Kimi K3 是月之暗面迄今最强的旗舰模型，以 2.8 万亿参数成为其文档所称的全球首个三万亿参数级开源模型。
- 输入
- 文本 图像 视频 $3/M
- 输出
- 文本 $15/M
- 缓存读取
- $0.3/M
- 上下文
- 1M
- 对比 GPT-4o
- 便宜约 40%
Benchmark 成绩
厂商公布: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 65 个同类模型中的位置
这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价，批量、区域和缓存写入的折扣见价格页。
规格与限制
Token
| 上下文窗口(厂商规格) | 1,048,576 |
|---|---|
| 最大输出(厂商规格) | 1,048,576 |
提示词缓存
| 缓存方式 | 自动 |
|---|
思考
| 厂商参数 | reasoning_effort (top-level; the thinking object is not accepted) |
|---|---|
| 可选值 | low · high · max |
| 默认值 | max 请求未指定时生效 |
| 可关闭 | 不支持 |
| 思考行为 | K3 始终进行推理，因此只能用 low 调低而非关闭；在多轮和工具调用轮次，必须回传包含 reasoning_content 和 tool_calls 的完整 assistant 消息，会话中途切换 effort 会使前缀缓存命中失效 |
| 参数 | reasoning_effort |
| 取值 | minimal · low · medium · high 网关侧参数面——以上方厂商映射为准 |
模型
| 模态 | 文本 + 图像 + 视频 → 文本 |
|---|---|
| 参数量 | 总参数 2.8T · 激活 104B MoE（混合专家）：Kimi Delta Attention (KDA) + Attention Residuals，896 个专家中每 token 激活 16 个 |
| 许可证 | Kimi K3 License |
- 思考模式始终开启：推理无法关闭，只能通过力度档位（low / high / max）调低。
- max_completion_tokens 默认为 131,072，可上调到完整的 1,048,576。
- 上下文缓存自动生效，没有缓存 id、TTL 或额外参数，只要上一次请求的提示词超过 256 token 即触发。
- 开放权重（MXFP4 权重 / MXFP8 激活，量化感知训练）以 Kimi K3 License 发布在 Hugging Face 上。
单个 Prompt —— 通过网关实测
Kimi K3 通过 · 3 sentences
Reasoning models don't just answer questions—they "think" first, generating long internal chains of step-by-step logic before producing a response. Those hidden thinking steps are billed as output tokens (the most expensive kind, typically 3–5x the price of input tokens), and a single query can generate thousands of them even when the visible answer is only a paragraph long. So you're paying for dramatically more compute per request: the bill doubled because the model does far more work behind the scenes, not because usage increased.
输出 755 tok (+637 思考) 延迟 20.8 s
指令遵循（恰好三句，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。
Kimi K3 通过 · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug is a fencepost error: `cur` counts *matching adjacent pairs* rather than *items in the run*, because it starts at 0 and only increments when `xs[i] == xs[i - 1]`. A run of length L contains L−1 equal pairs, so every run was undercounted by exactly one. For a single-element list (a run of length 1) the loop never runs and the function returns 0 instead of 1; likewise any run ending at the last index — e.g. the two `2`s in `[1, 2, 2]` — reported 1 instead of 2, making it look like no run existed at all. […]
输出 1837 tok (+1547 思考) 延迟 47.2 s
修复是否真的正确（可运行）、解释的信息密度，以及在一个边界明确的任务上的 token 效率。
Kimi K3 通过 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
输出 924 tok (+863 思考) 延迟 25.9 s
schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），以及结构化输出路径的差异。
Kimi K3 通过 · 120 words, 0 banned, 1 question
Meet Prompt Cache, a new API gateway capability that stores prompt responses and serves them across OpenAI, Anthropic, Google, and Azure endpoints. It matches requests by model, prompt hash, tools, temperature, and tenant policy, so repeated work returns fast while sensitive contexts stay isolated. Teams set TTLs, stale rules, encryption scopes, and bypass flags per route. Analytics show hit rate, latency saved, token spend avoided, and drift risk by provider. What changes for developers? Keep one integration, add cache headers, and watch fallback logic respect consent, residency, and audit needs. During rollout, canary keys compare fresh answers with cached copies before promotion. Prompt Cache cuts vendor calls, steadies p95 latency, and gives platform owners controls for cost, quality, and compliance.
输出 1527 tok (+1354 思考) 延迟 37.9 s
约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。
30 秒用上 Kimi K3
OpenAI 兼容:换掉 base_url,SDK 不用改。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(""));关于 Kimi K3
- 该架构把混合线性注意力机制 Kimi Delta Attention 与 Attention Residuals 配对，并通过 Stable LatentMoE 框架把混合专家（MoE）稀疏度推得更远，从 896 个专家中激活 16 个；月之暗面称这些改动带来约为 K2 的 2.5 倍的整体扩展效率。
- 它自带原生视觉理解和 1M token 上下文窗口，面向前沿智能场景，包括长程编码、知识工作和推理：在极少监督下持续完成长时间的工程任务、在大型代码库中工作、驱动终端工具，以及在游戏开发、前端工程和 CAD 工作流中利用截图与视觉反馈。
- 这里的思考不是可选项。
- K3 始终进行推理，唯一的控制是顶层的 reasoning_effort 字段，取值 low、high 或 max，默认 max，因此对延迟敏感的部署必须显式调低。
- 还有几项限制值得写进代码：max_completion_tokens 默认 131,072，而上限为 1,048,576；采样参数是固定的，请求中应当省略；在多轮和工具调用的轮次中，完整的 assistant 消息必须原样回传；视觉输入拒绝公开图片 URL，改用 base64 或已上传的文件引用。
- 上下文缓存自动生效，没有缓存 id、TTL 或额外参数，一旦上一次请求的提示词超过 256 token 即启用，定价是统一的，不按上下文长度分档。
- 支持结构化输出、partial 模式预填充和动态工具加载，权重以 Kimi K3 License 发布。
- Synthorai 让 Kimi K3 可通过其 OpenAI 兼容 chat completions 端点调用。
常见问题
Kimi K3 API 可以免费试用吗?
可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $3/M 计算,仅这笔额度就足够对 Kimi K3 发起约 41 次 ~8K token 的请求。
Kimi K3 最擅长什么?
首个三万亿参数级开源模型、原生视觉理解，1M token 上下文窗口、始终推理，reasoning_effort 默认 max。完整能力请见「关于」部分,内容取自厂商官方发布说明。
Kimi K3 的价格是多少?
在 Synthorai 上,Kimi K3 输入 $3/百万 token、输出 $15/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.3/M 计费。
Kimi K3 支持提示词缓存(prompt caching)吗?
支持,且全自动:经 Moonshot 提供的提示词自动缓存,无需改代码。缓存命中的输入 token 按 $0.3/M 计费(未命中 $3/M)。 提示词缓存指南 →
如何开通 Kimi K3?
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "kimi-k3" 即可。一把 API key 通用网关上的全部模型。
Kimi K3 开源吗?
开源:权重以 Kimi K3 License 发布(官方仓库链接见「关于」部分)。也可以省去 GPU:这里的托管版本按量付费,无需自建基础设施。 运行开源权重模型 →
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。