modeller

MoonshotAI: Kimi K3.1 Pro

Markdown · JSON

MoonshotAI: Kimi K3.1 Pro

moonshotai/kimi-k3.1-pro
MoonshotAITekstInput from 0,002 US$ / 1KOutput from 0,01 US$ / 1K

Kimi K3.1 Pro hjælper med at analysere komplekst materiale, skrive kode og udarbejde tekstbaserede løsninger til projekter, modellering og analyse.

Kimi K3.1 Pro er en model fra Moonshot AI og den første i K3.1-serien. Den bygger på Kimi K3 med væsentligt mere eftertræning og fælles forstærkningslæring på tværs af mange fagområder. Den officielle beskrivelse fremhæver programmering, tredimensionelle projekter, finansiel research og opgaver med flere sammenhængende trin.

Programmering og tekniske projekter

Modellen kan bruges til at analysere eksisterende kode, forberede ændringer og planlægge udvikling. Angiv målet, den aktuelle implementering og begrænsningerne, eksempelvis hvilke grænseflader der skal bevares, og hvordan det korrekte resultat ser ud. Du kan bede om en forklaring, patchtekst, testscenarier eller en rækkefølge for implementering.

Til spil, interaktive scener og parametrisk modellering er opgaver med scripts og teknisk logik nyttige. Producentens dokumentation omhandler arbejde med Blender, CAD og spilmotorer. I Ailoot API er dette modelkorts resultat tekst, så forespørgslen kan med fordel formuleres som kode til det valgte værktøj, en geometribeskrivelse eller en plan for opbygning af scenen, der efterfølgende køres i dit eget miljø.

Analyse af de angivne data

Ved dokumentarbejde kan du bede om at sammenligne kilder, forklare en beregning, kontrollere sammenhængen mellem antagelser eller udarbejde et analysenotat. Til en finansiel model bør du medtage grundtal, måleenheder og indbyrdes afhængigheder. Modellen kan foreslå formler som tekst og en kontrolrækkefølge eller en rapportstruktur og argumentation, som er knyttet til det angivne materiale.

Sådan får du et nyttigt svar

  1. Angiv opgaven og det forventede resultat: forklaring, kode, plan eller analytisk konklusion.
  2. Vedlæg de nødvendige tekster, og angiv kildernes prioritet.
  3. Beskriv kontrolkriterierne: betingelser, der skal bevares, format, beregningspræcision og obligatoriske afsnit.
  4. Fortsæt med præciseringer, mens væsentlige beslutninger og oprindelige begrænsninger bevares.

Input og resultat i Ailoot API

Modelkortet modtager tekst og returnerer tekst. Egnede materialer er instruktioner, dokumentuddrag, kildekode, tabeller i tekstform og diskussionshistorik. K3.1 Pro har ræsonnement aktiveret permanent; modellens dokumentation beskriver niveauerne low, high og max. I Standard er grænsen op til 262 144 tokens som input og 65 536 tokens i svaret. Ved en stor forespørgsel bør du medregne samtalehistorikken og tilpasse materialemængden til det konkrete spørgsmål.

