العربية Deutsch English Español Français 日本語 한국어 Latina Bahasa Melayu Português (Brasil)Русский ไทย Tiếng Việt 繁體中文中文

คู่มือเชื่อมต่อ API และใช้งาน Agent กับ Kimi K3.1 Pro

24 ตุลาคม 2569

Kimi K3.1 ProMoonshot APIAgentการเชื่อมต่อโมเดล

Kimi K3.1 Pro เป็นโมเดลในตระกูล K3.1 ของ Moonshot AI ออกแบบมาสำหรับการเขียนโค้ด การสร้างงาน 3D การวิจัยการเงิน และเวิร์กโฟลว์ Agent ที่ทำงานต่อเนื่องเป็นเวลานาน เมื่อเรียกผ่าน API อย่างเป็นทางการ จะใช้ model ID kimi-k3.1-pro และ Base URL ของ OpenAI SDK คือ https://api.moonshot.cn/v1 โหมดคิดวิเคราะห์เปิดใช้งานอยู่เสมอ สามารถกำหนดระดับการให้เหตุผลเป็น low, high หรือ max โดยค่าเริ่มต้นคือ maxคู่มือเริ่มต้นอย่างเป็นทางการ

คู่มือนี้อธิบายการเชื่อมต่อ การให้เหตุผล การรับภาพ และวงจรการเรียกใช้เครื่องมือ โดยอ้างอิงเอกสาร API อย่างเป็นทางการ ผลเบนช์มาร์กที่ผู้ให้บริการเผยแพร่เป็นข้อมูลที่รายงานโดยผู้ให้บริการ ไม่ใช่ผลทดสอบของ 贵数智能

สรุปข้อมูล

รายการ	ข้อมูลที่ตรวจสอบแล้ว
Model ID อย่างเป็นทางการ	`kimi-k3.1-pro`
API Base URL อย่างเป็นทางการ	`https://api.moonshot.cn/v1`
ระดับการให้เหตุผล	`low`, `high`, `max`; ค่าเริ่มต้น `max`
โหมดคิดวิเคราะห์	เปิดใช้งานเสมอ
บริบท	เอกสารทางการระบุว่ารองรับ 1 ล้านโทเค็น
รุ่นความเร็วสูง	`kimi-k3.1-pro-highspeed`; เป็นโมเดลแยกต่างหาก โปรดตรวจสอบรายการโมเดลของแพลตฟอร์มนั้นว่ามีให้ใช้และราคาเท่าใด
วันที่ตรวจสอบเอกสาร	2026-10-24

ความสามารถและข้อมูลโมเดลอ้างอิงจากเอกสาร Kimi K3.1 Pro อย่างเป็นทางการ เวอร์ชันโมเดล สิทธิ์การเข้าถึง และค่าบริการอาจเปลี่ยนแปลง ตรวจสอบโมเดลและราคาปัจจุบันบนแพลตฟอร์มของเราได้ที่หน้าราคาโมเดล

การอัปเกรดครั้งนี้เหมาะกับงานแบบใด?

K3.1 Pro มุ่งเน้นงานหลายขั้นตอน เช่น ทำความเข้าใจข้อกำหนด สร้างชิ้นงาน ตรวจสอบผล แล้วแก้ไขตามข้อเสนอแนะ บริบท 1 ล้านโทเค็นช่วยรองรับข้อมูลได้มากขึ้น แต่ความสำเร็จของงานยาวยังขึ้นอยู่กับเครื่องมือ สภาพแวดล้อม และเกณฑ์การตรวจรับ บทนำอย่างเป็นทางการเน้นเรื่องโค้ด งาน 3D และการวิจัยการเงิน ตัวอย่างต่อไปนี้มาจากประสบการณ์ของบุคคลที่สามและการสาธิตของผู้ให้บริการ ไม่ใช่ผลการทดสอบของทีมเรา

กล้อง 3D: โครงสร้างเปลี่ยนตามพารามิเตอร์จริงหรือไม่?

