API Hop

API Kimi K3: Harga dan Integrasi Teks

Tinjau harga token Kimi K3 dan contoh Chat Completions untuk pemrograman serta analisis dokumen. Periksa masukan yang didukung, perilaku penalaran, dan batas integrasi.

Harga dan penagihan API Kimi K3

Harga resmi

Input
$3.0000 /M
Output
$15.0000 /M
Input cache
$0.3000 /M

Harga API Hop Hemat 30%

Input
$2.1000 /M
Output
$10.5000 /M
Input cache
$0.2100 /M

Harga referensi belum diverifikasi secara independen. Periksa tarif terkini, satuan penagihan, dan ketentuan penerbit yang berlaku sebelum membandingkan biaya.

Alat percakapan daring Kimi K3

Pengaturan model

Parameter lanjutan
0 karakter atau lebih(0/Tanpa batas tetap)
Tidak ada batas karakter tetap; seluruh permintaan tunduk pada batas ukuran permintaan dan konteks model. Ini bukan hitungan token.
0 – 2
0 – 1
-2 – 2
-2 – 2

Percakapan

Apa yang dapat saya bantu hari ini?

Siap

Atur ulang dan mulai percakapan baru?

Ini akan menghapus percakapan dan pesan yang belum dikirim, serta memulihkan parameter bawaan.

Sampel API Hop yang tercatat

Direkam pada 22 Oktober 2026 melalui API Hop. Setiap hasil merupakan satu permintaan untuk model dan mode yang disebutkan, bukan jaminan tingkat keberhasilan, kecepatan, atau kualitas produksi. Balasan model di bawah tetap dalam bahasa aslinya.

Keputusan rilis dengan kutipan paragraf

kimi-k3 · document-citations ·

Kutipan persis

**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**.
Balasan model lengkap (tanpa perubahan)
**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 | P36 | Low — explicit; P04 proposal superseded by P31/P36 |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.)?

Dokumen ini sintetis, bukan pengujian konteks maksimum. Kesimpulannya sesuai dengan masukan, tetapi dua kutipan tambahan mengganti titik akhir kalimat dengan koma: kutipan penjadwalan pengujian P36 dan kutipan kepemilikan dokumentasi P04. Tanda baca tersebut tidak persis sama; pemeriksaan kutipan manual tetap diperlukan.

Permintaan dan masukan lengkap

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
}
Metadata respons dan penggunaan yang dilaporkan
{
  "requestId": "339d0045e51385a03300d75fa74f0863",
  "jobId": null,
  "responseModel": "kimi-k3",
  "responseAt": "2026-10-22T12:28:31.361Z",
  "finishedAt": "2026-10-22T12:28:31.364Z",
  "usage": {
    "prompt_tokens": 2058,
    "completion_tokens": 1086,
    "total_tokens": 3144,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0,
      "text_tokens": 0,
      "audio_tokens": 0,
      "image_tokens": 0
    },
    "completion_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 0
    },
    "input_tokens": 0,
    "output_tokens": 0,
    "input_tokens_details": null,
    "output_tokens_details": null,
    "claude_cache_creation_5_m_tokens": 0,
    "claude_cache_creation_1_h_tokens": 0
  },
  "outputSha256": "e3ba3715b7facfd224f3e1982c457c3647c33114774768190023cef8b1eef396",
  "responseEvidence": {
    "sha256": "2f1507aa711a70a17163506c7420517b599e4564fcf69aaef6db8cf5d7b09506",
    "bytes": 6024,
    "phase": "submission",
    "http": 200,
    "requestId": "339d0045e51385a03300d75fa74f0863",
    "observedAt": "2026-10-22T12:28:31.361Z"
  },
  "assets": []
}
Unduh catatan bukti publik

Contoh perintah Kimi K3

Ini adalah perintah evaluasi untuk Kimi K3, bukan keluaran model yang tercatat. Perintah ini hanya menganalisis teks yang disediakan; tidak menjalankan kode, memeriksa sistem produksi, atau membuktikan kinerja konteks panjang. Periksa bukti yang dikutip dan kriteria penerimaan, lalu tinjau metadata respons serta penggunaan sebelum penggunaan produksi.

