Moonshot 的 kimi-k2 接口里传 temperature 0.2 想让输出稳定，返回 200 但同一批 50 条抽取结果格式差异很大，翻文档才发现该模型只接受 temperature 1，其他值被服务端忽略。
这类报错背后常见的原因有几处，逐个排除就行。模型侧固定了采样参数，传其他值直接忽略；SDK 不做取值校验，请求照发但结果不受控；想靠低温保证 JSON 稳定，思路本身不成立；没有记录实际生效的参数，排查时看不到差异。
上来先把响应里回显的 model 与参数打出来核对
curl -s https://api.moonshot.cn/v1/chat/completions -H "Authorization: Bearer $MOON_KEY" -H "Content-Type: application/json" -d '{"model":"kimi-k2-0905-preview","temperature":0.2,"messages":[{"role":"user","content":"返回 JSON"}]}' | jq '.model'同一条 prompt 连发 5 次，统计格式差异
python sample_n.py --n 5 --model kimi-k2-0905-preview --out samples.jsonl再往下改用 response_format 约束结构而不是压温度
python -c "import json;d=json.load(open('req.json'));d['response_format']={'type':'json_object'};json.dump(d,open('req2.json','w'))"等前面都确认过，再在客户端加 schema 校验与一次重试兜底
python validate_and_retry.py --schema order.json --file out.jsonl恢复的判定其实很直接。同一批样本的结构一致率达到 99% 以上，响应里的参数与文档允许值一致。
结构化输出要靠 schema 和校验兜底，采样温度只能影响多样性；遇到参数被忽略的模型，先查文档的支持列表再定方案。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。