kimi-free-apiKIMI 免費 API 部署與功能完整指南【免費下載鏈接】kimi-free-api KIMI AI 長文本大模型逆向API【特長長文本解讀整理】支持高速流式輸出、智能體對話、聯(lián)網(wǎng)搜索、探索版、K1思考模型、長文檔解讀、圖像解析、多輪對話零配置部署多路token支持自動清理會話痕跡僅供測試如需商用請前往官方開放平臺。項目地址: https://gitcode.com/GitHub_Trending/ki/kimi-free-api你有沒有遇到過這種時刻想給小工具接上對話能力商業(yè) API 的計費頁面卻讓你猶豫了半天kimi-free-api 把 KIMI 網(wǎng)頁版的長文本解讀、聯(lián)網(wǎng)搜索、多輪對話封裝成一個免費接口輸出直接對齊 OpenAI 格式。跟著下文的命令5 分鐘就能跑通你的第一個對話請求。? 30 秒跑通第一條對話服務(wù)跑在 Docker 里一條命令拉起機器需能訪問外網(wǎng)開放 8000 端口docker run -it -d --init --name kimi-free-api -p 8000:8000 -e TZAsia/Shanghai vinlic/kimi-free-api:latestrefresh_token 這樣取打開 kimi.moonshot.cn 隨便發(fā)一條消息F12 進入 Application Local Storage 復(fù)制refresh_token的值如果顯示為數(shù)組用.拼接后再用。然后發(fā)一個最小請求TOKEN 換成上面取到的值curl http://localhost:8000/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer TOKEN \ -d { model: kimi, messages: [{role: user, content: 你是誰}], stream: false }預(yù)期返回一段 OpenAI 風(fēng)格的 JSON回復(fù)正文在choices[0].message.content里。剛才那條 docker 命令做的事說白了就是拉取現(xiàn)成鏡像、在容器里起服務(wù)、把 8000 端口映射出來交付給你一個只認 OpenAI 協(xié)議的 HTTP 端點。接口與 ChatGPT 格式完全兼容已有客戶端把 base_url 換成http://你的地址:8000/v1、api_key 填 refresh_token 就能接入GET /v1/models也照常返回模型列表。compose、Render、Vercel、原生 PM2 等部署方式見 README。能力全景一張表看懂差異維度kimi-free-api同類商業(yè) API成本免費受免費賬號額度約束按 token 或調(diào)用量計費部署一條 docker 命令即可企業(yè)申請與審批流程多模態(tài)長文檔、圖像、網(wǎng)頁檢索多為純文本對話兼容格式OpenAI chat/completions各家專有協(xié)議穩(wěn)定性依賴網(wǎng)頁端接口會波動有 SLA 保障模型名還支持幾個變體kimi-search聯(lián)網(wǎng)、kimi-research探索版、kimi-k1思考模型、kimi-math數(shù)學(xué)、kimi-silent不輸出檢索過程按需切換。多輪對話傳一個 id 接續(xù)上下文解決模型記不住上一句的問題首輪響應(yīng)里帶回的id就是會話句柄第二輪起把它作為conversation_id傳回即可首輪不傳。{ model: kimi, conversation_id: cnndivilnl96vah411dg, messages: [{role: user, content: 繼續(xù)剛才的話題}] }做客服機器人、學(xué)習(xí)陪聊這類需要記住前文的場景時用它。下圖是實際效果模型接住了關(guān)于魯迅的連續(xù)追問。聯(lián)網(wǎng)搜索一個參數(shù)開啟實時信息解決模型不知道今天發(fā)生了什么的問題use_search置為 true 即觸發(fā)聯(lián)網(wǎng)檢索回答前會附帶帶鏈接的檢索來源。{ model: kimi, use_search: true, messages: [{role: user, content: 現(xiàn)在深圳天氣怎么樣}] }做日報聚合、行情播報這類需要實時信息的工具時用它。下圖展示了檢索結(jié)果與最終回答的完整輸出。