หลิวเสี่ยวไผ (刘小排) ในบทความ “โมเดลจีนก้าวหน้าไปอีกขั้น: ทดลองใช้ Kimi K3.1 Pro” ให้โมเดลหลายตัวสร้างกล้องที่โต้ตอบได้ ผู้เขียนรายงานว่า K3.1 Pro สร้างชิ้นส่วนที่เลือกได้ 34 ชิ้นและใบไดอะแฟรม 9 ใบ โดยค่าการอ่านทางแสง 35 รายการผ่านเกณฑ์ตรวจสอบของผู้เขียน ในรอบที่สอง เมื่อเปลี่ยนเลนส์จาก 50mm เป็น 85mm รูปทรงเรขาคณิตก็เปลี่ยนตาม ไม่ได้เปลี่ยนเพียงป้ายกำกับ

ตัวอย่างเดียวกันยังมีข้อบกพร่อง: หน่วยที่ส่งออกไม่ตรงตามข้อกำหนด และมีปัญหาระยะห่างระหว่างโครงตัวกล้องกับไดอะแฟรม สำหรับงานออกแบบ เกณฑ์ตรวจรับที่มีประโยชน์กว่าคือการตรวจขนาด การโต้ตอบ ไฟล์ส่งออก และการแก้ไขรอบถัดไป ไม่ใช่ดูเพียงภาพเรนเดอร์ ผู้เขียนใช้สภาพแวดล้อมเครื่องมือเขียนโค้ดต่างกัน จึงไม่ใช่การจัดอันดับโมเดลแบบควบคุมเงื่อนไขให้เทียบกันโดยตรง

แผนที่เกม: สร้างเครื่องมือแล้วให้ Agent ใช้เครื่องมือนั้น

ผู้เขียนคนเดียวกันสร้างตัวแก้ไขแผนที่ Terraria บนเบราว์เซอร์ โดยกำหนดให้การวางบล็อกเป็นไปตามกติกาเกม และแผนที่ที่ส่งออกต้องนำกลับเข้าเกมแล้วใช้งานได้ จากนั้นให้ K3.1 Pro ใช้ตัวแก้ไขที่สร้างขึ้นเพื่อจัดฉาก งานลักษณะนี้รวมความเข้าใจรูปแบบไฟล์ การพัฒนาอินเทอร์เฟซ และการใช้เครื่องมือ จึงใกล้เคียงเวิร์กโฟลว์จริงกว่าการสร้างโค้ดตัวอย่างไว้แสดง ผู้เขียนเห็นว่า Kimi และโมเดลที่นำมาเปรียบเทียบต่างมีจุดแข็งด้านภาพ นี่เป็นข้อสังเกตส่วนบุคคล ไม่ใช่ข้อสรุปด้านสุนทรียะที่ใช้ได้ทั่วไป

การวิจัยการเงิน: ตรวจสูตรและแหล่งอ้างอิง ไม่ใช่อ่านแค่ข้อสรุป

เอกสารแนะนำที่เรียบเรียงโดยบรรณาธิการ Zenan, Zhang Qian และ Panda จากสื่อ 机器之心 (Machine Heart) กล่าวถึงการสร้างแบบจำลองทางการเงิน รายงานวิจัย และงานวิศวกรรม 3D เอกสารทางการยังสาธิตแบบจำลองการเงินที่ปรับสมมติฐานทางธุรกิจได้ และรายงานวิจัยที่ระบุแหล่งที่มา เกณฑ์ตรวจรับที่นำไปใช้ได้คือ เมื่อเปลี่ยนสมมติฐานแล้วสูตรปรับตามหรือไม่ ตัวเลขสำคัญย้อนกลับไปยังไฟล์ต้นทางได้หรือไม่ และเปิดแหล่งอ้างอิงแต่ละรายการในรายงานได้หรือไม่ การสาธิตของผู้ให้บริการไม่ใช่การรับประกันความถูกต้องสำหรับงานการเงินทุกประเภทคำแนะนำความสามารถและกรณีศึกษาอย่างเป็นทางการ

