Kimi 大模型API调用（python版）

前面写了通义千问API的调用：

阿里通义千问大模型API调用（python版）

这次介绍Kimi API，首先进入月之暗面主页：

https://www.moonshot.cn/

点击Kimi开放平台就会有API调用的相关文档及收费信息等。

Kimi大模型版本不像通义千问那么多，一个版本搞定所有，只根据处理文本内容的多少分成了8k, 32k和128k 3个不同的版本：

免费账户有下面的限制：

不能并发，每分钟Token（一个Token大约相当于1.5-2个汉字）数限制在32000，每分钟请求数不超过3次。

充值氪金的话限制就少了，累计充值越多，限制越少：

每个账户刚开始都会给15元的免费额度。如果处理长文本的话，用起来还是有些捉襟见肘的，那么你就得充值了：1M Token（大概150万-200万汉字）的价格见下图，比阿里的通义千问要贵一些：

调用之前也要先获取API KEY：注册账号，进入用户中心，选择API Key管理，新建API Key即可：

多轮纯文本对话API调用脚本：

from openai import OpenAIfrom pathlib import Path
apikey = "##你的API Key##"client = OpenAI(    api_key = apikey,    base_url = "https://api.moonshot.cn/v1",)history = [    {"role": "system", "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。"}]     def chat(query, history):    history.append({        "role": "user",        "content": query    })    completion = client.chat.completions.create(        model="moonshot-v1-32k",        messages=history,        temperature=0.3,    )    result = completion.choices[0].message.content    history.append({        "role": "assistant",        "content": result    })    return result print(chat("地球的自转周期是多少？", history))    print(chat("月球呢？", history))

返回内容：

文档解读多轮对话API调用脚本，可同时应用于pdf，图片，word等格式文件，一个版本搞定一切，比通义千问方便多了：

from openai import OpenAI


    
from pathlib import Path
apikey = "##你的API Key##"client = OpenAI(    api_key = apikey,    base_url = "https://api.moonshot.cn/v1",)file_object = client.files.create(file=Path("#待解读文件路径#"), purpose="file-extract")file_content = client.files.content(file_id=file_object.id).texthistory = [    {        "role": "system",        "content": "你是 Kimi，由 Moonshot AI 提供的人工智能助手，你更擅长中文和英文的对话。你会为用户提供安全，有帮助，准确的回答。同时，你会拒绝一切涉及恐怖主义，种族歧视，黄色暴力等问题的回答。Moonshot AI 为专有名词，不可翻译成其他语言。",        },    {        "role": "system",        "content": file_content,    },] def chat(query, history):    history.append({        "role": "user",        "content": query    })    completion = client.chat.completions.create(        model="moonshot-v1-32k",        messages=history,            temperature=0.3,        max_tokens=20000    )    print(completion)    result = completion.choices[0].message.content    history.append({        "role": "assistant",        "content": result    })return result#第一轮对话：jiedu = chat("解读该文件", history)print(jiedu)#第二轮对话：advice = chat("有什么建议？", history)print(advice)#依次往下。。。

亲测可用，有需要的可以去试试了。