MoonshotAI: Kimi K3 API
Kimi K3 is een open-weight model met 2,8 biljoen parameters, 1M token-context en altijd actieve redeneermodi voor complexe codeer- en agenttaken.
Kimi K3 van Moonshot AI is een open-weight model met 2,8 biljoen totale parameters en een context van 1M tokens. Het ondersteunt tekst-, beeld- en video-invoer en tekstuitvoer. Het model is gebouwd op Kimi Delta Attention (KDA) hybride lineaire aandacht en Attention Residuals (AttnRes), met Stable LatentMoE dat 16 van 896 experts activeert en ongeveer 104 miljard parameters per token gebruikt. De gewichten zijn vrijgegeven in MXFP4-formaat met MXFP8-activaties.
Het model is geschikt voor langdurige codeertaken met minimale menselijke supervisie, het begrijpen en bewerken van grote codebases en terminaltools, en taken die software-engineering combineren met visueel redeneren, zoals gameontwikkeling, front-end-engineering en CAD. Daarnaast leent het zich voor end-to-end kenniswerk, productiegerichte agentische workflows en diep redeneren voor frontier-intelligentiescenario's. Redeneren is altijd actief, met instellingen voor lage, hoge en maximale denkintensiteit, waarbij maximaal de standaard is. Het model ondersteunt tool calling en expliciete prompt-caching.
De open-weight licentie staat gebruik, wijziging, distributie, sublicentiëring, verkoop, inzet en fine-tuning toe. Het volledige model vereist ongeveer 1,56 TB aan resident geheugen en een aanbevolen deployment met ten minste 64 acceleratoren. De hallucinatiefrequentie bedraagt 51% en de algehele prestaties blijven achter bij Claude Fable 5 en GPT-5.6 Sol. Het model is beschikbaar via kimi.com, de Kimi mobiele app, Kimi Work desktopclient, Kimi Code, Kimi API, OpenRouter en Amazon Bedrock.
Bijgewerkt:
MODEL-ID
kimi-k3- Context
- 1.049M
- Max. uitvoer
- 943.718K
- Aanbevolen API
- messages
- Invoer
- text / image / video
- Uitvoer
- text
Hoogtepunten
- 2,8 biljoen totale parameters
- 1M token-context
- Tekst-, beeld- en video-invoer
- Altijd actief redeneren
- Open-weight licentie
- Tool calling en prompt-caching
Aanbieders
Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3 | $15 | $0.3 | |
| $3.45 | $17.25 | $0.345 |
Wat je voor $10 krijgt
- Invoer
- 3,3 mln. tokens
- Uitvoer
- 666,7K tokens
Geschat op basis van de huidige invoer- en uitvoerprijzen, vóór kortingen.
Benchmarks
- 57
Artificial Analysis Intelligence Index
4e plaats onder 189 modellen
- #1
Arena.ai Code WebDev
1e plaats
Scores zoals gepubliceerd door de modelaanbieder.
Redeneervermogen
- Standaardinspanning
- max
- Standaard ingeschakeld
- Ja
- Altijd ingeschakeld
- Nee
- Beschikbare inspanningsniveaus
- max / high / low / none
Snelstart
Kant-en-klare code om dit model aan te roepen met de compatibele API's van Felo API Platform. Begin in de Playground als je prompts wilt testen voordat je code schrijft.
API-sleutel instellen
Maak een sleutel in je Felo API Platform-account en stel deze in als omgevingsvariabele.
export FELO_API_KEY="YOUR_API_KEY"Je eerste aanvraag doen
Gebruik deze model-ID met het Felo API Platform-endpoint. Optionele requestheaders zoals X-Request-Id helpen bij het oplossen van problemen.
kimi-k3Dit model kan redeneren. Als het gekozen protocol en de modelroute reasoning-besturing bieden, bewaar dan de geretourneerde reasoning-metadata wanneer je het gesprek voortzet.
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());SDK's van derden gebruiken
Stel in compatibele SDK's baseURL in op https://openapi.felo.ai/api/v1. Gebruik voor clients in Claude-stijl de Anthropic-compatibele basis-URL. https://openapi.felo.ai/api.
Streaming inschakelen
Voeg stream: true toe om responses als server-sent events te ontvangen.
