Kimi K3

O Kimi K3 é o modelo principal da Moonshot AI para programação de longo prazo, agentes e trabalho de conhecimento. Ele sempre raciocina antes de responder, e você escolhe a intensidade com reasoning_effort. Envie a requisição oficial do Kimi para o SeedRouter: altere a URL base e a chave de API, mantenha o corpo.

ID do modelo

Entrada: texto e imagens. Saída: texto. Consulte a página do modelo para os preços atuais.

Exemplo rápido

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."}]
  }'

Endpoints

Os três retornam o formato de resposta oficial do Kimi, com ou sem streaming. Mantenha a chave de API em código do lado do servidor.

Parâmetros

Campos do Chat Completions:

Raciocínio e nível de raciocínio

O Kimi K3 sempre raciocina; não há como desativar o raciocínio. reasoning_effort define o quanto: max (o padrão) para o trabalho mais difícil, high para a maioria das tarefas e low para etapas rápidas e simples. O raciocínio volta em reasoning_content, ao lado de content. Os tokens de raciocínio são cobrados como tokens de saída e contam para max_completion_tokens.

Em conversas com vários turnos e chamadas de ferramentas, envie cada mensagem do assistente de volta sem alterações, incluindo seu reasoning_content.

Entrada de imagem

O Kimi K3 recebe imagens como data URIs em base64. Uma URL pública de imagem não é aceita e retorna 400, como na própria API do Kimi.

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

Cache de contexto

O cache é automático: um prefixo de prompt repetido é lido do cache pela taxa menor de entrada em cache. prompt_cache_options.ttl define por quanto tempo um prefixo gravado fica em cache, 5m (o padrão) ou 1h; escolha 1h quando suas requisições tiverem mais de cinco minutos de intervalo. usage.prompt_tokens_details.cached_tokens informa os tokens lidos do cache e cache_write_tokens as escritas em cache cobradas na requisição.

Dimensões de cobrança

Consulte as taxas atuais na página do modelo. Uma requisição é cobrada pelos tokens que usa:

• tokens de entrada,
• tokens de entrada em cache (cached_tokens),
• tokens de escrita em cache (cache_write_tokens),
• tokens de saída, incluindo raciocínio.

Os preços não mudam com o tamanho do contexto. A cobrança é retirada do usage informado com a resposta concluída. Uma requisição que falha não é cobrada. Os registros de uso da sua conta mostram a cobrança exata para cada requisição.

Saída

Uma requisição Chat Completions sem streaming retorna:

{
  "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}
  }
}

Com "stream": true cada chunk traz um delta com reasoning_content ou content. Com stream_options.include_usage, um último chunk com um array choices vazio traz o uso antes de data: [DONE].

API Responses e Codex

POST /v1/responses aceita o corpo da Responses: input, instructions, max_output_tokens, reasoning.effort (low, high, max), text.format (json_schema), tools (function e a ferramenta personalizada apply_patch), tool_choice, stream, prompt_cache_options, prompt_cache_key e safety_identifier. O raciocínio volta como um item reasoning com uma parte summary_text, e um stream traz eventos numerados de response.created até response.completed. A API não guarda estado: previous_response_id e conversation são ignorados, então envie a conversa inteira em input. A ferramenta web_search é ignorada.

Para usar o Kimi K3 no Codex, adicione um provider em ~/.codex/config.toml e defina 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"

Formato Anthropic Messages

Código escrito para a API Anthropic Messages também pode chamar o Kimi K3: envie o corpo de Mensagens para /v1/messages com "model": "kimi-k3". system, max_tokens, tools, tool_choice (auto, none) e output_config.effort (low, high, max) são aplicados, e metadata.user_id e cache_control são aceitos. stop_sequences (até 5), tool_choice any e output_config.format são aceitos, mas não têm efeito. O raciocínio volta como blocos thinking. As imagens são enviadas como fontes base64.

Erros

Os erros usam {"error": {"code": ..., "message": "..."}} (o endpoint de Messages usa o formato de erro da Anthropic). O code é um código do catálogo de erros comum. Requisições falhadas não são cobradas.

Dicas

• Comece com o nível de raciocínio high e passe para max apenas nos problemas mais difíceis; low serve para etapas rápidas e simples.
• Defina max_completion_tokens alto o suficiente para o raciocínio e também para a resposta: é um orçamento para ambos.
• Coloque o contexto longo e reutilizado no início do prompt para que requisições posteriores o leiam do cache, e use o TTL 1h quando as requisições forem espaçadas.

Relacionados

• Preços do Kimi K3
• Baixar OpenAPI
• Markdown copiável