Consulta precios por token y ejemplos Chat Completions de Kimi K3 para programación y análisis documental. Comprueba las entradas admitidas, el razonamiento y los límites de integración.
Precio de referencia no verificado de forma independiente. Consulta las tarifas actuales, unidades de facturación y condiciones aplicables del proveedor antes de comparar costes.
Herramienta de chat en línea de Kimi K3
Ajustes del modelo
¿Qué hace la memoria?
Incluye los turnos completados y reutilizables de esta conversación en la siguiente solicitud, para hacer preguntas de seguimiento sin repetir el contexto.
¿Qué ocurre al desactivarla?
Solo se envían el mensaje nuevo y el prompt del sistema, si lo hay. Los mensajes existentes siguen visibles; al reactivar la memoria se incluyen de nuevo los turnos anteriores válidos.
¿Es memoria a largo plazo?
No. Es el contexto de esta conversación, no una memoria entre conversaciones distintas. Se excluyen las respuestas fallidas, detenidas, truncadas o no reutilizables. Más historial puede consumir más tokens de entrada y aumentar el coste.
Parámetros avanzados
0 o más caracteres(0/Sin límite fijo)
Sin límite fijo de caracteres; la solicitud completa está sujeta a los límites de tamaño y de contexto del modelo. No es un recuento de tokens.
0 – 2
0 – 1
-2 – 2
-2 – 2
Conversación
¿En qué puedo ayudarte hoy?
Aún no hay datos de respuesta
Listo
Muestras registradas de API Hop
Registrado el 22 de octubre de 2026 mediante API Hop. Cada resultado es una solicitud del modelo y modo indicados, no una garantía de éxito, velocidad o calidad de producción. Las respuestas siguientes conservan su idioma original.
Decisión de lanzamiento con citas de párrafos
kimi-k3 · document-citations ·
Extracto literal
**Answer summary:** Production release is **not approved**. Staging established only export-formatting/export v7 verification — nothing about production. **Mei** owns the remaining duplicate-delivery tests; documentation ownership is **unassigned**.
Respuesta completa del modelo (sin modificar)
**Answer summary:** Production release is **not approved**. Staging established only export-formatting/export v7 verification — nothing about production. **Mei** owns the remaining duplicate-delivery tests; documentation ownership is **unassigned**.
| Conclusion | Exact supporting quote | Paragraph ID | Uncertainty |
|---|---|---|---|
| Production release is not approved; approval was withheld pending tests | "the release reviewer withheld production approval until duplicate-delivery tests pass" | P31 | Low — explicit statement |
| No approval or completed test recorded later (cross-check of P04's Friday shipping proposal, which "was not an approval") | "No completed test result or production approval is recorded in this document." | P36 | Low — explicit; P04 proposal superseded by P31/P36 |
| Staging established export formatting checks passed (repeated across components), and verified export v7 on synthetic data only | "staging verified export version 7 with three synthetic records. Production deployment and billing checks were not performed." | P18 | Low for staging result; production readiness not established |
| Staging did not measure production latency, charges, or customer outcomes | "no production latency, charge or customer outcome was measured" | P01 (and P02–P03, P05–P17, P19–P30, P32–P35, identical wording) | Low — explicit; applies to all component entries |
| Remaining duplicate-delivery tests are owned by Mei | "Mei owns those tests." | P31 | Low — explicit; tests scheduled, not completed ("Mei scheduled duplicate-delivery tests for October 16," P36) |
| Documentation has no owner; a documentation check was only planned | "Documentation ownership remains unassigned." | P31 (earlier: "Documentation ownership was still unassigned," P04) | Low that it is unassigned as of this document; future owner unknown. Note: component entries say "The named reviewer will check documentation next week" (e.g., P01), but no name is given and no completion is recorded |
**Unresolved questions:**
1. Did the duplicate-delivery tests scheduled for October 16 (P36) pass, and has the release reviewer since granted production approval?
2. Who will be assigned documentation ownership, and did the unnamed "named reviewer" ever complete the documentation check promised for "next week" (P01 et al.)?
El documento es sintético, no una prueba de contexto máximo. Las conclusiones concuerdan con la entrada, pero dos citas auxiliares sustituyen puntos finales por comas: P36 sobre la programación de pruebas y P04 sobre la responsabilidad de documentación. Esos signos no son literales; aún se requiere revisar las citas manualmente.
