MoonshotAI: Kimi K3.1 Pro API
Kimi K3.1 Pro คือโมเดลมัลติโมดัลแบบ open-weight รุ่นเรือธงจาก Moonshot AI ที่มีความสามารถในการให้เหตุผลระดับสูง รองรับบริบทขนาด 1 ล้านโทเคน และต่อยอดจาก Kimi K3
Kimi K3.1 Pro เป็นโมเดล open-weight แบบมัลติโมดัลที่พัฒนาต่อจาก Kimi K3 โดยเป็นโมเดลแรกในซีรีส์ K3.1 ของ Moonshot AI เปิดตัวเมื่อวันที่ 23 ตุลาคม 2026 และมีน้ำหนักโมเดลเต็มรูปแบบเผยแพร่ภายใต้ Kimi K3 License โมเดลนี้สร้างขึ้นบนสถาปัตยกรรม Mixture-of-Experts ของ Kimi K3 ที่มีพารามิเตอร์รวม 2.8 ล้านล้านตัว และเปิดใช้งาน 104 พันล้านพารามิเตอร์ต่อการส่งต่อหนึ่งครั้ง พร้อมด้วย Kimi Delta Attention, Attention Residuals และกรอบงาน Stable LatentMoE ที่เปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 รายการใช้พารามิเตอร์แบบ MXFP4 และการเปิดใช้งานแบบ MXFP8 ร่วมกับการฝึกแบบ quantization-aware ตลอดจนตัวเข้ารหัสภาพ MoonViT-V2 ที่มี 401 ล้านพารามิเตอร์
โมเดลรองรับอินพุตข้อความ ภาพ และวิดีโอ พร้อมเอาต์พุตเป็นข้อความ รวมถึงความสามารถในการสตรีมเอาต์พุต การสร้างแบบมีโครงสร้าง และการเรียกใช้เครื่องมือด้วยความพยายามในการให้เหตุผลที่กำหนดค่าได้ Kimi K3.1 Pro โดดเด่นในงานที่ต้องใช้ความสามารถของเอเจนต์ในระยะยาว เช่น งานความรู้เชิงเอเจนต์และการเขียนโค้ดระยะยาว การเพิ่มประสิทธิภาพเคอร์เนล GPU การพัฒนาคอมไพเลอร์ การพัฒนาเกมที่ใช้ภาพในลูป การออกแบบชิป และงาน CAD นอกจากนี้ยังสามารถรันสคริปต์สำหรับ Blender และซอฟต์แวร์ CAD โดยไม่ต้องใช้ตัวเชื่อมต่อ MCP และประสานงานเครื่องมือในเทอร์มินัลได้
เมื่อเทียบกับ Kimi K3 โมเดลนี้แสดงให้เห็นถึงการปรับปรุงที่สำคัญในด้านการเขียนโค้ด การสร้าง 3D การวิจัยทางการเงิน และความสามารถของเอเจนต์ ตามการทดสอบภายในพบว่ามีคะแนนด้านการสร้างแบบจำลองทางการเงินดีขึ้น 7.2 คะแนน ด้านการวิจัยทางการเงินดีขึ้น 11.6 คะแนน และด้านการดำเนินธุรกิจมีประสิทธิภาพเป็น 4.2 เท่าของ Kimi K3 อัตราการหลอนใน Kimi Hallu Bench Hard อยู่ที่ 8.3% ซึ่งลดลงอย่างมากเมื่อเทียบกับ 23.4% ของ Kimi K3 อย่างไรก็ตาม ตัวเลขการหลอนนี้มาจากการทดสอบความเครียดที่ท้าทายโดยเจตนา และไม่ได้แสดงถึงอัตราข้อผิดพลาดโดยรวมในการใช้งานประจำวัน
อัปเดต:
ID โมเดล
kimi-k3.1-pro- บริบท
- 1.049M
- เอาต์พุตสูงสุด
- 943.718K
- API ที่แนะนำ
- messages
- อินพุต
- text / image / video
- เอาต์พุต
- text
จุดเด่น
- โมเดล open-weight มัลติโมดัลระดับเรือธง
- บริบท 1 ล้านโทเคน
- รองรับข้อความ ภาพ และวิดีโอ
- เอเจนต์ระยะยาวและการเรียกใช้เครื่องมือ
- น้ำหนักโมเดลเต็มภายใต้ Kimi K3 License
- พารามิเตอร์รวม 2.8 ล้านล้านตัว
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| $4 | $20 | $0.2 | |
| $2 | $10 | $0.2 |
ซื้ออะไรได้ด้วย $10
- อินพุต
- 2.5M token
- เอาต์พุต
- 500K token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 7.2
การสร้างแบบจำลองทางการเงิน
คะแนนที่ดีขึ้นเมื่อเทียบกับ Kimi K3 ในการทดสอบภายใน
- 11.6
การวิจัยทางการเงิน
คะแนนที่ดีขึ้นเมื่อเทียบกับ Kimi K3 ในการทดสอบภายใน
- 4.2
การดำเนินธุรกิจ
เท่าของประสิทธิภาพ Kimi K3 ในการทดสอบภายใน
- 8.3%
Kimi Hallu Bench Hard
อัตราการหลอนระดับข้อกล่าวอ้าง โดย Kimi K3 ได้ 23.4%
- 42.4%
Kimi Hallu Bench Hard
สัดส่วนคำตอบที่มีข้อผิดพลาดเชิงข้อเท็จจริงอย่างน้อยหนึ่งจุด เทียบกับอัตราของ Kimi K3
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- max
- เปิดใช้งานโดยค่าเริ่มต้น
- ใช่
- เปิดใช้งานตลอด
- ไม่ใช่
- ระดับความพยายามที่ใช้ได้
- max / high / low / none
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
kimi-k3.1-proโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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-k3.1-pro",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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-k3.1-pro",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringkimi-k3.1-proID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsfrequency_penalty———include_reasoning———presence_penalty———reasoning———reasoning_effort———response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับstop———structured_outputs———tool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้คำถามที่พบบ่อย
รู้จัก MoonshotAI: Kimi K3.1 Pro?
