Kimi k2.6 是 Kimi 最新视觉旗舰模型，支持图片和视频理解，通过 image_url 和 video_url 类型传入多模态内容。本文提供 base64 上传和文件引用两种方式的完整示例，以及分辨率、大小限制等最佳实践。

使用 Kimi 视觉模型

支持的模型

模型	图片	视频
kimi-k2.6	✅	✅
kimi-k2.5	✅	✅
moonshot-v1-128k-vision-preview	✅	❌
moonshot-v1-32k-vision-preview	✅	❌
moonshot-v1-8k-vision-preview	✅	❌

图片理解（base64 方式）

python

import os
import base64
from openai import OpenAI

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

image_path = "image.png"
with open(image_path, "rb") as f:
    image_data = f.read()

ext = os.path.splitext(image_path)[1].lstrip(".")
image_url = f"data:image/{ext};base64,{base64.b64encode(image_data).decode('utf-8')}"

completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {"role": "system", "content": "你是 Kimi。"},
        {
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": image_url}},
                {"type": "text", "text": "请描述图片的内容。"},
            ],
        },
    ],
)

print(completion.choices[0].message.content)

踩坑：content 必须是数组（array[object]），不能将数组 JSON 序列化后当字符串传入，否则会报 token limit exceeded。

视频理解（文件上传方式）

视频较大，推荐先上传再通过 file_id 引用：

python

import os
from pathlib import Path
from openai import OpenAI

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

file_object = client.files.create(
    file=Path("video.mp4"),
    purpose="video"
)

completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {"role": "system", "content": "你是 Kimi。"},
        {
            "role": "user",
            "content": [
                {"type": "video_url", "video_url": {"url": f"ms://{file_object.id}"}},
                {"type": "text", "text": "请描述这个视频的内容。"},
            ],
        },
    ],
)

print(completion.choices[0].message.content)

文件 ID 引用格式：ms://<file_id>（ms = Moonshot Storage）。

支持的文件格式

类型	支持格式	推荐分辨率
图片	PNG、JPEG、WebP、GIF	不超过 4K (4096×2160)
视频	MP4、MPEG、MOV、AVI、WebM、WMV、3GPP 等	不超过 2K (2048×1080)

更高分辨率不会提升理解效果，只会增加 token 消耗和处理时间。

base64 vs 文件上传

场景	推荐方式
小图片（< 5MB），一次性使用	base64
大视频（> 50MB）	必须文件上传
同一资源多次引用	文件上传（节省带宽）
请求体超过 100MB	必须文件上传

限制：不支持直接传 HTTP URL 格式的图片，必须用 base64 或文件上传。

Token 计算

图片/视频动态计算 token，可用 token 预估接口提前估算：分辨率越高、视频时长越长，消耗越多。

常见问题

Q: 为什么传图片后报 "Your request exceeded model token limit"？

A: 最常见原因是将 content 数组序列化成字符串传入（格式错误）。确保 content 是 JSON 数组而非字符串。

Q: 图片数量有限制吗？

A: 没有数量限制，但整个请求体大小不能超过 100MB。

Q: moonshot-v1-vision 系列和 kimi-k2.6 视觉能力有什么区别？

A: kimi-k2.6 额外支持视频输入和 Thinking 模式，综合能力更强；moonshot-v1 视觉系列更稳定，参数控制更灵活（可自定义 temperature 等）。

kimi-k2.6 支持图片和视频输入。发送图片可用 base64 编码直接嵌入消息，也可先上传文件再用 ms://<file-id> 引用。消息格式必须是内容数组，而非字符串。本文覆盖图片和视频的完整示例。

使用 Kimi 视觉模型

支持的输入格式

类型	支持格式
图片	PNG、JPEG、WebP、GIF
视频	MP4、MPEG、MOV、AVI、FLV、WebM

请求体大小限制：100MB（包含图片/视频数据）

与 OpenAI Vision 对比：接口格式基本一致，Kimi 的 image_url 支持两种方式——base64 直传和 ms:// 文件引用。OpenAI 也支持 URL 方式，但 Kimi 目前暂不支持直接用外部 URL 传图片。

通过 base64 发送图片

typescript

import OpenAI from "openai";
import fs from "fs";

const client = new OpenAI({
  apiKey: process.env.MOONSHOT_API_KEY,
  baseURL: "https://api.moonshot.cn/v1",
});