Gunakan hanya sampel dokumen ini: [P1] Perbaikan ekspor lulus pemeriksaan staging. [P2] Rilis Jumat diusulkan, belum disetujui. [P3] Mei akan meninjau pesan kesalahan pada Selasa. [P4] Belum ada penanggung jawab dokumentasi. Kembalikan tabel klaim, kutipan pendukung yang persis, ID paragraf, dan ketidakpastian. Apakah rilis produksi disetujui? Siapa penanggung jawab dokumentasi? Tandai fakta yang belum ada sebagai tidak diketahui. Setiap kutipan harus sesuai sampel yang disediakan; jangan menyimpulkan keberhasilan produksi dari staging. Sampel kecil ini tidak menguji panjang konteks maksimum.

Ekstrak catatan sintetis ini ke JSON dengan bidang id, owner, deadline, dan evidence: [R1] Masalah 41: Ana bertanggung jawab atas perbaikan ekspor; belum ada tenggat yang disepakati. [R2] Masalah 42: peninjauan jatuh tempo 15 Oktober; penanggung jawab belum ditetapkan; tahun tidak disebutkan. Gunakan null untuk nilai yang tidak ada dan pertahankan tanggal parsial sesuai yang diberikan. Kutip sumber dalam evidence. Jangan mengarang tahun atau penanggung jawab. Periksa setiap bidang terhadap catatannya; ini tugas pemformatan teks, bukan operasi basis data.

Tim fiktif beranggotakan dua orang menjalankan 2,000 laporan setiap hari. Penyelesaian dalam 30 menit dapat diterima. Tim memiliki basis data tetapi tidak memiliki layanan antrean; tugas harus dapat pulih setelah mulai ulang dan menghindari pengiriman duplikat. Bandingkan pemrosesan kelompok berbasis basis data dengan antrean khusus. Berikan tabel keputusan, rekomendasi bersyarat, tiga hal yang belum diketahui, dan satu kondisi yang membalikkan pilihan Anda. Jangan mengarang tolok ukur, biaya, atau jaminan teruji.

Apa itu Kimi K3

Model multimodal native untuk pemrograman jangka panjang dan pekerjaan pengetahuan

Kami memosisikan Kimi K3 sebagai model penalaran dan agen untuk tugas kompleks, dengan fokus pada pekerjaan yang memerlukan pemahaman konteks berkelanjutan, panggilan alat, dan revisi berdasarkan hasil. Dikembangkan oleh Moonshot AI, model multimodal dengan penglihatan native ini dapat memahami teks, gambar, dan video. Penerapannya mencakup pemrograman proyek, riset, dan pekerjaan pengetahuan bertahap.

Kemampuan multimodal memperluas penerapannya, termasuk pemahaman gambar/OCR. Dibandingkan solusi OCR tradisional, keunggulannya adalah pemahaman yang baik dapat diperoleh tanpa melatih model terpisah.

Model MoE berbobot terbuka dengan konteks sejuta token

Kimi K3 menggunakan arsitektur mixture-of-experts, atau MoE, dengan total 2.8 triliun parameter dan sekitar 104 miliar parameter aktif per token. Jendela konteksnya 1,048,576 token. Bobot model lengkap telah dirilis dengan Lisensi Kimi K3.

Menurut kami, nilai praktis konteks sejuta token adalah kemampuan menyertakan lebih banyak materi terkait dalam satu analisis, seperti spesifikasi proyek, kode dari beberapa modul, dan diskusi sebelumnya. Untuk tim yang memerlukan penerapan sendiri, bobot terbuka juga memungkinkan hosting mandiri bagi sebagian bisnis dan pengguna.