長文檔解讀file 字段直接喂 PDF解決百頁 PDF 讀完要半天的問題在消息里放一個file內(nèi)容塊指向文件 URL支持 base64服務(wù)先上傳解析再作答單文件上限 100MB。{ model: kimi, use_search: false, messages: [{ role: user, content: [ {type: file, file_url: {url: https://example.com/a.pdf}}, {type: text, text: 文檔里說了什么} ] }] }合同初審、論文速讀、標(biāo)書梳理時用它建議關(guān)掉聯(lián)網(wǎng)搜索以免干擾解讀。下圖是對一份 PDF 的逐條解讀結(jié)果。圖像解析兼容 Vision 請求格式解決只想讓模型看圖說話的問題image_url格式與 gpt-4-vision 兼容截圖、圖表、票據(jù)都能丟進去。{ model: kimi, messages: [{ role: user, content: [ {type: image_url, image_url: {url: https://example.com/a.png}}, {type: text, text: 圖像描述了什么} ] }] }內(nèi)容審核、票據(jù)識別、圖表轉(zhuǎn)文字這類視覺任務(wù)用它。下圖是 NextChat 客戶端通過接口解析標(biāo)識圖的實際畫面。智能體對話model 填智能體 ID解決想要官方智能體專屬能力的問題把瀏覽器地址欄尾部那串 20 位 ID 填進model字段即可調(diào)用如翻譯通這類官方智能體。{ model: coo6l3pkqq4ri39f36bg, messages: [{role: user, content: 說到中國文化不能不提到長城……}] }想把翻譯、潤色、出題等固定職能沉淀成可復(fù)用的后端能力時用它。技術(shù)架構(gòu)速覽分層與請求流轉(zhuǎn)接口層src/api/routes/聲明/v1/chat/completions、/v1/models、/token/check負責(zé)參數(shù)校驗與 token 切分。業(yè)務(wù)層src/api/controllers/chat.ts 完成會話創(chuàng)建、文件上傳、SSE 解析與 OpenAI 格式轉(zhuǎn)換。配置層configs/dev/service.yml 定端口默認 8000system.yml 定日志與臨時目錄。支撐層src/lib/提供 Koa 服務(wù)與請求/響應(yīng)封裝src/daemon.ts在進程崩潰后延遲自動重啟。請求流轉(zhuǎn)大致是客戶端 → /v1 路由校驗 → 隨機挑選 refresh_token → 刷新或復(fù)用 access_token → 上游 kimi → SSE 轉(zhuǎn) OpenAI 流 → 響應(yīng)。幾個核心機制的設(shè)計動機access_token 有效期只有 300 秒服務(wù)端按 refresh_token 緩存并在過期時靜默刷新遇 401 會清緩存重試多個 refresh_token 用逗號拼接后每次請求隨機取一個攤平單賬號的限流壓力。每輪對話會新建一個臨時會話流結(jié)束后自動刪除所以你的 KIMI 賬號列表不會多出未命名會話生成撞到長度上限時服務(wù)憑 segment_id 自動續(xù)寫并拼接出完整內(nèi)容。落地場景與進階技巧接入 OpenAI 兼容客戶端改兩個參數(shù)base_url 指向http://你的地址:8000/v1api_key 填 refresh_token。LobeChat、NextChat、dify 等兼容客戶端直接可用界面上的文檔/圖像上傳字段也走同一接口。長文檔批量摘要流水線寫個小腳本循環(huán)調(diào)用接口把待處理 PDF 的 URL 逐個塞進file字段use_search保持 false響應(yīng)里的choices[0].message.content落盤就是一條無人值守的摘要流水線。把智能體掛進自有機器人用 20 位智能體 ID 作為 model把翻譯、潤色等官方智能體包成內(nèi)部服務(wù)前端無需感知 KIMI 的存在。下圖是一次翻譯智能體調(diào)用的請求與響應(yīng)。進階技巧流式體驗請求加stream: true走 Nginx 反代時記得開proxy_buffering off;與chunked_transfer_encoding on;否則輸出會攢到結(jié)尾才吐。