Tilgængeligt via Ailoot API

Core Anthropic MessagesPOST /v1/messages
Inputtyper
text
Outputtyper
text
Kontekst
262.144 tokens
Maks. svar
65.536 tokens
Input
0,002 US$ / 1K
Output
0,01 US$ / 1K
Cachelæsning
0,0002 US$ / 1K
Cacheskrivning
0,002 US$ / 1K
Cacheskrivning, 5 min.
0,002 US$ / 1K tokens
Core OpenAI ResponsesPOST /v1/responses
Inputtyper
text
Outputtyper
text
Kontekst
262.144 tokens
Maks. svar
65.536 tokens
Input
0,002 US$ / 1K
Output
0,01 US$ / 1K
Cachelæsning
0,0002 US$ / 1K
Cacheskrivning
0,002 US$ / 1K
Cacheskrivning, 5 min.
0,002 US$ / 1K tokens
Core OpenAI ChatPOST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Kontekst
262.144 tokens
Maks. svar
65.536 tokens
Input
0,002 US$ / 1K
Output
0,01 US$ / 1K
Cachelæsning
0,0002 US$ / 1K
Cacheskrivning
0,002 US$ / 1K
Cacheskrivning, 5 min.
0,002 US$ / 1K tokens
Core Gemini generateContentPOST /v1beta/models/{model}:generateContent
Inputtyper
text
Outputtyper
text
Kontekst
262.144 tokens
Maks. svar
65.536 tokens
Input
0,002 US$ / 1K
Output
0,01 US$ / 1K
Cachelæsning
0,0002 US$ / 1K
Cacheskrivning
0,002 US$ / 1K
Cacheskrivning, 5 min.
0,002 US$ / 1K tokens
Ultra OpenAI ChatPOST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Cacheskrivning
0,004 US$ / 1K
Cacheskrivning, 5 min.
0,004 US$ / 1K tokens
Ultra OpenAI ResponsesPOST /v1/responses
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Cacheskrivning
0,004 US$ / 1K
Cacheskrivning, 5 min.
0,004 US$ / 1K tokens
Ultra Gemini generateContentPOST /v1beta/models/kimi-k3.1-pro:generateContent
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Cacheskrivning
0,004 US$ / 1K
Cacheskrivning, 5 min.
0,004 US$ / 1K tokens
Ultra Anthropic MessagesPOST /v1/messages
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/moonshotai/kimi-k3.1-pro:generateContent
Inputtyper
text
Outputtyper
text
Kontekst
Ikke angivet i kataloget
Maks. svar
Ikke angivet i kataloget
Input
0,004 US$ / 1K
Output
0,02 US$ / 1K
Cachelæsning
0,0004 US$ / 1K
moonshotai/kimi-k3.1-pro · JSON
{"about":"Kimi K3.1 Pro er en model fra Moonshot AI og den første i K3.1-serien. Den bygger på Kimi K3 med væsentligt mere eftertræning og fælles forstærkningslæring på tværs af mange fagområder. Den officielle beskrivelse fremhæver programmering, tredimensionelle projekter, finansiel research og opgaver med flere sammenhængende trin.\n\n### Programmering og tekniske projekter\n\nModellen kan bruges til at analysere eksisterende kode, forberede ændringer og planlægge udvikling. Angiv målet, den aktuelle implementering og begrænsningerne, eksempelvis hvilke grænseflader der skal bevares, og hvordan det korrekte resultat ser ud. Du kan bede om en forklaring, patchtekst, testscenarier eller en rækkefølge for implementering.\n\nTil spil, interaktive scener og parametrisk modellering er opgaver med scripts og teknisk logik nyttige. Producentens dokumentation omhandler arbejde med Blender, CAD og spilmotorer. I Ailoot API er dette modelkorts resultat tekst, så forespørgslen kan med fordel formuleres som kode til det valgte værktøj, en geometribeskrivelse eller en plan for opbygning af scenen, der efterfølgende køres i dit eget miljø.\n\n### Analyse af de angivne data\n\nVed dokumentarbejde kan du bede om at sammenligne kilder, forklare en beregning, kontrollere sammenhængen mellem antagelser eller udarbejde et analysenotat. Til en finansiel model bør du medtage grundtal, måleenheder og indbyrdes afhængigheder. Modellen kan foreslå formler som tekst og en kontrolrækkefølge eller en rapportstruktur og argumentation, som er knyttet til det angivne materiale.\n\n### Sådan får du et nyttigt svar\n\n1. Angiv opgaven og det forventede resultat: forklaring, kode, plan eller analytisk konklusion.\n2. Vedlæg de nødvendige tekster, og angiv kildernes prioritet.\n3. Beskriv kontrolkriterierne: betingelser, der skal bevares, format, beregningspræcision og obligatoriske afsnit.\n4. Fortsæt med præciseringer, mens væsentlige beslutninger og oprindelige begrænsninger bevares.\n\n### Input og resultat i Ailoot API\n\nModelkortet modtager tekst og returnerer tekst. Egnede materialer er instruktioner, dokumentuddrag, kildekode, tabeller i tekstform og diskussionshistorik. K3.1 Pro har ræsonnement aktiveret permanent; modellens dokumentation beskriver niveauerne low, high og max. I Standard er grænsen op til 262 144 tokens som input og 65 536 tokens i svaret. Ved en stor forespørgsel bør du medregne samtalehistorikken og tilpasse materialemængden til det konkrete spørgsmål.","alias_of":null,"aliases":["k3.1-pro","kimi-k3.1-pro"],"author":"MoonshotAI","canonical_model":"moonshotai/kimi-k3.1-pro","ctx":262144,"formats":["chat","gemini","messages","responses"],"id":"moonshotai/kimi-k3.1-pro","input":["text"],"kind":"text","max_out":65536,"methods":[{"cache_read":0.2,"cache_write":2.0,"cache_write_1h":null,"cache_write_5m":2.0,"conditional_meter":null,"ctx":262144,"family":"anthropic","fast_multiplier":null,"flex_multiplier":null,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":2.0,"input":["text"],"label":"Anthropic Messages","max_out":65536,"max_tool_calls":null,"out":10.0,"output":["text"],"path":"/v1/messages","request_model_id":"k3.1-pro","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.2,"cache_write":2.0,"cache_write_1h":null,"cache_write_5m":2.0,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":null,"flex_multiplier":null,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":2.0,"input":["text"],"label":"OpenAI Responses","max_out":65536,"max_tool_calls":null,"out":10.0,"output":["text"],"path":"/v1/responses","request_model_id":"k3.1-pro","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.2,"cache_write":2.0,"cache_write_1h":null,"cache_write_5m":2.0,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":null,"flex_multiplier":null,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":2.0,"input":["text"],"label":"OpenAI Chat","max_out":65536,"max_tool_calls":null,"out":10.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"k3.1-pro","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.2,"cache_write":2.0,"cache_write_1h":null,"cache_write_5m":2.0,"conditional_meter":null,"ctx":262144,"family":"gemini","fast_multiplier":null,"flex_multiplier":null,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":2.0,"input":["text"],"label":"Gemini generateContent","max_out":65536,"max_tool_calls":null,"out":10.0,"output":["text"],"path":"/v1beta/models/{model}:generateContent","request_model_id":"k3.1-pro","route_label":"Core","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":4.0,"cache_write_1h":null,"cache_write_5m":4.0,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":4.0,"cache_write_1h":null,"cache_write_5m":4.0,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1/responses","request_model_id":"kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":4.0,"cache_write_1h":null,"cache_write_5m":4.0,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1beta/models/kimi-k3.1-pro:generateContent","request_model_id":"kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1/messages","request_model_id":"moonshotai/kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1/responses","request_model_id":"moonshotai/kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"moonshotai/kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.4,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":4.0,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":20.0,"output":["text"],"path":"/v1beta/models/moonshotai/kimi-k3.1-pro:generateContent","request_model_id":"moonshotai/kimi-k3.1-pro","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"moonshotai/kimi-k3.1-pro","request_model_id":"k3.1-pro","route_label":"Core"},{"canonical_model_id":"moonshotai/kimi-k3.1-pro","request_model_id":"kimi-k3.1-pro","route_label":"Ultra"},{"canonical_model_id":"moonshotai/kimi-k3.1-pro","request_model_id":"moonshotai/kimi-k3.1-pro","route_label":"Ultra"}],"name":"MoonshotAI: Kimi K3.1 Pro","price":{"in":2.0,"in_label":null,"out":10.0,"out_label":null,"sort_in":2.0,"sort_out":10.0,"varies":true},"public_id":"moonshotai/kimi-k3.1-pro","short":"Kimi K3.1 Pro hjælper med at analysere komplekst materiale, skrive kode og udarbejde tekstbaserede løsninger til projekter, modellering og analyse."}

