
Kimi API は Moonshot AI のオープンウェイト K2 ラインです。ネイティブにマルチモーダルな K2.5 から、コーディングに特化した K2.7 Code までを提供します。ビジョン機能がモデルに組み込まれているため、スクリーンショット、UI モックアップ、短い動画を動作するフロントエンドコードに変換したり、最大 100 個の並列サブエージェントを協調させたり、256K token のコンテキスト全体で推論したりできます。Atlas Cloud は、透明性の高い従量課金制の料金で、ファミリー全体を 1 つの統合 endpoint から提供します。今すぐ開発を始めましょう。
Kimi は Moonshot AI が開発したモデルです。Atlas Cloud(運営:Atlas Cloud AI LLC)は本モデルへのアクセスを提供するものであり、その所有者ではありません。すべての商標は各所有者に帰属します。
Atlas Cloudは、業界をリードする最新のクリエイティブモデルを提供します。
各 Kimi endpoint の得意領域と、100万トークンあたりの標準料金をひと目で比較できます。
| モダリティ | 説明 |
|---|---|
| Kimi K2.7 Code API (Text to Text) | エンジニアリング作業のために特化して設計されたこの endpoint は、自然言語のプロンプトや既存のソースファイルを、動作するコード、修正、開発者向け自動化へと変換します。信頼性の高いコード生成を重視するプログラミング、デバッグ、AI 開発者ワークフローを対象としており、標準料金は input tokens 100万あたり $0.95、output tokens 100万あたり $4 です。 |
| Kimi K2.6 API (Text to Text) | テキストプロンプトを入力すると、Kimi K2.6 は日常的な生産性タスク全般にわたって、推論に基づく回答、コード、構造化された出力を返します。推論とコーディングの両方を強化しており、分析、下書き作成、ソフトウェア開発に使える単一の汎用モデルを求めるチームに適しています。繰り返し利用するコンテキスト向けの cached input は、100万トークンあたり $0.16 です。 |
| Kimi K2.5 API (Text to Text) | 長いドキュメントや複数ステップのパイプラインにまたがる作業では、Kimi K2.5 が拡張されたテキスト入力を取り込み、文脈を踏まえた一貫性のある応答を返します。長いコンテキストの理解とインテリジェントなワークフロー向けに構築されており、input tokens 100万あたり $0.60、output tokens 100万あたり $3 の透明性の高い従量課金で利用でき、大規模な分析のコスト効率を保ちます。 |
Kimi API は、Moonshot AI の trillion-parameter K2 models を単一のエンドポイントで利用できるようにし、262,144-token のコンテキストウィンドウに加えて、ネイティブな画像・動画入力、自律型エージェントスウォーム、コーディング、デバッグ、長期的な推論に最適化された専用モデルを提供します。

K2.6 は、1 つのネイティブなマルチモーダルアーキテクチャ内でテキスト、画像、動画を処理し、外部プラグインなしで PNG や WebP から MP4、MOV、WebM までの形式を受け付けます。MoonViT ビジョンエンコーダーは、画面録画、デザインファイル、図表を直接読み取ります。以前の K2.5 がテキストと画像を扱っていたのに対し、K2.6 は同じスタックを動画全体の理解へ拡張し、視覚コンテキストを単なるもう 1 つの入力として扱えるようにします。

Kimi API は、約 4,000 の協調ステップにわたって動作する 300 サブエージェント規模の自律型エージェントスウォームを公開します。K2.6 は単一スレッドで推論するのではなく、1 つの大きな目的を並列ブランチに分解し、完了までオーケストレーションします。各サブエージェントはタスクの一部を担当し、その後、共有プランへ結果を報告します。この設計は、プロジェクトが多くの依存ステージにまたがる長期的な自動化に適しています。

このファミリーの中心にあるのはコーディングであり、Kimi K2.7 Code はプログラミング、デバッグ、開発者向けエージェントワークフローのために専用設計されています。SWE-Bench Pro コーディングベンチマークでは、K2.6 が 58.6 に到達し、実際のリポジトリ修正において複数の frontier models をわずかに上回ります。どちらのモデルでも、失敗しているテストスイートを与えると、障害を追跡し、パッチを提案し、ビルドがグリーンになるまで反復します。