token 巡檢POST/token/check可查 refresh_token 是否存活返回{live: true}即有效頻率控制在 10 分鐘一次以內(nèi)。額度規(guī)劃免費賬號約 3 小時 30 輪長文本問答多賬號逗號拼接后隨機挑選能明顯攤平限流壓力。 避坑與收尾8000 端口被占、服務(wù)起不來→netstat -tlnp | grep 8000找到占用者或改用-p 8001:8000換映射端口docker logs kimi-free-api看日志。請求返回 401 或 token 無效→ 先 POST/token/check確認存活過期就回瀏覽器 F12 重新取 refresh_token。流式輸出卡住、末尾才出字→ 反代場景檢查 Nginx 是否加了proxy_buffering off;。第二輪對話空響應(yīng)→ 首輪不要傳conversation_id從第二輪起才傳上一輪響應(yīng)里的id。部署在海外區(qū)域超時→ 部分海外節(jié)點連不上 kimi換更接近國內(nèi)的網(wǎng)絡(luò)區(qū)域部署。安全上注意refresh_token 等同賬號憑證放環(huán)境變量或配置里別提交進代碼庫。項目僅限研究自用不要對外提供服務(wù)或商用避免觸發(fā)限流甚至封號。文件與圖片 URL 會被服務(wù)端下載100MB 上限別把不可信的外部地址直接透傳出去。定期巡檢 token 存活并輪換失效項日志里留意 401 與重試告警。kimi-free-api 把 KIMI 的長文檔、搜索與多輪能力變成一條 docker 命令加一個 OpenAI 端點。先把30 秒跑通里的兩條命令跑起來確認鏈路正常再按需打開后面的功能?！久赓M下載鏈接】kimi-free-api KIMI AI 長文本大模型逆向API【特長長文本解讀整理】支持高速流式輸出、智能體對話、聯(lián)網(wǎng)搜索、探索版、K1思考模型、長文檔解讀、圖像解析、多輪對話零配置部署多路token支持自動清理會話痕跡僅供測試如需商用請前往官方開放平臺。項目地址: https://gitcode.com/GitHub_Trending/ki/kimi-free-api創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 kimi-free-api：KIMI 免費 API 部署與功能完整指南
kimi-free-apiKIMI 免費 API 部署與功能完整指南【免費下載鏈接】kimi-free-api KIMI AI 長文本大模型逆向API【特長長文本解讀整理】支持高速流式輸出、智能體對話、聯(lián)網(wǎng)搜索、探索版、K1思考模型、長文檔解讀、圖像解析、多輪對話零配置部署多路token支持自動清理會話痕跡僅供測試如需商用請前往官方開放平臺。項目地址: https://gitcode.com/GitHub_Trending/ki/kimi-free-api你有沒有遇到過這種時刻想給小工具接上對話能力商業(yè) API 的計費頁面卻讓你猶豫了半天kimi-free-api 把 KIMI 網(wǎng)頁版的長文本解讀、聯(lián)網(wǎng)搜索、多輪對話封裝成一個免費接口輸出直接對齊 OpenAI 格式。跟著下文的命令5 分鐘就能跑通你的第一個對話請求。? 30 秒跑通第一條對話服務(wù)跑在 Docker 里一條命令拉起機器需能訪問外網(wǎng)開放 8000 端口docker run -it -d --init --name kimi-free-api -p 8000:8000 -e TZAsia/Shanghai vinlic/kimi-free-api:latestrefresh_token 這樣取打開 kimi.moonshot.cn 隨便發(fā)一條消息F12 進入 Application Local Storage 復(fù)制refresh_token的值如果顯示為數(shù)組用.拼接后再用。然后發(fā)一個最小請求TOKEN 換成上面取到的值curl http://localhost:8000/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer TOKEN \ -d { model: kimi, messages: [{role: user, content: 你是誰}], stream: false }預(yù)期返回一段 OpenAI 風(fēng)格的 JSON回復(fù)正文在choices[0].message.content里。