Kimi K3

Kimi K3 ist das Flaggschiffmodell von Moonshot AI für langfristige Code-Entwicklung, Agenten und Wissensarbeit. Es denkt immer nach, bevor es antwortet, und mit reasoning_effort legst du fest, wie gründlich. Sende die offizielle Kimi-Anfrage an SeedRouter: Ändere die Basis-URL und den API-Schlüssel, behalte den Body bei.

Modell-ID

Eingabe: Text und Bilder. Ausgabe: Text. Die aktuellen Preise findest du auf der Modellseite.

Kurzbeispiel

curl https://api.seedrouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "Explain context caching in one sentence."}]
  }'

Endpunkte

Alle drei geben das offizielle Antwortformat von Kimi zurück, mit oder ohne Streaming. Bewahre den API-Schlüssel in serverseitigem Code auf.

Parameter

Felder für Chat Completions:

Reasoning und Reasoning-Stufe

Kimi K3 nutzt immer Reasoning; es lässt sich nicht abschalten. reasoning_effort legt fest, wie viel: max (Standard) für die schwierigste Arbeit, high für die meisten Aufgaben, low für schnelle, einfache Schritte. Das Reasoning kommt in reasoning_content zurück, neben content. Reasoning-Token werden als Output-Token berechnet und zählen zu max_completion_tokens.

Sende in Multi-Turn-Konversationen und bei Tool-Aufrufen jede Assistant-Nachricht unverändert zurück, einschließlich ihres reasoning_content.

Bildeingabe

Kimi K3 nimmt Bilder als base64-Data-URIs entgegen. Eine öffentliche Bild-URL wird nicht akzeptiert und gibt 400 zurück, wie bei Kimis eigener API.

{"role": "user", "content": [
  {"type": "image_url", "image_url": {"url": "data:image/png;base64,<BASE64_DATA>"}},
  {"type": "text", "text": "Describe this image."}
]}

Kontext-Caching

Caching erfolgt automatisch: Ein wiederholtes Prompt-Präfix wird zum niedrigeren Tarif für gecachte Eingabe aus dem Cache gelesen. prompt_cache_options.ttl bestimmt, wie lange ein geschriebenes Präfix im Cache bleibt, 5m (Standard) oder 1h; wähle 1h, wenn zwischen deinen Anfragen mehr als fünf Minuten liegen. usage.prompt_tokens_details.cached_tokens meldet die aus dem Cache gelesenen Token und cache_write_tokens die für die Anfrage berechneten Cache-Schreibvorgänge.

Abrechnungsdimensionen

Siehe die aktuellen Tarife auf der Modellseite. Eine Anfrage wird nach den Token berechnet, die sie verbraucht:

• Input-Token,
• gecachte Input-Token (cached_tokens),
• Cache-Write-Token (cache_write_tokens),
• Output-Token, einschließlich Reasoning.

Die Preise ändern sich nicht mit der Kontextlänge. Die Gebühr wird der usage entnommen, die mit der fertigen Antwort gemeldet wird. Eine fehlgeschlagene Anfrage wird nicht berechnet. Die Nutzungsdatensätze deines Kontos zeigen die genaue Gebühr für jede Anfrage.

Ausgabe

Eine Non-Streaming-Anfrage an Chat Completions gibt Folgendes zurück:

{
  "id": "chatcmpl-...",
  "object": "chat.completion",
  "created": 1790585961,
  "model": "kimi-k3",
  "choices": [{
    "index": 0,
    "finish_reason": "stop",
    "message": {"role": "assistant", "reasoning_content": "...", "content": "..."}
  }],
  "usage": {
    "prompt_tokens": 90,
    "completion_tokens": 57,
    "total_tokens": 147,
    "cached_tokens": 90,
    "prompt_tokens_details": {"cached_tokens": 90, "cache_write_tokens": 0}
  }
}

Mit "stream": true enthält jeder Chunk ein delta mit reasoning_content oder content. Mit stream_options.include_usage liefert ein letzter Chunk mit leerem choices-Array die Nutzung vor data: [DONE].

Responses API und Codex

POST /v1/responses nimmt den Responses-Body entgegen: input, instructions, max_output_tokens, reasoning.effort (low, high, max), text.format (json_schema), tools (function und das benutzerdefinierte Tool apply_patch), tool_choice, stream, prompt_cache_options, prompt_cache_key und safety_identifier. Das Reasoning kommt als reasoning-Item mit einem summary_text-Teil zurück, und ein Stream liefert nummerierte Events von response.created bis response.completed. Die API ist zustandslos: previous_response_id und conversation werden ignoriert, sende also die gesamte Konversation in input. Das Tool web_search wird ignoriert.

Um Kimi K3 in Codex zu verwenden, füge in ~/.codex/config.toml einen Provider hinzu und setze SEEDROUTER_API_KEY:

model = "kimi-k3"
model_provider = "seedrouter"
model_context_window = 1048576

[model_providers.seedrouter]
name = "SeedRouter"
base_url = "https://api.seedrouter.ai/v1"
env_key = "SEEDROUTER_API_KEY"
wire_api = "responses"

Anthropic-Messages-Format

Auch Code, der für die Anthropic Messages API geschrieben wurde, kann Kimi K3 aufrufen: Sende den Messages-Body an /v1/messages mit "model": "kimi-k3". system, max_tokens, tools, tool_choice (auto, none) und output_config.effort (low, high, max) werden angewendet, metadata.user_id und cache_control werden akzeptiert. stop_sequences (bis zu 5), tool_choice any und output_config.format werden akzeptiert, haben aber keine Wirkung. Das Reasoning kommt als thinking-Blöcke zurück. Bilder werden als base64-Quellen übergeben.

Fehler

Fehler verwenden {"error": {"code": ..., "message": "..."}} (der Messages-Endpunkt verwendet das Fehlerformat von Anthropic). Der code ist ein Code aus dem gemeinsamen Fehlerkatalog. Fehlgeschlagene Anfragen werden nicht berechnet.

Tipps

• Beginne mit der Reasoning-Stufe high und wechsle nur bei den schwierigsten Problemen zu max; low eignet sich für schnelle, einfache Schritte.
• Setze max_completion_tokens hoch genug für Reasoning und Antwort: Es ist ein gemeinsames Budget für beide.
• Platziere langen, wiederverwendeten Kontext am Anfang des Prompts, damit spätere Anfragen ihn aus dem Cache lesen, und nutze die TTL 1h, wenn zwischen den Anfragen viel Zeit liegt.

Verwandt

• Kimi K3 Preise
• OpenAPI herunterladen
• Kopierbares Markdown