Moonshot AI

Kimi K3

kimi-k3

Modèle de pointe à poids ouverts de Moonshot AI, avec prise en charge native de la compréhension du texte, des images et des vidéos, un contexte de 1 million de tokens, et une expertise dans le codage de longue haleine et les itérations d'appels d'outils

kimi-k3

Fenêtre de contexte: 1,000,000
Entrée
Sortie max.: 131,072 tokens
Date de sortie: 2026-07-17

Streaming JSON structuré

Tarifs

kimi-k3 /1M tokens

Spécifications	Prix unitaire
Entrée	$2.320
Entrée en cache	$0.232
Sortie	$11.600

Présentation

Présentation et positionnement

Kimi K3 est un modèle de raisonnement à poids ouverts lancé par Moonshot AI, spécialisé dans le codage longue portée, le travail de connaissance et le raisonnement complexe. Il prend en charge nativement la compréhension de texte, d'images et de vidéos, avec une fenêtre de contexte atteignant 1 million de tokens, ce qui le rend adapté à la localisation et à la modification de fichiers dans de grands dépôts de code, à l'itération multi-tours guidée par les journaux et les retours de tests, ainsi qu'à la génération de texte sur de longs documents nécessitant un contexte continu. Les développeurs qui doivent traiter des contextes longs et des tâches de raisonnement en plusieurs étapes avec une sortie en texte pur peuvent le considérer comme candidat principal.

Points forts essentiels

Contexte long de 1 million de tokens — un seul appel peut contenir des documents très longs ou des fragments de grandes bases de code, réduisant le découpage et la recomposition dans les tâches multi-fichiers.
Entrées multimodales natives — texte, images et vidéos sont traités de manière unifiée au sein d'un même modèle, sans module visuel externe.
Capacité d'itération pour les tâches longue portée — met l'accent sur l'appel d'outils et le débogage répété à partir des journaux, des résultats de tests et des retours d'exécution, adapté aux flux d'agents multi-étapes.
Architecture MoE à haute sparsité — 16 experts activés sur 896, avec une efficacité de mise à l'échelle globale annoncée par l'éditeur comme environ 2,5 fois supérieure à celle de Kimi K2.

Description des capacités

Traitement de texte à contexte long : avec une fenêtre de contexte de 1 million de tokens, il permet la lecture intégrale de longs documents, la compréhension de code multi-fichiers et la conservation continue des informations antérieures au fil des tours, réduisant le coût d'ingénierie lié au découpage répété des entrées.

Compréhension de contenus multimodaux : prise en charge native des entrées d'images et de vidéos, permettant de générer des conclusions textuelles à partir de captures d'écran, de graphiques ou de séquences vidéo, pour les tâches de sortie textuelle nécessitant l'extraction d'informations à partir de supports visuels.

Appel d'outils et débogage itératif : conçu pour les tâches longue portée, il prend en charge les appels d'outils en plusieurs étapes et peut ajuster les actions suivantes en fonction des journaux, des tests et des retours d'exécution, ce qui convient à la construction de workflows d'agents autonomes.

Production structurée de travail de connaissance : il peut réaliser des livrables de bout en bout tels que des rapports de recherche approfondis, des visualisations interactives et des tableaux de bord, sous forme textuelle, facilitant le rendu en aval ou le retraitement.

Scénarios d'application

Développeurs chargés de la maintenance de grands dépôts de code — en fournissant plusieurs fichiers du dépôt et une description des besoins, produire des plans de refactorisation et des suggestions de modifications multi-fichiers, pour la revue de code avant commit et la planification de migration.
Équipes backend construisant des workflows d'agents — en fournissant les objectifs de tâche et la liste des outils, produire un plan d'appels multi-étapes et itérer selon les retours d'exécution, pour l'automatisation des opérations et l'assistance au développement.
Travailleurs de la connaissance ayant besoin d'analyser de longs documents — en fournissant des textes longs tels que contrats ou rapports, produire des résumés structurés et des extractions de points clés, pour l'organisation de bases de connaissances internes et l'aide à la décision.
Équipes produit traitant des supports mixtes texte-image — en fournissant des captures d'écran, des graphiques ou des extraits vidéo, produire des textes explicatifs et des conclusions analytiques, pour la documentation produit et la gestion de contenu.

Limites et conseils de sélection

Avec 2,8 T de paramètres, le modèle impose des exigences élevées en puissance de calcul d'inférence et en latence de réponse ; il ne convient pas aux tâches textuelles simples, légères et à haute fréquence nécessitant une faible latence. Du côté de l'intégration, seul le type de sortie textuelle est actuellement indiqué ; la forme concrète des interfaces d'entrée multimodale dépend du support réel des paramètres. L'utilisation efficace d'un contexte de l'ordre du million dépend des comportements de récupération et d'attention ; pour les tâches sur documents longs, il est conseillé de valider d'abord sur un petit échantillon. Si la tâche ne nécessite qu'un contexte court et une inférence à faible coût, mieux vaut privilégier un modèle plus petit.

Questions fréquentes

Voir toutes les questions →

Comment choisir entre Low, High et Max pour Kimi K3 ?

Pour l'extraction courante, la réécriture et les questions-réponses courtes, essayez d'abord low ; pour les analyses à plusieurs étapes, essayez high ; pour les problèmes difficiles ou les tâches de code complexes, comparez ensuite l'effet de max. reasoning_effort est par défaut à max et ne propose que trois niveaux, low, high et max, sans medium ni none. Un niveau plus élevé peut générer plus de Tokens de réflexion et un temps d'attente plus long ; il convient de choisir en combinant la qualité de la réponse et l'usage.
Pourquoi n'y a-t-il pas d'interrupteur pour désactiver la réflexion et régler la température ?

Kimi K3 active toujours la réflexion dans l'intégration actuelle ; pour réduire les coûts, essayez d'abord low plutôt que de passer thinking.type=disabled. Cette page n'envoie pas thinking, temperature ni top_p ; lors d'une migration depuis d'autres modèles, ces champs de contrôle doivent également être supprimés, et le niveau se choisit via reasoning_effort au niveau supérieur.
La réponse est très courte, pourquoi y a-t-il tout de même des frais de Token de sortie plus élevés ?

Le contenu de réflexion généré par le modèle est également facturé comme Token de sortie ; le nombre de caractères de la réponse finale ne représente donc pas le volume total de sortie. usage.completion_tokens inclut déjà les Token de réflexion ; si completion_tokens_details.reasoning_tokens est renvoyé, il s'agit du détail de ceux-ci, ne les additionnez pas à nouveau. Les frais sont calculés séparément pour les trois postes : entrée normale, lecture de cache et sortie ; pour chaque poste, divisez le nombre de Token par 1 million, puis multipliez par le prix unitaire en dollars correspondant indiqué sur cette page.
Est-il possible de ne conserver que la réponse finale dans un dialogue multi-tours ?

Ce n'est pas recommandé. Les messages du tour suivant doivent reprendre dans l'ordre l'historique nécessaire, en conservant le message assistant complet renvoyé par l'API, y compris content, le reasoning_content renvoyé, ainsi que les éventuels tool_calls. Ne conserver que le texte final ferait perdre à Kimi le contexte nécessaire pour poursuivre sa réflexion ou enchaîner sur des outils. Le Playground de cette page conserve le contenu de réflexion renvoyé.