ณ วันที่ตรวจสอบเอกสารสำหรับบทความนี้ ผู้ให้บริการระบุว่ามีแผนเปิดเผยน้ำหนักโมเดลทั้งหมดก่อนวันที่ 4 พฤศจิกายน นี่เป็นแผน ไม่ใช่ประกาศว่าเผยแพร่แล้ว และฟีเจอร์ 3D ในแอปอย่างเป็นทางการก็ไม่ได้หมายความว่า API มีเครื่องมือสร้างโมเดล 3D ในตัว

การเรียก API ขั้นพื้นฐาน

ตัวอย่างอย่างเป็นทางการใช้ Python 3.9+ และ OpenAI SDK ให้เก็บ API key ไว้ในตัวแปรสภาพแวดล้อม อย่าใส่ไว้ในซอร์สโค้ดหรือ commit ลงในระบบควบคุมเวอร์ชัน

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": "ขอวิธีออกแบบกระบวนการตรวจสอบโค้ดที่เชื่อถือได้ 3 ข้อ"}],
    reasoning_effort="high",
)
print(result.choices[0].message.content)

หากเชื่อมต่อ Moonshot โดยตรง ให้ใช้คีย์ที่ Moonshot ออกให้และ Base URL อย่างเป็นทางการด้านบน หากใช้บริการบุคคลที่สามที่รองรับ OpenAI ให้เปลี่ยนเป็น Base URL คีย์ และโมเดลที่บริการนั้นกำหนด อย่ามอบข้อมูลรับรองของ Moonshot ให้บุคคลที่สาม โมเดลและวิธีคิดค่าบริการที่ 贵数智能 รองรับในปัจจุบันดูได้ที่หน้าราคาโมเดล

การเลือกระดับการให้เหตุผล

K3.1 Pro อยู่ในโหมดคิดวิเคราะห์ตลอดเวลา reasoning_effort ใช้ควบคุมระดับการให้เหตุผล ไม่ได้ใช้เปิดหรือปิดโหมดคิดวิเคราะห์ ตัวเลือกอย่างเป็นทางการคือ low, high และ max โดยค่าเริ่มต้นเป็น maxคำอธิบายระดับการให้เหตุผลอย่างเป็นทางการ

คำถามสั้น ๆ หรือการแปลงข้อมูลที่มีโครงสร้างชัดเจน ลองเริ่มจาก low
การแก้โค้ดหลายขั้นตอน การวิเคราะห์ และการวางแผน เริ่มจาก high
งานซับซ้อนที่ต้องใช้การให้เหตุผลลึกขึ้น ให้เปรียบเทียบคุณภาพ เวลาแฝง และค่าใช้จ่ายจริงของ max

ข้อแนะนำเหล่านี้เป็นแนวทางเลือกเวิร์กโฟลว์ ไม่ใช่การรับประกันประสิทธิภาพ ในระบบจริงควรประเมินความถูกต้อง เวลาแฝง และต้นทุนด้วยชุดงานของคุณเอง

การสนทนาหลายรอบ: เก็บ assistant message ให้ครบ

สำหรับการสนทนาหลายรอบและการตอบกลับจากเครื่องมือ เอกสารทางการแนะนำให้เพิ่ม assistant message ทั้งชุดที่ API ส่งกลับเข้าไปในคำขอถัดไป แทนที่จะเก็บเฉพาะข้อความใน content ฟิลด์แบบมีโครงสร้าง เช่น การเรียกเครื่องมือ อาจจำเป็นต่อขั้นตอนถัดไปคำแนะนำการสนทนาหลายรอบอย่างเป็นทางการ

messages = [{"role": "user", "content": "สรุปแผนย้ายระบบก่อน แล้วอธิบายความเสี่ยง"}]
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": "เปลี่ยนส่วนความเสี่ยงให้เป็นรายการตรวจสอบ"})
second = client.chat.completions.create(model="kimi-k3.1-pro", messages=messages)
print(second.choices[0].message.content)

หากแอปพลิเคชันบันทึกบทสนทนาข้ามคำขอ ให้จัดเก็บฟิลด์ข้อความที่โปรโตคอลต้องใช้ และตรวจสอบวิธี serialize message object ของ SDK ตามเอกสารทางการ