Spørgsmål

Hvordan vælger jeg en model til min opgave?

Fastlæg først det nødvendige input og output: tekst, billede, lyd eller video. Sammenlign derefter kompatible API-metoder, det præcise model-ID eller den model, aliaset aktuelt peger på, pris og afregningsenhed. GET /v1/models er gratis og viser de modeller, din nøgle har adgang til.

Understøtter hver model alle API-metoder og medietyper?

Brug de API-metoder og input- og outputtyper, der står på modelkortet. Understøttelse af tekst, billeder, lyd eller video afhænger af den valgte model og metode; se det tilhørende eksempel på en forespørgsel, før du sender dine data.

Hvad er forskellen på et model-ID og et alias?

Et præcist model-ID angiver en bestemt model. Et alias peger på en model, og det kan ændre sig, hvilken model det peger på. Kontrollér den aktuelle målmodel for aliaset i kataloget; brug det præcise ID, når din integration kræver en bestemt model.

Hvordan sammenligner jeg priser, før jeg sender en forespørgsel?

Se prisen og afregningsenheden for den valgte API-metode på modelkortet. Sammenlign samme enhed og samme type input og output; forespørgselshistorikken viser det faktiske forbrug og det opkrævede beløb.

Hvad giver abonnementet?

Rabat på tokenkøb til regelmæssigt arbejde. Vælg abonnement efter anmodningsmængden. Vilkår og pris vises ved bestilling.

Hvordan bruger jeg en rabatkode på op til 50%?

Indtast rabatkoden ved tokenkøbet. Totalen genberegnes efter kampagnevilkårene, og rabatten vises før betaling.