透明性のある推論が必要ですか?設定可能な thinking mode を有効にすると、モデルは回答を確定する前にステップごとの思考連鎖を提示し、ネイティブのツール呼び出しや function calling も併用できます。Atlas Cloud では、Kimi API 全体が 1 つの OpenAI-compatible key の背後で動作し、呼び出しごとの従量課金と、すべての新リリースへの Day-0 アクセスを提供します。base URL を差し替えるだけで、既存のコードはそのまま動作します。
同一のブリーフをKimi APIと2つの競合モデルに送り、まったく同じ指示からそれぞれが生成するインタラクティブなHTMLページを比較します。
プレイ可能なSnakeアーケードゲームの完全な単一ファイルHTMLページを作成してください。CSSとJavaScriptはすべてインライン化し、外部依存関係、CDN、画像、フォントは一切使用しないでください。盤面はcanvasに描画し、モダンなネオン・オン・ダークの配色、滑らかな移動、ヘビの後ろに残る柔らかな発光トレイルを実装してください。矢印キーとWASD操作に加えて、タッチデバイスでのスワイプジェスチャーにも対応し、現在のスコアと永続的なハイスコアを表示し、スコアが上がるにつれてゲーム速度を徐々に上げてください。エサを食べるたびに小さなパーティクルのバーストを発生させ、リスタートボタン付きのアニメーションするゲームオーバーオーバーレイを表示し、デスクトップとモバイルの両方で盤面が中央に配置され読みやすく保たれるよう、レスポンシブなレイアウトにしてください。
Generated with Kimi K2.7 Code on Atlas Cloud
Generated with GPT 5.5 on Atlas Cloud
Generated with Kimi K2.6 on Atlas Cloud
単一の完全に自己完結したHTMLファイル(CSSとJavaScriptはすべてインライン化し、外部依存関係、CDN、画像、Webフォントは一切なし)を作成し、インタラクティブな「生きているデジタルテラリウム」を描画してください。画面中央に置かれた密閉ガラス瓶の中に、リアルタイムで成長する自立型の小さな熱帯雨林が入っているものです。最新のブラウザーで開くと、ビルド手順なしで即座に60fpsで動作する必要があります。 コアシーンとレイアウト:構図を左右対称に中央配置し、ガラス瓶を主役のステージとして扱ってください。背景は深くビネットのかかった暗い背景(柔らかな苔の光を帯びた中心から、ほぼ黒い端へフェードするradial gradient)にし、視線がすべて瓶に集まるようにします。すべてを全画面HTML5 Canvasに描画し、その上に本物のglassmorphismのDOM/CSSクロームを重ねてください。瓶の壁には、曲面による屈折ハイライト、明るい鏡面リムライトの筋、かすかなフロスト状のぼかし、小さなレンズ効果を伴う点在した結露の水滴など、本物らしいガラスの質感を表現する必要があります。これは、重ねたradial/linear gradient、backdrop-filter blur、半透明の白いストローク、柔らかなbox-shadowで実現してください。瓶の内側の底には暗く湿ったローム土があり、ゆっくり漂うかすかなボリューメトリックな霧があります。 積み重なって共存しなければならない3つの技術レイヤー(弱いモデルと強いモデルの差が出る部分です。弱いモデルは静止画を作り、強いモデルは瓶全体を生きているようにします): 1. 再帰的なL-system成長:つる、シダの葉、苔はL-system/再帰分岐アルゴリズムで生成し、時間の経過とともに展開する様子をアニメーションさせます。茎は伸び、枝は細分化し、シダの葉はほどけ、葉はイージング付きでスケールインします。成長は有機的で、枝ごとにわずかなランダム性(角度の揺らぎ、太さのテーパー、長さの減衰)を持たせ、リロードするたびに同じ植物が二つとないようにします。 2. パーティクルシステム:琥珀色のホタルのような光の粒(数十個)が、柔らかな加算発光と穏やかなパララックスを伴って霧の中を漂い上下に揺れます。さらに、上昇する結露/花粉の微粒子も含めてください。パーティクルは新しく成長した植物にさりげなく反応します。 3. 昼夜のライティングサイクル:連続する環境光のループで、上方からのキーライトを、冷たい白の夜明け → 暖かな黄金の夕暮れ → 深いインディゴの夜、そして再び戻るように遷移させ、シーン全体、ガラスのハイライト、霧、植物の色調をそれに合わせて再着色してください。植物には屈光性を持たせ、光の方向が移動するにつれて茎が曲がり、先端が現在の光の方向へ傾くようにします。 主要なインタラクション:瓶の壁または内部のどこかをクリックすると、クリックしたx位置のローム土へ種を1つ落とします。その種は、落下して着地し、発芽して芽になり、L-systemによって再帰的に枝分かれし、成熟すると小さく光る花を咲かせる、という完全で目に見えるライフサイクルを順に再生してください。