온라인

Kimi-K2.5

문샷 AI · OpenAI 호환 API

moonshotai/kimi-k2.5

계정 만들기 →빠른 시작 ↓

USD / 100만 토큰

입력$0.54

캐시 읽기$0.06

캐시 쓰기—

출력$2.78

맥락: 256K
최대 출력: 16K
도구 호출: ✓
추론: ✓
비전: ✓
스트리밍: ✓

OpenAI 호환 API

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.iteracompute.com/v1",
    api_key=os.environ["ITERACOMPUTE_API_KEY"],
)
response = client.chat.completions.create(
    model="moonshotai/kimi-k2.5",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.iteracompute.com/v1",
  apiKey: process.env.ITERACOMPUTE_API_KEY,
});
const response = await client.chat.completions.create({
  model: "moonshotai/kimi-k2.5",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);

curl https://api.iteracompute.com/v1/chat/completions \
  -H "Authorization: Bearer $ITERACOMPUTE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/kimi-k2.5",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

moonshotai/kimi-k2.5문서 보기 →

카탈로그 업데이트: 2026-10-19.

개요

Kimi-K2.5는 256K 컨텍스트, 스트리밍 및 추론 기능을 갖춘 IteraCompute OpenAI 호환 API를 통해 사용할 수 있습니다.

작업 및 선택 장단점

시각적 문서 실험

설명을 자동으로 사용하기 전에 라벨이 붙은 문서와 비교하세요.

상담사 워크플로 평가판

고정된 도구 예산으로 제한된 작업을 실행하고 각 결과를 확인합니다.

모델 품질 벤치마크가 아닌 카탈로그 기능 및 가격을 기반으로 한 작업 제안입니다.

도구 선택

OpenAI SDKPython 또는 JavaScript에서 호출 Vercel AI SDKTypeScript 애플리케이션 빌드

작업에 맞는 모델과 도구를 선택하세요 →

모델 기능

이 모델 인터페이스를 통해 사용할 수 있는 기능입니다.2026년 10월 16일에 업데이트되었습니다.

능력	모델 개발자 문서	우리의 인터페이스	경로 테스트
도구 호출	지원됨	지원됨	확인됨 · 기록 보기
추론	지원됨	지원됨	카탈로그 선언
이미지 입력	지원됨	지원됨	확인됨 · 기록 보기
스트리밍	지원됨	지원됨	확인됨 · 기록 보기
JSON 모드(json_object)	지원됨	지원됨	확인됨 · 기록 보기

맥락: 256K · 출력 제한: 16K

모델 개발자 문서

노선 수락 기록

2026-10-16 · moonshotai/kimi-k2.5 · POST /v1/chat/completions

자격 증명이나 원시 로그 없이 요약된 보관된 게이트웨이 검사입니다.아래 수표에만 확인 표시가 표시됩니다.다른 항목은 카탈로그 선언으로 유지됩니다.

요청 필드
model, messages (17 × 19), temperature=0, max_tokens=768, max_completion_tokens=768, stream=true, stream_options.include_usage=true

주요 응답 필드
HTTP 200; choices[].delta.content → 323; [DONE]; usage.prompt_tokens=22; usage.completion_tokens=2; choices[].delta.reasoning_content: 0 chars

합격 기준
323과 최종 사용법이 포함된 답변으로 SSE를 완료했습니다.비어 있지 않은 reasoning_content는 추론 출력만 확인합니다.

요청 필드
model, messages, tools=[lookup_receipt]; then role=tool + tool_call_id

주요 응답 필드
HTTP 200 × 2; message.tool_calls[].id; function.name=lookup_receipt; function.arguments={"order_id":"A17"}; message.content → R68-Z9

합격 기준
올바른 함수와 구문 분석 가능한 인수, 제공된 도구 결과가 포함된 최종 응답이 이어집니다.하나의 공구 주기만 가능합니다.

요청 필드
model, messages (17 × 19 as JSON), response_format.type=json_object

주요 응답 필드
HTTP 200; choices[0].message.content → {"answer":323}

합격 기준
json.loads(content)는 {"답변":323}과 같습니다.이 협력 프롬프트는 임의의 스키마 적용을 설정하지 않습니다.

요청 필드
model, messages[].content=[text, image_url] (one test image)

주요 응답 필드
HTTP 200; choices[0].message.content → 7284

합격 기준
응답에는 제공된 이미지에 있는 4자리 코드가 포함되어 있습니다.하나의 이미지만 가능합니다.일반적인 이미지 품질에 대한 주장은 없습니다.

명시된 날짜에 소규모 승인 샘플이 제공됩니다.전체 컨텍스트 및 출력 제한은 카탈로그 선언입니다.이러한 검사에서는 긴 컨텍스트 품질, 완전한 코딩 작업 흐름 및 지속적인 안정성이 확립되지 않았습니다.

모델별로 사고 제어를 설정합니다.요청당 하나의 제어 스타일을 사용하십시오.

JSON 응답의 경우 사용하기 전에 애플리케이션 스키마를 검증하세요.입력과 요청된 출력은 컨텍스트 예산을 공유합니다.

요금

100만 토큰당 USD 가격입니다.

