

Kimi K3 et Kimi K2.6 côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
Kimi K3 et Kimi K2.6 sont deux modèles Moonshot AI de la catégorie Génération de texte, disponibles via l'API EmpirioLabs.
| Spéc. | Kimi K3 | Kimi K2.6 |
|---|---|---|
| ID du modèle | kimi-k3 | kimi-k2-6 |
| Auteur | Moonshot AI | Moonshot AI |
| Publié | 15 juil. 2026 | 20 avr. 2026 |
| Fenêtre de contexte | 1M tokens | 256K tokens |
| Sortie max | 131 072 tokens | 16 000 tokens |
| Entrée | Texte Image Vidéo | Texte Image Vidéo |
| Sortie | Texte | Texte |
| Sortie structurée | JSON Schema | JSON Schema |
| Région | International | China |
| Endpoints | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k3:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k2-6:generateContent |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.
| Paramètre | Kimi K3 | Kimi K2.6 |
|---|---|---|
| max_tokens | 1 à 1048576 Par défaut: 131072 | 1 à 16000 |
| stop | string | string |
| reasoning_effort | low, high, max Par défaut: max | none, low, medium, high, max Par défaut: medium |
| tool_web_search | boolean Par défaut: false | - |
| max_tool_calls | 1 à 20 Par défaut: 5 | - |
| response_format | enum | enum |
| temperature | - | 0 à 1.99 Par défaut: 0.7 |
| top_p | - | 0 à 1 Par défaut: 0.9 |
| enable_thinking | - | boolean Par défaut: true |
| thinking_budget | - | 1 à 81920 Par défaut: 32768 |
| web_search_linkup | - | boolean Par défaut: false |
| disable_formatting | - | boolean Par défaut: false |
Prend en charge les entrées texte, image et vidéo avec un contexte de jeton 1M, l’appel de fonction, la sortie structurée schéma JSON et la recherche web intégrée à $0.015 par appel invoqué. La réflexion est toujours activée; la profondeur de raisonnement est ajustable avec le contrôle reasoning_effort (Max est recommandé) et les jetons de raisonnement sont facturés comme jetons de sortie. La température et autres réglages d’échantillonnage sont fixés par le service de modèle. L’appel de fonction en plusieurs étapes via l’API doit rejouer le message assistant avec son champ reasoning_content intact.
Kimi K3 sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle kimi-k3. Les deux modèles s'appellent via le même endpoint. Définissez model sur kimi-k3 ou kimi-k2-6. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Kimi K3 est la version la plus récente (15 juil. 2026) ; Kimi K2.6 est sorti le 20 avr. 2026. Kimi K3 a la plus grande fenêtre de contexte : 1M tokens, contre 256K pour Kimi K2.6. Kimi K3 renvoie jusqu'à 131 072 tokens de sortie par réponse, Kimi K2.6 jusqu'à 16 000. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
Kimi K3 est la version la plus récente (15 juil. 2026) ; Kimi K2.6 est sorti le 20 avr. 2026.
Kimi K2.6 affiche le tarif le plus bas pour Entrée (par 1M de jetons d’invite) et Sortie (par 1M de jetons générés). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.
Oui. Les deux modèles utilisent POST /v1/chat/completions avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.
Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.