剛才那條 docker 命令做的事說白了就是拉取現(xiàn)成鏡像、在容器里起服務(wù)、把 8000 端口映射出來交付給你一個只認 OpenAI 協(xié)議的 HTTP 端點。接口與 ChatGPT 格式完全兼容已有客戶端把 base_url 換成http://你的地址:8000/v1、api_key 填 refresh_token 就能接入GET /v1/models也照常返回模型列表。compose、Render、Vercel、原生 PM2 等部署方式見 README。能力全景一張表看懂差異維度kimi-free-api同類商業(yè) API成本免費受免費賬號額度約束按 token 或調(diào)用量計費部署一條 docker 命令即可企業(yè)申請與審批流程多模態(tài)長文檔、圖像、網(wǎng)頁檢索多為純文本對話兼容格式OpenAI chat/completions各家專有協(xié)議穩(wěn)定性依賴網(wǎng)頁端接口會波動有 SLA 保障模型名還支持幾個變體kimi-search聯(lián)網(wǎng)、kimi-research探索版、kimi-k1思考模型、kimi-math數(shù)學(xué)、kimi-silent不輸出檢索過程按需切換。多輪對話傳一個 id 接續(xù)上下文解決模型記不住上一句的問題首輪響應(yīng)里帶回的id就是會話句柄第二輪起把它作為conversation_id傳回即可首輪不傳。{ model: kimi, conversation_id: cnndivilnl96vah411dg, messages: [{role: user, content: 繼續(xù)剛才的話題}] }做客服機器人、學(xué)習(xí)陪聊這類需要記住前文的場景時用它。下圖是實際效果模型接住了關(guān)于魯迅的連續(xù)追問。聯(lián)網(wǎng)搜索一個參數(shù)開啟實時信息解決模型不知道今天發(fā)生了什么的問題use_search置為 true 即觸發(fā)聯(lián)網(wǎng)檢索回答前會附帶帶鏈接的檢索來源。{ model: kimi, use_search: true, messages: [{role: user, content: 現(xiàn)在深圳天氣怎么樣}] }做日報聚合、行情播報這類需要實時信息的工具時用它。下圖展示了檢索結(jié)果與最終回答的完整輸出。長文檔解讀file 字段直接喂 PDF解決百頁 PDF 讀完要半天的問題在消息里放一個file內(nèi)容塊指向文件 URL支持 base64服務(wù)先上傳解析再作答單文件上限 100MB。{ model: kimi, use_search: false, messages: [{ role: user, content: [ {type: file, file_url: {url: https://example.com/a.pdf}}, {type: text, text: 文檔里說了什么} ] }] }合同初審、論文速讀、標(biāo)書梳理時用它建議關(guān)掉聯(lián)網(wǎng)搜索以免干擾解讀。下圖是對一份 PDF 的逐條解讀結(jié)果。圖像解析兼容 Vision 請求格式解決只想讓模型看圖說話的問題image_url格式與 gpt-4-vision 兼容截圖、圖表、票據(jù)都能丟進去。{ model: kimi, messages: [{ role: user, content: [ {type: image_url, image_url: {url: https://example.com/a.png}}, {type: text, text: 圖像描述了什么} ] }] }內(nèi)容審核、票據(jù)識別、圖表轉(zhuǎn)文字這類視覺任務(wù)用它。下圖是 NextChat 客戶端通過接口解析標(biāo)識圖的實際畫面。智能體對話model 填智能體 ID解決想要官方智能體專屬能力的問題把瀏覽器地址欄尾部那串 20 位 ID 填進model字段即可調(diào)用如翻譯通這類官方智能體。{ model: coo6l3pkqq4ri39f36bg, messages: [{role: user, content: 說到中國文化不能不提到長城……}] }想把翻譯、潤色、出題等固定職能沉淀成可復(fù)用的后端能力時用它。技術(shù)架構(gòu)速覽分層與請求流轉(zhuǎn)接口層src/api/routes/聲明/v1/chat/completions、/v1/models、/token/check負責(zé)參數(shù)校驗與 token 切分。