Solicitud y entrada completas
POST /v1/chat-completions
{
"model": "kimi-k3",
"messages": [
{
"role": "user",
"content": "Use only the following synthetic document. Answer: Is production release approved? What did staging establish? Who owns the remaining tests and documentation? Return a compact table of conclusion, exact supporting quote, paragraph ID and uncertainty, followed by two unresolved questions. Cross-check proposals against later updates; never infer a completed test or production success. Keep the answer under 500 words. This sample tests citation accuracy on this document, not maximum context length.\n\n[P01] Component 1 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P02] Component 2 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P03] Component 3 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P04] On October 10, the release coordinator proposed shipping export version 7 on Friday. The proposal was not an approval. Documentation ownership was still unassigned.\n\n[P05] Component 5 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P06] Component 6 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P07] Component 7 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P08] Component 8 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P09] Component 9 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P10] Component 10 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P11] Component 11 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P12] Component 12 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P13] Component 13 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P14] Component 14 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P15] Component 15 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P16] Component 16 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P17] Component 17 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P18] On October 11, staging verified export version 7 with three synthetic records. Production deployment and billing checks were not performed.\n\n[P19] Component 19 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P20] Component 20 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P21] Component 21 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P22] Component 22 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P23] Component 23 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P24] Component 24 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P25] Component 25 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P26] Component 26 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P27] Component 27 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P28] Component 28 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P29] Component 29 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P30] Component 30 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P31] On October 12, the release reviewer withheld production approval until duplicate-delivery tests pass. Mei owns those tests. Documentation ownership remains unassigned.\n\n[P32] Component 32 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P33] Component 33 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P34] Component 34 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P35] Component 35 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P36] On October 13, Mei scheduled duplicate-delivery tests for October 16. No completed test result or production approval is recorded in this document."
}
],
"stream": false,
"max_tokens": 4096
}
Estos son prompts de evaluación para Kimi K3, no salidas registradas. Solo analizan el texto proporcionado; no ejecutan código, inspeccionan sistemas de producción ni demuestran rendimiento con contextos largos. Comprueba las citas y los criterios de aceptación, y revisa los metadatos y el uso antes de utilizar el resultado en producción.
Usa solo este documento: [P1] La corrección de exportación pasó las comprobaciones de preproducción. [P2] Se propuso publicar el viernes, sin aprobación. [P3] Mei revisará los mensajes de error el martes. [P4] La documentación no tiene responsable. Devuelve una tabla de afirmación, cita exacta de apoyo, ID de párrafo e incertidumbre. ¿Está aprobado publicar en producción? ¿Quién lleva la documentación? Marca los hechos faltantes como desconocidos. Toda cita debe coincidir con el ejemplo; no deduzcas éxito en producción por preproducción. Este pequeño ejemplo no prueba la longitud máxima de contexto.
Extrae estos registros sintéticos a JSON con id, owner, deadline y evidence: [R1] Incidencia 41: Ana es responsable de corregir la exportación; sin plazo acordado. [R2] Incidencia 42: revisión para el 15 de octubre; sin responsable ni año indicado. Usa null para valores faltantes y conserva fechas parciales. Cita la fuente en evidence. No inventes año ni responsable. Comprueba cada campo contra su registro; es formato de texto, no una operación de base de datos.
Un equipo ficticio de dos personas ejecuta 2.000 informes diarios. Es aceptable terminarlos en 30 minutos. Tiene base de datos pero no servicio de colas; los trabajos deben recuperarse tras reinicios y evitar entregas duplicadas. Compara lotes respaldados por base de datos con una cola dedicada. Da una tabla de decisión, recomendación condicional, tres incógnitas y una condición que invierta tu elección. No inventes benchmarks, costes ni garantías probadas.
Qué es Kimi K3
Un modelo multimodal nativo para programación prolongada y trabajo de conocimiento
Situamos Kimi K3 como un modelo de razonamiento y agentes para tareas complejas, centrado en trabajos que requieren comprender el contexto de forma sostenida, llamar a herramientas y revisar según los resultados. Desarrollado por Moonshot AI, es multimodal con visión nativa y puede comprender texto, imágenes y vídeo. Sus aplicaciones incluyen programación de proyectos, investigación y trabajo de conocimiento de varios pasos.