Pemikiran selalu aktif dengan tiga tingkat upaya penalaran

Kimi K3 selalu berpikir. API resmi Kimi saat ini menawarkan tiga tingkat upaya penalaran melalui reasoning_effort: low, high, dan max, dengan max sebagai bawaan.

Kami menyarankan menyesuaikan anggaran penalaran dengan tingkat kesulitan tugas: mulai dari low untuk klasifikasi sederhana dan ekstraksi informasi, high untuk analisis bertahap, lalu bandingkan max untuk tugas kompleks yang memerlukan pemeriksaan batasan berulang. Dalam pengalaman kami menguji model lain, max belum tentu memberi manfaat keseluruhan terbaik, jadi uji dan nilai terhadap kasus penggunaan Anda.

Alat online dan API Kimi K3 di API Hop

Dengan API Hop, kami ingin membantu Anda memahami kinerja Kimi K3 pada tugas sendiri dengan lebih cepat. Masuk, buat API Key, dan tambahkan sedikit kredit untuk mulai menggunakan alat online. Anda tidak perlu menulis kode integrasi API terlebih dahulu atau membeli langganan tetap untuk evaluasi singkat.

Fitur inti dan keunggulan bidang Kimi K3

Pengembangan perangkat lunak jangka panjang: dari memahami kebutuhan hingga memperbaiki masalah dan menjalankan pengujian

Menurut kami, pemrograman jangka panjang adalah kemampuan Kimi K3 yang paling layak diuji terlebih dahulu. Ketika kerangka agen menyediakan alat file, terminal, dan pengujian, model dapat menjalani pembacaan kode, perubahan implementasi, eksekusi pengujian, dan perbaikan masalah, bukan sekadar menghasilkan potongan kode dari kebutuhan satu baris.

Dalam pengalaman pelanggan yang kami kumpulkan, seorang pengguna melaporkan Kimi K3 membantu proyek yang sebelumnya terhenti melewati beberapa tahap pengembangan berturut-turut. Pengembang lain menyatakan model bekerja baik dalam analisis lintas file dan identifikasi hubungan antar-modul, tetapi usulan perubahan pertama tidak selalu aman dan kadang menimbulkan masalah baru.

Menurut kami, ini menunjukkan cara menggunakan Kimi K3 dalam pengembangan nyata: alih-alih sekadar meminta model "perbaiki bug ini", berikan kasus uji eksplisit, perilaku yang harus tetap, dan cakupan file yang boleh diubah.

Untuk refaktor backend, pemrosesan data kompleks, dan kode produksi, mintalah penjelasan rencana perubahan terlebih dahulu, lalu lakukan perubahan, dan akhirnya verifikasi dengan pengujian otomatis. Jangan melewatkan tinjauan kode meskipun model menyatakan tugas selesai.

Pengembangan visual: menggunakan tangkapan layar untuk terus menyempurnakan frontend dan desain interaksi

Pemahaman visual Kimi K3 memungkinkannya bekerja dengan tangkapan layar antarmuka, kebutuhan desain, dan kode dalam tugas yang sama.

Contohnya, kita dapat meminta model membuat halaman web dari gambar referensi terlebih dahulu, lalu memakai alat peramban untuk mengambil tampilan halaman yang benar-benar dirender. Model dapat membandingkannya dengan desain dan terus menyesuaikan tata letak, warna, tipografi, serta detail interaksi.

Dalam masukan kelompok pelanggan kami, sebagian pengguna memuji pekerjaan Kimi K3 pada frontend, proyek visualisasi, dan game kecil.

Menurut kami, Kimi K3 sesuai untuk prototipe produk, halaman kampanye, dasbor visual, dan tugas pengembangan yang memerlukan perbandingan berulang dengan tangkapan layar. Pengembang independen khususnya dapat menggunakannya untuk menghasilkan versi yang berfungsi terlebih dahulu, lalu menyempurnakan pengalaman halaman secara bertahap.