業(yè)務(wù)層src/api/controllers/chat.ts 完成會話創(chuàng)建、文件上傳、SSE 解析與 OpenAI 格式轉(zhuǎn)換。配置層configs/dev/service.yml 定端口默認 8000system.yml 定日志與臨時目錄。支撐層src/lib/提供 Koa 服務(wù)與請求/響應(yīng)封裝src/daemon.ts在進程崩潰后延遲自動重啟。請求流轉(zhuǎn)大致是客戶端 → /v1 路由校驗 → 隨機挑選 refresh_token → 刷新或復(fù)用 access_token → 上游 kimi → SSE 轉(zhuǎn) OpenAI 流 → 響應(yīng)。幾個核心機制的設(shè)計動機access_token 有效期只有 300 秒服務(wù)端按 refresh_token 緩存并在過期時靜默刷新遇 401 會清緩存重試多個 refresh_token 用逗號拼接后每次請求隨機取一個攤平單賬號的限流壓力。每輪對話會新建一個臨時會話流結(jié)束后自動刪除所以你的 KIMI 賬號列表不會多出未命名會話生成撞到長度上限時服務(wù)憑 segment_id 自動續(xù)寫并拼接出完整內(nèi)容。落地場景與進階技巧接入 OpenAI 兼容客戶端改兩個參數(shù)base_url 指向http://你的地址:8000/v1api_key 填 refresh_token。LobeChat、NextChat、dify 等兼容客戶端直接可用界面上的文檔/圖像上傳字段也走同一接口。長文檔批量摘要流水線寫個小腳本循環(huán)調(diào)用接口把待處理 PDF 的 URL 逐個塞進file字段use_search保持 false響應(yīng)里的choices[0].message.content落盤就是一條無人值守的摘要流水線。把智能體掛進自有機器人用 20 位智能體 ID 作為 model把翻譯、潤色等官方智能體包成內(nèi)部服務(wù)前端無需感知 KIMI 的存在。下圖是一次翻譯智能體調(diào)用的請求與響應(yīng)。進階技巧流式體驗請求加stream: true走 Nginx 反代時記得開proxy_buffering off;與chunked_transfer_encoding on;否則輸出會攢到結(jié)尾才吐。token 巡檢POST/token/check可查 refresh_token 是否存活返回{live: true}即有效頻率控制在 10 分鐘一次以內(nèi)。額度規(guī)劃免費賬號約 3 小時 30 輪長文本問答多賬號逗號拼接后隨機挑選能明顯攤平限流壓力。 避坑與收尾8000 端口被占、服務(wù)起不來→netstat -tlnp | grep 8000找到占用者或改用-p 8001:8000換映射端口docker logs kimi-free-api看日志。請求返回 401 或 token 無效→ 先 POST/token/check確認存活過期就回瀏覽器 F12 重新取 refresh_token。流式輸出卡住、末尾才出字→ 反代場景檢查 Nginx 是否加了proxy_buffering off;。第二輪對話空響應(yīng)→ 首輪不要傳conversation_id從第二輪起才傳上一輪響應(yīng)里的id。部署在海外區(qū)域超時→ 部分海外節(jié)點連不上 kimi換更接近國內(nèi)的網(wǎng)絡(luò)區(qū)域部署。安全上注意refresh_token 等同賬號憑證放環(huán)境變量或配置里別提交進代碼庫。項目僅限研究自用不要對外提供服務(wù)或商用避免觸發(fā)限流甚至封號。文件與圖片 URL 會被服務(wù)端下載100MB 上限別把不可信的外部地址直接透傳出去。定期巡檢 token 存活并輪換失效項日志里留意 401 與重試告警。kimi-free-api 把 KIMI 的長文檔、搜索與多輪能力變成一條 docker 命令加一個 OpenAI 端點。先把30 秒跑通里的兩條命令跑起來確認鏈路正常再按需打開后面的功能?！久赓M下載鏈接】kimi-free-api KIMI AI 長文本大模型逆向API【特長長文本解讀整理】支持高速流式輸出、智能體對話、聯(lián)網(wǎng)搜索、探索版、K1思考模型、長文檔解讀、圖像解析、多輪對話零配置部署多路token支持自動清理會話痕跡僅供測試如需商用請前往官方開放平臺。項目地址: https://gitcode.com/GitHub_Trending/ki/kimi-free-api創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考