Sus capacidades multimodales amplían las aplicaciones, incluida la comprensión de imágenes y OCR. Frente a soluciones OCR tradicionales, su ventaja es lograr buena comprensión sin entrenar un modelo aparte.
Un modelo MoE de pesos abiertos con contexto de un millón de tokens
Kimi K3 utiliza una arquitectura de mezcla de expertos, o MoE, con 2,8 billones de parámetros totales y aproximadamente 104 mil millones de parámetros activos por token. Su ventana de contexto es de 1.048.576 tokens. Los pesos completos se han publicado bajo la licencia Kimi K3 License.
Creemos que el valor práctico de un contexto de un millón de tokens es incluir más material relacionado en un análisis, como especificaciones del proyecto, código de varios módulos y discusiones anteriores. Para equipos que necesitan su propio despliegue, los pesos abiertos también permiten el alojamiento propio a algunas empresas y usuarios.
Pensamiento siempre activo con tres niveles de esfuerzo de razonamiento
Kimi K3 siempre piensa. La API oficial actual de Kimi ofrece tres niveles mediante reasoning_effort: low, high y max, con max como predeterminado.
Recomendamos asignar un presupuesto de razonamiento según la dificultad: empieza con low para clasificación y extracción sencillas, high para análisis de varios pasos y compara max para tareas complejas que exijan comprobar restricciones repetidamente. Según nuestras pruebas con otros modelos, max no siempre ofrece el mejor rendimiento global de la inversión; pruébalo y júzgalo según tu caso.
Herramienta en línea y API de Kimi K3 en RequestBeam
Con RequestBeam queremos ayudarte a comprender más rápido el rendimiento de Kimi K3 en tus propias tareas. Inicia sesión, crea una API Key y añade un pequeño saldo para empezar a usar la herramienta en línea. No necesitas escribir antes una integración API ni comprar una suscripción fija para una evaluación breve.
Funciones principales y puntos fuertes de Kimi K3
Desarrollo de software prolongado: desde comprender requisitos hasta corregir problemas y ejecutar pruebas
Creemos que la programación prolongada es la capacidad de Kimi K3 que más merece probarse primero. Cuando un framework de agentes ofrece herramientas de archivos, terminal y pruebas, puede avanzar por la lectura de código, los cambios de implementación, la ejecución de pruebas y la corrección de problemas, en vez de limitarse a generar código a partir de un requisito de una línea.
Entre las experiencias que hemos recogido, un cliente señaló que Kimi K3 ayudó a avanzar un proyecto antes estancado durante varias fases consecutivas de desarrollo. Otros desarrolladores valoraron su análisis entre archivos y la identificación de relaciones entre módulos, aunque sus primeras propuestas no siempre eran seguras y a veces introducían problemas nuevos.
Creemos que esto ilustra cómo usar Kimi K3 en desarrollo real: en lugar de pedir simplemente «corrige este error», proporciona pruebas explícitas, comportamientos existentes que deben mantenerse y el alcance de los archivos que puede modificar.
Para refactorización de backend, procesamiento complejo de datos y código de producción, recomendamos que explique primero el plan de cambios, luego los ejecute y finalmente verifique con pruebas automatizadas. No omitas la revisión de código aunque el modelo declare terminada la tarea.
Desarrollo visual: usa capturas de interfaces para perfeccionar continuamente el diseño y la interacción
La comprensión visual de Kimi K3 permite trabajar con capturas de interfaces, requisitos de diseño y código en una misma tarea.
Por ejemplo, podemos pedir primero una página a partir de una imagen de referencia y después usar herramientas de navegador para capturar la página realmente renderizada. El modelo puede compararla con el diseño y seguir ajustando distribución, colores, tipografía y detalles de interacción.
En los comentarios de nuestro grupo de clientes, algunos usuarios han elogiado el trabajo de Kimi K3 en interfaces, proyectos de visualización y juegos pequeños.
Creemos que Kimi K3 encaja bien con prototipos de producto, páginas de campañas, paneles visuales y tareas que requieren comparar repetidamente con capturas. Los desarrolladores independientes, en particular, pueden generar primero una versión funcional y después perfeccionar gradualmente la experiencia de la página.
