跳转到主要内容
Kimi K2 系列模型通过 Upmore 以标准 Chat Completions API（/v1/chat/completions）提供服务。全系列都是推理模型——回答前先思考，思维链通过 reasoning_content 返回。上下文窗口 256k。

​
可用模型

模型说明
kimi-k2.7-code最强编程模型——长上下文中更可靠地遵循指令，编程任务成功率更高
kimi-k2.7-code-highspeed同款高速版，输出约 180 Tokens/s（短上下文可达 260），价格更高
kimi-k2.6最强通用模型——智能体编程、长上下文推理、前端设计，支持视觉输入
kimi-k2.5Agent/代码/视觉全能型，支持思考与非思考模式
推理 token 按输出 token 计费——max_tokens 要留足预算。提示词缓存命中会自动按缓存折扣价计费。

​
快速示例

curl https://api.upmore.net/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k2.6",
    "messages": [
      { "role": "user", "content": "用简单的语言解释量子纠缠。" }
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.upmore.net/v1"
)

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {"role": "user", "content": "写一个合并两个有序列表的 Python 函数。"}
    ]
)

print(response.choices[0].message.content)

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.upmore.net/v1"
)

response = client.chat.completions.create(
    model="kimi-k2.5",
    messages=[
        {"role": "user", "content": [
            {"type": "image_url", "image_url": {"url": "https://example.com/chart.png"}},
            {"type": "text", "text": "总结这张图表。"}
        ]}
    ]
)

print(response.choices[0].message.content)

​
参数说明

参数类型必填说明
modelstring是上表中的任一模型 ID
messagesarray是{ role, content } 对象列表；kimi-k2.5 / kimi-k2.6 的 content 支持 image_url 项
streamboolean否开启 SSE 流式输出。默认：false
temperaturefloat否控制随机性。默认：1
max_tokensinteger否最大输出 token 数（含推理 token）
stopstring / array否终止生成的序列
toolsarray否模型可调用的工具列表

​
响应说明

字段说明
choices[].message.reasoning_content模型的思维链（流式时为 delta.reasoning_content）
usage.completion_tokens_details.reasoning_tokens消耗的推理 token——计入 completion_tokens
usage.prompt_tokens_details.cached_tokens命中提示词缓存的 token——按缓存折扣价计费

API 参考

查看可交互的 API Playground。