Kimi K3.1 Pro

Dùng ID mô hình công khai kimi-k3.1-pro. Trang mô hình cung cấp Playground và giá hiện tại. Tải đặc tả OpenAPI để xem đầy đủ schema yêu cầu và phản hồi lồng nhau.

Bắt đầu nhanh

curl https://api.seedrouter.ai/v1/chat/completions \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model":"kimi-k3.1-pro",
    "messages":[{"role":"user","content":"How can an idempotency key prevent a duplicate payment?"}],
    "max_completion_tokens":2048,
    "reasoning_effort":"low"
  }'

Định dạng gốc

Dùng Authorization: Bearer $SEEDROUTER_API_KEY. Messages còn dùng anthropic-version: 2023-06-01. Mỗi định dạng trả JSON gốc hoặc sự kiện SSE. Responses không lưu trạng thái: gửi lại toàn bộ lịch sử; previous_response_id không phải trường yêu cầu được hỗ trợ.

Tham số yêu cầu

Các trường Playground để trống sẽ được bỏ qua. Giá trị false và số không được giữ nếu hợp lệ. Bỏ qua không có nghĩa là chấp nhận null. Phần mở rộng cấp cao nhất không rõ bị loại; trường chính thức không hợp lệ bị từ chối. Schema công cụ lồng nhau và lịch sử trả về giữ nguyên.

Chat Completions

Responses

Messages

Chat có 22 trường cấp cao nhất: model, năm trường lấy mẫu cố định và 16 đầu vào biến đổi. Responses có model cùng 12 đầu vào; Messages có model cùng 10 đầu vào. Playground ẩn mô hình và điều khiển lấy mẫu cố định.

Suy luận và giới hạn đầu ra

Suy luận luôn bật. Chat reasoning_effort, Responses reasoning.effort và Messages output_config.effort nhận low, high hoặc max; mặc định max. Mọi giới hạn đầu ra đều tính suy luận. Chat và Responses mặc định 131.072 token đầu ra, tối đa 1.048.576. Messages yêu cầu max_tokens dương. Chat nhận max_tokens đã lỗi thời; ưu tiên max_completion_tokens cho tích hợp mới.

Cửa sổ ngữ cảnh là 1.048.576 token. Bản thân đầu vào phải nằm trong cửa sổ này. Khi đầu vào cộng ngân sách sinh vượt cửa sổ, dịch vụ có thể giảm ngân sách xuống phần còn lại. Giới hạn đầu ra nhỏ có thể dừng trước khi xuất hiện câu trả lời hiển thị.

Lấy mẫu Chat cố định: temperature:1, top_p:0.95, n:1, frequency_penalty:0, presence_penalty:0. Giá trị khác không hợp lệ. Chuỗi dừng khớp văn bản chính xác và bị loại khỏi câu trả lời. Giới hạn 32 byte tính byte UTF-8, không phải ký tự.

Đầu ra có cấu trúc và dự đoán

Chat nhận response_format.type là text, json_object hoặc json_schema. Chế độ JSON còn cần prompt yêu cầu JSON. JSON Schema yêu cầu json_schema.name và json_schema.schema; strict mặc định true.

Responses dùng text.format với type:json_schema, schema, name và strict tùy chọn. Messages dùng output_config.format với type:json_schema và schema. Tuân theo Moonshot Flavored JSON Schema; đừng giả định mọi phần mở rộng JSON Schema chung đều được thực thi. Xác thực đầu ra hoàn tất trong ứng dụng.

Đầu ra dự đoán Chat dùng prediction:{type:"content",content:...}. Nội dung là chuỗi hoặc các phần chỉ có văn bản. Dùng khi phần lớn đầu ra đã biết, chẳng hạn tệp chỉ sửa nhỏ.

Công cụ và giữ lịch sử hội thoại

Công cụ Chat dùng type:function với function.name và function.parameters. Trường tùy chọn gồm description và strict (mặc định true). Tên khớp ^[a-zA-Z_][a-zA-Z0-9-_]{0,127}$. Lựa chọn công cụ hỗ trợ auto, none và required; required cần ít nhất một công cụ khả dụng. Ép gọi hàm cụ thể xung đột với suy luận luôn bật.

Tin nhắn công cụ Chat động là {role:"system",tools:[...]} không có content. Giữ các tin nhắn này trong hội thoại. Nối toàn bộ phản hồi trợ lý, gồm reasoning_content và tool_calls, rồi trả từng kết quả công cụ bằng tin nhắn role:tool có tool_call_id khớp. Phản hồi công cụ của trợ lý có thể mang content null. Vai trò tin nhắn khác vẫn cần content.

