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

Hướng dẫn tích hợp API và sử dụng Agent cho Kimi K3.1 Pro

24 tháng 10, 2026

Kimi K3.1 ProMoonshot APIAgentTích hợp mô hình

Kimi K3.1 Pro là mô hình thuộc dòng K3.1 của Moonshot AI, hướng đến lập trình, sáng tạo 3D, nghiên cứu tài chính và các tác vụ Agent kéo dài. ID mô hình khi gọi API chính thức là kimi-k3.1-pro; Base URL của OpenAI SDK là https://api.moonshot.cn/v1. Chế độ suy nghĩ luôn bật; có thể đặt mức suy luận là low, high hoặc max, mặc định là max. Hướng dẫn bắt đầu nhanh chính thức

Bài viết này trình bày cách tích hợp, suy luận, xử lý hình ảnh và vòng lặp công cụ theo tài liệu chính thức. Các kết quả benchmark do nhà cung cấp công bố là kết quả đánh giá của chính họ, không phải thử nghiệm của Guishu Intelligence.

Thông tin chính

Hạng mục	Thông tin đã xác minh
ID mô hình chính thức	`kimi-k3.1-pro`
API Base URL chính thức	`https://api.moonshot.cn/v1`
Mức suy luận	`low`, `high`, `max`; mặc định `max`
Chế độ suy nghĩ	Luôn bật
Ngữ cảnh	Tài liệu chính thức cho biết hỗ trợ 1 triệu token
Phiên bản tốc độ cao	`kimi-k3.1-pro-highspeed`; là mô hình riêng, cần kiểm tra danh mục nền tảng tương ứng để biết tính khả dụng và giá
Ngày kiểm tra tài liệu	2026-10-24

Thông tin về năng lực và phiên bản dựa trên tài liệu Kimi K3.1 Pro chính thức. Phiên bản mô hình, điều kiện truy cập và chi phí có thể thay đổi; xem giá mô hình để biết các mô hình hiện khả dụng trên nền tảng của chúng tôi.

Bản nâng cấp này phù hợp với việc gì?

Điểm đáng chú ý của K3.1 Pro là khả năng xử lý công việc nhiều bước: đọc yêu cầu, tạo sản phẩm, kiểm tra kết quả rồi chỉnh sửa theo phản hồi. Ngữ cảnh một triệu token có thể chứa nhiều tài liệu hơn, nhưng thành công của tác vụ dài còn phụ thuộc vào công cụ, môi trường và tiêu chí nghiệm thu. Các ví dụ dưới đây nói về lập trình, sáng tạo 3D và nghiên cứu tài chính; chúng đến từ trải nghiệm bên thứ ba và phần trình diễn của nhà cung cấp, không phải kết quả do chúng tôi chạy.

Camera 3D: kiểm tra cấu trúc có thực sự đổi theo tham số

Trong bài viết “Các mô hình Trung Quốc lại tiến thêm một bước: thử nghiệm Kimi K3.1 Pro”, Liu Xiaopai yêu cầu nhiều mô hình tạo camera tương tác. Theo báo cáo của tác giả, K3.1 Pro tạo 34 bộ phận có thể chọn và 9 lá khẩu độ; 35 số đo quang học đáp ứng tiêu chí kiểm tra của tác giả. Ở lượt thứ hai, khi đổi ống kính từ 50 mm sang 85 mm, mô hình cũng thay đổi hình học thay vì chỉ đổi nhãn.

Trường hợp này vẫn có điểm chưa đạt: đơn vị xuất tệp không được xử lý như yêu cầu và có vấn đề về khoảng hở giữa khung thân máy với khẩu độ. Với tác vụ thiết kế, nên kiểm tra đồng thời kích thước, tương tác, tệp xuất và khả năng chỉnh sửa tiếp theo, thay vì chỉ nhìn một ảnh kết xuất. Tác giả đã dùng các môi trường công cụ lập trình khác nhau, nên trải nghiệm này không phải phép so sánh có kiểm soát đồng nhất.

Bản đồ trò chơi: tạo công cụ rồi để Agent sử dụng

Cùng tác giả còn tạo trình chỉnh sửa bản đồ Terraria trên trình duyệt. Các khối phải tuân thủ luật trò chơi và bản đồ xuất ra phải có thể đưa trở lại trò chơi. Sau đó, tác giả yêu cầu K3.1 Pro dùng trình chỉnh sửa vừa tạo để dựng cảnh. Tác vụ này kết hợp hiểu định dạng tệp, phát triển giao diện và thao tác công cụ, gần với quy trình làm việc thực tế hơn việc sinh một đoạn mã trình diễn. Tác giả nhận thấy Kimi và các mô hình so sánh có những điểm mạnh hình ảnh riêng; đây là quan sát cá nhân, không phải kết luận thẩm mỹ phổ quát.