// 读取图片并转为 base64
const imageBuffer = fs.readFileSync("screenshot.png");
const base64Image = imageBuffer.toString("base64");
const mimeType = "image/png"; // image/jpeg, image/webp, image/gif

const completion = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "user",
      // 注意：含图片时，content 必须是数组，不能是字符串
      content: [
        {
          type: "image_url",
          image_url: {
            url: `data:${mimeType};base64,${base64Image}`,
          },
        },
        {
          type: "text",
          text: "请描述这张图片的内容。",
        },
      ],
    },
  ],
});

console.log(completion.choices[0].message.content);

python

import base64
from openai import OpenAI

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

with open("screenshot.png", "rb") as f:
    base64_image = base64.b64encode(f.read()).decode("utf-8")

completion = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}",
                    },
                },
                {
                    "type": "text",
                    "text": "请描述这张图片的内容。",
                },
            ],
        },
    ],
)
print(completion.choices[0].message.content)

通过文件上传发送大图片

对于大文件（尤其是视频），建议先上传后引用，避免 base64 撑大请求体：

typescript

import fs from "fs";

// 1. 上传图片文件
const fileObject = await client.files.create({
  file: fs.createReadStream("large-image.jpg"),
  purpose: "file-extract",
});

// 2. 用 ms:// 协议引用
const completion = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "user",
      content: [
        {
          type: "image_url",
          image_url: {
            url: `ms://${fileObject.id}`, // 通过文件 ID 引用
          },
        },
        {
          type: "text",
          text: "这张图片里有什么？",
        },
      ],
    },
  ],
});

视频理解

视频的处理方式与图片类似：

typescript

const videoFile = await client.files.create({
  file: fs.createReadStream("demo.mp4"),
  purpose: "file-extract",
});

const completion = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "user",
      content: [
        {
          type: "video_url",
          video_url: {
            url: `ms://${videoFile.id}`,
          },
        },
        {
          type: "text",
          text: "请总结这段视频的主要内容。",
        },
      ],
    },
  ],
});

多图对话

在一条消息中发送多张图片，或跨轮次引用图片：

typescript

const completion = await client.chat.completions.create({
  model: "kimi-k2.6",
  messages: [
    {
      role: "user",
      content: [
        { type: "image_url", image_url: { url: `data:image/png;base64,${image1}` } },
        { type: "image_url", image_url: { url: `data:image/png;base64,${image2}` } },
        { type: "text", text: "对比这两张图片，找出不同之处。" },
      ],
    },
  ],
});

注意事项

content 必须是数组，不能是字符串（即使只有文字也要用数组格式，但纯文本消息用字符串更简洁）
temperature、top_p、n 等参数请使用默认值，部分视觉请求不支持修改这些参数
更高分辨率不一定提升理解效果，反而增加 token 消耗

常见问题

Q: Kimi 视觉模型支持 URL 图片吗（直接传图片网址）？

A: 目前暂不支持直接用外部 HTTP/HTTPS URL 传图片，需要先下载图片后用 base64 传入，或上传到 Files API 后用 ms:// 引用。

Q: 视频有时长限制吗？

A: 有文件大小限制（请求体 100MB 以内），超大视频建议先压缩。具体时长限制以控制台文档为准。

Q: base64 图片会消耗很多 token 吗？

A: 图片本身不按 base64 字符数计费，但视觉理解会额外消耗 token（取决于图片内容的复杂度）。对于频繁请求的场景，上传到 Files API 并复用 file_id 可以节省重复编码的开销。

AI 工具接入

模型能力

高级功能

集成与工具

运维与稳定性

GitHub MCP Server

设置与安装

用量与账单管理

模型切换

Cloud Agent（云端 AI 代理）

Copilot CLI

CLI 自定义总览

CLI 安装与配置

CLI 自动化

CLI Agent 使用

Copilot SDK

认证配置

故障排查

集成与可观测性

Cloud Agent 任务工作流

自定义与 Spaces

启用与配置（set-up）

启用 Copilot

Prompt 工程

代码补全

工具集成

Agent 系统

Copilot CLI 核心概念

计费说明

上下文与索引

语言与框架

Learn by Playing

Terminal UI

Privacy & Security

Custom Agents 详解

CLI 计费管理

CLI Enterprise

CLI Chat

CLI MCP

CLI Reference

Experimental

使用 Kimi 视觉模型 ​

支持的模型 ​

图片理解（base64 方式） ​

视频理解（文件上传方式） ​

支持的文件格式 ​

base64 vs 文件上传 ​

Token 计算 ​

常见问题 ​

使用 Kimi 视觉模型 ​

支持的输入格式 ​

通过 base64 发送图片 ​

通过文件上传发送大图片 ​

视频理解 ​

多图对话 ​

注意事项 ​

常见问题 ​

使用 Kimi 视觉模型

支持的模型

图片理解（base64 方式）

视频理解（文件上传方式）

支持的文件格式

base64 vs 文件上传

Token 计算

常见问题

使用 Kimi 视觉模型

支持的输入格式

通过 base64 发送图片

通过文件上传发送大图片

视频理解

多图对话

注意事项

常见问题