حال حاضر، فقط توابع به عنوان ابزار پشتیبانی می‌شوند. از این برای ارائه لیستی از توابعی که مدل ممکن است ورودی‌های JSON را برای آنها تولید کند، استفاده کنید. حداکثر 128 تابع پشتیبانی می‌شود.
tool_choice	any of	کنترل می‌کند که کدام ابزار (در صورت وجود) توسط مدل فراخوانی شود. none به این معنی است که مدل هیچ ابزاری را فراخوانی نمی‌کند و در عوض یک پیام تولید می‌کند. auto به این معنی است که مدل می‌تواند بین تولید یک پیام یا فراخوانی یک یا چند ابزار انتخاب کند. required به این معنی است که مدل باید یک یا چند ابزار را فراخوانی کند. تعیین یک ابزار خاص از طریق {"type": "function", "function": {"name": "my_function"}} مدل را مجبور می‌کند تا آن ابزار را فراخوانی کند. مقادیر مجاز (کلیک برای کپی):
parallel_tool_calls	boolean	تعیین اینکه آیا فراخوانی موازی تابع در هنگام استفاده از ابزار فعال شود یا خیر.
n	integer	تعداد انتخاب‌های تکمیل چت که برای هر پیام ورودی تولید می‌شود. توجه داشته باشید که هزینه شما بر اساس تعداد توکن‌های تولید شده در تمام انتخاب‌ها محاسبه می‌شود. برای به حداقل رساندن هزینه‌ها، n را روی 1 نگه دارید.
temperature	number	از چه دمای نمونه‌برداری استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. ما به طور کلی توصیه می‌کنیم این یا top_p را تغییر دهید، اما نه هر دو را.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای، که در آن مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که 10٪ جرم احتمال برتر را تشکیل می‌دهند در نظر گرفته می‌شوند.
stop	any of	حداکثر 4 دنباله که API تولید توکن‌های بیشتر را متوقف می‌کند. متن برگشتی شامل دنباله توقف نخواهد بود.
frequency_penalty	number	عددی بین -2.0 و 2.0. مقادیر مثبت، توکن‌های جدید را بر اساس فراوانی موجود آنها در متن تا کنون جریمه می‌کنند، و احتمال تکرار عین به عین همان خط توسط مدل را کاهش می‌دهند.
presence_penalty	number	مقادیر مثبت، توکن‌های جدید را بر اساس اینکه آیا در متن تا کنون ظاهر شده‌اند جریمه می‌کنند، و احتمال صحبت کردن در مورد موضوعات جدید توسط مدل را افزایش می‌دهند.
response_format	one of	شیئی که فرمتی را مشخص می‌کند که مدل باید خروجی دهد.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json  # for getting a structured output with indentation
response = requests.post(
    "https://api.ai-kar.com/v1/chat/completions",
    headers={
        # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
        "Authorization":"Bearer <YOUR_AI-KARAPI_KEY>",
        "Content-Type":"application/json"
    },
    json={
        "model":"moonshot/kimi-k2-0905-preview",
        "messages":[
            {
                "role":"user",
                "content":"Hello"  # insert your prompt here, instead of Hello
            }
        ]
    }
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "chatcmpl-6908c55b7589dac387b2bd3b",
  "object": "chat.completion",
  "choices": [
    {
      "index": 0,
      "finish_reason": "stop",
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      }
    }
  ],
  "created": 1762182491,
  "model": "kimi-k2-0905-preview",
  "usage": {
    "prompt_tokens": 3,
    "completion_tokens": 53,
    "total_tokens": 56
  }
}