Nghiên cứu tài chính: kiểm tra công thức và trích dẫn, không chỉ đọc kết luận

Các tài liệu giới thiệu của Zenan, Zhang Qian và Panda thuộc nhóm biên tập jiqizhixin.com tổng hợp ví dụ về mô hình tài chính, báo cáo nghiên cứu và kỹ thuật 3D. Tài liệu chính thức cũng trình bày mô hình tài chính có thể điều chỉnh giả định kinh doanh và báo cáo nghiên cứu kèm nguồn. Điểm hữu ích của các ví dụ là tiêu chí nghiệm thu: công thức có cập nhật khi giả định thay đổi không? Có thể truy ngược số liệu chính về tệp gốc không? Có mở được từng trích dẫn trong báo cáo không? Phần trình diễn của nhà cung cấp không đảm bảo tính chính xác cho mọi tác vụ tài chính. Giới thiệu chính thức về năng lực và ví dụ

Tại thời điểm kiểm tra bài viết này, nhà cung cấp cho biết dự kiến mở toàn bộ trọng số trước ngày 4 tháng 11. Đây là kế hoạch, không phải thông báo rằng việc phát hành đã hoàn tất; các tính năng 3D trong ứng dụng chính thức cũng không đồng nghĩa API có sẵn công cụ dựng mô hình.

Gọi API cơ bản

Ví dụ chính thức sử dụng Python 3.9+ và OpenAI SDK. Hãy đặt API Key trong biến môi trường, không ghi vào mã nguồn hoặc commit lên kho mã.

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": "Giải thích trong ba ý cách thiết kế quy trình rà soát mã đáng tin cậy."}],
    reasoning_effort="high",
)
print(result.choices[0].message.content)

Khi gọi trực tiếp Moonshot, hãy dùng Key do Moonshot cấp và Base URL chính thức ở trên. Nếu dùng dịch vụ bên thứ ba tương thích API, hãy thay Base URL, Key và ID mô hình bằng thông tin dịch vụ đó cung cấp; không đưa thông tin xác thực chính thức cho bên thứ ba. Các mô hình và cách tính phí hiện được Guishu Intelligence hỗ trợ có trên trang giá.

Cách chọn mức suy luận

K3.1 Pro luôn ở chế độ suy nghĩ; reasoning_effort điều khiển mức suy luận chứ không bật hoặc tắt chế độ này. Tài liệu chính thức cung cấp ba mức low, high, max, mặc định là max. Giải thích chính thức về mức suy luận

Với câu hỏi ngắn hoặc tác vụ chuyển đổi có yêu cầu rõ ràng, có thể bắt đầu thử low.
Với chỉnh sửa mã nhiều bước, phân tích và lập kế hoạch, hãy thử từ high.
Với tác vụ phức tạp cần suy luận sâu, hãy so sánh chất lượng, độ trễ và chi phí thực tế của max.

Đây là gợi ý chọn quy trình làm việc, không phải cam kết về hiệu năng. Trong môi trường sản xuất, hãy đánh giá độ chính xác, độ trễ và chi phí trên bộ tác vụ của riêng bạn.

Hội thoại nhiều lượt: giữ nguyên toàn bộ assistant message

Với hội thoại nhiều lượt và phản hồi từ công cụ, tài liệu chính thức yêu cầu đưa toàn bộ assistant message do API trả về vào yêu cầu tiếp theo, thay vì chỉ giữ văn bản content. Các trường có cấu trúc, chẳng hạn lệnh gọi công cụ, có thể cần cho các bước sau. Tài liệu chính thức về hội thoại nhiều lượt

messages = [{"role": "user", "content": "Trước tiên hãy liệt kê kế hoạch di chuyển, sau đó nêu các rủi ro."}]
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": "Chuyển phần rủi ro thành danh sách kiểm tra."})
second = client.chat.completions.create(model="kimi-k3.1-pro", messages=messages)
print(second.choices[0].message.content)

Nếu ứng dụng cần lưu phiên qua nhiều yêu cầu, hãy lưu các trường thông điệp mà giao thức yêu cầu và kiểm tra tài liệu chính thức để biết SDK tuần tự hóa đối tượng thông điệp như thế nào.

Gọi công cụ và vòng lặp Agent

Ứng dụng định nghĩa và thực thi công cụ: mô hình tạo lời gọi công cụ, ứng dụng xác thực tham số, gọi hàm thực tế rồi gửi kết quả lại cho mô hình. Không coi đầu ra của mô hình là lệnh đáng tin cậy để thực thi trực tiếp.

import json

tools = [{
    "type": "function",
    "function": {
        "name": "lookup_order",
        "description": "Tra cứu trạng thái đơn hàng",
        "parameters": {
            "type": "object",
            "properties": {"order_id": {"type": "string"}},
            "required": ["order_id"],
        },
    },
}]
messages = [{"role": "user", "content": "Tra cứu trạng thái đơn hàng A-104"}]
response = client.chat.completions.create(
    model="kimi-k3.1-pro", messages=messages, tools=tools
)
assistant = response.choices[0].message
messages.append(assistant)  # Giữ nguyên toàn bộ assistant message

for call in assistant.tool_calls or []:
    args = json.loads(call.function.arguments)
    # Trong ứng dụng thực tế, trước tiên hãy xác thực tham số và quyền người dùng, sau đó mới gọi hàm nghiệp vụ được kiểm soát.
    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)

Hướng dẫn gọi công cụ chính thức cũng yêu cầu gửi lại từng kết quả công cụ với tool_call_id tương ứng và giữ toàn bộ assistant message trong lượt tiếp theo. Ứng dụng phải tự triển khai xác thực, kiểm tra tham số, giới hạn thời gian, tính idempotent và kiểm toán.

