MoonshotAI

Kimi K3

Moonshot按量收費
Alias:kimi-k3

Kimi K3 结合原生视觉理解与长流程推理,适合大型代码项目、深入研究,以及配合工具制作可交互的专业成果。

textimagevideofunction_callingtoolsjson_modestructured_outputreasoningvisioncontext:1048576
起始價格
輸入 / 輸出 · 1M
上下文
1M
最大輸入窗口
最大輸出
943.7K
單次回應最大 token 數
模態
→

Pricing by Supplier

比較同一模型在不同供應商的價格與服務表現。

供應商3
USD · 每 1M tokens效能 · Last 24 hours
供應商Discount輸入/M輸出/M緩存讀取/M
official

官方接口直连

—
$2.86
$14.29
$0.286
Moonshot

Kimi 官方渠道

—
$2.86
$14.29
$0.286
Baidu
省35%
$1.859$2.86
$9.2885$14.29
$0.1859$0.286
刪除線金額為標準價。效能統計涵蓋最近 24 小時,實際表現隨請求變化。

左右滑動表格,查看完整價格與效能。

能力 / 支援的模態

串流輸出函數呼叫工具JSON 模式結構化輸出推理視覺
輸入
輸出

廠商與數據私隱

供應商
Moonshot AI文件
分詞器
Kimi tokenizer
許可證
Proprietary (commercial)商業閉源
數據保留7 日預設不會用於上游訓練

效能

基準測試

標準化評測得分。百分比越高越好,並展示排名百分位。

指標來源:Artificial Analysis 2026-09-30·Kimi K3

目前基準快照不包含此模型。

缺少模型或測量值不代表零分。

基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分,基準成本或速度也不是本站的服務承諾。

About Kimi K3

从资料理解走向成果制作

Kimi K3 是面向长周期编程、知识工作和复杂推理的多模态模型,可以理解文字、图片和视频。它适合需要持续处理大量上下文的项目:读懂大型代码库,围绕多份材料开展研究,或将分析结果发展成报告、可视化方案与交互界面。

让视觉反馈参与修改

在开发工作中,可以让模型结合需求、代码和运行截图判断实现是否到位;在研究工作中,可以提供图表、视频资料与文字记录,让它寻找共同证据和冲突信息。视觉输入的价值是帮助模型观察实际表现,后续改动仍应通过新的截图或工具结果检查。

K3适合长时间保持一个明确目标。项目可以分为理解材料、建立方案、制作成果和验证修正等阶段,每阶段保存关键决策与待解决问题。面对大型仓库,先建立文件与模块索引,再分析具体路径;面对研究材料,保留来源与判断依据,避免结论脱离原文。

工具决定实际交付形式

模型输出文本;应用提供终端、文件和浏览器等工具后,可以进一步参与代码实现、图表制作和交互成果的生成。要求它交付可检查的文件或界面,并实际打开或运行验证,才能判断工作完成度。复杂任务中的自主推进也需要明确范围,尤其说明哪些已有行为、数据与视觉约定必须保留。

Use cases and prompting

研究看板示例

“根据用户访谈、功能使用数据和产品演示,分析新用户流失发生在哪一步。先整理证据与假设,再设计一个可交互的分析看板:展示各阶段人数、关键问题和验证计划。所有图表注明计算方式,缺失数据保留为空,不要补造数值。”

需要真实看板时,提供数据处理、文件和预览工具。

怎样把长研究任务接到可用成果?

先明确读者和决策目标,再规定交付形式及检查方式;让图表、结论与原始数据对应。

视觉反馈应该在什么时候加入?

在初版完成后提供实际截图或录像,让模型检查布局和操作效果,再依据观察继续修正。

API access

API 介面文件

呼叫示例

請求POST/v1/chat/completions
請求範例
參數
參數類型預設值 / 範圍說明資訊
temperature
number
=10 ~ 2
採樣溫度;越低越穩定
top_p
number
=10 ~ 1
核採樣累積概率
max_tokens
integer>= 1回應中最大 token 數
frequency_penalty
number
=0-2 ~ 2
懲罰高頻 token 的重複出現
presence_penalty
number
=0-2 ~ 2
鼓勵引入新話題
stop
array—最多 4 個停止生成的字串
seed
integer—盡量保證可復現的採樣種子
n
integer
=1>= 1
生成的候選條數
stream
boolean
=false
透過 SSE 串流返回 token
response_format
object—強制輸出 JSON 物件或符合 Schema 的結果
tools
array—模型可呼叫的工具 / 函數聲明
tool_choice
string
autononerequired
工具選擇策略或具體工具名
logprobs
boolean
=false
返回每個 token 的對數概率
top_logprobs
integer0 ~ 20每個 token 返回的 top 概率數量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用於風險審計的終端用戶標識

替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。

身份驗證

所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。

在「令牌」頁面生成 API Key,可以按模型、分組、IP、速率等維度精細化授權。

支援的參數

Generation parameters
參數類型預設值 / 範圍說明資訊
temperature
number
=10 ~ 2
採樣溫度;越低越穩定
top_p
number
=10 ~ 1
核採樣累積概率
max_tokens
integer>= 1回應中最大 token 數
frequency_penalty
number
=0-2 ~ 2
懲罰高頻 token 的重複出現
presence_penalty
number
=0-2 ~ 2
鼓勵引入新話題
stop
array—最多 4 個停止生成的字串
seed
integer—盡量保證可復現的採樣種子
n
integer
=1>= 1
生成的候選條數
stream
boolean
=false
透過 SSE 串流返回 token
response_format
object—強制輸出 JSON 物件或符合 Schema 的結果
tools
array—模型可呼叫的工具 / 函數聲明
tool_choice
string
autononerequired
工具選擇策略或具體工具名
logprobs
boolean
=false
返回每個 token 的對數概率
top_logprobs
integer0 ~ 20每個 token 返回的 top 概率數量
logit_bias
object—按 token 的 logit 偏置映射
user
string—用於風險審計的終端用戶標識

速率限制

供應商RPMTPMRPD
Moonshot無限制無限制無限制
official無限制無限制無限制
Baidu無限制無限制無限制

無限制

Frequently asked questions about kimi-k3

What is kimi-k3?

Kimi K3 结合原生视觉理解与长流程推理,适合大型代码项目、深入研究,以及配合工具制作可交互的专业成果。

How do I call kimi-k3?

Create an API key with access to kimi-k3, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.

How is kimi-k3 priced?

Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.

What is the context window of kimi-k3?

The model catalog lists a context window of 1048576 tokens. Check the selected endpoint for request limits.

What is the maximum output of kimi-k3?

The model catalog lists a maximum output of 943718 tokens. Your request settings may set a lower limit.

How should I evaluate kimi-k3 for my project?

Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.