HI ▾
API कुंजी प्राप्त करें

kimiapikey.comमार्गदर्शिका

Kimi API कुंजी का OpenAI SDKs और LangChain के साथ एकीकरण

इस API को एक ऐप में एकीकृत करने का अर्थ है आपके कोड में दो मान बदलना जो शायद पहले से मौजूद हैं: बेस URL और कुंजी। यह गाइड OpenAI SDKs, LangChain और LiteLLM के लिए बदलाव दिखाती है, फिर उत्पादन उपयोग के लिए रीट्राइज़ और लिमिट्स को कवर करती है।

अपडेट किया गया

एक केंद्रीय हब से जुड़े चमकदार रेखाओं वाले आइसोमेट्रिक ब्लॉक, जो दिखाते हैं कि ऐप्स एक API के साथ कैसे एकीकृत होते हैं

मुख्य बिंदु

  • हर क्लाइंट को तीन ही मानों की आवश्यकता होती है: बेस URL https://api.kimiapikey.com/v1, आपकी कुंजी और मॉडल uncensored।
  • इन्हें एनवायरनमेंट वेरिएबल्स में रखें ताकि आप कोड में बदलाव किए बिना प्रदाता बदल सकें।
  • 429 प्रतिक्रियाओं को अलग से हैंडल करें: rate_limited, concurrency और Retry-After: 5 के साथ अस्थायी ओवरलोड।
  • एक पूर्ण कुंजी 8 समानांतर अनुरोध और प्रति मिनट 300 की अनुमति देती है; एक ट्रायल कुंजी 2 और 60 की अनुमति देती है।

आपके कोड में वास्तव में क्या बदलता है

kimi api key इंटीग्रेशन एक प्रोजेक्ट जैसा लगता है, लेकिन इस एंडपॉइंट के लिए यह एक कॉन्फ़िगरेशन बदलाव है। सेवा OpenAI chat completions प्रारूप लागू करती है, इसलिए कोई भी क्लाइंट लाइब्रेरी जो आपको बेस URL और कुंजी सेट करने देती है, काम करेगी। इंस्टॉल करने के लिए कोई कस्टम SDK नहीं है और सीखने के लिए कोई नया रिक्वेस्ट फ़ॉर्मेट नहीं है।

सेटिंगमान
बेस URLhttps://api.kimiapikey.com/v1
प्रमाणीकरणआपके डैशबोर्ड से कुंजी, Authorization: Bearer के रूप में भेजी जाती है
मॉडलuncensored
एंडपॉइंटPOST /v1/chat/completions, GET /v1/models

दो बिंदु समय बचाते हैं। पहला, यह एक एंडपॉइंट के पीछे एक टेक्स्ट मॉडल है: कोई एम्बेडिंग रूट नहीं, कोई इमेज जनरेशन नहीं, कोई ऑडियो नहीं। यदि आपका ऐप उन्हें कॉल करता है, तो उनके लिए एक अन्य प्रदाता रखें और केवल चैट को यहाँ रूट करें। दूसरा, यह Kimi या किसी अन्य प्रदाता की आधिकारिक API नहीं है; यह एक स्वतंत्र प्रदाता है जो एक ओपन-वेट मॉडल चला रहा है, इसलिए अन्य प्लेटफ़ॉर्म के मॉडल नाम हल नहीं होंगे। Kimi API कुंजी स्पष्टीकरण उस अंतर को अधिक विस्तार से कवर करता है।

अपनी कुंजी API कुंजी पेज पर प्राप्त करें। नए खाते वहाँ $0.50 का ट्रायल क्रेडिट प्राप्त कर सकते हैं, जो नीचे दिए गए सबके लिए पर्याप्त है।

कॉन्फ़िगरेशन और मौजूदा ऐप को स्थानांतरित करना

आधिकारिक OpenAI Python और Node लाइब्रेरियाँ OPENAI_API_KEY और OPENAI_BASE_URL को एनवायरनमेंट से पढ़ती हैं जब आप उन्हें स्पष्ट रूप से पास नहीं करते हैं। यह न्यूनतम प्रयास वाले इंटीग्रेशन को एक शेल बदलाव बनाता है:

export OPENAI_BASE_URL="https://api.kimiapikey.com/v1"
export OPENAI_API_KEY="YOUR_KEY"