Kimi K3.1 Pro เป็นโมเดล open-weight แบบมัลติโมดัลที่พัฒนาต่อจาก Kimi K3 โดยเป็นโมเดลแรกในซีรีส์ K3.1 ของ Moonshot AI เปิดตัวเมื่อวันที่ 23 ตุลาคม 2026 และมีน้ำหนักโมเดลเต็มรูปแบบเผยแพร่ภายใต้ Kimi K3 License โมเดลนี้สร้างขึ้นบนสถาปัตยกรรม Mixture-of-Experts ของ Kimi K3 ที่มีพารามิเตอร์รวม 2.8 ล้านล้านตัว และเปิดใช้งาน 104 พันล้านพารามิเตอร์ต่อการส่งต่อหนึ่งครั้ง พร้อมด้วย Kimi Delta Attention, Attention Residuals และกรอบงาน Stable LatentMoE ที่เปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 รายการใช้พารามิเตอร์แบบ MXFP4 และการเปิดใช้งานแบบ MXFP8 ร่วมกับการฝึกแบบ quantization-aware ตลอดจนตัวเข้ารหัสภาพ MoonViT-V2 ที่มี 401 ล้านพารามิเตอร์ โมเดลรองรับอินพุตข้อความ ภาพ และวิดีโอ พร้อมเอาต์พุตเป็นข้อความ รวมถึงความสามารถในการสตรีมเอาต์พุต การสร้างแบบมีโครงสร้าง และการเรียกใช้เครื่องมือด้วยความพยายามในการให้เหตุผลที่กำหนดค่าได้ Kimi K3.1 Pro โดดเด่นในงานที่ต้องใช้ความสามารถของเอเจนต์ในระยะยาว เช่น งานความรู้เชิงเอเจนต์และการเขียนโค้ดระยะยาว การเพิ่มประสิทธิภาพเคอร์เนล GPU การพัฒนาคอมไพเลอร์ การพัฒนาเกมที่ใช้ภาพในลูป การออกแบบชิป และงาน CAD นอกจากนี้ยังสามารถรันสคริปต์สำหรับ Blender และซอฟต์แวร์ CAD โดยไม่ต้องใช้ตัวเชื่อมต่อ MCP และประสานงานเครื่องมือในเทอร์มินัลได้ เมื่อเทียบกับ Kimi K3 โมเดลนี้แสดงให้เห็นถึงการปรับปรุงที่สำคัญในด้านการเขียนโค้ด การสร้าง 3D การวิจัยทางการเงิน และความสามารถของเอเจนต์ ตามการทดสอบภายในพบว่ามีคะแนนด้านการสร้างแบบจำลองทางการเงินดีขึ้น 7.2 คะแนน ด้านการวิจัยทางการเงินดีขึ้น 11.6 คะแนน และด้านการดำเนินธุรกิจมีประสิทธิภาพเป็น 4.2 เท่าของ Kimi K3 อัตราการหลอนใน Kimi Hallu Bench Hard อยู่ที่ 8.3% ซึ่งลดลงอย่างมากเมื่อเทียบกับ 23.4% ของ Kimi K3 อย่างไรก็ตาม ตัวเลขการหลอนนี้มาจากการทดสอบความเครียดที่ท้าทายโดยเจตนา และไม่ได้แสดงถึงอัตราข้อผิดพลาดโดยรวมในการใช้งานประจำวัน
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Kimi K3.1 Pro รองรับอินพุตประเภทใดบ้าง
รองรับอินพุตข้อความ ภาพ และวิดีโอ โดยมีเอาต์พุตเป็นข้อความ
โมเดลนี้มีขนาดบริบทเท่าใด
มีหน้าต่างบริบทขนาด 1 ล้านโทเคน
Kimi K3.1 Pro เหมาะกับงานประเภทใด
เหมาะกับงานที่ต้องใช้เอเจนต์ระยะยาว เช่น การเขียนโค้ดระยะยาว การเพิ่มประสิทธิภาพเคอร์เนล GPU การพัฒนาเกมที่ใช้ภาพในลูป งาน CAD การออกแบบชิป และการวิจัยทางการเงิน
Kimi K3.1 Pro แตกต่างจาก Kimi K3 อย่างไร
เป็นโมเดลที่ผ่านการ post-train ต่อยอดจาก Kimi K3 และเป็นโมเดลแรกในซีรีส์ K3.1 โดยมีการปรับปรุงที่สำคัญในด้านการเขียนโค้ด การสร้าง 3D การวิจัยทางการเงิน และความสามารถของเอเจนต์
โมเดลนี้มีความสามารถด้านเอเจนต์อย่างไร
สามารถเรียกใช้เครื่องมือด้วยความพยายามในการให้เหตุผลที่กำหนดค่าได้ รันสคริปต์สำหรับ Blender และซอฟต์แวร์ CAD โดยไม่ต้องใช้ตัวเชื่อมต่อ MCP และประสานงานเครื่องมือในเทอร์มินัล รวมถึงงานวิศวกรรมระยะยาวโดยใช้การดูแลจากมนุษย์น้อยที่สุด
