Panduan integrasi API dan penggunaan Agent Kimi K3.1 Pro
Kimi K3.1 Pro ialah model dalam siri K3.1 Moonshot AI yang ditujukan kepada pengaturcaraan, penciptaan 3D, penyelidikan kewangan dan tugasan Agent jangka panjang. ID model API rasminya ialah kimi-k3.1-pro, manakala Base URL OpenAI SDK ialah https://api.moonshot.cn/v1. Mod pemikiran sentiasa aktif; tahap penaakulan boleh ditetapkan kepada low, high atau max, dengan max sebagai tetapan lalai. Panduan mula pantas rasmi
Panduan ini menerangkan penyepaduan, penaakulan, penglihatan dan gelung alat berdasarkan dokumentasi rasmi. Hasil penanda aras yang diterbitkan oleh penyedia ialah penilaian penyedia sendiri, bukannya ujian Guishu Intelligence.
Maklumat utama
| Perkara | Maklumat yang disahkan |
|---|---|
| ID model rasmi | kimi-k3.1-pro |
| API Base URL rasmi | https://api.moonshot.cn/v1 |
| Tahap penaakulan | low, high, max; lalai max |
| Mod pemikiran | Sentiasa aktif |
| Konteks | Dokumentasi rasmi menyatakan sokongan untuk 1 juta token |
| Varian kelajuan tinggi | kimi-k3.1-pro-highspeed; model berasingan, semak katalog platform berkenaan untuk ketersediaan dan harga |
| Tarikh semakan dokumentasi | 2026-10-24 |
Maklumat keupayaan dan varian adalah berdasarkan dokumentasi rasmi Kimi K3.1 Pro. Versi model, kelayakan akses dan harga boleh berubah; semak harga model untuk ketersediaan semasa di platform kami.
Apakah kegunaan peningkatan ini?
Kekuatan K3.1 Pro terserlah dalam kerja berbilang langkah: memahami keperluan, menghasilkan artifak, menyemak hasil dan mengubahnya berdasarkan maklum balas. Konteks satu juta token boleh memuatkan lebih banyak bahan, tetapi kejayaan tugasan panjang turut bergantung pada alat, persekitaran dan kriteria penerimaan. Contoh berikut meliputi pengaturcaraan, penciptaan 3D dan penyelidikan kewangan; sumbernya ialah pengalaman pihak ketiga dan demonstrasi penyedia, bukan larian kami sendiri.
Kamera 3D: adakah struktur benar-benar berubah mengikut parameter?
Dalam artikelnya “Model China melangkah maju sekali lagi: ujian Kimi K3.1 Pro”, Liu Xiaopai meminta beberapa model menghasilkan kamera interaktif. Menurut laporannya, K3.1 Pro menghasilkan 34 komponen yang boleh dipilih dan 9 bilah apertur, sementara 35 bacaan optik memenuhi kriteria semakannya. Dalam pusingan kedua, apabila kanta ditukar daripada 50 mm kepada 85 mm, model turut mengubah geometri dan bukannya sekadar menukar label.
Kes yang sama turut menunjukkan kelemahan: unit eksport tidak dikendalikan seperti yang diminta dan terdapat masalah jarak antara rangka badan kamera dengan apertur. Untuk tugasan reka bentuk, lebih berguna untuk menyemak dimensi, interaksi, fail eksport dan kebolehan suntingan susulan secara serentak daripada menilai satu imej render sahaja. Penulis menggunakan persekitaran alat pengaturcaraan yang berbeza, jadi pengalaman ini bukan perbandingan dengan pemboleh ubah terkawal yang seragam.
Peta permainan: hasilkan alat, kemudian biarkan Agent menggunakannya
Penulis yang sama turut membina editor peta Terraria dalam pelayar. Blok perlu mematuhi peraturan permainan dan peta yang dieksport perlu boleh digunakan semula dalam permainan. Kemudian, beliau meminta K3.1 Pro membina suasana menggunakan editor yang dihasilkan itu. Tugasan ini menggabungkan pemahaman format fail, pembangunan antara muka dan pengendalian alat; ia lebih hampir kepada aliran kerja sebenar berbanding menghasilkan cebisan kod demonstrasi. Penulis melihat kekuatan visual yang berbeza pada Kimi dan model perbandingan; ini pemerhatian peribadi, bukan kesimpulan estetik sejagat.
Penyelidikan kewangan: semak formula dan rujukan, bukan kesimpulan sahaja
Bahan pengenalan oleh Zenan, Zhang Qian dan Panda daripada pasukan editorial jiqizhixin.com menghimpunkan contoh pemodelan kewangan, laporan penyelidikan dan kejuruteraan 3D. Dokumentasi rasmi turut menunjukkan model kewangan dengan andaian operasi yang boleh diubah serta laporan penyelidikan berserta sumber. Pengajaran berguna daripada contoh ini ialah kriteria semakan: adakah formula dikira semula apabila andaian berubah? Bolehkah angka penting dijejak kembali kepada fail asal? Bolehkah setiap rujukan dalam laporan dibuka? Demonstrasi penyedia bukan jaminan ketepatan bagi sebarang tugasan kewangan. Penerangan rasmi tentang keupayaan dan contoh
Pada tarikh semakan artikel ini, penyedia menyatakan bahawa pembukaan pemberat penuh dirancang sebelum 4 November. Itu ialah rancangan, bukannya penerbitan yang telah berlaku; ciri 3D dalam aplikasi rasmi juga tidak bermakna API menyediakan alat pemodelan terbina dalam.