मौजूदा कोड जो एक खाली OpenAI() क्लाइंट बनाता है, अब इस एंडपॉइंट से बात करता है। आपको अभी भी model तर्क को uncensored में बदलना है। मॉडल नाम को एक वेरिएबल में भी डालें, उदाहरण के लिए LLM_MODEL, ताकि टेस्ट एन्वायरनमेंट और प्रोडक्शन एन्वायरनमेंट बिना कोड एडिट के अलग हो सकें।

यह आदत उस मिनट के लायक है जो यह लेता है। जब बेस URL, कुंजी और मॉडल कॉन्फ़िगरेशन में रहते हैं, तो एक अन्य OpenAI-कम्पैटिबल प्रदाता को आज़माना एक डिप्लॉयमेंट बदलाव है, और रोलबैक उसी बदलाव को उलटना है।

अधिकांश टीमें खाली फ़ाइल से शुरू नहीं करतीं। उनके पास एक ऐप होता है जो पहले से ही एक OpenAI-शैली API को कॉल करता है, और वे चाहते हैं कि वह इसे कॉल करे। माइग्रेशन मुख्य रूप से तीन स्ट्रिंग्स के लिए खोज है।

  1. जहाँ क्लाइंट बनाया गया है उसे खोजें और बेस URL बदलें।
  2. हर model= तर्क खोजें और पुराने नाम को uncensored से बदलें।
  3. उन सुविधाओं के लिए खोजें जो आपका कोड उपयोग करता है लेकिन यह API प्रदान नहीं करती, जैसे एम्बेडिंग, इमेज जनरेशन या ऑडियो। उन कॉल्स को एक अन्य प्रदाता के साथ रहना चाहिए या हटा दिया जाना चाहिए।

फिर व्यवहार की तुलना करें, केवल सिंटैक्स नहीं। एक अलग मॉडल की एक अलग आवाज़, अलग डिफ़ॉल्ट लंबाई और फॉर्मेटिंग के साथ अलग आदतें होती हैं। अपने मौजूदा टेस्ट प्रॉम्प्ट चलाएं, जवाबों को साइड-बाय-साइड पढ़ें और सिस्टम प्रॉम्प्ट को जहाँ टोन ड्रिफ्ट हुआ है वहाँ समायोजित करें। प्रॉम्प्ट टेक्स्ट जो किसी अन्य मॉडल की क्विक्स के आसपास काम करता था, कभी-कभी यहाँ कुछ नहीं करता है, और कभी-कभी चीजों को खराब करता है, इसलिए पुराने वर्कअराउंड को एक-एक करके हटाएं और देखें कि क्या बदलाव आते हैं।

आपके द्वारा पास किए गए पैरामीटर की भी जाँच करें। temperature, top_p, stop, seed और पेनल्टीज़ पास हो जाते हैं, इसलिए वे जैसा आप उम्मीद करते हैं वैसा व्यवहार करते हैं। अन्य प्रदाताओं से संबंधित फ़ील्ड्स, या इस API द्वारा अनुपलब्ध सुविधाओं के लिए, कोई उपयोगी काम नहीं करेंगे। अनुरोध बॉडी को छोटा और मानक रखें। बॉडी लिमिट 8 MB है, जो केवल तभी मायने रखती है यदि आप बड़े दस्तावेज़ों को सीधे एम्बेड करते हैं।

Python: सिंक, स्ट्रीमिंग और एसिंक

स्पष्ट रूप, जो एनवायरनमेंट वेरिएबल्स पर निर्भर नहीं करता:

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)

स्ट्रीमिंग के लिए, stream=True सेट करें और चंक को आने पर पढ़ें। स्ट्रीम सर्वर-सेंट इवेंट्स के माध्यम से डिलीवर की जाती है, और उपयोग अंत में रिपोर्ट किया जाता है।

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)