Colaboración con herramientas de agentes: las tareas de varios pasos necesitan límites claros
Kimi K3 puede trabajar con herramientas externas para leer y escribir archivos, manejar terminales, recuperar información y automatizar tareas de varios pasos. El modelo decide qué hacer después, mientras la aplicación o el framework proporciona las llamadas reales y el entorno de ejecución.
Prestamos especial atención a una observación: el mismo modelo puede tener tasas de finalización claramente diferentes en distintos frameworks de agentes.
Moonshot AI también advierte que Kimi K3 puede tomar decisiones proactivas más allá de lo esperado cuando la intención del usuario no está clara. Para tareas que requieren control estricto del comportamiento, recomendamos definir los permisos operativos en los prompts de sistema o en AGENTS.md.
Evaluaciones comparativas y rendimiento de Kimi K3
En esta sección usamos por separado las pruebas oficiales de lanzamiento de Moonshot y las evaluaciones independientes de Artificial Analysis disponibles al 7 de octubre de 2026. Todos los resultados oficiales de Kimi K3 siguientes usan esfuerzo max. También conservamos las versiones de las evaluaciones y sus condiciones clave para ayudarte a valorar la relevancia para tareas reales.
Ingeniería de software: 67,5% en DeepSWE y 77,8% en ProgramBench
Moonshot comunica para Kimi K3 un 67,5% en DeepSWE v1.1 y un 77,8% en ProgramBench. Ambas pruebas de K3 usan el entorno Kimi Code. Las tomamos como referencias de su capacidad para trabajar con repositorios y tareas de programación sostenida.
Para equipos que integran un asistente de programación, recomendamos probar por separado la reparación de incidencias existentes, el desarrollo de funciones pequeñas y la implementación de proyectos pequeños. Céntrate en la finalización al primer intento, la recuperación tras fallos y el retoque manual que necesita el código final. Estos resultados se relacionan más fácilmente con los costes de desarrollo.
Tareas de terminal: Terminal-Bench 2.1 y 4.0 deben interpretarse por separado
En las pruebas oficiales de lanzamiento, Kimi K3 con Kimi Code obtuvo un 88,3% en Terminal-Bench 2.1. En la prueba actual Terminal-Bench 4.0 de Artificial Analysis, K3 Max obtiene aproximadamente un 13%.
Los resultados usan conjuntos de tareas y entornos distintos. La prueba 4.0 de AA contiene 66 tareas de terminal más difíciles, usa mini-swe-agent y repite cada tarea tres veces. Para casos de negocio reales, recomendamos probar otros entornos.
Investigación y llamadas a herramientas: 91,2% en BrowseComp y 94,5% en MCPMark-Verified
El informe oficial otorga a Kimi K3 un 91,2% en BrowseComp y un 94,5% en MCPMark-Verified. El resultado de 91,2% en BrowseComp usa una estrategia que activa la compresión de contexto a los 300K tokens; usar directamente un contexto de 1M sin gestionarlo produce un 90,4%.
Creemos que estos resultados muestran los puntos fuertes de Kimi K3 en investigación y colaboración con herramientas, pero también recuerdan la importancia de cómo las aplicaciones gestionan el contexto. Según nuestra experiencia, esa gestión puede afectar mucho a los resultados prácticos.
Razonamiento sobre documentos largos: 88,7% en AA-LCR v1.1
La página dedicada a AA-LCR v1.1 de Artificial Analysis registra Kimi K3 Max con un 88,7%. Esta evaluación contiene 100 preguntas que requieren sintetizar documentos largos, como informes empresariales, artículos y materiales sectoriales. Los documentos tienen aproximadamente entre 10.000 y 100.000 tokens.
Consideramos este resultado una prueba relativamente convincente de la capacidad de Kimi K3 para analizar varios materiales. Aun así, recomendamos probar por separado entradas reales cercanas al millón de tokens. En nuestras pruebas anteriores, la salida no ha sido especialmente buena cuando la entrada se acerca al límite permitido por el modelo.