การเรียกใช้เครื่องมือและวงจร Agent

แอปพลิเคชันเป็นผู้กำหนดและเรียกใช้เครื่องมือ: โมเดลสร้างคำขอเรียกเครื่องมือ แอปตรวจสอบอาร์กิวเมนต์และเรียกฟังก์ชันจริง จากนั้นส่งผลลัพธ์กลับให้โมเดล อย่านำผลลัพธ์จากโมเดลไปใช้เป็นคำสั่งที่เชื่อถือได้โดยตรง

import json

tools = [{
    "type": "function",
    "function": {
        "name": "lookup_order",
        "description": "ตรวจสอบสถานะคำสั่งซื้อ",
        "parameters": {
            "type": "object",
            "properties": {"order_id": {"type": "string"}},
            "required": ["order_id"],
        },
    },
}]
messages = [{"role": "user", "content": "ตรวจสอบสถานะคำสั่งซื้อ A-104"}]
response = client.chat.completions.create(
    model="kimi-k3.1-pro", messages=messages, tools=tools
)
assistant = response.choices[0].message
messages.append(assistant)  # เก็บ assistant message ทั้งชุด

for call in assistant.tool_calls or []:
    args = json.loads(call.function.arguments)
    # ในแอปจริง ให้ตรวจอาร์กิวเมนต์และสิทธิ์ผู้ใช้ก่อนเรียกฟังก์ชันธุรกิจที่ควบคุมไว้
    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)

คู่มือเรียกใช้เครื่องมืออย่างเป็นทางการยังกำหนดให้ส่งผลลัพธ์ของแต่ละเครื่องมือกลับมาพร้อม tool_call_id ที่ตรงกัน และเก็บ assistant message ทั้งชุดไว้ในรอบถัดไป แอปพลิเคชันต้องจัดการการอนุญาต การตรวจสอบอาร์กิวเมนต์ การหมดเวลา ความเป็น idempotent และการตรวจสอบย้อนหลังเอง

การป้อนภาพ: ใช้อาร์เรย์ของออบเจ็กต์

เอกสารทางการกำหนดว่า content ของข้อความภาพต้องเป็นอาร์เรย์ของออบเจ็กต์ ไม่ใช่สตริงที่ serialize แล้ว ตัวอย่างส่งภาพด้วย Base64 Data URL และยังใช้การอ้างอิงไฟล์ ms:// ผ่านขั้นตอนจัดการไฟล์ที่รองรับได้ อย่าคิดว่าโมเดลจะอ่าน URL รูปภาพสาธารณะทั่วไปได้คำแนะนำการป้อนภาพอย่างเป็นทางการ

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": "อธิบายองค์ประกอบของระบบและความเชื่อมโยงในแผนภาพ"},
        ],
    }],
)
print(response.choices[0].message.content)

ก่อนเชื่อมต่อ ให้ตรวจสอบรูปแบบภาพที่รองรับ ขนาดสูงสุด และข้อจำกัดของ File API ก่อนส่งภาพที่มีข้อมูลอ่อนไหวไปยังโมเดลภายนอก ควรตรวจสอบนโยบายการจัดการข้อมูลขององค์กรด้วย

วิธีอ่านผลเบนช์มาร์กทางการและประสบการณ์จากบุคคลที่สาม

เอกสารของ Moonshot รายงานว่า K3.1 Pro ได้คะแนน 65.7% ใน Terminal-Bench 4.0 และแสดงการเปรียบเทียบกับ GPT-6 Astra และ Claude Opus 5.5 ตัวเลขเหล่านี้เป็นผลเบนช์มาร์กที่ผู้ให้บริการเผยแพร่ ควรพิจารณาชุดงาน การตั้งค่าทดสอบ และวันที่เผยแพร่ประกอบ และไม่ควรนำไปตีความเป็นอัตราความสำเร็จของงานเขียนโค้ดทุกประเภทภาพรวมโมเดลและผลเบนช์มาร์กอย่างเป็นทางการ