Kolaborasi alat agen: tugas bertahap memerlukan batas yang jelas

Kimi K3 dapat bekerja dengan alat eksternal untuk membaca dan menulis file, mengoperasikan terminal, mengambil informasi, dan melakukan otomatisasi bertahap. Model menentukan langkah berikutnya, sementara aplikasi atau kerangka agen menyediakan panggilan alat serta lingkungan eksekusi yang sebenarnya.

Kami terutama memperhatikan satu pengamatan: model yang sama dapat memiliki tingkat penyelesaian tugas yang sangat berbeda dalam kerangka agen yang berbeda.

Moonshot AI juga mengingatkan bahwa Kimi K3 dapat secara proaktif mengambil keputusan di luar harapan ketika maksud pengguna tidak jelas. Karena itu, untuk tugas yang memerlukan kontrol perilaku ketat, tentukan izin operasi dalam prompt sistem atau AGENTS.md.

Tolok ukur dan kinerja Kimi K3

Pada bagian ini, kami menggunakan pengujian resmi masa peluncuran Moonshot dan evaluasi independen Artificial Analysis yang tersedia per 7 Oktober 2026 secara terpisah. Semua hasil resmi Kimi K3 di bawah menggunakan upaya berpikir max. Kami juga mempertahankan versi tolok ukur dan kondisi pengujian penting agar Anda dapat menilai relevansinya terhadap tugas nyata.

Rekayasa perangkat lunak: 67.5% pada DeepSWE dan 77.8% pada ProgramBench

Moonshot melaporkan skor Kimi K3 sebesar 67.5% pada DeepSWE v1.1 dan 77.8% pada ProgramBench. Kedua pengujian K3 menggunakan lingkungan Kimi Code. Kami menjadikannya referensi kemampuan model bekerja dalam repositori kode dan tugas pemrograman berkelanjutan.

Untuk tim yang mengintegrasikan asisten pemrograman, uji secara terpisah perbaikan masalah yang ada, pengembangan fitur kecil, dan implementasi proyek kecil. Fokus pada penyelesaian percobaan pertama, pemulihan setelah kegagalan, dan besarnya pengerjaan ulang manual yang diperlukan kode akhir. Hasil tersebut lebih mudah dikaitkan dengan biaya pengembangan.

Tugas terminal: Terminal-Bench 2.1 dan 4.0 harus ditafsirkan terpisah

Dalam pengujian resmi masa peluncuran, Kimi K3 bersama Kimi Code mendapat 88.3% pada Terminal-Bench 2.1. Dalam pengujian Terminal-Bench 4.0 Artificial Analysis saat ini, K3 Max mendapat sekitar 13%.

Kedua hasil menggunakan kumpulan tugas dan lingkungan eksekusi berbeda. Uji 4.0 AA berisi 66 tugas terminal yang lebih sulit, menggunakan mini-swe-agent, dan mengulang setiap tugas tiga kali. Untuk kasus bisnis nyata, kami menyarankan menguji dengan lingkungan eksekusi lain.

Riset dan pemanggilan alat: 91.2% pada BrowseComp dan 94.5% pada MCPMark-Verified

Laporan resmi memberi Kimi K3 skor BrowseComp 91.2% dan MCPMark-Verified 94.5%. Hasil BrowseComp 91.2% menggunakan strategi yang memicu pemadatan konteks pada 300K token; penggunaan langsung konteks 1M tanpa pengelolaan konteks menghasilkan 90.4%.

Menurut kami, hasil ini menunjukkan riset dan kolaborasi alat sebagai keunggulan Kimi K3, sambil mengingatkan untuk memeriksa cara aplikasi mengelola konteks. Dalam pengalaman kami, pengelolaan konteks dapat sangat memengaruhi hasil praktis.

