kimiapikey.comLeitfaden
Kimi API-Schlüssel-Integration mit OpenAI-SDKs und LangChain
Die Integration dieser API in eine App bedeutet, zwei Werte in deinem wahrscheinlich bereits vorhandenen Code zu ändern: die Basis-URL und den Schlüssel. Dieser Leitfaden zeigt die Änderung für die OpenAI-SDKs, LangChain und LiteLLM, behandelt anschließend Wiederholungen und Limits für den produktiven Einsatz.
Aktualisiert

Wichtige Punkte
- Jeder Client benötigt dieselben drei Werte: Basis-URL https://api.kimiapikey.com/v1, deinen Schlüssel und das Modell
uncensored. - Speichere sie in Umgebungsvariablen, damit du Anbieter austauschen kannst, ohne den Code zu bearbeiten.
- Behandle 429-Antworten separat: rate_limited, concurrency und eine temporäre Überlastung mit Retry-After: 5.
- Ein voller Schlüssel erlaubt 8 parallele Anfragen und 300 pro Minute; ein Test-Schlüssel erlaubt 2 und 60.
Was ändert sich tatsächlich in deinem Code
Eine kimi-API-Schlüssel-Integration klingt nach einem Projekt, aber für diesen Endpunkt ist es eine Konfigurationsänderung. Der Dienst implementiert das OpenAI-Chat-Vervollständigungsformat, daher funktioniert jede Client-Bibliothek, mit der du eine Basis-URL und einen Schlüssel festlegen kannst. Es gibt kein zu installierendes benutzerdefiniertes SDK und keine neue Anfragestruktur, die du lernen musst.
| Einstellung | Wert |
|---|---|
| Basis-URL | https://api.kimiapikey.com/v1 |
| Authentifizierung | Der Schlüssel aus deinem Dashboard, gesendet als Authorization: Bearer |
| Modell | uncensored |
| Endpunkte | POST /v1/chat/completions, GET /v1/models |
Zwei Punkte sparen Zeit. Erstens ist dies ein Textmodell hinter einem Endpunkt: keine Embeddings-Route, keine Bildgenerierung, kein Audio. Wenn deine App diese aufruft, behalte einen anderen Anbieter für diese Aufgaben bei und leite nur Chats hierher. Zweitens ist dies nicht die offizielle API von Kimi oder einem anderen Anbieter; es ist ein unabhängiger Anbieter, der ein Open-Weight-Modell betreibt, daher werden Modellnamen anderer Plattformen nicht aufgelöst. Der Kimi-API-Schlüssel-Erklärer geht auf diesen Unterschied ausführlicher ein.
Hole deinen Schlüssel auf der API-Schlüssel-Seite. Neue Konten können dort $0,50 Testguthaben beanspruchen, was für alles Weitere ausreicht.
Konfiguration und Migration einer bestehenden App
Die offiziellen OpenAI-Python- und Node-Bibliotheken lesen OPENAI_API_KEY und OPENAI_BASE_URL aus der Umgebung aus, wenn du sie nicht explizit übergibst. Das macht die Integration mit dem geringsten Aufwand zu einer Shell-Änderung:
export OPENAI_BASE_URL="https://api.kimiapikey.com/v1"
export OPENAI_API_KEY="YOUR_KEY"
Bestehender Code, der einen nackten OpenAI()-Client erstellt, spricht nun mit diesem Endpunkt. Du musst das Argument model weiterhin auf uncensored ändern. Lege den Modellnamen auch in eine Variable, z. B. LLM_MODEL, damit Test- und Produktionsumgebung unterschiedlich sein können, ohne den Code zu bearbeiten.
Die Gewohnheit ist die Minute wert, die sie kostet. Wenn Basis-URL, Schlüssel und Modell in der Konfiguration leben, ist das Ausprobieren eines anderen OpenAI-kompatiblen Anbieters eine Bereitstellungsänderung, und das Zurückrollen ist dieselbe Änderung in umgekehrter Richtung.
Die meisten Teams beginnen nicht mit einer leeren Datei. Sie haben eine App, die bereits eine OpenAI-ähnliche API aufruft, und möchten, dass sie diese hier aufruft. Die Migration besteht hauptsächlich aus der Suche nach drei Strings.
- Finde heraus, wo der Client erstellt wird, und ändere die Basis-URL.