หลิวเสี่ยวไผ ผู้เขียนจากภายนอก แชร์ประสบการณ์ เช่น โปรเจกต์กล้อง 3D แบบโต้ตอบ พร้อมข้อเปรียบเทียบโมเดลส่วนตัว นี่เป็นประสบการณ์ของบุคคลที่สาม ไม่ใช่การทดสอบของ 贵数智能 หรือการประเมินเปรียบเทียบแบบมาตรฐานที่ทำซ้ำได้ หากต้องการประเมินโมเดล ให้ใช้โค้ดเบส ข้อกำหนดการออกแบบ และกรณีที่ล้มเหลวของคุณเอง พร้อมบันทึกพรอมป์ต์ เครื่องมือ จำนวนครั้งที่ลองใหม่ เวลาแฝง และค่าใช้จ่าย

เช็กลิสต์การเชื่อมต่อ

ยืนยันว่าเรียก API ทางการโดยตรงหรือใช้บริการที่เข้ากันได้ แล้วใช้ model ID, Base URL และคีย์ให้ตรงกับบริการนั้น
เริ่มจากระดับการให้เหตุผลต่ำ และเปรียบเทียบคุณภาพ เวลาแฝง และยอดเรียกเก็บกับงานที่เป็นตัวแทน
ในเวิร์กโฟลว์หลายรอบและ Agent ให้เก็บ assistant message ทั้งชุดและผูกผลลัพธ์เครื่องมือกับการเรียกที่ถูกต้อง
สร้างข้อความภาพเป็นอาร์เรย์ของออบเจ็กต์ และใช้วิธีเข้ารหัสหรือขั้นตอนจัดการไฟล์ที่รองรับสำหรับภาพในเครื่อง
กำหนดขอบเขตสิทธิ์ การตรวจสอบอาร์กิวเมนต์ การหมดเวลา และการจัดการข้อผิดพลาดสำหรับการทำงานของเครื่องมือ
ก่อนนำขึ้นใช้งาน ให้ตรวจสอบรายการโมเดล ภูมิภาคที่ให้บริการ และราคาปัจจุบัน อย่านำการตั้งค่าเก่ากลับมาใช้โดยไม่ตรวจสอบ

คำถามที่พบบ่อย

API model ID ของ Kimi K3.1 Pro คืออะไร?

เอกสารทางการระบุ ID เป็น kimi-k3.1-pro ส่วนรุ่นความเร็วสูงคือ kimi-k3.1-pro-highspeed และควรตั้งค่าเป็นคนละโมเดล

ค่าเริ่มต้นของระดับการให้เหตุผลคืออะไร?

เอกสารทางการระบุ low, high และ max โดยค่าเริ่มต้นคือ max ส่วนโหมดคิดวิเคราะห์เปิดใช้งานอยู่เสมอ

ส่ง URL รูปภาพโดยตรงได้ไหม?

ไม่ได้ เอกสารทางการระบุชัดว่าไม่รองรับ URL รูปภาพสาธารณะ ให้ใช้อาร์เรย์ออบเจ็กต์ภาพพร้อม Base64 Data URL หรืออ้างอิง ms:// ผ่านขั้นตอนจัดการไฟล์

ทำไม Agent ต้องส่ง assistant message ทั้งชุดกลับไป?

ข้อความอาจมีฟิลด์แบบมีโครงสร้าง เช่น การเรียกเครื่องมือ การเก็บไว้เฉพาะข้อความจะทำให้ข้อมูลที่จำเป็นต่อการโต้ตอบครั้งถัดไปหายไป ผลลัพธ์เครื่องมือต้องส่งกลับพร้อม tool_call_id ที่เกี่ยวข้องด้วย

贵数智能 ให้บริการ Kimi K3.1 Pro หรือไม่?

ตรวจสอบโมเดลที่ใช้ได้ การกำหนดเส้นทาง และราคาได้จากหน้าราคาโมเดล ขีดความสามารถของ API ทางการไม่ได้หมายความว่าแพลตฟอร์มของเรามีโมเดลนี้หรือรุ่นความเร็วสูงให้บริการ

อ่านเพิ่มเติม

ตรวจสอบเอกสารทางการเมื่อ 2026-10-24 ความสามารถของโมเดล พารามิเตอร์ API และเงื่อนไขการเข้าถึงอาจเปลี่ยนแปลง โปรดดูเอกสาร Moonshot Kimi API

Your privacy choices