Penalaran dokumen panjang: 88.7% pada AA-LCR v1.1

Halaman khusus AA-LCR v1.1 Artificial Analysis mencatat Kimi K3 Max pada 88.7%. Evaluasi ini berisi 100 pertanyaan yang memerlukan sintesis informasi dari dokumen panjang, termasuk laporan perusahaan, makalah, dan materi industri. Panjang dokumen berkisar sekitar 10,000 hingga 100,000 token.

Kami menganggap hasil ini bukti yang cukup meyakinkan untuk kemampuan analisis lintas materi Kimi K3. Kami tetap menyarankan pengujian terpisah untuk masukan nyata yang mendekati sejuta token. Dalam pengujian sebelumnya, keluaran tidak terlalu baik ketika masukan mendekati batas model yang diizinkan.

Indeks kecerdasan dan kecepatan respons: 44 poin dan sekitar 45 token per detik

Intelligence Index v4.3.2 Artificial Analysis mencantumkan Kimi K3 Max pada 44 poin. Kecepatan keluarannya sekitar 45 token per detik, dengan sekitar 3.92 detik menuju token pertama dan 48.58 detik menuju token jawaban pertama ketika pemikiran disertakan.

Kami mengukur waktu sampai data mulai kembali, waktu sampai jawaban sebenarnya muncul, dan waktu sampai seluruh tugas selesai secara terpisah. Untuk fitur yang sering berinteraksi, waktu-waktu ini memengaruhi pengalaman pengguna; untuk analisis kompleks, semuanya perlu ditimbang bersama kualitas hasil dalam kasus bisnis.

Kimi K3 dibandingkan dengan DeepSeek V4 Pro, V4.1 Flash, Claude Fable 5.1, dan GPT-5.6 Sol

Kami membandingkan data dari versi Artificial Analysis v4.3.2 yang sama. Seluruh entri di bawah menggunakan upaya Max; Claude Fable 5.1 mempertahankan konfigurasi Default Fallback yang tercantum pada halaman evaluasi. Halaman perbandingan menampilkan AA-LCR sebagai persentase bulat, sehingga 88.7% Kimi K3 muncul sebagai 89%.

Biaya tugas dalam tabel adalah biaya rata-rata tertimbang yang dihitung AA untuk evaluasinya, termasuk masukan, cache, pemikiran, dan penggunaan jawaban, serta menjadi referensi pemilihan model. Biaya aktual API Hop dihitung dari harga platform dan penggunaan permintaan. Metodologi biaya

Model dan konfigurasi pengujianIndeks kecerdasanAA-LCR v1.1Biaya tertimbang per tugas
Kimi K3 Max4489%$2.00
DeepSeek V4 Pro 0813 Max3680%$0.67
DeepSeek V4.1 Flash Max3984%$0.27
Claude Fable 5.1 Max, Fallback Bawaan5385%$7.63
GPT-5.6 Sol Max4784%$1.99
Artificial Analysis v4.3.2 2026-10-07 · Semua model pada Max
Indeks Kecerdasan Skor · Lebih tinggi lebih baik
  • Kimi K3 Max 44
  • DeepSeek V4 Pro 0813 Max 36
  • DeepSeek V4.1 Flash Max 39
  • Claude Fable 5.1 MaxFallback Bawaan 53
  • GPT-5.6 Sol Max 47
AA-LCR v1.1 Persen · Lebih tinggi lebih baik
  • Kimi K3 Max 89%
  • DeepSeek V4 Pro 0813 Max 80%
  • DeepSeek V4.1 Flash Max 84%
  • Claude Fable 5.1 MaxFallback Bawaan 85%
  • GPT-5.6 Sol Max 84%
Biaya tertimbang per tugas USD/tugas · Lebih rendah lebih baik
  • Kimi K3 Max $2.00
  • DeepSeek V4 Pro 0813 Max $0.67
  • DeepSeek V4.1 Flash Max $0.27
  • Claude Fable 5.1 MaxFallback Bawaan $7.63
  • GPT-5.6 Sol Max $1.99
AA-LCR dibulatkan: Kimi K3 88.7% → 89%. Biaya tugas AA mencakup masukan, cache, penalaran, dan jawaban; ini bukan harga API Hop.

