Kimi K3

Spécifications et limites

Le mode réflexion est toujours actif: le raisonnement ne peut pas être désactivé, seulement réduit via les niveaux d'effort (low / high / max). max_completion_tokens vaut 131 072 par défaut et peut être porté à 1 048 576. La mise en cache du contexte est automatique, sans id de cache, TTL ni paramètre supplémentaire, et s'enclenche dès que le prompt de la requête précédente dépasse 256 tokens. Poids ouverts (poids MXFP4 / activations MXFP8, entraînement tenant compte de la quantification) publiés sur Hugging Face sous la licence Kimi K3.

selon docs officielles Moonshot ↗

Un prompt, mesuré via la passerelle

Utilisez Kimi K3 en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "kimi-k3",
  messages: [{ role: "user", content: "Summarize this diff" }],
  reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "Hello"}],
    "reasoning_effort": "medium"
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "kimi-k3",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
		ReasoningEffort: openai.ReasoningEffortMedium,
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("kimi-k3")
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

À propos de Kimi K3

• L'architecture associe Kimi Delta Attention, un mécanisme d'attention linéaire hybride, à des Attention Residuals, et pousse plus loin la parcimonie Mixture-of-Experts via le framework Stable LatentMoE, en activant 16 experts sur 896 ; Moonshot crédite ces changements d'environ 2,5 fois l'efficacité de mise à l'échelle globale de K2.
• Il embarque la compréhension visuelle native et une fenêtre de contexte de 1M de tokens, et vise les scénarios d'intelligence de frontière, dont le codage à long horizon, le travail de connaissance et le raisonnement : soutenir de longues tâches d'ingénierie avec une supervision minimale, travailler sur de grandes bases de code, piloter des outils en terminal, et exploiter des captures d'écran et des retours visuels dans le développement de jeux, l'ingénierie front-end et les workflows de CAO.
• La réflexion n'est pas optionnelle ici.
• K3 raisonne toujours, et le seul contrôle est le champ de premier niveau reasoning_effort à low, high ou max, dont la valeur par défaut est max : un déploiement sensible à la latence doit donc l'abaisser explicitement.
• Plusieurs autres limites méritent d'être prises en compte dans le code : max_completion_tokens vaut 131 072 par défaut contre un plafond de 1 048 576, les paramètres d'échantillonnage sont figés et devraient être omis des requêtes, le message assistant complet doit être renvoyé inchangé sur les tours multi-tours et d'appel d'outils, et l'entrée visuelle refuse les URL d'images publiques au profit du base64 ou d'une référence de fichier téléversé.
• La mise en cache du contexte est automatique, sans identifiant de cache, sans TTL ni paramètre supplémentaire, et s'enclenche dès que le prompt de la requête précédente dépasse 256 tokens ; la tarification est plate, sans palier selon la longueur de contexte.
• La sortie structurée, les préremplissages en mode partiel et le chargement dynamique d'outils sont pris en charge, et les poids sont publiés sous la licence Kimi K3.
• Synthorai rend Kimi K3 appelable via son endpoint de chat completions compatible OpenAI.

FAQ

Modèles associés

Comparer