एक सेवा के लिए जो कई उपयोगकर्ताओं को संभालती है, एसिंक क्लाइंट का उपयोग करें और अपनी समानांतर क्षमता को कैप करें ताकि आप कभी भी कुंजी के कॉन्करेंसी लिमिट से अधिक न हों। एक सेमाफोर सबसे सरल तरीका है:

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())

जब आप ट्रायल कुंजी पर हैं तो सेमाफोर को 2 पर सेट करें, और फंडेड कुंजी पर 8 पर।

Node और TypeScript

Node लाइब्रेरी थोड़े अलग नामों के तहत समान दो विकल्प लेती है:

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);

एक ही क्लाइंट के साथ स्ट्रीमिंग stream: true और परिणाम पर एक एसिंक इटरेटर का उपयोग करती है। यदि आप एक फ्रंट-एंड फ्रेमवर्क का उपयोग करते हैं जो OpenAI लाइब्रेरी को रैप करता है, जैसे कि एक चैट UI टूलकिट, तो उसकी बेस URL ऑप्शन खोजें और इसे उसी तरह सेट करें। कुंजी सर्वर पर रखें। ब्राउज़र कोड में रखी गई कुंजी को कोई भी कॉपी कर सकता है जो डेवलपर टूल्स खोलता है, और उसके पीछे का क्रेडिट असली पैसा है।

LangChain और LiteLLM

OpenAI क्लाइंट को रैप करने वाले फ्रेमवर्क्स आमतौर पर समान दो पैरामीटर उजागर करते हैं। Python के लिए LangChain में, OpenAI चैट मॉडल क्लास उन्हें सीधे स्वीकार करती है:

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)

वहाँ से, चेन्स, प्रॉम्प्ट टेम्पलेट और आउटपुट पार्सर किसी भी चैट मॉडल की तरह काम करते हैं। यदि आप टूल्स बाइंड करते हैं, तो API tools और tool_choice के साथ फ़ंक्शन कॉलिंग का समर्थन करता है, और टूल रिजल्ट्स मॉडल को role: "tool" मैसेज के रूप में वापस आते हैं, जो फ्रेमवर्क बनाता है।

LiteLLM तब उपयोगी है जब आप कई प्रदाताओं के बीच एक कॉलिंग कन्वेंशन चाहते हैं। मॉडल को openai/ से प्रिफिक्स करें और बेस URL को api_base के रूप में पास करें:

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)

स्ट्रक्चर्ड डेटा के लिए, response_format={"type": "json_object"} पास करें और प्रॉम्प्ट में कहें कि आपको JSON चाहिए। हमेशा परिणाम को डिफेंसिवली पार्स करें, क्योंकि JSON मोड वैध JSON मांगता है लेकिन आपका स्कीमा अभी भी केवल प्रॉम्प्ट में एक अनुरोध है।

लिमिट्स, रीट्राइज़ और एरर हैंडलिंग

एक फंडेड कुंजी 8 समानांतर अनुरोध और प्रति मिनट 300 अनुरोध की अनुमति देती है। एक ट्रायल कुंजी 2 और 60 की अनुमति देती है। बॉडी 8 MB तक हो सकती है, और विंडो प्रॉम्प्ट और कंप्लीशन दोनों के लिए 100,000 टोकन की है। जब आप एक लिमिट से अधिक हो जाते हैं, तो API HTTP 429 के साथ जवाब देती है और इनमें से एक:

  • rate_limited: प्रति मिनट बहुत सारे अनुरोध। कई सेकंड के लिए बैक ऑफ़ करें।
  • concurrency: एक साथ बहुत सारे अनुरोध चल रहे हैं। एक के खत्म होने का इंतज़ार करें। एक स्ट्रीम किया गया अनुरोध अपना स्लॉट स्ट्रीम खत्म होने तक रखता है, इसलिए एक धीमा कंज्यूमर आपके खिलाफ गिनता है।
  • एक 429 Retry-After: 5 के साथ: अस्थायी ओवरलोड। पाँच सेकंड इंतज़ार करें और फिर से प्रयास करें।

हेडर का सम्मान करने वाला एक छोटा रीट्राई रैपर तीनों को संभालता है:

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")