Sumber: perbandingan V4 Pro, perbandingan V4.1 Flash, perbandingan Fable 5.1, dan perbandingan GPT-5.6 Sol.

Dibandingkan dengan DeepSeek V4 Pro: analisis dokumen panjang lebih kuat dengan biaya tugas evaluasi lebih tinggi

Dalam evaluasi ini, skor Kimi K3 melampaui DeepSeek V4 Pro 0813 pada indeks kecerdasan, penalaran dokumen panjang, dan pekerjaan pengetahuan. Kami memprioritaskan K3 untuk tugas dengan hubungan kompleks lintas materi serta berbagai jenis bukti, lalu memeriksa apakah perbedaan kemampuan mengurangi waktu penataan dan peninjauan manual. Perbandingan setara AA

Kami juga menguji V4 Pro untuk tugas teks berulang dalam jumlah besar dengan kriteria penerimaan jelas. Biaya tugasnya lebih rendah dalam rangkaian evaluasi ini. Jika keluarannya sudah memenuhi kebutuhan bisnis, selisih biaya dapat menjadi penting ketika penggunaan diperbesar.

Dibandingkan dengan DeepSeek V4.1 Flash: unggul secara umum dan dokumen panjang, dengan pertimbangan otomatisasi berbeda

Kimi K3 memimpin indeks kecerdasan dan AA-LCR, tetapi V4.1 Flash mendapat 69% pada AutomationBench-AA dibandingkan 58% K3; pada Terminal-Bench 4.0, masing-masing mendapat 27% dan 13%. Menurut kami, ini menunjukkan bagaimana jenis tugas dapat mengubah peringkat model. Perbandingan setara AA

Untuk aplikasi yang terutama menganalisis materi panjang, fokuslah pada K3. Untuk otomatisasi alur kerja, operasi terminal, dan panggilan berfrekuensi tinggi, kami menjadikan V4.1 Flash kandidat penting dan membandingkan tingkat keberhasilan sekaligus biaya eksekusi lengkap.

Dibandingkan dengan Claude Fable 5.1: terdapat selisih dalam pemrograman terminal, sedangkan dokumen panjang layak diuji terpisah

Dengan konfigurasi Default Fallback di atas, Claude Fable 5.1 mendapat 53 pada indeks kecerdasan dibandingkan 44 Kimi K3, dan 52% pada Terminal-Bench 4.0 dibandingkan 13%. Kami memakai Fable 5.1 sebagai referensi penting untuk pemrograman terminal kompleks. K3 mencapai skor AA-LCR v1.1 lebih tinggi dan biaya tugas evaluasi lebih rendah. Perbandingan setara AA

Untuk aplikasi yang menjawab pertanyaan tertentu setelah membaca beberapa sumber, uji K3 secara terpisah. Untuk tugas yang memerlukan operasi terminal berkelanjutan, perbaikan lingkungan, dan verifikasi rekayasa, kami lebih berfokus pada keberhasilan percobaan pertama serta jumlah intervensi manual sebelum menentukan kelayakan biaya model tambahan.

Dibandingkan dengan GPT-5.6 Sol: hasil penalaran dokumen panjang berbeda dengan biaya tugas lengkap yang serupa

Skor AA-LCR Kimi K3 lebih tinggi daripada GPT-5.6 Sol, sementara GPT-5.6 Sol lebih tinggi pada indeks kecerdasan dan Terminal-Bench 4.0. Kami terutama memperhatikan biaya tugasnya: masing-masing sekitar $2.00 dan $1.99 dalam rangkaian evaluasi ini, yang sudah sangat dekat. Perbandingan setara AA

Karena itu, bandingkan biaya setelah seluruh tugas selesai, termasuk pemikiran, interaksi alat, percobaan ulang, dan jawaban akhir. Prioritaskan perbandingan K3 untuk analisis padat informasi; gunakan GPT-5.6 Sol sebagai referensi utama tugas rekayasa terminal. Pada akhirnya, pilih perutean berdasarkan penyelesaian tugas nyata dalam bisnis Anda.