Panggilan API asas
Contoh rasmi menggunakan Python 3.9+ dan OpenAI SDK. Simpan API Key dalam pemboleh ubah persekitaran; jangan masukkannya dalam kod sumber atau commit ke repositori.
python3 -m pip install --upgrade 'openai>=1.0'
export MOONSHOT_API_KEY="your-api-key"
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.cn/v1",
)
result = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=[{"role": "user", "content": "Terangkan dalam tiga perkara cara mereka bentuk proses semakan kod yang boleh dipercayai."}],
reasoning_effort="high",
)
print(result.choices[0].message.content)
Untuk panggilan terus ke Moonshot, gunakan Key yang dikeluarkan oleh Moonshot dan Base URL rasmi di atas. Jika menggunakan perkhidmatan pihak ketiga yang serasi dengan API, gantikan Base URL, Key dan ID model dengan butiran yang diberikan oleh perkhidmatan itu; jangan berikan kelayakan rasmi kepada pihak ketiga. Model yang disokong dan kaedah bil Guishu Intelligence boleh dilihat di halaman harga.
Cara memilih tahap penaakulan
K3.1 Pro sentiasa berada dalam mod pemikiran; reasoning_effort mengawal tahap penaakulan dan bukannya menghidupkan atau mematikan mod tersebut. Dokumentasi rasmi menyediakan low, high dan max, dengan max sebagai lalai. Penerangan rasmi tentang tahap penaakulan
- Untuk jawapan ringkas atau transformasi dengan keperluan yang jelas, anda boleh bermula dengan
low. - Untuk pengubahsuaian kod berbilang langkah, analisis dan tugasan perancangan, cuba
highdahulu. - Untuk tugasan kompleks yang memerlukan penaakulan lebih mendalam, bandingkan kualiti, kependaman dan kos sebenar
max.
Ini ialah cadangan aliran kerja, bukannya jaminan prestasi. Dalam persekitaran produksi, nilai ketepatan, kependaman dan kos menggunakan tugasan anda sendiri.
Perbualan berbilang giliran: kekalkan assistant message yang lengkap
Untuk perbualan berbilang giliran dan respons alat, dokumentasi rasmi menghendaki assistant message lengkap yang dipulangkan API dimasukkan dalam permintaan seterusnya, bukannya hanya teks content. Medan berstruktur seperti panggilan alat mungkin diperlukan untuk langkah berikutnya. Dokumentasi rasmi tentang perbualan berbilang giliran
messages = [{"role": "user", "content": "Senaraikan dahulu pelan migrasi, kemudian terangkan risikonya."}]
first = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=messages,
reasoning_effort="high",
)
messages.append(first.choices[0].message)
messages.append({"role": "user", "content": "Tukarkan bahagian risiko kepada senarai semak."})
second = client.chat.completions.create(model="kimi-k3.1-pro", messages=messages)
print(second.choices[0].message.content)
Jika aplikasi perlu mengekalkan sesi merentas permintaan, simpan medan mesej yang diperlukan oleh protokol dan semak dokumentasi rasmi untuk mengetahui cara SDK menyiri objek mesej.
Panggilan alat dan gelung Agent
Aplikasi mentakrifkan dan melaksanakan alat: model menghasilkan panggilan alat, aplikasi mengesahkan parameternya, memanggil fungsi sebenar dan menghantar hasil kembali kepada model. Jangan laksanakan output model secara langsung seolah-olah ia arahan yang boleh dipercayai.
import json
tools = [{
"type": "function",
"function": {
"name": "lookup_order",
"description": "Semak status pesanan",
"parameters": {
"type": "object",
"properties": {"order_id": {"type": "string"}},
"required": ["order_id"],
},
},
}]
messages = [{"role": "user", "content": "Semak status pesanan A-104"}]
response = client.chat.completions.create(
model="kimi-k3.1-pro", messages=messages, tools=tools
)
assistant = response.choices[0].message
messages.append(assistant) # Kekalkan assistant message yang lengkap
for call in assistant.tool_calls or []:
args = json.loads(call.function.arguments)
# Dalam aplikasi sebenar, sahkan parameter dan kebenaran pengguna dahulu sebelum memanggil fungsi perniagaan terkawal.
tool_result = {"order_id": args["order_id"], "status": "processing"}
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": json.dumps(tool_result),
})
final = client.chat.completions.create(
model="kimi-k3.1-pro", messages=messages, tools=tools
)
print(final.choices[0].message.content)
Panduan panggilan alat rasmi turut menghendaki setiap hasil alat dihantar semula dengan tool_call_id yang sepadan dan assistant message lengkap dikekalkan pada giliran seterusnya. Aplikasi perlu melaksanakan pengesahan, semakan parameter, had masa, idempotensi dan audit sendiri.
