Kimi K3

Especificações e limites

O modo de raciocínio está sempre ativo: o raciocínio não pode ser desativado, apenas reduzido pelos níveis de esforço (low / high / max). max_completion_tokens tem padrão de 131.072 e pode ser elevado ao total de 1.048.576. O cache de contexto é automático, sem id de cache, TTL ou parâmetro extra, e entra em ação assim que o prompt da requisição anterior passa de 256 tokens. Pesos abertos (pesos MXFP4 / ativações MXFP8, treinamento consciente de quantização) publicados no Hugging Face sob a Kimi K3 License.

conforme documentação oficial da Moonshot ↗

Um prompt, medido pelo gateway

Use o Kimi K3 em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu 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(""));

Sobre o Kimi K3

• A arquitetura combina a Kimi Delta Attention, um mecanismo híbrido de atenção linear, com Attention Residuals, e leva a esparsidade Mixture-of-Experts adiante pelo framework Stable LatentMoE, ativando 16 de 896 especialistas; a Moonshot credita essas mudanças com cerca de 2,5 vezes a eficiência geral de escalonamento do K2.
• Ele traz entendimento visual nativo e uma janela de contexto de 1M tokens, e mira cenários de inteligência de fronteira incluindo código de longo horizonte, trabalho de conhecimento e raciocínio: sustentar tarefas longas de engenharia com supervisão mínima, trabalhar em grandes bases de código, conduzir ferramentas de terminal e usar capturas de tela e feedback visual em desenvolvimento de jogos, engenharia de frontend e fluxos de CAD.
• O raciocínio não é opcional aqui.
• O K3 sempre raciocina, e o único controle é o campo de nível superior reasoning_effort em low, high ou max, que assume max por padrão, então uma implantação sensível à latência precisa reduzi-lo explicitamente.
• Vários outros limites merecem ser tratados no código: max_completion_tokens assume 131.072 por padrão contra um teto de 1.048.576, os parâmetros de amostragem são fixos e devem ser omitidos das requisições, a mensagem completa do assistente precisa ser retornada sem alterações em conversas de múltiplos turnos e em turnos de chamada de ferramentas, e a entrada de visão rejeita URLs públicas de imagem em favor de base64 ou de uma referência a arquivo enviado.
• O cache de contexto é automático, sem cache id, TTL ou parâmetro extra, entrando em ação assim que o prompt da requisição anterior passa de 256 tokens, e o preço é fixo, sem escalonamento por comprimento de contexto.
• Saída estruturada, prefills em modo parcial e carregamento dinâmico de ferramentas são suportados, e os pesos são publicados sob a Kimi K3 License.
• A Synthorai torna o Kimi K3 chamável pelo seu endpoint de chat completions compatível com OpenAI.

Perguntas frequentes

Modelos relacionados

Comparar