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 biedt compatibele oppervlakken voor modelaanroepen. Kies het oppervlak dat je app of agent-client al ondersteunt.
Messages
Anthropic-compatibele berichten voor clients in Claude-stijl.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringkimi-k3Openbare model-ID om aan te roepen.max_tokensinteger—Maximaal aantal gegenereerde tokens.messagesarray—Gespreksberichten voor Chat Completions.frequency_penalty———include_reasoning———logit_bias———logprobs———min_p———presence_penalty———reasoning———reasoning_effort———repetition_penalty———response_formatobject—Vraagt gestructureerde uitvoer aan wanneer ondersteund.seed———stop———structured_outputs———temperaturenumber—Bepaalt de variatie in antwoorden wanneer ondersteund.tool_choicestring or object—Bepaalt of een tool moet worden aangeroepen.toolsarray—Definities voor tool calling volgens het compatibele schema.top_k———top_logprobs———top_p———Veelgestelde vragen
Wat is MoonshotAI: Kimi K3?
Kimi K3 van Moonshot AI is een open-weight model met 2,8 biljoen totale parameters en een context van 1M tokens. Het ondersteunt tekst-, beeld- en video-invoer en tekstuitvoer. Het model is gebouwd op Kimi Delta Attention (KDA) hybride lineaire aandacht en Attention Residuals (AttnRes), met Stable LatentMoE dat 16 van 896 experts activeert en ongeveer 104 miljard parameters per token gebruikt. De gewichten zijn vrijgegeven in MXFP4-formaat met MXFP8-activaties. Het model is geschikt voor langdurige codeertaken met minimale menselijke supervisie, het begrijpen en bewerken van grote codebases en terminaltools, en taken die software-engineering combineren met visueel redeneren, zoals gameontwikkeling, front-end-engineering en CAD. Daarnaast leent het zich voor end-to-end kenniswerk, productiegerichte agentische workflows en diep redeneren voor frontier-intelligentiescenario's. Redeneren is altijd actief, met instellingen voor lage, hoge en maximale denkintensiteit, waarbij maximaal de standaard is. Het model ondersteunt tool calling en expliciete prompt-caching. De open-weight licentie staat gebruik, wijziging, distributie, sublicentiëring, verkoop, inzet en fine-tuning toe. Het volledige model vereist ongeveer 1,56 TB aan resident geheugen en een aanbevolen deployment met ten minste 64 acceleratoren. De hallucinatiefrequentie bedraagt 51% en de algehele prestaties blijven achter bij Claude Fable 5 en GPT-5.6 Sol. Het model is beschikbaar via kimi.com, de Kimi mobiele app, Kimi Work desktopclient, Kimi Code, Kimi API, OpenRouter en Amazon Bedrock.
Hoe wordt het gebruik gefactureerd?
Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben.
Welke invoer- en uitvoermodaliteiten ondersteunt Kimi K3?
Kimi K3 ondersteunt tekst-, beeld- en video-invoer en tekstuitvoer.
Hoe lang is de context van Kimi K3?
De trainingscontext en de modelcontext bedragen 1M tokens.
Voor welke taken is Kimi K3 geschikt?
Het model is geschikt voor langdurige codeertaken met minimale supervisie, het werken met grote codebases en terminaltools, en taken die software-engineering combineren met visueel redeneren. Ook end-to-end kenniswerk, agentische workflows en diep redeneren behoren tot de toepassingen.
Hoe verschilt Kimi K3 van Kimi K2?
Kimi K3 heeft een schalingsefficiëntie die ongeveer 2,5 keer beter is dan K2 en de nauwkeurigheid is met 13 procentpunten verbeterd.
Hoe wordt het redeneren bij Kimi K3 aangestuurd?
Redeneren is altijd actief, met instellingen voor lage, hoge en maximale denkintensiteit. Maximaal is de standaardinstelling.
Wat zijn de beperkingen van Kimi K3?
De hallucinatiefrequentie bedraagt 51% en de algehele prestaties blijven achter bij Claude Fable 5 en GPT-5.6 Sol. Het volledige model vereist ongeveer 1,56 TB resident geheugen en een aanbevolen deployment met ten minste 64 acceleratoren.
