GET /v1/models 接口列出全部可用 Kimi 模型，包含上下文长度、多模态支持、推理能力等字段。各模型在 Chat Completions 中支持修改的参数不同，kimi-k2.6 限制最多（temperature/n 不可改）。本文是模型参数差异的完整对比参考。

Kimi 模型列表与参数对比

列出可用模型

GET https://api.moonshot.cn/v1/models
Authorization: Bearer {MOONSHOT_API_KEY}

from openai import OpenAI

client = OpenAI(
    api_key="$MOONSHOT_API_KEY",
    base_url="https://api.moonshot.cn/v1",
)

models = client.models.list()
for model in models.data:
    print(f"{model.id} - context: {getattr(model, 'context_length', 'N/A')}")

响应示例（单个模型）：

{
  "id": "kimi-k2.5",
  "object": "model",
  "created": 1718006400,
  "owned_by": "moonshot",
  "context_length": 262144,
  "supports_image_in": true,
  "supports_video_in": true,
  "supports_reasoning": true
}

---

模型参数差异对比

参数	kimi-k2.6	kimi-k2.5	kimi-k2-thinking	moonshot-v1 系列
temperature	不可改（内置）	0.6（可改）	1.0（可改）	0~1（可改）
top_p	固定 0.95	可改	可改	可改
n	不可改（固定 1）	可改	可改	可改
presence_penalty	不支持	可改	可改	可改
frequency_penalty	不支持	可改	可改	可改
thinking	✅ 支持（默认启用）	✅ 支持	始终启用，不可关	❌ 不支持
图片输入	✅	✅	✅	仅 vision 系列
视频输入	✅	✅	✅	❌

---

kimi-k2.6 参数特殊说明

kimi-k2.6 对很多常规参数有限制：

# 正确：不设置 temperature（使用内置默认值）
completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[{"role": "user", "content": "你好"}],
    max_tokens=4096,
)

# 错误：显式设置 temperature 会报错
# completion = client.chat.completions.create(
#     model="kimi-k2.6",
#     messages=[...],
#     temperature=0.8,  # ❌ invalid_request_error
# )

thinking 参数（通过 extra_body 传递）：

# 禁用思考模式（减少 token 消耗，提高速度）
completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[{"role": "user", "content": "你好"}],
    extra_body={"thinking": {"type": "disabled"}},
)

# 启用并设置预算
extra_body={"thinking": {"type": "enabled", "budget_tokens": 8192}}

---

常见问题

Q: 如何知道某个模型的最大上下文长度？

A: 调用 GET /v1/models 后查看响应中的 context_length 字段，或参考 Kimi 模型列表 中的对比表格。

Q: temperature 接近 0 时有什么限制？

A: 当 temperature 接近 0 时，n 参数只能为 1，设置 n > 1 会返回 invalid_request_error。

Q: moonshot-v1 和 kimi-k2 系列如何选择？

A: moonshot-v1 系列参数更灵活（支持自定义 temperature、presence_penalty 等），适合需要精细调参的场景；kimi-k2.6 能力更强但参数固定，适合追求最佳效果且不需要参数微调的场景。