Índice de inteligencia y velocidad: 44 puntos y unos 45 tokens por segundo
El Intelligence Index v4.3.2 de Artificial Analysis sitúa Kimi K3 Max en 44 puntos. Su velocidad de salida es de unos 45 tokens por segundo, con unos 3,92 segundos hasta el primer token y 48,58 segundos hasta el primer token de respuesta al incluir el pensamiento.
Medimos por separado el tiempo hasta que empiezan a llegar datos, hasta que aparece la respuesta real y hasta que termina toda la tarea. En funciones de interacción frecuente, estos tiempos afectan a la experiencia; en análisis complejos deben ponderarse con la calidad del resultado en el caso de negocio.
Kimi K3 frente a DeepSeek V4 Pro, V4.1 Flash, Claude Fable 5.1 y GPT-5.6 Sol
Comparamos datos de la misma versión Artificial Analysis v4.3.2. Todas las entradas siguientes usan Max; Claude Fable 5.1 conserva la configuración Default Fallback indicada en la evaluación. Las comparaciones muestran AA-LCR en porcentajes enteros, por lo que el 88,7% de Kimi K3 aparece como 89%.
Los costes de la tabla son promedios ponderados calculados por AA para sus evaluaciones, incluyendo entrada, caché, pensamiento y respuesta, y sirven de referencia para elegir modelo. Los cargos reales de RequestBeam se calculan con los precios de la plataforma y el uso de las solicitudes. Metodología de costes
Modelo y configuración de prueba
Índice de inteligencia
AA-LCR v1.1
Coste ponderado por tarea
Kimi K3 Max
44
89%
$2.00
DeepSeek V4 Pro 0813 Max
36
80%
$0.67
DeepSeek V4.1 Flash Max
39
84%
$0.27
Claude Fable 5.1 Max, Default Fallback
53
85%
$7.63
GPT-5.6 Sol Max
47
84%
$1.99
Artificial Analysis v4.3.22026-10-07 · Todos los modelos en Max
Índice de inteligenciaPuntuación · Más alto es mejor
03060
Kimi K3 Max44
DeepSeek V4 Pro 0813 Max36
DeepSeek V4.1 Flash Max39
Claude Fable 5.1 MaxConfiguración de respaldo predeterminada53
GPT-5.6 Sol Max47
AA-LCR v1.1Porcentaje · Más alto es mejor
0%50%100%
Kimi K3 Max89%
DeepSeek V4 Pro 0813 Max80%
DeepSeek V4.1 Flash Max84%
Claude Fable 5.1 MaxConfiguración de respaldo predeterminada85%
GPT-5.6 Sol Max84%
Coste ponderado por tareaUSD/tarea · Más bajo es mejor
$0$4$8
Kimi K3 Max$2.00
DeepSeek V4 Pro 0813 Max$0.67
DeepSeek V4.1 Flash Max$0.27
Claude Fable 5.1 MaxConfiguración de respaldo predeterminada$7.63
GPT-5.6 Sol Max$1.99
AA-LCR está redondeado: Kimi K3 88.7% → 89%.Los costes AA incluyen entrada, caché, razonamiento y respuestas; no son precios de API Hop.
Frente a DeepSeek V4 Pro: mejor análisis de documentos largos con mayor coste de evaluación por tarea
En estas evaluaciones, Kimi K3 supera a DeepSeek V4 Pro 0813 en índice de inteligencia, razonamiento de documentos largos y trabajo de conocimiento. Priorizaríamos K3 en tareas con conexiones complejas entre materiales y varios tipos de pruebas, comprobando después si esa capacidad reduce la organización y revisión manuales. Comparación equivalente de AA
También probaríamos V4 Pro para grandes volúmenes de texto repetitivo con criterios de aceptación claros. Su coste por tarea es menor en esta batería de evaluación. Si la salida ya satisface el negocio, la diferencia de coste puede importar al escalar.
Frente a DeepSeek V4.1 Flash: ventaja general y en documentos largos, con diferencias en automatización
Kimi K3 lidera el índice de inteligencia y AA-LCR, pero V4.1 Flash obtiene un 69% en AutomationBench-AA frente al 58% de K3; en Terminal-Bench 4.0 obtienen 27% y 13%, respectivamente. Creemos que esto muestra cómo el tipo de tarea cambia la clasificación. Comparación equivalente de AA
Para aplicaciones centradas en analizar materiales largos, recomendamos centrarse en K3. Para automatización de flujos, operaciones de terminal y llamadas frecuentes, consideraríamos V4.1 Flash un candidato importante y compararíamos tanto éxito como coste completo de ejecución.