各段階はイージングされ、はっきり読み取れるようにし、着地時には柔らかな波紋/土ぼこりのパフを出してください。複数回クリックすると複数の植物が生まれ、共存して成長を続け、テラリウムが徐々に密度の高い茂みで満たされていきます。glassmorphicなピル型ボタンで、控えめなインライン操作をいくつか含めてください(例:「Reset terrarium」と、ユーザーが時刻をスクラブできる「Day/Night: auto ⇄ drag」トグル、任意で一時停止)。「tap the glass to plant a seed」というかすかなヒント行を表示し、最初の操作後にフェードアウトさせてください。 パレットとムード:葉は森のインクグリーンと苔のような黄緑、光の粒と花は琥珀/蜂蜜色の輝き、瓶には冷たいティール系のガラス色、昼夜の移り変わりには暖かな金色と冷たいインディゴの色の広がりを使ってください。全体の印象は、静かで、呼吸していて、瞑想的なものにしてください。動きはゆっくり穏やかで、急な切り替わりは避けます。 技術要件:requestAnimationFrameとdelta-timeを使い、アニメーションがフレームレートに依存しないようにしてください。window resizeに応じてcanvasをレスポンシブにし、devicePixelRatioに正しく対応して、瓶を中央に保ってください。滑らかさを維持するため、パーティクル数や枝数には妥当な上限を設けてください。成長が自然に見えるよう、すべてのランダム性は植物ごとにseed付きにしてください。ジオメトリ、発光、ガラス、霧、ライティング、パーティクル、再帰的な植物など、すべてをコードで描画または計算し、外部アセットは一切使わないでください。保存して1つの.htmlファイルとして開ける、完全なHTMLドキュメントのみを納品してください。
Generated with Kimi K2.7 Code on Atlas Cloud
Generated with GPT 5.5 on Atlas Cloud
Generated with Kimi K2.6 on Atlas Cloud
巨大なリポジトリ全体でコードを出荷する場合も、デザインをインターフェースに変換する場合も、エージェント群をオーケストレーションする場合も、Kimi APIは長文コンテキスト推論とネイティブなツール利用を実際の本番ワークロードにもたらします。
Kimi K2.7 Codeは262K-tokenのウィンドウ内でリポジトリ全体を読み取り、リファクタリング、デバッグ、コードベースの拡張を一度に行います。チームはプロジェクトの文脈を失うことなく、レガシーシステムのモダナイズや複数ファイルにまたがる機能の出荷に活用しています。
Kimi K2.5にスクリーンショット、モックアップ、または短いデモ動画を入力すると、視覚入力から動作するフロントエンドコードを返します。デザイナーやプロダクトチームは、静的なコンセプトを数分でインタラクティブなページやプロトタイプに変換できます。
レポートや契約書が数百ページに及ぶ場合でも、Kimi modelsは256K-tokenのコンテキスト内で処理し、傾向や矛盾点を浮き彫りにします。アナリストは全ページを手作業で読む代わりに、引用付きの構造化された回答を抽出できます。
エージェント群により、Kimi K2.5は1つの目標を最大100の並列サブエージェントに分割し、実行時間を最大4.5x短縮できます。チームは、単一のモデルでは完了できないバッチ分析や長大なビルドを自動化できます。
エージェント的なツール利用向けにトレーニングされたKimi modelsは、外部関数、API、検索を呼び出して、ステップごとのプロンプトなしにタスクを完了します。開発者は、ユーザーに代わって実システム上で予約、照会、実行を行うアシスタントを構築できます。
Kimi APIはOpenAI互換のため、ベースURLと1つのキーを差し替えるだけで、トラフィックをMoonshot modelsへルーティングできます。スタートアップはアプリケーションロジックを書き換えることなくKimiを導入し、透明性の高いコール単位の料金で利用できます。
Atlas Cloud 上の他の主力言語モデル API と Kimi API を比較し、コンテキスト長、入力の柔軟性、トークン単価でどこに強みがあるかを確認できます。
| モデル | コンテキストウィンドウ | 入力タイプ | 入力価格($/1M tokens) | 出力価格($/1M tokens) |
|---|---|---|---|---|
| Kimi K2.7 Code | 256K tokens | テキスト、画像 | $0.95 | $4.00 |
| Kimi K2.6 | 256K tokens | テキスト、画像、動画 | $0.95 | $4.00 |