입력$0.54

캐시 읽기$0.06

캐시 쓰기—

출력$2.78

예제 작업: 제한된 에이전트 작업 평가

모든 호출에서 20,000개의 집계 입력 토큰과 2,000개의 청구 가능한 출력 토큰을 가정합니다.캐시 히트가 없습니다.

20,000 × $0.54 / 1M + 2,000 × $2.78 / 1M = $0.016360

사용량이 실제로 해당 입력 토큰 중 15,000개를 캐시된 것으로 보고하는 경우 해당 부분을 캐시된 입력 요율($0.06/1M): $0.009160으로 바꿉니다.캐시된 토큰은 전체 입력의 일부이며 맨 위에 추가되지 않습니다.

2026-10-19 카탈로그 스냅샷을 사용한 계산 예시입니다. 모든 에이전트 호출과 재시도, 반복 전송되는 기록, 과금 대상 추론 출력을 포함하세요. 실제 사용량과 현재 Console 가격에 따라 정산됩니다.

월별 비용 추정

위의 실시간 가격과 별개로 2026-10-19 카탈로그 스냅샷을 사용합니다. 1M tokens당 USD이며 청구액이 아닌 예상액입니다.

예상 비용에는 표준 텍스트 입력, 캐시 읽기와 텍스트 출력만 포함됩니다. 긴 컨텍스트 할증, 서비스 등급, 캐시 쓰기, 이미지 출력 및 도구 비용은 제외됩니다.

모델

토큰 입력/요청

청구 가능한 출력 토큰/요청

캐시된 입력 점유율(%)

요청/월

입력에는 캐시된 토큰이 포함됩니다.출력에는 청구 가능한 추론이 포함됩니다.에이전트 단계 및 재시도를 포함하여 모든 API 요청을 계산합니다.

예상 월별 비용

—USD / 달

Kimi-K2.5

캐시되지 않은 입력: —
캐시 읽기: —
청구 가능 출력: —

이 모델을 연결하세요 →

계산 및 청구 기준

월별 비용 = 요청 × [입력 × (1 − 캐시된 공유) × 입력 속도 + 입력 × 캐시된 공유 × 캐시 읽기 속도 + 출력 × 출력 속도] / 1,000,000.

캐시된 토큰은 전체 입력의 일부이며 맨 위에 추가되지 않습니다.사용량에 따른 실제 캐시 읽기 적중을 사용합니다.프롬프트를 반복한다고 해서 적중이 보장되는 것은 아닙니다.누락된 요금은 $0가 아니라 확인되지 않은 금액입니다.별도의 캐시 쓰기, 스토리지 및 기타 추가 비용은 제외됩니다.실제 사용량과 현재 콘솔 가격을 고려하여 결정하세요.

계산기를 사용하려면 JavaScript를 활성화하세요.위의 작업 예제는 계속 사용 가능합니다.

사용량 한도

입력 및 요청된 최대 출력은 컨텍스트 예산을 공유합니다.두 가지 모두 모델 한계 내에서 유지하십시오.
긴 워크플로를 제한된 단계로 분할하고 애플리케이션에서 도구 오류 및 재시도를 처리합니다.
추론 토큰은 청구 가능한 출력입니다.최종 문자 응답을 받기에 충분한 생성 예산을 확보하세요.
콘솔에서 현재 가용성과 가격을 확인하세요.

API 매개변수

매개변수/프로토콜 필드	사용법
`model / messages`	정확한 모델 ID와 채팅 메시지 목록을 사용하세요.
`stream=true / stream_options.include_usage=true`	SSE 청크, [DONE] 및 최종 사용량 수신
`tools / tool_calls / role=tool`	tools에서 함수를 정의하고 tool_calls를 실행한 뒤 role=tool로 결과 반환
`response_format.type=json_object`	유효한 JSON을 요청하세요.애플리케이션에 필요한 구조를 검증하세요.
`reasoning_content`	추론 출력은 최종 응답과 별개이며 출력 사용량에 포함됩니다.
`{"enable_thinking":false}`	지원됨;요청당 하나의 사고 제어 스타일을 사용하십시오.
`{"enable_thinking":true}`	지원됨;요청당 하나의 사고 제어 스타일을 사용하십시오.

API

기본 URL: https://api.iteracompute.com/v1
엔드포인트: POST /v1/chat/completions
모델 ID: moonshotai/kimi-k2.5
인증: Authorization: Bearer ITERACOMPUTE_API_KEY

문서 보기

FAQ

OpenAI SDK와 함께 Kimi-K2.5를 어떻게 사용합니까?

base_url을 https://api.iteracompute.com/v1로 설정하고 모델을 moonshotai/kimi-k2.5로 설정합니다.IteraCompute API 키로 인증하세요.

Kimi-K2.5의 가격은 얼마입니까?

100만 토큰당 USD 단위의 현재 입력, 캐시된 입력 및 출력 요율은 가격 섹션을 참조하세요.사용 전 새로 고침 시간을 확인하세요.

어떤 컨텍스트 길이를 사용할 수 있나요?

현재 컨텍스트와 최대 출력은 위의 모델 사양을 확인하세요. 입력과 요청한 최대 출력은 컨텍스트 한도를 공유합니다.

첫 번째 요청을 할 준비가 되셨나요?

키를 생성하고 도구를 선택한 후 비어 있지 않은 첫 번째 응답을 받으세요.

계정 만들기 →튜토리얼을 선택하세요