Frente a Claude Fable 5.1: diferencia en programación de terminal, con documentos largos que conviene probar aparte
Con la configuración Default Fallback anterior, Claude Fable 5.1 obtiene 53 en el índice de inteligencia frente a 44 de Kimi K3, y 52% en Terminal-Bench 4.0 frente a 13%. Usaríamos Fable 5.1 como referencia importante para programación compleja en terminal. K3 consigue mayor puntuación AA-LCR v1.1 y menor coste de evaluación por tarea. Comparación equivalente de AA
Para aplicaciones que responden preguntas concretas tras leer varias fuentes, recomendamos probar K3 por separado. Para tareas con operación sostenida de terminal, reparación de entornos y verificación de ingeniería, nos centraríamos más en el éxito al primer intento y las intervenciones manuales antes de decidir si merece la pena el coste adicional.
Frente a GPT-5.6 Sol: diferencias de razonamiento en documentos largos con costes completos similares
Kimi K3 supera a GPT-5.6 Sol en AA-LCR, mientras GPT-5.6 Sol obtiene mejores resultados en índice de inteligencia y Terminal-Bench 4.0. Prestamos especial atención a los costes por tarea: aproximadamente $2,00 y $1,99, respectivamente, en esta evaluación, valores ya muy cercanos. Comparación equivalente de AA
Por eso recomendamos comparar el coste después de completar toda la tarea, incluyendo pensamiento, herramientas, reintentos y respuesta final. Prioriza K3 para análisis intensivo en información; usa GPT-5.6 Sol como referencia clave para ingeniería en terminal. Finalmente, elige el enrutamiento según la finalización real de las tareas de tu negocio.
¿Por qué usar Kimi K3 mediante API Hop?
Facturación por uso y optimización del coste del modelo
Los cargos siguen las tarifas actuales de API Hop y el uso real. Recarga cuando lo necesites.
Modelos de IA y API de datos unificados, con acceso a varios modelos en un solo lugar
Una clave API conecta varios modelos de IA y servicios de datos, reduce los costes de integración y permite cambiar con un clic. Las aplicaciones empresariales necesitan tanto IA como datos.
Registros de llamadas y controles de acceso, con claridad en cada llamada
Cada llamada API se registra en tu panel. Crea claves API distintas para diferentes aplicaciones.
Evalúa las salidas según tu tarea
Usa el ID del modelo documentado y los parámetros admitidos mediante API Hop. Evalúa las salidas según tus criterios de aceptación y revisa los registros de uso y metadatos antes de producción. Un nombre de modelo o un ejemplo no garantiza cada resultado.
Tras crear una clave API en la consola, sigue la documentación para empezar con Kimi K3.
Prepara tu cuenta y prueba en línea
Inicia sesión, confirma tu saldo y crea una clave API.
Pruébalo en el área de pruebas
Explora las capacidades del modelo en el área de pruebas para encontrar la mejor forma de usarlo.
Integra Kimi K3 en tu negocio
Sigue nuestra documentación para desarrolladores para integrar Kimi K3 en tu negocio.
Futuras actualizaciones del modelo
Para cambiar a un modelo nuevo, confirma primero que su ID exacto aparece en el catálogo de tu clave API. Si admite el mismo endpoint y campos, actualiza el ID y prueba los formatos de respuesta, streaming, límites de salida y facturación antes de enviar tráfico de producción. Para tareas asíncronas de imagen o vídeo, verifica también el envío, el sondeo de estado y la obtención del resultado.
¿Qué endpoint y nombre de modelo debo usar para llamar a Kimi K3 mediante RequestBeam?
Nuestro endpoint actual de Kimi K3 es POST https://api.requestbeam.com/v1/chat-completions, el identificador es kimi-k3 y la autenticación usa una API Key de RequestBeam. Confirma primero la conectividad con la solicitud mínima siguiente y añade parámetros opcionales uno a uno. Documentación de la API Kimi de RequestBeam
curl -X POST "https://api.requestbeam.com/v1/chat-completions" \
-H "Authorization: Bearer $REQUESTBEAM_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"messages": [
{"role": "user", "content": "Organize this requirement into goals, constraints, and acceptance criteria: create an admin dashboard for internal employees with email login and password reset."}
],
"stream": false
}'
Este modelo de API Hop usa la interfaz unificada Chat Completions, no OpenAI Responses ni Claude Messages.
