MoonshotAI: Kimi K3 API
Kimi K3 یک مدل متنباز پرچم‌دار از Moonshot AI با ۲.۸ تریلیون پارامتر کل و پنجره زمینه ۱ میلیون توکن است که ورودی متن، تصویر و ویدیو را میپذیرد و قابلیت استدلال همیشه‌فعال دارد.
Kimi K3 مدل پرچم‌دار متنباز شرکت Moonshot AI است که در ۱۶ ژوئیه ۲۰۲۶ معرفی شد. این مدل با ۲.۸ تریلیون پارامتر کل، از معماری Kimi Delta Attention (KDA) به‌همراه Attention Residuals (AttnRes) و Stable LatentMoE بهره می‌برد که در هر توکن ۱۶ کارشناس از ۸۹۶ کارشناس و حدود ۱۰۴ میلیارد پارامتر را فعال میکند. وزن‌های مدل در قالب MXFP4 با فعال‌سازی MXFP8 منتشر شده‌اند و مجوز متنباز آن استفاده، تغییر، توزیع، اعطای زیرمجوز، فروش، استقرار و تنظیم دقیق را مجاز می‌داند.
این مدل برای کدنویسی بلندمدت با نظارت انسانی اندک، درک و کار با پایگاههای کد بزرگ و ابزارهای ترمینال، و وظایفی که مهندسی نرمافزار را با استدلال بصری ترکیب می‌کنند (مانند توسعه بازی، مهندسی فرانت‌اند و CAD) مناسب است. همچنین برای کارهای دانشی سرتاسری، جریان‌های کاری عاملیت‌محورِ متمرکز بر تولید، و استدلال عمیق در سناریوهای هوش پیشرو کاربرد دارد.
استدلال در Kimi K3 همیشه فعال است و با تنظیمات تلاش فکری کم، زیاد و حداکثر کنترل میشود؛ حالت حداکثر پیش‌فرض است. این مدل فراخوانی ابزار و حافظه نهان صریح دستور (prompt caching) را پشتیبانی میکند و از طریق kimi.com، اپلیکیشن موبایل Kimi، کلاینت دسکتاپ Kimi Work، Kimi Code، Kimi API، OpenRouter و Amazon Bedrock در دسترس است. از محدودیت‌های آن می‌توان به نرخ توهم‌زایی ۵۱٪، نیاز به حدود ۱.۵۶ ترابایت حافظه مقیم برای مدل کامل، و توصیه به استقرار روی حداقل ۶۴ شتاب‌دهنده اشاره کرد.
به‌روزرسانی:
MODEL ID
kimi-k3- زمینه
- 1.049M
- حداکثر خروجی
- 943.718K
- API پیشنهادی
- messages
- ورودی
- text / image / video
- خروجی
- text
نکات برجسته
- ۲.۸ تریلیون پارامتر کل
- پنجره زمینه ۱ میلیون توکن
- استدلال همیشه‌فعال با سه سطح تلاش
- پشتیبانی از فراخوانی ابزار
- حافظه نهان صریح دستور
- وزن‌های متنباز در قالب MXFP4
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3.45 | $17.25 | $0.345 |
با $10 چه می‌توان خرید
- ورودی
- ۳٫۳ میلیون توکن
- خروجی
- ۶۶۶٫۷ هزار توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
بنچمارک‌ها
- 57
Artificial Analysis Intelligence Index
رتبه ۴ در میان ۱۸۹ مدل
- ۱
Arena.ai Code WebDev
رتبه اول
امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.
استدلال
- سطح تلاش پیش‌فرض
- max
- به‌طور پیش‌فرض فعال
- بله
- همیشه فعال
- خیر
- سطوح تلاش موجود
- max / high / low / none
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی می‌خواهید پرامپت‌ها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را به‌عنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id می‌توانند در عیب‌یابی کمک کنند.
kimi-k3این مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخاب‌شده کنترل‌های استدلال ارائه می‌دهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "kimi-k3",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینت‌های به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخ‌ها به‌صورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیام‌های سازگار با Anthropic برای کلاینت‌های به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringkimi-k3شناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیام‌های گفتگو برای Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.seed———stop———structured_outputs———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.toolsarray—تعریف‌های فراخوانی ابزار بر پایه طرح‌واره سازگار.top_k———top_logprobs———top_p———پرسش‌های متداول
معرفی مدل: MoonshotAI: Kimi K3?