असफल या अस्वीकृत अनुरोधों के लिए चार्ज नहीं किया जाता है, इसलिए पुनः प्रयास करने से कोई बिलिंग पेनल्टी नहीं लगती। हर कॉल के साथ X-Request-Id रिस्पॉन्स हेडर को लॉग करें; यह किसी भी गलत दिखने वाली चीज़ के लिए एक अनुरोध को इंगित करने का सबसे तेज़ तरीका है। X-Balance-USD आपको बताता है कि क्रेडिट कितना शेष है, जिसे आप एक अलर्ट में डाल सकते हैं। दस्तावेज़ीकरण में सभी रिस्पॉन्स हेडर सूचीबद्ध हैं।

फ्रेमवर्क के माध्यम से टूल कॉलिंग

एजेंट फ्रेमवर्क्स फ़ंक्शन कॉलिंग पर निर्भर करते हैं, इसलिए इस पर बनाने से पहले एक छोटा टेस्ट करना उचित है। यह API tools और tool_choice स्वीकार करता है, जब मॉडल एक फंक्शन चलाना चाहता है तो tool_calls वापस करता है, और परिणाम को एक role: "tool" मैसेज के रूप में उम्मीद करता है जो कॉल आईडी को रेफर करता है। स्ट्रीमिंग टूल्स के साथ काम करती है, कॉल टुकड़ों में आती है जिन्हें SDK आपके लिए इकट्ठा करता है।

एक अच्छा पहला टेस्ट एक-टूल एजेंट है जिसका फंक्शन आपकी आँखों से जाँच योग्य परिणाम देता है, जैसे कि एक कैलकुलेटर या एक छोटे डिक्शनरी में लुकअप। इसे दस बार चलाएं। यदि मॉडल हर बार टूल चुनता है और उसके आर्गुमेंट सही तरीके से भरता है, तो आप एक दूसरा टूल जोड़ सकते हैं। यदि यह कभी-कभी फंक्शन को कॉल करने के बजाय मेमोरी से जवाब देता है, तो टूल डिस्क्रिप्शन को अधिक विशिष्ट बनाएं, या उस स्टेप के लिए कॉल फोर्स करने के लिए tool_choice सेट करें। मॉडल कॉल्स की लंबी चेन्स को कितनी भरोसेमंद तरीके से चलाते हैं, इसमें अलग हैं, इसलिए चेन्स को छोटा रखें और किसी भी लूप में एक स्टेप लिमिट जोड़ें ताकि एक भ्रमित रन अनंत तक न घूमे और क्रेडिट न खर्चे।

एक छोटी प्री-लॉन्च चेकलिस्ट

  1. एक अनुरोध curl या SDK के माध्यम से चलाएं और पुष्टि करें कि उपयोग ब्लॉक मौजूद है।
  2. प्रोडक्शन में उपयोग किए जाने वाले क्लाइंट के साथ स्ट्रीमिंग टेस्ट करें, इसमें यह भी शामिल है कि यूजर स्ट्रीम के बीच में पेज बंद कर दे तो क्या होता है।
  3. अपने समानांतर अनुरोधों की सीमा कुंजी की लिमिट से नीचे रखें।
  4. max_tokens सेट करें जहाँ छोटे उत्तर अपेक्षित हैं, और चैट इतिहास को काटें, इससे पहले कि वह उस मात्रा से बढ़ जाए जिसके लिए आप भुगतान करना चाहते हैं।
  5. कुंजी को सर्वर-साइड कॉन्फ़िग में रखें और यदि यह लॉग में दिखाई दे तो उसे रोटेट करें।
  6. वास्तविक ट्रैफ़िक पर लागत की जाँच करें। प्रति 1M इनपुट $0.15 और प्रति 1M आउटपुट $0.50 की दर से, 3,000 टोकन इनपुट और 700 आउटपुट वाले एक अनुरोध की लागत $0.0008 आती है, इसलिए 10,000 ऐसे अनुरोधों की लागत लगभग $8 होती है। विवरण मूल्य निर्धारण पृष्ठ पर उपलब्ध हैं।