Đầu vào hình ảnh: dùng mảng đối tượng

Tài liệu chính thức quy định content của thông điệp hình ảnh là một mảng đối tượng, không phải chuỗi đã tuần tự hóa. Ví dụ truyền ảnh bằng Data URL Base64; luồng tệp được hỗ trợ cũng có thể dùng tham chiếu ms://. Không nên giả định rằng mô hình có thể đọc trực tiếp URL ảnh công khai thông thường. Hướng dẫn đầu vào hình ảnh chính thức

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": "Mô tả các thành phần hệ thống và mối liên kết giữa chúng trong sơ đồ."},
        ],
    }],
)
print(response.choices[0].message.content)

Trước khi tích hợp, hãy kiểm tra giới hạn định dạng, kích thước ảnh và giao diện tệp. Trước khi gửi ảnh nhạy cảm tới mô hình bên ngoài, hãy xác nhận quy định xử lý dữ liệu của tổ chức.

Cách đọc benchmark chính thức và trải nghiệm bên thứ ba

Tài liệu Moonshot công bố K3.1 Pro đạt 65,7% trên Terminal-Bench 4.0 và liệt kê kết quả so sánh với GPT-6 Astra, Claude Opus 5.5. Đây là benchmark do nhà cung cấp công bố, cần được đọc cùng bộ tác vụ, cấu hình kiểm tra và ngày phát hành; không thể suy rộng thành tỷ lệ thành công cho mọi tác vụ lập trình. Giới thiệu mô hình và benchmark chính thức

Tác giả bên thứ ba Liu Xiaopai chia sẻ trải nghiệm, trong đó có sản phẩm camera 3D tương tác, cùng đánh giá cá nhân về các mô hình được so sánh. Đây không phải thử nghiệm của Guishu Intelligence và cũng không phải phép so sánh đồng nhất, có thể tái lập. Khi đánh giá mô hình, hãy dùng kho mã, ràng buộc thiết kế và trường hợp thất bại của chính bạn; ghi lại prompt, công cụ, số lần thử lại, độ trễ và chi phí.

Danh sách kiểm tra tích hợp

Xác định đang gọi trực tiếp nhà cung cấp chính thức hay dịch vụ tương thích, rồi dùng đúng ID mô hình, Base URL và Key tương ứng.
Bắt đầu với mức suy luận thấp hơn, sau đó so sánh dần chất lượng, độ trễ và hóa đơn trên các tác vụ tiêu biểu.
Trong tình huống nhiều lượt và Agent, lưu toàn bộ assistant message và liên kết đúng kết quả công cụ.
Tạo thông điệp hình ảnh dưới dạng mảng đối tượng; với ảnh cục bộ, dùng cách mã hóa hoặc luồng tệp được hỗ trợ chính thức.
Thiết lập giới hạn quyền, xác thực tham số, thời gian chờ và xử lý lỗi cho việc chạy công cụ.
Trước khi triển khai, xác nhận danh mục mô hình, khu vực khả dụng và giá hiện tại; không dùng lại cấu hình cũ khi chưa kiểm tra.

Câu hỏi thường gặp

ID mô hình API của Kimi K3.1 Pro là gì?

Tài liệu chính thức ghi ID là kimi-k3.1-pro. Phiên bản tốc độ cao có tên kimi-k3.1-pro-highspeed; không nhầm hai phiên bản này trong cấu hình.

Mức suy luận mặc định là bao nhiêu?

Tài liệu chính thức liệt kê low, high, max, trong đó max là mặc định. Chế độ suy nghĩ của mô hình luôn được bật.

Có thể gửi trực tiếp URL hình ảnh không?

Tài liệu chính thức không hỗ trợ URL ảnh công khai. Hãy dùng mảng đối tượng hình ảnh với Data URL Base64 hoặc tham chiếu ms:// theo luồng tệp.

Vì sao Agent phải gửi lại toàn bộ assistant message?

Thông điệp có thể chứa trường cấu trúc như lời gọi công cụ. Chỉ lưu phần văn bản sẽ làm mất thông tin cần thiết cho tương tác tiếp theo; kết quả công cụ cũng cần dùng tool_call_id tương ứng.

Guishu Intelligence có cung cấp Kimi K3.1 Pro không?

Xem trang giá để biết mô hình, định tuyến và giá hiện được cung cấp. Việc nhà cung cấp có API trực tiếp không đồng nghĩa mô hình này hoặc phiên bản tốc độ cao được cung cấp trên nền tảng của chúng tôi.

Đọc thêm

Ngày kiểm tra tài liệu chính thức: 2026-10-24. Năng lực mô hình, tham số API và điều kiện truy cập có thể thay đổi; hãy tham khảo tài liệu Kimi API của Moonshot.

Your privacy choices