Introduction
Kimi K3.1 Pro est le modèle phare de Moonshot AI, sorti le 23 octobre 2026 comme premier modèle de la série K3.1 ; Moonshot le décrit comme son modèle à poids ouverts le plus performant à ce jour. Ici, il s’agit d’un seul point de terminaison de chat compatible OpenAI : jusqu’à 1 048 576 jetons en entrée (texte, images et vidéos dans les messages), appels de fonctions, streaming, et un reasoning_effort de low, high ou max sur chaque requête.
| Champ | Valeur |
|---|---|
| Entrée | Texte |
| Sortie | Texte |
| Budget d’entrée | 1,048,576 tokens |
| Plafond de max_tokens | 1,048,576 |
| Entrées | Kimi K3.1 Pro : du texte / des images / de la vidéo |
Fonctionnalités et points forts
Un million de jetons de matière de travail dans une seule requête
La fenêtre d’entrée de 1,048,576 jetons accueille un dépôt complet, un ensemble de contrats ou un long fil de recherche tel quel. Placez la matière en premier et votre question en dernier : le modèle répond à partir de ce que disent les documents, et non à partir d’un résumé qui a laissé de côté la seule clause dont vous aviez besoin.
Un raisonnement toujours actif, avec trois réglages
Moonshot propose Kimi K3.1 Pro comme modèle à raisonnement : il réfléchit avant de répondre, et ce réglage ne peut pas être désactivé. Vous choisissez l’intensité du travail. low garde des réponses rapides, high convient aux problèmes en plusieurs étapes, et max, valeur par défaut ici, laisse au modèle la plus grande marge pour une tâche difficile.
Captures d’écran, schémas et extraits à côté de la question
Un message utilisateur peut mélanger du texte et des éléments image_url et video_url. Fournissez au modèle une capture d’écran de l’interface qui échoue avec la trace d’erreur, un graphique accompagné de sa question, ou un court enregistrement d’écran avec le rapport de bug, et demandez une seule réponse qui exploite l’ensemble.
Des appels de fonctions que votre application continue de contrôler
Le modèle peut renvoyer un appel de fonction au lieu d’une prose. Votre code vérifie les arguments, exécute l’action et renvoie le résultat sous forme de message tool. Jusqu’à 128 outils peuvent figurer dans un même appel, parallel_tool_calls est activé par défaut, et les réponses peuvent être diffusées au fur et à mesure de leur rédaction.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Envoyez à Kimi K3.1 Pro une conversation ordonnée avec les sources pour un plan de projet étayé ; associez les résultats d’outils à leur |
max_tokens | Non | Pour Kimi K3.1 Pro, |
reasoning_effort | Non | Kimi K3.1 Pro accepte low, high, max, avec max par défaut ; comparez les réglages sur un plan de projet étayé en suivant les tokens de sortie consommés. |
stop | Non | Arrêtez Kimi K3.1 Pro avec une séquence ou une liste de quatre au maximum ; le marqueur reconnu ne figure pas dans le texte final. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
tools | Non | Définissez pour Kimi K3.1 Pro jusqu’à 128 fonctions au format OpenAI pour un plan de projet étayé ; votre application vérifie les arguments et réalise les opérations proposées. 128 éléments maximum |
parallel_tool_calls | Non | Ce réglage autorise Kimi K3.1 Pro à proposer plusieurs fonctions indépendantes dans un même tour ; l’application garde la maîtrise de leur exécution. Valeur par défaut: |
tool_choice | Non | Pour Kimi K3.1 Pro, |
response_format | Non | Demandez à Kimi K3.1 Pro du texte ou du JSON structuré pour un plan de projet étayé, puis vérifiez les champs du JSON dans votre application. |
Tarification
Entrée $2 / Sortie $10 par 1 million de tokens
Cas d’utilisation
Revue de code et plans de migration à l’échelle d’un dépôt
Placez l’arborescence des sources, les tests en échec et la demande de modification dans un seul appel, et demandez des constats que vous pouvez rattacher à un fichier et à une ligne. Utilisez high ou max lorsque la réponse doit suivre un appel à travers plusieurs fichiers, puis demandez un plan ordonné selon les dépendances, avec une vérification pour chaque étape.
Recherche dans un ensemble de longs documents
Étiquetez chaque article, dossier ou transcription, indiquez quelle version prévaut lorsque deux se contredisent, et demandez des conclusions avec la source citée à côté de chacune. La fenêtre est assez grande pour garder l’ensemble complet sous les yeux, sans le découper.
Agents qui examinent des captures d’écran et des extraits
Envoyez une capture d’écran d’interface ou un court enregistrement avec la tâche, définissez les outils que l’agent peut appeler et laissez-le boucler sur les résultats des outils jusqu’à ce qu’il ait terminé. Votre propre code reste celui qui clique, écrit ou déploie réellement.
Extraction structurée à partir d’entrées désordonnées
Transmettez des factures, des formulaires ou des images de graphiques, décrivez les champs souhaités via les paramètres d’un outil ou un response_format, et validez ce qui revient avant qu’il n’atteigne votre base de données.
Guide de prompt et conseils pratiques
Commencez par max, puis réduisez pour gagner en vitesse
max est la valeur par défaut et le bon point de départ pour une tâche difficile. Une fois que vous savez quelle qualité de réponse il vous faut, essayez high, et utilisez low pour les échanges courts et routiniers où la latence compte davantage que la profondeur.
Laissez de la place pour le raisonnement dans
max_tokensLe raisonnement est compté dans
max_tokens, dont la valeur par défaut est 4,096. Pour un long rapport, un gros correctif ou toute tâche en high ou max, réglez-le nettement au-dessus de la longueur que vous attendez à lire, faute de quoi le budget peut être épuisé avant la réponse visible.Le long matériel d’abord, la question en dernier
Placez documents, code ou transcriptions tôt dans la conversation, donnez à chacun une courte étiquette, et posez la question à la fin. Gardez les instructions dans le message système, séparées du matériel cité, pour qu’un texte présent dans un document ne soit pas pris pour votre demande.
Omettez temperature et
top_pLe modèle définit lui-même l’échantillonnage : ces deux champs ne font donc pas partie de la requête. Orientez le ton et la variété par le prompt, et utilisez des séquences d’arrêt lorsque la réponse doit se terminer sur un marqueur.
Croiser les sources avec Kimi K3.1 Pro
Le budget de 1 048 576 tokens d’entrée permet de réunir cahier des charges, extraits et contraintes techniques. Pour une analyse financière, nommez les documents et demandez la source de chaque constat. Pour un projet logiciel, exigez les dépendances et un critère de vérification par étape.
Régler la réflexion
K3.1 Pro réfléchit toujours, avec low, high ou max, ce dernier étant le réglage par défaut. temperature et top_p ne se règlent pas ici. Réservez dans max_tokens la place nécessaire à la réflexion et au livrable, puis utilisez le streaming pour les réponses longues.
Relier médias et outils
Précisez ce que la capture ou la vidéo doit permettre de vérifier ; cet endpoint n’accepte pas l’audio. Votre application valide et exécute les fonctions proposées, puis renvoie leur résultat avec le bon tool_call_id. Conservez le message assistant complet pour poursuivre l’analyse.
Kimi K3.1 Pro choisi prend ses propres décisions sur le contenu. Avec Kimi K3.1 Pro : Son comportement NSFW peut varier ; aucun accès sans restriction n’est garanti.
Démarrage rapide de l’API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "moonshot/kimi-k3.1-pro/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
