Kimi K3

kimi-k3

获取 API 密钥 API 文档

Kimi K3 是一条面向复杂任务的旗舰推理路由，适合截图还原与交互式前端原型、大型代码仓库、多文档证据综合、长时间运行的智能体，以及确实需要 105 万 Token 工作上下文的知识任务。

上下文窗口1.1M

提供商Moonshot

创建时间2026/08/10

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中
3.00/M	15.00/M	0.30/M

优选通道

综合优选链路，兼顾可用性、速度与日常生产调用。

输入	输出	缓存命中
3.00/M	15.00/M	0.30/M

介绍

输入

文本图像

输出

文本

Kimi K3 API：2.8 万亿参数的开源前沿多模态旗舰

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 16 日发布的超大规模混合专家（MoE）模型，总参数 2.8 万亿，是目前规模最大的开源权重模型，也是全球首个「开源 3T 级」模型。它原生支持文本、图像与视频理解，具备 100 万 token 上下文窗口和常驻思考模式（always-on thinking），并已于 7 月 27 日公开模型权重（修改版 MIT 许可）。

在编码评测中，Kimi K3 稳居第一梯队：SWE-bench Verified 达 76.8%，SWE Marathon 与 Program Bench 领先所有对手，LMArena 前端代码竞技场以 1679 Elo 排名第一。

海鲸AI 通过 OpenAI 兼容接口提供 Kimi K3，支持工具调用、流式输出、视觉理解与超长上下文处理。

获取 API 密钥 · 模型 ID：kimi-k3

为什么选择 Kimi K3

最大的开源模型 —— 2.8 万亿总参数，比 DeepSeek V4 Pro 大约 75%，开源权重可私有化部署
100 万 token 上下文 —— 全窗口统一计价，无长上下文加价档位
原生多模态 —— 文本、图像、视频在同一个模型内理解，无需外挂适配器
常驻思考模式 —— 每次回复都经过完整推理，复杂任务质量稳定
架构创新 —— Kimi Delta Attention 线性注意力 + Attention Residuals，整体扩展效率较 K2 提升约 2.5 倍
编码第一梯队 —— 六项编码基准均进前三，SWE Marathon 与 Program Bench 登顶

核心能力

01 智能体编码

这是 Kimi K3 最受关注的能力。它在 SWE-bench Verified 上取得 76.8%，SWE Marathon（42.0）超过 Opus 4.8 与 GPT-5.6 Sol，前端代码竞技场（LMArena Frontend Code Arena）以 1679 Elo 独立排名第一。

仓库级 GitHub issue 定位与修复
前端页面与交互实现
长周期多步骤智能体任务

02 100 万 token 长上下文

上下文窗口 1,048,576 token，配合 Kimi Delta Attention 线性注意力，长序列下的效率随长度增长而优势放大；BrowseComp 长程检索任务在完整 1M 上下文下拿到 90.4 分。

完整代码仓库一次装入
超长文档与多资料交叉分析
全窗口统一计价，无长上下文附加费

03 原生多模态理解

文本、图像、视频在同一个模型内原生处理，而不是通过独立的视觉适配器拼接，跨模态推理更连贯。

截图 / 设计稿转代码
视频内容理解与摘要
图文混合文档分析

04 常驻推理与科学问答

思考模式始终开启，每次回复都包含完整推理过程（推理 token 按输出计费）。GPQA 研究生级科学问答达 93.5%。

高难度数学与逻辑推理
研究生级科学问题求解
复杂决策链路分析

最佳使用场景

场景	说明
智能体编码	仓库级问题修复与端到端功能开发
前端开发	前端代码竞技场排名第一，设计稿还原能力强
长上下文分析	100 万 token 窗口内的大型项目与资料集理解
多模态任务	图像、视频与文本的统一理解
深度研究	长程网页检索与多步推理（BrowseComp 90.4）
私有化部署	权重公开（修改版 MIT），可本地化部署