¿Kimi K3 admite streaming y preguntas de seguimiento?
Ofrecemos respuestas con y sin streaming. stream: true devuelve SSE; stream: false o la omisión del campo devuelve JSON completo. Recomendamos streaming para interfaces que muestran resultados progresivamente. Documentación de la API Kimi de RequestBeam
Para preguntas posteriores, la aplicación debe mantener el historial según el protocolo e incluir el contexto pertinente en las siguientes solicitudes. La memoria de la herramienta añade turnos reutilizables de la conversación actual. Recomendamos conservar materiales relevantes para la pregunta y vigilar el coste de tokens de entrada al crecer el historial. Explicación del contexto de la herramienta en línea
La memoria del área de pruebas no persiste entre sesiones. Desactivarla conserva el historial visible pero fuera de nuevas solicitudes. Las respuestas fallidas, detenidas, truncadas o no reutilizables no se añaden al historial normal.
0
¿Por qué se pueden truncar respuestas si Kimi K3 admite un contexto de un millón de tokens?
Primero comprobamos por separado la capacidad de contexto y el presupuesto de salida. max_tokens de RequestBeam configura una asignación compartida entre pensamiento y respuesta final. Si es demasiado pequeña, la respuesta puede terminar con finish_reason: "length" antes de completarse. Explicación del presupuesto de salida de RequestBeam
Ante length, recomendamos comprobar si queda suficiente espacio para pensamiento y respuesta antes de aumentar el presupuesto o dividir la tarea. Si el error indica que se ha superado el límite de contexto, elimina historial irrelevante y materiales duplicados.
Por último, debemos aclarar algo: un contexto de un millón de tokens no significa que pueda dar buenos resultados a esa escala. Si tu prioridad es la exactitud, controlar la longitud del contexto es, hasta ahora, tu única opción.
Los clientes API deben distinguir reasoning_content del content final.
0
¿Cómo debo gestionar los errores 400, 401, 402 y 429 al llamar a Kimi K3?
Recomendamos comprobar primero el estado HTTP y después el code numérico de la respuesta. La documentación de Chat Completions de RequestBeam define los errores comunes así. Documentación de respuestas de error de RequestBeam
Estado HTTP
code numérico
Significado
Acción que recomendamos
400
10000
Solicitud no válida
Comprueba model, messages, tipos de campos y parámetros opcionales
401
20000
Autenticación ausente o no válida
Comprueba la API Key de RequestBeam y la cabecera de autenticación Bearer
402
40000
Saldo disponible insuficiente
Comprueba el saldo de la cuenta y la asignación necesaria para esta solicitud
429
40001
Frecuencia de solicitudes limitada
Reduce concurrencia y frecuencia, y reintenta con espera progresiva
Recomendamos empezar el diagnóstico con la solicitud mínima y restaurar parámetros uno a uno. Gestiona por separado el estado HTTP y el code de respuesta. Si persiste el problema, conserva el identificador de solicitud de la respuesta y los parámetros relevantes para ayudarnos a localizar el fallo concreto.
Para 403 revisa permisos en el catálogo visible para tu clave. Diagnostica 502, 503, 504 y errores dentro del flujo SSE con la respuesta de error completa.
¿El área de pruebas Kimi K3 acepta imágenes, PDF o vídeo?
Esta página ofrece conversaciones de texto sin controles para subir archivos o imágenes. La comprensión visual nativa requiere una interfaz compatible con esas entradas. Esta herramienta no descarga archivos enlazados, lee documentos externos ni busca automáticamente en la web. Extrae primero el texto pertinente para probar aquí.
¿Una solicitud puede devolver varias alternativas o garantizar JSON válido?
Kimi K3 solo admite n=1 a través de API Hop. Pide varias alternativas dentro de una respuesta. Para JSON, define campos, tipos y comportamiento ante valores ausentes; después valida la sintaxis, el esquema y el significado de negocio en tu aplicación.