Responses hỗ trợ định nghĩa công cụ gốc function, namespace, apply_patch tùy chỉnh và web_search với tool_choice:"auto". Trả các mục function_call_output hoặc custom_tool_call_output có ID lệnh gọi khớp. Giá trị include web_search_call.results và web_search_call.action.sources chỉ ảnh hưởng đầu ra tìm kiếm web.

Messages hỗ trợ định nghĩa công cụ gốc và đối tượng lựa chọn có type auto, any hoặc none. Giữ khối suy luận trợ lý cùng chữ ký của chúng. Trả khối kết quả công cụ trong tin nhắn người dùng. Ứng dụng xác thực đối số, thực thi hàm tùy chỉnh và kiểm soát thao tác bên ngoài.

Chat Partial Mode chỉ đặt partial:true trên tin nhắn trợ lý cuối. Messages tiếp tục trực tiếp tin nhắn trợ lý cuối. Không dựng lại lịch sử chỉ từ văn bản câu trả lời hiển thị.

Ràng buộc phương tiện

Chat nhận khối nội dung text, image_url và video_url. Dùng data URL base64 hoặc tham chiếu ms:// được chấp nhận; URL phương tiện công khai tùy ý không được hỗ trợ. Định dạng ảnh: JPEG, PNG, GIF, WebP, BMP, HEIC và HEIF. Định dạng video: MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV và 3GPP. Hướng dẫn chính thức quy định giới hạn tổng thân yêu cầu 100M, không có giới hạn riêng số ảnh. Ảnh 4K và video Full HD là khuyến nghị, không phải giới hạn bắt buộc.

Responses dùng input_image.image_url với data URL. Messages dùng nguồn ảnh như {type:"base64",media_type:"image/png",data:"..."}, hoặc type url với tham chiếu ms:// được chấp nhận. Ảnh nội tuyến Messages gồm JPEG, PNG, GIF và WebP. Các định dạng này không tự kế thừa khối video Chat; dùng schema riêng của chúng.

Playground đính kèm ảnh nội tuyến. Dùng trường hội thoại gốc hoặc trình soạn JSON cho khối video và tham chiếu tệp. Tải lên/quản lý tệp nằm ngoài các endpoint sinh này. ID tệp tạo bằng tài khoản khác không chắc dùng được.

Bộ nhớ đệm và mức sử dụng

Chat và Responses dùng prompt_cache_key và prompt_cache_options:{mode:"implicit",ttl:"5m"}. TTL nhận 5m hoặc 1h, mặc định 5 phút. Messages dùng cache_control:{type:"ephemeral",ttl:"5m"} cấp cao nhất và metadata.user_id tùy chọn. Dấu cache-control lồng trong Messages bị bỏ qua. prompt_cache_breakpoint cấp nội dung không hợp lệ.

Tiền tố đã lưu giữ TTL gốc khi được làm mới. Yêu cầu thời gian tồn tại khác không chứng minh đã được áp dụng. Header ghi bộ nhớ đệm chính thức của Chat báo số lượng thực tế 5 phút và 1 giờ. Responses có thể trả prompt_cache_options đã áp dụng; Messages báo cả hai bộ đếm TTL trong usage.cache_creation.

Tổng đầu vào Chat và Responses đã gồm đọc và ghi bộ nhớ đệm. Các nhóm này và phần còn lại không lưu đệm tách biệt; không cộng token bộ nhớ đệm hai lần. Đầu ra gồm suy luận. Messages tách ghi thành ephemeral_5m_input_tokens và ephemeral_1h_input_tokens. Xem giá hiện tại; phản hồi sinh công khai không chứa phí tiền tệ.

Truyền luồng và hoàn tất

Đặt stream:true. Chat phát khối dữ liệu và [DONE]; stream_options.include_usage:true yêu cầu khối sử dụng cuối. Responses dùng sự kiện có tên như response.output_text.delta, response.completed và response.incomplete. Messages dùng message_start, sự kiện khối nội dung, message_delta và message_stop.

Chỉ đóng kết nối không chứng minh đã hoàn tất. Kiểm tra lý do kết thúc gốc và trạng thái cuối. Luồng bị ngắt có thể thiếu mức sử dụng cuối. Dừng đọc không bảo đảm hủy sinh.

Tham chiếu chính thức

Đã kiểm tra ngày 25 tháng 10 năm 2026: hướng dẫn Kimi K3.1 Pro, Chat, Responses, Messages, thị giác và bộ nhớ đệm.