Kimi K3 مدل پرچم‌دار متنباز شرکت Moonshot AI است که در ۱۶ ژوئیه ۲۰۲۶ معرفی شد. این مدل با ۲.۸ تریلیون پارامتر کل، از معماری Kimi Delta Attention (KDA) به‌همراه Attention Residuals (AttnRes) و Stable LatentMoE بهره می‌برد که در هر توکن ۱۶ کارشناس از ۸۹۶ کارشناس و حدود ۱۰۴ میلیارد پارامتر را فعال میکند. وزن‌های مدل در قالب MXFP4 با فعال‌سازی MXFP8 منتشر شده‌اند و مجوز متنباز آن استفاده، تغییر، توزیع، اعطای زیرمجوز، فروش، استقرار و تنظیم دقیق را مجاز می‌داند. این مدل برای کدنویسی بلندمدت با نظارت انسانی اندک، درک و کار با پایگاههای کد بزرگ و ابزارهای ترمینال، و وظایفی که مهندسی نرمافزار را با استدلال بصری ترکیب می‌کنند (مانند توسعه بازی، مهندسی فرانت‌اند و CAD) مناسب است. همچنین برای کارهای دانشی سرتاسری، جریان‌های کاری عاملیت‌محورِ متمرکز بر تولید، و استدلال عمیق در سناریوهای هوش پیشرو کاربرد دارد. استدلال در Kimi K3 همیشه فعال است و با تنظیمات تلاش فکری کم، زیاد و حداکثر کنترل میشود؛ حالت حداکثر پیش‌فرض است. این مدل فراخوانی ابزار و حافظه نهان صریح دستور (prompt caching) را پشتیبانی میکند و از طریق kimi.com، اپلیکیشن موبایل Kimi، کلاینت دسکتاپ Kimi Work، Kimi Code، Kimi API، OpenRouter و Amazon Bedrock در دسترس است. از محدودیت‌های آن می‌توان به نرخ توهم‌زایی ۵۱٪، نیاز به حدود ۱.۵۶ ترابایت حافظه مقیم برای مدل کامل، و توصیه به استقرار روی حداقل ۶۴ شتاب‌دهنده اشاره کرد.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
Kimi K3 چه نوع ورودیهایی را پشتیبانی میکند؟
این مدل ورودی متن، تصویر و ویدیو را میپذیرد و خروجی متنی تولید میکند.
طول زمینه و محدودیت خروجی Kimi K3 چقدر است؟
طول زمینه ۱ میلیون توکن است. در منابع ارائهشده محدودیت خروجی مشخصی ذکر نشده است.
Kimi K3 برای چه وظایفی مناسب است؟
برای کدنویسی بلندمدت با نظارت انسانی اندک، کار با پایگاههای کد بزرگ و ابزارهای ترمینال، وظایف ترکیبی مهندسی نرمافزار و استدلال بصری مانند توسعه بازی و CAD، کارهای دانشی سرتاسری و استدلال عمیق.
تفاوت Kimi K3 با Kimi K2 چیست؟
Kimi K3 حدود ۲.۵ برابر بهرهوری مقیاسپذیری بهتری نسبت به K2 دارد و دقت آن ۱۳ واحد درصد بهبود یافته است. همچنین K3 یک مدل متنباز با ۲.۸ تریلیون پارامتر کل است.
حالت‌های استدلال در Kimi K3 چگونه کار می‌کنند؟
استدلال همیشه فعال است و سه تنظیم تلاش فکری کم، زیاد و حداکثر دارد؛ حالت حداکثر به‌طور پیش‌فرض انتخاب شده است.
محدودیت‌های استقرار Kimi K3 چیست؟
مدل کامل حدود ۱.۵۶ ترابایت حافظه مقیم نیاز دارد و استقرار توصیه‌شده حداقل ۶۴ شتاب‌دهنده است. همچنین نرخ توهم‌زایی آن ۵۱٪ گزارش شده است.
