Comment utiliser l’API Kimi K3.1 Pro

Le Kimi K3.1 Pro est disponible sur EmpirioLabs. C’est le modèle phare de Moonshot pour le codage long et le travail sur les agents, sorti le 23 octobre 2026 en version post-entraînée de Kimi K3. Il lit le texte et les images dans un contexte de token 1M, raisonne avant de répondre à la profondeur que vous choisissez, appelle vos fonctions, renvoie du JSON qui suit votre schéma, et peut rechercher sur le web, lire des pages et exécuter Python de manière autonome. Moonshot rapporte des gains par rapport à Kimi K3 en codage, création 3D et recherche financière.

Ce que fait le modèle

Saisie de texte et d’images. Envoyez des captures d’écran, des schémas et des photos dans la même requête que la demande, en utilisant la norme image_url Content Block, sous forme d’adresse web ou d’URL de données.

Raisonnement ajustable. La réflexion est active par défaut. raisonnement effort fixe sa profondeur: Low, Médium, haut, ou max, avec max par défaut. Le texte de raisonnement revient raisonnement contenu.

Outils intégrés. Trois outils sont disponibles et désactivés par défaut: recherche web (tool_web_search), un extracteur web qui lit les pages (tool_web_extractor), et un interpréteur de code Python (tool_code_interpreter). Ils fonctionnent seuls ou en collaboration avec vos outils fonctionnels et vos sorties structurées, en streaming ou en non-streaming.

Fonctions et sortie structurée. L’appel de fonction prend en charge les choix d’outils forcés et obligatoires en réfléchissant sur, et response_format applique exactement un schéma JSON. Les préfixes répétés des invites sont mis en cache automatiquement et facturés au taux d’entrée mis en cache.

Regardez le film de lancement

Chaque programme du film a été écrit par Kimi K3.1 Pro en un seul plan via l’API EmpirioLabs: un trou noir à lancer de rayons, une simulation d’encre qui tourne sur le GPU, une tour d’horloge, une course de billes, un grand huit et une ville qui grandit à partir de rien. La musique a été générée par ACE-Step sur EmpirioLabs. Regardez-le sur YouTube.

Comment appeler Kimi K3.1 Pro

Utilisez le point de terminaison de complétions de chat compatible OpenAI et définissez modèle à kimi-k3-1-pro. Cette requête recherche sur le web et raisonne en profondeur:

curl https://api.empiriolabs.ai/v1/chat/completions \ -H « Autorisation: Porteur $EMPIRIOLABS_API_KEY » \ -H « Type-de-contenu: application/json » \ -d '{ « modèle »: « kimi-k3-1-pro », « reasoning_effort »: « high », « tool_web_search »: true, « messages »: [ {"role »: « user », « content »: « Qu’est-ce qui a changé dans la dernière version stable de Python ? Trois points à puces."} ] }'

La réponse se termine par une liste des sources des pages utilisées par le modèle, et utilisation. tool_usage.web_search compte les recherches qu’il a effectuées. Le même identifiant de modèle fonctionne sur les points de terminaison compatibles Responses, Messages et Gemini listés sur la page du modèle, et avec « stream »: vrai.

Choisir un effort de raisonnement

Jetons de profondeur et de sortie. Les jetons de raisonnement sont présentés comme des jetons de sortie, et Low Utilise beaucoup moins que les autres niveaux. Utilisation Low pour des réponses rapides et des appels routiniers aux outils, et keep max Pour le codage en dur et les longues exécutions d’agents.

Éloigner la pensée. considérer Fixer à faux Supprime complètement le raisonnement, ce qui supprime aussi les jetons ajoutés à l’invite, mais cela réduit la qualité de sortie. La recherche web fonctionne toujours sans réfléchir. L’extracteur web et l’interpréteur de code ne fonctionnent pas.

Déménagement du Kimi K3

Que changer. Jeu modèle à kimi-k3-1-pro. raisonnement effort et tool_web_search Fonctionne de la même manière, et la réflexion peut désormais être désactivée. Le Kimi K3 reste disponible, et il reste le choix pour l’entrée vidéo, que le Kimi K3.1 Pro ne prend pas.

Notes opérationnelles

• max_tokens inclut le raisonnement. Une petite valeur peut se terminer à l’intérieur du raisonnement et ne pas donner de réponse, avec finish_reason Fixer à Longueur. Laissez de la place pour les deux, ou laissez-le non réglé. Avec un outil intégré, le minimum est de 16.
• Les chaînes d’arrêt s’appliquent aussi au raisonnement. Une chaîne d’arrêt qui apparaît dans le raisonnement termine la réponse là, sans réponse. Utilisez des chaînes qui n’apparaîtront pas dans la pensée du modèle, ou désactivez la réflexion pour cette demande.
• Les résultats de recherche comptent comme des jetons d’entrée. Les pages renvoyées par une recherche sont ajoutées à l’entrée du modèle, et une requête peut effectuer plusieurs recherches, chacune avec ses propres frais.
• L'échantillonnage est fixé. température, en haut, et les réglages des pénalités sont ignorés.
• Les réponses de recherche se terminent par une liste de sources. Jeu disable_formatting à Vrai quand un autre programme lit la sortie et attend la réponse seule. La sortie structurée n’obtient jamais la liste.

Prix

L’utilisation des jetons est facturée à un taux d’entrée, un taux de sortie, et un taux inférieur pour les entrées mises en cache, identiques à chaque longueur de contexte. Les jetons de raisonnement sont facturés comme des jetons de sortie, et chaque recherche web exécutée ajoute des frais par recherche. Voir le live page modèle et page de prix pour les tarifs actuels.

Commencez à construire

Essaie le Kimi K3.1 Pro dans le Playground, lire Documentation API, ou comparer avec d’autres modèles dans le Catalogue de modèles.