Mengapa menggunakan Kimi K3 melalui API Hop?

Penagihan berdasarkan penggunaan dan optimasi biaya model

Biaya mengikuti tarif API Hop saat ini dan penggunaan sebenarnya. Isi saldo sesuai kebutuhan.

Model AI dan API data terpadu, dengan akses banyak model di satu tempat

Satu kunci API menghubungkan banyak model AI dan layanan data, mengurangi biaya integrasi serta memungkinkan pergantian dengan satu klik. Aplikasi bisnis membutuhkan AI dan data.

Log panggilan dan kontrol akses aplikasi, dengan kejelasan setiap panggilan

Setiap panggilan API dicatat di dasbor Anda. Buat kunci API terpisah untuk aplikasi berbeda.

Evaluasi keluaran berdasarkan tugas Anda

Gunakan ID model yang didokumentasikan dan parameter yang didukung melalui API Hop. Evaluasi keluaran berdasarkan kriteria penerimaan Anda sendiri, lalu periksa catatan penggunaan serta metadata respons sebelum penggunaan produksi. Nama model atau contoh tidak menjamin setiap hasil.

Cara menggunakan Kimi K3 di API Hop

Setelah membuat kunci API di konsol, ikuti dokumentasi untuk mulai menggunakan Kimi K3.

Siapkan akun Anda dan uji secara daring

Masuk, pastikan saldo Anda, dan buat kunci API.

Coba di ruang uji

Jelajahi kemampuan model di ruang uji untuk menemukan cara terbaik menggunakannya.

Integrasikan Kimi K3 ke bisnis Anda

Ikuti dokumentasi pengembang kami untuk mengintegrasikan Kimi K3 ke bisnis Anda.

Peningkatan model mendatang

Untuk beralih ke model lebih baru, pastikan dahulu ID tepatnya dikembalikan katalog model untuk kunci API Anda. Jika model mendukung endpoint dan bidang permintaan yang sama, perbarui ID model, lalu uji format respons, streaming, batas keluaran, dan penagihan sebelum mengirim lalu lintas produksi. Untuk tugas gambar atau video asinkron, verifikasi juga pengiriman tugas, polling status, dan pengambilan hasil.

Pertanyaan umum API Kimi K3

Endpoint dan nama model apa yang digunakan untuk memanggil Kimi K3 melalui API Hop?

Endpoint Kimi K3 kami saat ini adalah POST https://api.apihop.ai/v1/chat-completions, pengenal modelnya kimi-k3, dan autentikasi menggunakan API Key API Hop. Konfirmasikan koneksi terlebih dahulu dengan permintaan minimal di bawah, lalu tambahkan parameter opsional satu per satu. Dokumentasi API Kimi API Hop

curl -X POST "https://api.apihop.ai/v1/chat-completions" \
  -H "Authorization: Bearer $APIHOP_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
  }'

Model API Hop ini menggunakan antarmuka Chat Completions terpadu, bukan OpenAI Responses atau Claude Messages.

Apakah Kimi K3 mendukung streaming dan pertanyaan lanjutan?

Kami menyediakan respons dengan dan tanpa streaming. Pengaturan stream: true mengembalikan SSE; stream: false atau penghilangan kolom mengembalikan JSON lengkap. Kami menyarankan streaming untuk antarmuka yang menampilkan hasil secara bertahap. Dokumentasi API Kimi API Hop

Untuk pertanyaan lanjutan, aplikasi harus mengelola riwayat percakapan sesuai protokol integrasi dan menyertakan konteks relevan dalam permintaan berikutnya. Memori pada alat online menambahkan giliran yang dapat digunakan ulang dari percakapan saat ini. Pertahankan materi yang relevan dengan pertanyaan dan perhatikan biaya token masukan ketika riwayat bertambah. Penjelasan konteks alat online

Memori ruang uji tidak persisten lintas sesi. Menonaktifkannya mempertahankan riwayat terlihat tetapi mengecualikannya dari permintaan baru. Balasan yang gagal, dihentikan, terpotong, atau tidak dapat digunakan kembali tidak ditambahkan sebagai riwayat biasa.