- Finde jedes Argument
model=und ersetze den alten Namen durchuncensored. - Suche nach Funktionen, die dein Code nutzt und die diese API nicht bereitstellt, wie Embeddings, Bildgenerierung oder Audio. Diese Aufrufe müssen bei einem anderen Anbieter verbleiben oder entfernt werden.
Vergleiche dann das Verhalten, nicht nur die Syntax. Ein anderes Modell hat eine andere Stimme, eine andere Standardlänge und andere Gewohnheiten bei der Formatierung. Führe deine bestehenden Test-Prompts aus, lies die Antworten nebeneinander durch und passe den System-Prompt an, wo der Ton abgewichen ist. Prompt-Text, der um die Eigenheiten eines anderen Modells herumgearbeitet hat, tut hier manchmal nichts oder verschlimmert die Situation manchmal, also entferne alte Workarounds einzeln und beobachte, was sich ändert.
Prüfe auch die Parameter, die du übergibst. Temperature, top_p, stop, seed und die Penalties werden durchgereicht, daher verhalten sie sich wie erwartet. Felder, die zu anderen Anbietern gehören oder zu Funktionen, die diese API nicht bietet, haben keine nützliche Wirkung. Halte den Anfragekörper klein und standardisiert. Das Limit für den Anfragekörper beträgt 8 MB, was nur relevant wird, wenn du große Dokumente direkt einbettst.
Python: synchron, Streaming und asynchron
Die explizite Form, die nicht von Umgebungsvariablen abhängt:
from openai import OpenAI
client = OpenAI(
base_url="https://api.kimiapikey.com/v1",
api_key="YOUR_KEY",
)
resp = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": "You answer in plain English."},
{"role": "user", "content": "Explain idempotency in two sentences."},
],
temperature=0.7,
)
print(resp.choices[0].message.content)
print(resp.usage.prompt_tokens, resp.usage.completion_tokens)
Aktiviere für das Streaming stream=True und lese die Chunks, sobald sie eintreffen. Der Stream wird über Server-Sent Events bereitgestellt, und die Nutzung wird am Ende gemeldet.
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a limerick about retries."}],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
Nutze für einen Dienst, der viele Benutzer bedient, den Async-Client und begrenze deine eigene Parallelität, sodass du das Concurrency-Limit des Schlüssels nie überschreitest. Ein Semaphore ist der einfachste Weg:
import asyncio
from openai import AsyncOpenAI
client = AsyncOpenAI(
base_url="https://api.kimiapikey.com/v1",
api_key="YOUR_KEY",
)
gate = asyncio.Semaphore(8)
async def ask(prompt: str) -> str:
async with gate:
r = await client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": prompt}],
)
return r.choices[0].message.content
async def main():
prompts = [f"Give one fact about the number {n}." for n in range(20)]
answers = await asyncio.gather(*(ask(p) for p in prompts))
print(len(answers), "answers")
asyncio.run(main())
Setze das Semaphore auf 2, während du den Test-Schlüssel nutzt, und auf 8 bei einem bezahlten Schlüssel.
Node und TypeScript
Die Node-Bibliothek verwendet dieselben zwei Optionen unter leicht unterschiedlichen Namen:
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.kimiapikey.com/v1",
apiKey: process.env.API_KEY,
});
const completion = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Name three HTTP status codes." }],
});
console.log(completion.choices[0].message.content);
Das Streaming mit demselben Client verwendet stream: true und einen asynchronen Iterator über das Ergebnis. Wenn du ein Frontend-Framework verwendest, das die OpenAI-Bibliothek umschließt, z. B. ein Chat-UI-Toolkit, suche nach dessen Basis-URL-Option und lege sie auf die gleiche Weise fest. Halte den Schlüssel auf dem Server. Ein Schlüssel, der im Browser-Code platziert wird, kann von jedem kopiert werden, der die Entwickler-Tools öffnet, und das dahinterstehende Guthaben ist echtes Geld.
LangChain und LiteLLM
Frameworks, die den OpenAI-Client umschließen, bieten normalerweise dieselben zwei Parameter. In LangChain für Python akzeptiert die OpenAI-Chatmodellklasse sie direkt:
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="uncensored",
base_url="https://api.kimiapikey.com/v1",
api_key="YOUR_KEY",
temperature=0.5,
)
reply = llm.invoke("Summarize what a message queue does in one sentence.")
print(reply.content)
Von dort aus funktionieren Chains, Prompt-Templates und Output-Parser wie bei jedem Chat-Modell. Wenn du Tools bindest, unterstützt die API Function Calling mit tools und tool_choice, und Tool-Ergebnisse werden als role: "tool"-Nachrichten an das Modell zurückgegeben, was das Framework erzeugt.
