Introdução
O Kimi K3.1 Pro é o modelo principal da Moonshot AI, lançado em 23 de outubro de 2026 como o primeiro modelo da série K3.1; a Moonshot o descreve como seu modelo de pesos abertos mais capaz até hoje. Aqui ele é um único endpoint de chat compatível com a OpenAI: até 1.048.576 tokens de entrada, com texto, imagens e vídeos nas mensagens, chamadas de função, streaming e um reasoning_effort de low, high ou max em cada requisição.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Texto |
| Orçamento de entrada | 1,048,576 tokens |
| Limite de max_tokens | 1,048,576 |
| Entradas | texto / imagens / vídeo |
Recursos e destaques
Um milhão de tokens de material de trabalho em uma única requisição
A janela de entrada de 1.048.576 tokens comporta um repositório inteiro, um conjunto de contratos ou uma longa linha de pesquisa exatamente como estão. Coloque o material primeiro e a pergunta por último: o modelo responde com base no que os documentos dizem, e não em um resumo que deixou de fora a única cláusula de que você precisava.
Raciocínio sempre ativo, com três ajustes
A Moonshot oferece o Kimi K3.1 Pro como um modelo de raciocínio: ele pensa antes de responder, e essa configuração não pode ser desligada. O que você escolhe é o quanto ele se esforça. low mantém as respostas rápidas, high serve para problemas de várias etapas, e max, padrão aqui, dá ao modelo o maior espaço para uma tarefa difícil.
Capturas de tela, diagramas e clipes junto da pergunta
Uma mensagem do usuário pode combinar texto com partes image_url e video_url. Entregue ao modelo uma captura de uma interface que falha com o stack trace, um gráfico com a pergunta sobre ele ou uma breve gravação de tela com o relato do bug, e peça uma única resposta que use tudo isso.
Chamadas de função que sua aplicação continua controlando
O modelo pode devolver uma chamada de função em vez de texto. Seu código verifica os argumentos, executa a ação e envia o resultado de volta como mensagem tool. Até 128 ferramentas podem ser usadas em uma chamada, parallel_tool_calls vem ativado por padrão, e as respostas podem ser transmitidas à medida que são escritas.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | Envie ao Kimi K3.1 Pro a conversa em ordem com as fontes para um plano com fontes verificáveis; associe cada resultado de ferramenta ao seu |
max_tokens | Não | No Kimi K3.1 Pro, |
reasoning_effort | Não | O Kimi K3.1 Pro aceita low, high, max, com max como padrão; compare os ajustes para um plano com fontes verificáveis acompanhando o consumo de tokens de saída. |
stop | Não | Interrompa a saída do Kimi K3.1 Pro com uma sequência ou uma lista de até quatro; o marcador encontrado não aparece no texto final. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 4 itens |
tools | Não | Defina para o Kimi K3.1 Pro até 128 funções no formato OpenAI para um plano com fontes verificáveis; sua aplicação valida os argumentos e executa as operações propostas. no máximo 128 itens |
parallel_tool_calls | Não | Permite que o Kimi K3.1 Pro proponha várias funções independentes em uma rodada; sua aplicação continua controlando a execução. Valor padrão: |
tool_choice | Não | No Kimi K3.1 Pro, |
response_format | Não | Peça ao Kimi K3.1 Pro texto ou JSON estruturado para um plano com fontes verificáveis e valide os campos esperados pela sua aplicação. |
Preços
Entrada $2 / Saída $10 por 1 milhão de tokens
Casos de uso
Revisão de código e planos de migração em escala de repositório
Reúna a árvore de código, os testes que falham e a solicitação de mudança em uma única chamada e peça achados que você consiga apontar para um arquivo e uma linha. Use high ou max quando a resposta precisar acompanhar uma chamada por muitos arquivos, e então peça um plano ordenado por dependências, com uma verificação para cada etapa.
Pesquisa sobre um volume de documentos longos
Rotule cada artigo, processo ou transcrição, indique qual versão prevalece quando duas se contradizem e peça conclusões com a fonte citada ao lado de cada uma. A janela é grande o suficiente para manter o conjunto inteiro à vista sem fragmentá-lo.
Agentes que analisam capturas e clipes
Envie uma captura de interface ou uma gravação curta junto com a tarefa, defina as ferramentas que o agente pode chamar e deixe-o repetir o ciclo sobre os resultados até terminar. O seu próprio código continua sendo quem de fato clica, grava ou implanta.
Extração estruturada de entradas desorganizadas
Envie notas fiscais, formulários ou imagens de gráficos, descreva os campos desejados pelos parâmetros de uma ferramenta ou por um response_format e valide o que voltar antes que chegue ao seu banco de dados.
Guia de prompt e dicas práticas
Comece em max e reduza para ganhar velocidade
max é o padrão e o lugar certo para começar em uma tarefa difícil. Quando você souber que qualidade de resposta precisa, teste high, e use low em interações curtas e rotineiras, nas quais a latência importa mais do que a profundidade.
Deixe espaço para o raciocínio em
max_tokensO raciocínio é contado dentro de
max_tokens, cujo padrão é 4.096. Para um relatório longo, um patch grande ou qualquer coisa em high ou max, defina um valor bem acima do tamanho que você espera ler, senão o orçamento pode acabar antes da resposta visível.Coloque o material longo primeiro e a pergunta por último
Posicione documentos, código ou transcrições no início da conversa, dê a cada um um rótulo curto e faça a pergunta no fim. Mantenha as instruções na mensagem de sistema, separadas do material citado, para que um texto dentro de um documento não seja confundido com o seu pedido.
Não use temperature nem
top_pO modelo define a própria amostragem, então esses dois campos não fazem parte da requisição. Ajuste o tom e a variedade pelo prompt e use sequências de parada quando precisar que a resposta termine em um marcador.
Cruze fontes com o Kimi K3.1 Pro
Você pode reunir briefing, trechos de referência e restrições técnicas nos 1.048.576 tokens de entrada. Em análises financeiras, peça a fonte de cada conclusão; em planos de software, solicite dependências e uma verificação para cada etapa.
Ajuste o esforço de raciocínio
O K3.1 Pro sempre raciocina: aceita low, high e max, com max como padrão. temperature e top_p não são ajustáveis aqui. Reserve em max_tokens espaço para raciocínio e resposta, usando streaming nas entregas longas.
Conecte mídia e ferramentas
Explique o que deve ser conferido em cada captura ou vídeo; este endpoint não aceita áudio. Sua aplicação valida e executa as funções propostas e devolve o resultado com o tool_call_id correspondente. Preserve a mensagem assistant completa nas próximas etapas da pesquisa.
As decisões sobre conteúdo vêm do Kimi K3.1 Pro escolhido. No Kimi K3.1 Pro: O comportamento NSFW pode variar; não há garantia de conteúdo sem restrições.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