API को भेजे गए प्रॉम्प्ट प्रशिक्षण के लिए उपयोग नहीं किए जाते हैं। एकमात्र सामग्री नियम जो कभी नहीं बदलता, नाबालिगों से जुड़े यौन सामग्री पर कठोर सीमा है; मॉडल अन्यथा कानूनी वयस्क उपयोग के लिए बिना अस्वीकृति के उत्तर देने के लिए ट्यून्ड है, इसलिए सार्वजनिक सेवा देने वाले ऐप्स को कानून या आपके उपयोगकर्ताओं की अपेक्षाओं के अनुसार अभी भी स्वयं मॉडरेशन और आयु सत्यापन जोड़ना चाहिए।

अक्सर पूछे जाने वाले प्रश्न

क्या मॉडल Moonshot के आधिकारिक Kimi के समान है?
नहीं, हम एक ओपन-वेट मॉडल होस्ट करते हैं जिसे बिना सेंसर बनाया गया है। यह GPT, Claude, Gemini, Grok, DeepSeek या किसी अन्य वेंडर का मॉडल नहीं है। यह एक अलग मॉडल है जो हमारे अपने सर्वरों पर चलाया जाता है।

क्या आप मेरे डेटा पर ट्रेनिंग करते हैं?
नहीं। आपके प्रॉम्प्ट और कम्प्लीशन्स ट्रेनिंग के लिए उपयोग नहीं किए जाते हैं। हम गोपनीयता और पारदर्शिता का सम्मान करते हैं, इसलिए आपका डेटा आपका ही रहता है।

रेट लिमिट क्या हैं?
प्रति कुंजी प्रति मिनट 300 अनुरोधों तक सीमित हैं। अधिकतम अनुरोध बॉडी आकार 8 MB है। ये सीमाएँ सभी उपयोगकर्ताओं के लिए स्थिर प्रदर्शन सुनिश्चित करने के लिए डिज़ाइन की गई हैं।

कंटेंट पॉलिसी क्या है?
मॉडल वयस्क, विवादास्पद और रचनात्मक विषयों के संबंध में बिना सेंसर है। हालाँकि, हम नाबालिगों से जुड़ी यौन सामग्री को ब्लॉक करते हैं। यह एक कठोर सीमा है जो हमेशा लागू होती है, आपके सब्सक्रिप्शन स्तर से स्वतंत्र।

प्रश्न और उत्तर

क्या मुझे एक विशेष SDK की आवश्यकता है?

नहीं। Python और Node के लिए मानक OpenAI लाइब्रेरीज़ https://api.kimiapikey.com/v1 पर बेस URL सेट करने और अपनी कुंजी उपयोग करने के बाद काम करती हैं। LangChain और LiteLLM भी उसी तरह काम करते हैं।

मेरे कोड को किस मॉडल नाम का उपयोग करना चाहिए?

uncensored का उपयोग करें। यह API द्वारा प्रदान किया जाने वाला एकमात्र मॉडल ID है, और GET /v1/models इसे सूचीबद्ध करता है।

429 त्रुटियों से कैसे बचें?

अपने समानांतर अनुरोधों को फंडेड कुंजी पर 8 तक और ट्रायल कुंजी पर 2 तक सीमित करें, और जब API इसे मांगे तो Retry-After विलंब के बाद पुनः प्रयास करें।

क्या यह फ़ंक्शन कॉलिंग और JSON मोड का समर्थन करता है?

हाँ। फ़ंक्शन कॉल के लिए tools और tool_choice का उपयोग करें, और JSON आउटपुट के लिए response_format के साथ type json_object का उपयोग करें। स्ट्रीमिंग भी काम करती है।

क्या मैं उसी कुंजी के माध्यम से एम्बेडिंग्स या इमेज जनरेशन का उपयोग कर सकता हूँ?

नहीं। API केवल टेक्स्ट चैट के लिए है, जिसमें एम्बेडिंग्स, इमेज, ऑडियो या वीडियो एंडपॉइंट्स नहीं हैं।

आपकी कुंजी बस एक फ़ॉर्म दूर है

एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।

API कुंजी पाएँदस्तावेज़ पढ़ें