LiteLLM ist nützlich, wenn du eine einzige Aufrufkonvention über mehrere Anbieter hinweg möchtest. Präfixe das Modell mit openai/ und übergebe die Basis-URL als api_base:
import litellm
resp = litellm.completion(
model="openai/uncensored",
api_base="https://api.kimiapikey.com/v1",
api_key="YOUR_KEY",
messages=[{"role": "user", "content": "Say hello in French."}],
)
print(resp.choices[0].message.content)
Für strukturierte Daten übergibst du response_format={"type": "json_object"} und sagst im Prompt, dass du JSON möchtest. Analysiere das Ergebnis immer defensiv, da der JSON-Modus gültiges JSON verlangt, dein Schema aber immer noch nur eine Anfrage im Prompt ist.
Limits, Wiederholungen und Fehlerbehandlung
Ein bezahlter Schlüssel erlaubt 8 parallele Anfragen und 300 Anfragen pro Minute. Ein Test-Schlüssel erlaubt 2 und 60. Der Anfragekörper kann bis zu 8 MB groß sein, und das Kontextfenster umfasst 100.000 Token für Prompt und Completion zusammen. Wenn du ein Limit überschreitest, antwortet die API mit HTTP 429 und einem der folgenden Codes:
rate_limited: zu viele Anfragen pro Minute. Warte einige Sekunden ab.concurrency: zu viele gleichzeitig laufende Anfragen. Warte, bis eine fertig ist. Eine gestreamte Anfrage belegt ihren Slot bis zum Ende des Streams, daher zählt ein langsamer Consumer gegen dich.- Ein 429 mit
Retry-After: 5: temporäre Überlastung. Warte fünf Sekunden und versuche es erneut.
Ein kleiner Wiederholungs-Wrapper, der den Header respektiert, behandelt alle drei:
import time
from openai import OpenAI, RateLimitError
client = OpenAI(base_url="https://api.kimiapikey.com/v1", api_key="YOUR_KEY", max_retries=0)
def chat(messages, tries=4):
for attempt in range(tries):
try:
return client.chat.completions.create(model="uncensored", messages=messages)
except RateLimitError as e:
wait = int(e.response.headers.get("retry-after", 2 ** attempt))
time.sleep(wait)
raise RuntimeError("still rate limited after retries")
Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet, daher hat das Wiederholen keine Abrechnungsfolge. Protokolliere den Antwortheader X-Request-Id bei jedem Aufruf; er ist der schnellste Weg, eine Anfrage zu identifizieren, wenn etwas falsch aussieht. X-Balance-USD zeigt dir, wie viel Guthaben noch übrig ist, was du an einen Alert übergeben kannst. Die Dokumentation listet alle Antwortheader auf.
Function Calling durch ein Framework
Agent-Frameworks sind vom Function Calling abhängig, daher lohnt sich ein kurzer Test, bevor du darauf aufbaust. Diese API akzeptiert tools und tool_choice, gibt tool_calls zurück, wenn das Modell eine Funktion ausführen möchte, und erwartet das Ergebnis als role: "tool"-Nachricht, die die Call-ID referenziert. Das Streaming funktioniert mit Tools, wobei der Aufruf in Fragmenten ankommt, die das SDK für dich zusammenfügt.
Ein guter erster Test ist ein One-Tool-Agent mit einer Funktion, deren Ergebnis du manuell überprüfen kannst, wie ein Taschenrechner oder eine Abfrage in einem kleinen Dictionary. Führe ihn zehnmal aus. Wenn das Modell das Tool jedes Mal korrekt auswählt und seine Argumente füllt, kannst du ein zweites Tool hinzufügen. Wenn es manchmal aus dem Gedächtnis antwortet, anstatt die Funktion aufzurufen, mache die Tool-Beschreibung spezifischer oder setze tool_choice, um den Aufruf für diesen Schritt zu erzwingen. Modelle unterscheiden sich in der Zuverlässigkeit, mit der sie lange Ketten von Aufrufen steuern, daher halte Ketten kurz und füge eine Schrittgrenze zu jeder Schleife hinzu, damit eine verwirrte Ausführung nicht endlos läuft und Guthaben verbraucht.
Eine kurze Pre-Launch-Checkliste
- Führe eine Anfrage durch curl oder das SDK aus und bestätige, dass der usage-Block vorhanden ist.