| Kimi K2.5 | 256K tokens | テキスト、画像、動画 | $0.60 | $3.00 |
| DeepSeek V4 Pro | 1M tokens | テキスト | $1.74 | $3.45 |
| GLM 5.2 | 1M tokens | テキスト | $1.40 | $4.40 |
| Grok 4.5 | 500K tokens | テキスト | $2.00 | $6.00 |
| Doubao Seed 2.1 Pro | 256K tokens | テキスト | $0.90 | $4.50 |
数分で始められます — 以下の簡単なステップに従って、Atlas Cloud プラットフォームでモデルを統合・デプロイしましょう。
atlascloud.ai でサインアップし、認証を完了します。新規ユーザーには無料クレジットが付与され、プラットフォームの探索やモデルのテストに使用できます。
高度なKimiモデルとAtlas CloudのGPU加速プラットフォームを組み合わせることで、比類のないパフォーマンス、スケーラビリティ、開発者エクスペリエンスを提供。
低レイテンシ:
リアルタイム推論のためのGPU最適化推論。
統合API:
1つの統合でKimi、GPT、Gemini、DeepSeekを実行。
透明な料金:
サーバーレスオプション付きの予測可能なtoken単位の課金。
開発者エクスペリエンス:
SDK、分析、ファインチューニングツール、テンプレート。
信頼性:
99.99%の稼働率、RBAC、コンプライアンス対応ロギング。
セキュリティとコンプライアンス:
SOC 2 Type II、HIPAA準拠、米国内のデータ主権。
Kimi APIは、推論、コーディング、長いコンテキストの理解に対応するMoonshot AIのKimi大規模言語モデルファミリーへ、開発者がプログラムからアクセスできるようにします。Atlas Cloudでは単一のOpenAI互換endpoint経由で利用できるため、1つのキーですべてのKimiバージョンを従量課金・呼び出し単位の料金で利用できます。
Atlas Cloudは複数のバージョンをホストしています。長いコンテキストやエージェント型ワークフロー向けのKimi K2.5、Moonshotで最も高性能な汎用モデルであるKimi K2.6、プログラミングとデバッグ向けのKimi K2.7 Codeなどがあります。これらは同じリクエスト形式を共有しているため、モデル間の切り替えはmodel stringを1つ変更するだけで済みます。
これらのモデルは、複雑なコーディング、複数ファイルにまたがるリポジトリ分析、文書量の多い推論、エージェント型のツール呼び出しに優れています。コードベース全体のリファクタリングや長大なレポートの監査など、大きな作業メモリと強力な段階的ロジックの両方が必要な作業で、チームはKimiを選びます。
課金は従量制で、サブスクリプションも最低利用料金もありません。Kimi K2.5は入力100万tokensあたり$0.60、出力100万tokensあたり$3.00です。一方、Kimi K2.6とKimi K2.7 Codeは入力100万tokensあたり$0.95、出力100万tokensあたり$4.00で利用できます。コンテキストキャッシュにより、繰り返し使うプロンプトや共有プロンプトのコストを抑えられます。
Atlas CloudはOpenAI互換API経由でKimiを提供しているため、現在使っているOpenAI SDKの接続先をAtlas endpointに向け、Kimiのモデル名に差し替えるだけで利用できます。アプリケーションロジックを書き換える必要はなく、チャット、コーディング、エージェントパイプラインにそのまま組み込める本当のdrop-inとして使えます。
Kimi K2.5、K2.6、K2.7 Codeはいずれも262,144 tokenのコンテキストウィンドウ、つまり約256K tokensをサポートしています。この容量により、コードベース全体、長い技術マニュアル、数百ページのレポートを、手動でチャンク分割することなく単一のリクエストに入力できます。
最近のKimiバージョンはテキスト専用ではなく、ネイティブにマルチモーダルです。Kimi K2.6はテキスト、画像、動画の入力に対応し、Kimi K2.5は視覚トークンとテキストトークンを組み合わせて推論できます。そのため、スクリーンショット、デザインファイル、録画を渡し、プロンプトとあわせてモデルに解釈させることができます。
開発者がKimiを選ぶ主な理由は、コストとコンテキストです。コミュニティの報告では、同等のコーディング品質を持つ主要なプロプライエタリモデルに比べて大幅なコスト削減が示されており、256Kのウィンドウにより、短いコンテキストのモデルでは扱えないリポジトリ全体や文書全体のタスクに対応できます。今すぐ構築を始めましょう。
Atlas Cloud を最大限に活用するためのガイド、チュートリアル、製品アップデート。