MoonshotAI: Kimi K3 API
Kimi K3 adalah model open-weight flagship dari Moonshot AI dengan 2,8 triliun parameter total, mendukung input teks, gambar, dan video serta konteks 1M token.
Kimi K3 adalah model open-weight flagship dari Moonshot AI yang dirilis pada 16 Juli 2026. Dengan 2,8 triliun parameter total, model ini menjadi model open-source pertama yang mencapai kelas 3 triliun parameter. Arsitekturnya dibangun di atas Kimi Delta Attention (KDA) hybrid linear attention dan Attention Residuals (AttnRes), serta menggunakan Stable LatentMoE yang mengaktifkan 16 dari 896 expert dan sekitar 104 miliar parameter per token. Bobot dirilis dalam format MXFP4 dengan aktivasi MXFP8. Model ini menerima input teks, gambar, dan video, serta menghasilkan output teks dengan panjang konteks hingga 1M token.
Kimi K3 selalu mengaktifkan penalaran dengan pengaturan thinking-effort low, high, dan max; max adalah default. Model ini mendukung tool calling dan explicit prompt caching. Lisensi open-weight mengizinkan penggunaan, modifikasi, distribusi, sublisensi, penjualan, deployment, dan fine-tuning. Dengan kemampuan penalaran mendalam dan pemrosesan konteks panjang, Kimi K3 cocok untuk tugas coding jangka panjang dengan pengawasan manusia minimal, pemahaman codebase besar dan alat terminal, serta tugas yang menggabungkan rekayasa perangkat lunak dengan penalaran visual seperti pengembangan game, front-end engineering, dan CAD. Model ini juga dirancang untuk knowledge work end-to-end dan alur kerja agentic yang berorientasi produksi.
Meskipun unggul dalam banyak evaluasi, Kimi K3 memiliki keterbatasan yang perlu diperhatikan. Tingkat halusinasi mencapai 51%, dan performa keseluruhan masih berada di belakang Claude Fable 5 dan GPT-5.6 Sol. Model penuh membutuhkan sekitar 1,56TB memori resident dan direkomendasikan untuk deployment dengan setidaknya 64 akselerator. Untuk bisnis Model-as-a-Service dengan pendapatan lebih dari $20 juta selama 12 bulan berturut-turut, diperlukan perjanjian terpisah dengan Moonshot AI, dan produk komersial yang sangat besar harus menampilkan atribusi Kimi K3.
Diperbarui:
ID MODEL
kimi-k3- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang direkomendasikan
- messages
- Masukan
- text / image / video
- Keluaran
- text
Sorotan
- Model open-weight 2,8 triliun parameter
- Konteks 1M token
- Input teks, gambar, dan video
- Penalaran selalu aktif dengan tiga level
- Dukungan tool calling dan prompt caching
- Lisensi open-weight untuk fine-tuning
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3.45 | $17.25 | $0.345 |
Yang bisa dibeli dengan $10
- Masukan
- 3,3 jt token
- Keluaran
- 666,7 rb token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 57
Artificial Analysis Intelligence Index
peringkat ke-4 dari 189 model
- #1
Arena.ai Code WebDev
peringkat
Skor sesuai publikasi penyedia model.
Penalaran
- Tingkat usaha bawaan
- max
- Aktif secara bawaan
- Ya
- Selalu aktif
- Tidak
- Tingkat usaha yang tersedia
- max / high / low / none
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
kimi-k3Model ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
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());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai server-sent events.
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 menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringkimi-k3ID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Meminta output terstruktur jika didukung.seed———stop———structured_outputs———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_logprobs———top_p———Pertanyaan umum
Mengenal MoonshotAI: Kimi K3?
Kimi K3 adalah model open-weight flagship dari Moonshot AI yang dirilis pada 16 Juli 2026. Dengan 2,8 triliun parameter total, model ini menjadi model open-source pertama yang mencapai kelas 3 triliun parameter. Arsitekturnya dibangun di atas Kimi Delta Attention (KDA) hybrid linear attention dan Attention Residuals (AttnRes), serta menggunakan Stable LatentMoE yang mengaktifkan 16 dari 896 expert dan sekitar 104 miliar parameter per token. Bobot dirilis dalam format MXFP4 dengan aktivasi MXFP8. Model ini menerima input teks, gambar, dan video, serta menghasilkan output teks dengan panjang konteks hingga 1M token. Kimi K3 selalu mengaktifkan penalaran dengan pengaturan thinking-effort low, high, dan max; max adalah default. Model ini mendukung tool calling dan explicit prompt caching. Lisensi open-weight mengizinkan penggunaan, modifikasi, distribusi, sublisensi, penjualan, deployment, dan fine-tuning. Dengan kemampuan penalaran mendalam dan pemrosesan konteks panjang, Kimi K3 cocok untuk tugas coding jangka panjang dengan pengawasan manusia minimal, pemahaman codebase besar dan alat terminal, serta tugas yang menggabungkan rekayasa perangkat lunak dengan penalaran visual seperti pengembangan game, front-end engineering, dan CAD. Model ini juga dirancang untuk knowledge work end-to-end dan alur kerja agentic yang berorientasi produksi. Meskipun unggul dalam banyak evaluasi, Kimi K3 memiliki keterbatasan yang perlu diperhatikan. Tingkat halusinasi mencapai 51%, dan performa keseluruhan masih berada di belakang Claude Fable 5 dan GPT-5.6 Sol. Model penuh membutuhkan sekitar 1,56TB memori resident dan direkomendasikan untuk deployment dengan setidaknya 64 akselerator. Untuk bisnis Model-as-a-Service dengan pendapatan lebih dari $20 juta selama 12 bulan berturut-turut, diperlukan perjanjian terpisah dengan Moonshot AI, dan produk komersial yang sangat besar harus menampilkan atribusi Kimi K3.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Modalitas input apa yang didukung Kimi K3?
Kimi K3 mendukung input teks, gambar, dan video, serta menghasilkan output teks.
Berapa panjang konteks Kimi K3?
Kimi K3 memiliki panjang konteks hingga 1M token, dan panjang konteks pelatihannya juga 1M token.
Apakah Kimi K3 mendukung tool calling?
Ya, Kimi K3 mendukung tool calling dan explicit prompt caching.
Apa perbedaan Kimi K3 dengan Kimi K2?
Kimi K3 memiliki efisiensi scaling sekitar 2,5x lebih baik daripada K2 dan merupakan model open-weight pertama yang mencapai kelas 3 triliun parameter, sedangkan K2 adalah model sebelumnya dalam seri yang sama.
Berapa tingkat halusinasi Kimi K3?
Tingkat halusinasi Kimi K3 tercatat 51%.