- Teste Streaming mit dem Client, der in der Produktion verwendet wird, einschließlich dessen, was passiert, wenn der Benutzer die Seite während des Streams schließt.
- Begrenze deine eigene Parallelität unter das Limit des Schlüssels.
- Setze
max_tokensdort, wo kurze Antworten erwartet werden, und kürze den Chat-Verlauf, bevor er über das Maß hinaus wächst, für das du zahlen möchtest. - Halte den Schlüssel in der serverseitigen Konfiguration und rotiere ihn, wenn er in einem Protokoll erscheint.
- Prüfe die Kosten im echten Verkehr. Bei $0,15 pro 1M Input und $0,50 pro 1M Output kostet eine Anfrage mit 3.000 Tokens Input und 700 Output $0,0008, also kosten 10.000 davon etwa $8. Details findest du auf der Preisseite.
An die API gesendete Prompts werden nicht zum Training verwendet. Die einzige Inhaltsregel, die sich nie ändert, ist die harte Grenze für sexuellen Inhalt, der Minderjährige betrifft; das Modell ist sonst darauf abgestimmt, ohne Ablehnungen für die rechtmäßige Erwachsenennutzung zu antworten, daher sollten Apps, die der Öffentlichkeit dienen, dennoch ihre eigene Moderation und Altersüberprüfungen hinzufügen, wo das Gesetz oder deine Benutzer es erwarten.
Weitere Anleitungen
- Verwende einen Kimi-ähnlichen API-Schlüssel in Cursor: Setup-Anleitung
- Kimi API-Schlüssel-Preise: Was diese Alternative kostet
- Kimi API-Schlüssel: So funktioniert es und welche Alternativen es gibt
Häufig gestellte Fragen
Ist das Modell dasselbe wie das offizielle Kimi von Moonshot?
Nein, wir hosten ein Open-Weight-Modell, das auf Unzensiertheit optimiert ist. Es ist kein GPT, Claude, Gemini, Grok, DeepSeek oder ein anderes Modell eines Anbieters. Es ist ein eigenständiges Modell, das auf unseren eigenen Servern läuft.
Trainierst du mit meinen Daten?
Nein. Deine Prompts und Completions werden nicht zum Training verwendet. Wir schätzen Privatsphäre und Transparenz, daher bleiben deine Daten bei dir.
Was sind die Ratenlimits?
Du bist auf 300 Anfragen pro Minute pro Schlüssel begrenzt. Die maximale Größe des Anfragekörpers beträgt 8 MB. Diese Limits gewährleisten eine stabile Leistung für alle Nutzer.
Was ist die Inhaltsrichtlinie?
Das Modell ist unzensiert bezüglich erwachsener, kontroverser und kreativer Themen. Allerdings blockieren wir sexuelle Inhalte, die Minderjährige betreffen. Dies ist eine harte Grenze, die immer gilt, unabhängig von deinem Abonnement.
Fragen und Antworten
Brauche ich ein spezielles SDK?
Nein. Die Standard-OpenAI-Bibliotheken für Python und Node funktionieren, nachdem du die Basis-URL auf https://api.kimiapikey.com/v1 gesetzt und deinen Schlüssel verwendet hast. LangChain und LiteLLM funktionieren auf die gleiche Weise.
Welchen Modellnamen sollte mein Code verwenden?
Verwende uncensored. Es ist die einzige Modell-ID, die die API bereitstellt, und GET /v1/models listet sie auf.
Wie vermeide ich 429-Fehler?
Begrenze deine eigenen parallelen Anfragen auf 8 bei einem bezahlten API-Schlüssel oder auf 2 bei einem Test-Schlüssel, und wiederhole die Anfrage nach der Retry-After-Wartezeit, wenn die API dies verlangt.
Unterstützt es Function Calling und JSON-Modus?
Ja. Verwende tools und tool_choice für Function Calling sowie response_format mit type json_object für JSON-Ausgaben. Streaming funktioniert ebenfalls.
Kann ich Embeddings oder Bildgenerierung über denselben Schlüssel nutzen?
Nein. Die API ist nur für Text-Chat ausgelegt, ohne Endpunkte für Embeddings, Bilder, Audio oder Video.
Dein Schlüssel ist nur ein Formular entfernt
Erstelle ein Konto, kopiere den Schlüssel, ändere die Basis-URL. Das ist die gesamte Einrichtung.