Input visual: gunakan tatasusunan objek
Dokumentasi rasmi menetapkan bahawa content bagi mesej visual ialah tatasusunan objek, bukannya rentetan bersiri. Contoh menghantar imej melalui Data URL Base64; aliran fail yang disokong juga boleh menggunakan rujukan ms://. Jangan anggap URL imej awam biasa boleh dibaca secara langsung. Arahan rasmi untuk input visual
import base64
from pathlib import Path
image_data = base64.b64encode(Path("diagram.png").read_bytes()).decode()
response = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=[{
"role": "user",
"content": [
{"type": "image_url", "image_url": {
"url": f"data:image/png;base64,{image_data}"
}},
{"type": "text", "text": "Huraikan komponen sistem dan hubungan antara komponen dalam rajah."},
],
}],
)
print(response.choices[0].message.content)
Sebelum penyepaduan, semak had format dan saiz imej serta antara muka fail. Sebelum menghantar imej sensitif kepada model luaran, pastikan juga peraturan pengendalian data organisasi anda dipatuhi.
Cara mentafsir benchmark rasmi dan pengalaman pihak ketiga
Dokumentasi Moonshot menyatakan K3.1 Pro mendapat 65.7% dalam Terminal-Bench 4.0 dan menyenaraikan perbandingan dengan GPT-6 Astra serta Claude Opus 5.5. Angka ini ialah hasil benchmark yang diterbitkan penyedia; tafsirkan bersama set tugasan, konfigurasi ujian dan tarikh penerbitan. Angka itu tidak boleh dianggap sebagai kadar kejayaan bagi semua tugasan pengaturcaraan. Pengenalan rasmi model dan benchmark
Penulis pihak ketiga Liu Xiaopai berkongsi pengalaman, termasuk karya kamera 3D interaktif, serta penilaian peribadi terhadap model yang dibandingkan. Ini bukan ujian Guishu Intelligence dan bukan perbandingan seragam yang boleh diulang. Untuk menilai model, gunakan repositori kod, kekangan reka bentuk dan contoh kegagalan anda sendiri; rekodkan prompt, alat, bilangan percubaan semula, kependaman dan kos.
Senarai semak penyepaduan
- Pastikan sama ada panggilan dibuat terus kepada penyedia rasmi atau melalui perkhidmatan serasi, kemudian gunakan ID model, Base URL dan Key yang sepadan.
- Mulakan dengan tahap penaakulan lebih rendah dan bandingkan kualiti, kependaman serta bil secara beransur-ansur menggunakan tugasan yang mewakili penggunaan sebenar.
- Dalam senario berbilang giliran dan Agent, simpan assistant message lengkap dan padankan hasil alat dengan betul.
- Bina mesej visual sebagai tatasusunan objek; untuk imej setempat, gunakan pengekodan atau aliran fail yang disokong secara rasmi.
- Tetapkan sempadan kebenaran, pengesahan parameter, had masa dan pengendalian kegagalan untuk pelaksanaan alat.
- Sebelum penggunaan, sahkan katalog model semasa, rantau yang tersedia dan harga; jangan gunakan konfigurasi lama tanpa semakan.
Soalan lazim
Apakah ID model API Kimi K3.1 Pro?
Dokumentasi rasmi menyatakan ID kimi-k3.1-pro. Varian kelajuan tinggi dinamakan kimi-k3.1-pro-highspeed; jangan anggap kedua-duanya konfigurasi model yang sama.
Apakah tahap penaakulan lalai?
Dokumentasi rasmi menyenaraikan low, high dan max, dengan max sebagai lalai. Mod pemikiran model sentiasa aktif.
Bolehkah saya menghantar URL imej secara terus?
Dokumentasi rasmi tidak menyokong URL imej awam. Gunakan tatasusunan objek visual dengan Data URL Base64, atau rujukan ms:// melalui aliran fail.
Mengapa Agent perlu menghantar semula assistant message lengkap?
Mesej itu mungkin mengandungi medan berstruktur seperti panggilan alat. Menyimpan teks sahaja akan kehilangan maklumat yang diperlukan untuk interaksi seterusnya; hasil alat juga perlu menggunakan tool_call_id yang sepadan.
Adakah Guishu Intelligence menyediakan Kimi K3.1 Pro?
Semak halaman harga untuk model, penghalaan dan harga yang tersedia sekarang. Akses API terus daripada penyedia tidak bermakna model ini atau variannya yang berkelajuan tinggi ditawarkan di sini.
Bacaan lanjut
Tarikh semakan maklumat rasmi: 2026-10-24. Keupayaan model, parameter API dan syarat akses boleh berubah; rujuk dokumentasi API Kimi Moonshot.