0

Mengapa jawaban tetap dapat terpotong jika Kimi K3 mendukung konteks sejuta token?

Kami terlebih dahulu memeriksa kapasitas konteks dan anggaran keluaran secara terpisah. max_tokens API Hop mengatur jatah keluaran yang dibagi antara pemikiran dan jawaban akhir. Jika terlalu kecil, respons dapat berakhir dengan finish_reason: "length" sebelum jawaban lengkap. Penjelasan anggaran keluaran API Hop

Ketika menemukan length, periksa apakah Anda menyisakan ruang cukup untuk pemikiran dan jawaban sebelum menaikkan anggaran atau membagi tugas menjadi beberapa langkah. Jika kesalahan menyebut batas konteks terlampaui, hapus riwayat tidak relevan dan materi duplikat.

Terakhir, satu hal perlu diperjelas: konteks sejuta token tidak berarti model benar-benar mampu mengembalikan hasil baik pada skala itu. Jika akurasi menjadi prioritas, mengendalikan panjang konteks sejauh ini adalah satu-satunya pilihan Anda.

Klien API harus membedakan reasoning_content dari content akhir.

0

Bagaimana menangani kesalahan 400, 401, 402, dan 429 saat memanggil Kimi K3?

Kami menyarankan memeriksa status HTTP terlebih dahulu, lalu code numerik dalam respons. Dokumentasi Chat Completions API Hop mendefinisikan kesalahan umum sebagai berikut. Dokumentasi respons kesalahan API Hop

Status HTTPcode numerikMaknaTindakan yang kami sarankan
40010000Permintaan tidak validPeriksa model, messages, tipe kolom, dan parameter opsional
40120000Autentikasi tidak ada atau tidak validPeriksa API Key API Hop dan header autentikasi Bearer
40240000Saldo tersedia tidak cukupPeriksa saldo akun dan jatah yang diperlukan permintaan ini
42940001Laju permintaan dibatasiKurangi konkurensi dan frekuensi, lalu coba kembali dengan jeda

Mulai pemecahan masalah dengan permintaan minimal, lalu pulihkan parameter satu per satu. Tangani status HTTP dan code respons secara terpisah. Jika masalah berlanjut, simpan pengenal permintaan dari respons serta parameter terkait untuk membantu kami menemukan kegagalan spesifik.

Untuk 403, periksa izin model dalam katalog yang terlihat oleh kunci Anda. Diagnosis 502, 503, 504, dan kesalahan dalam aliran SSE dari respons kesalahan lengkap.

Dapatkah ruang uji Kimi K3 menerima gambar, PDF, atau video?

Halaman ini menyediakan percakapan teks tanpa kendali unggahan berkas atau gambar. Pemahaman visual asli memerlukan antarmuka yang mendukung masukan tersebut. Alat ini tidak mengunduh berkas tertaut, membaca dokumen eksternal, atau otomatis menelusuri web. Ekstrak teks yang relevan terlebih dahulu saat menguji di sini.

Apakah satu permintaan dapat mengembalikan beberapa alternatif atau menjamin JSON valid?

Kimi K3 hanya mendukung n=1 melalui API Hop. Minta beberapa alternatif dalam satu jawaban. Untuk JSON, tetapkan bidang, jenis, dan perilaku nilai yang tidak tersedia, lalu validasi sintaks, skema, serta makna bisnis dalam aplikasi Anda.

API teks terkait