Kimi K3 相比 K2 升级了什么

能力	Kimi K3	Kimi K2
总参数	2.8 万亿	1 万亿
上下文窗口	100 万 token	256K token
模态	文本 + 图像 + 视频	文本
思考模式	常驻开启	可选
注意力架构	Kimi Delta Attention + AttnRes	传统全量注意力
扩展效率	约 2.5 倍于 K2	基准

具体计费以页面上方的实时价格卡片为准。

如何使用 Kimi K3 API

1. 创建海鲸AI API 密钥 在控制台生成密钥并充值。

2. 用好上下文缓存 K3 的常驻思考模式会产生推理 token（按输出计费），但编码类工作负载的缓存命中率普遍很高，多轮对话与智能体场景的实际成本远低于纸面单价。

3. 调用接口

curl -X POST https://api.atalk-ai.com/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {"role": "user", "content": "阅读这个仓库，找出并修复导致内存泄漏的代码路径，补充回归测试。"}
    ],
    "stream": true
  }'

常见问题

Kimi K3 什么时候发布的？ 2026 年 7 月 16 日发布，7 月 27 日公开模型权重，采用修改版 MIT 许可。

2.8 万亿参数会不会很贵？ 不会。它是稀疏 MoE 架构（896 个专家中每 token 仅激活 16 个），并采用 MXFP4 量化感知训练，推理成本远低于同等规模的稠密模型。

编码能力到什么水平？ 六项编码基准均进前三：SWE-bench Verified 76.8%，SWE Marathon 42.0（超过 Opus 4.8 与 GPT-5.6 Sol），前端代码竞技场独立排名第一。

思考模式可以关闭吗？ 不可以。K3 的推理模式常驻开启，每次回复都包含推理过程，推理 token 按输出 token 计费。换来的是复杂任务上稳定的输出质量。

上下文和输出上限？ 上下文 1,048,576 token（约 100 万），默认输出上限 131,072 token，可按需上调。全窗口统一计价，没有长上下文加价。

和 DeepSeek V4 Pro 怎么选？ 两者都是开源 MoE 旗舰。K3 参数规模更大、原生多模态、上下文同为 1M；V4 Pro 输出上限更高（384K）。需要图像 / 视频理解或前端开发选 K3，纯文本超长输出场景可考虑 V4 Pro。

为什么选择海鲸AI 使用 Kimi K3 API

免自建集群 —— 官方自部署需要 64 卡以上，海鲸AI 开箱即用
OpenAI 兼容接口 —— 现有代码改两行接入
一个密钥多模型 —— K3 与 Claude、GPT、Gemini、DeepSeek 自由切换对比
人民币结算 —— 国产模型按人民币计价，账目清晰

API

API 接入信息

Model ID在推理接口中指定模型

kimi-k3

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.atalk-ai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

kimi-k3 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

关于 provider 参数（可选，海鲸AI 扩展字段）：同一模型通常有多条服务通道，价格与稳定性略有差异。在请求体中加入 provider 字段即可指定通道；不传该字段时由系统自动选择默认通道，不影响正常调用。

provider 并非 OpenAI 官方协议中的字段，而是海鲸AI 的扩展参数，仅在本平台生效。OpenAI SDK 允许透传此类自定义字段，用法见下方示例。

取值	通道	适用场景
`direct`	直连通道	官方直连链路，追求原生体验与完整上下文
`stable`	优选通道	兼顾可用性、速度，适合日常生产调用
`economical`	特惠通道	成本优先，适合批量处理与价格敏感业务

具体通道与对应价格以上方「定价」为准（各模型开通的通道可能不同）。补充说明：

写法："provider": { "channel": "direct" }。
若指定的通道该模型未开通，会自动回退到默认通道并正常返回，不会报错。
使用官方 SDK 时：Python 需通过 extra_body 传入；Node.js 直接写在请求对象中即可透传，TypeScript 项目加一行 // @ts-expect-error 跳过类型检查。

cURLPythonNode.js

curl https://api.atalk-ai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.atalk-ai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.atalk-ai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'kimi-k3',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}