Modelle

MoonshotAI: Kimi K3.1 Pro

Markdown · JSON

MoonshotAI: Kimi K3.1 Pro

moonshotai/kimi-k3.1-pro
MoonshotAITextEingabe from $ 0,002 / 1KAusgabe from $ 0,01 / 1K

Kimi K3.1 Pro hilft, komplexe Materialien auszuwerten, Code zu schreiben und textbasierte Lösungen für Projekte, Modellierung und Analysen vorzubereiten.

Kimi K3.1 Pro ist ein Modell von Moonshot AI und das erste der Reihe K3.1. Es baut auf Kimi K3 auf, mit erheblich erweitertem Nachtraining und gemeinsamem Reinforcement Learning über zahlreiche Fachgebiete hinweg. Die offizielle Beschreibung hebt Programmierung, die Arbeit an dreidimensionalen Projekten, Finanzanalysen und Aufgaben mit mehreren zusammenhängenden Schritten hervor.

Programmierung und technische Projekte

Das Modell lässt sich zur Analyse vorhandenen Codes, zur Vorbereitung von Änderungen und zur Entwicklungsplanung einsetzen. Übergeben Sie Ziel, aktuelle Implementierung und Einschränkungen, etwa welche Schnittstellen erhalten bleiben müssen und wie ein korrektes Ergebnis aussieht. Als Antwort können Sie eine Erklärung, einen Patchtext, Testszenarien oder eine Einführungsabfolge anfordern.

Für Spiele, interaktive Szenen und parametrische Modellierung sind Aufgaben zur Vorbereitung von Skripten und technischer Logik hilfreich. Die Herstellerdokumentation behandelt die Arbeit mit Blender, CAD und Spiele-Engines. In Ailoot liefert diese Modellkarte Text. Daher formulieren Sie eine solche Anfrage am besten als Code für das gewählte Werkzeug, als Geometriebeschreibung oder als Plan für den Szenenaufbau, den Sie anschließend in Ihrer eigenen Umgebung ausführen.

Analyse bereitgestellter Daten

Bei Dokumenten können Sie Quellen vergleichen, eine Berechnung erklären, die Schlüssigkeit von Annahmen prüfen oder eine Forschungsnotiz erstellen lassen. Übergeben Sie für ein Finanzmodell die Ausgangskennzahlen, Maßeinheiten und deren Abhängigkeiten. Das Modell kann Formeltexte und eine Prüfreihenfolge vorschlagen sowie für einen Bericht eine Struktur und Argumentation entwickeln, die auf den bereitgestellten Materialien beruhen.

So erhalten Sie eine nützliche Antwort

  1. Benennen Sie Aufgabe und gewünschtes Ergebnis: Erklärung, Code, Plan oder analytische Schlussfolgerung.
  2. Fügen Sie die erforderlichen Texte bei und kennzeichnen Sie, welche Quellen Vorrang haben.
  3. Beschreiben Sie die Prüfkriterien: einzuhaltende Bedingungen, Format, Rechengenauigkeit und Pflichtabschnitte.
  4. Setzen Sie die Arbeit mit Präzisierungen fort und bewahren Sie wichtige Entscheidungen sowie ursprüngliche Einschränkungen.

Eingabe und Ergebnis in Ailoot

Die Modellkarte nimmt Text entgegen und liefert Text. Geeignete Materialien sind Anweisungen, Dokumentenauszüge, Quellcode, Tabellen in Textform und der Gesprächsverlauf. Bei K3.1 Pro ist Reasoning dauerhaft aktiviert; die Modelldokumentation sieht die Stufen low, high und max vor. In Standard gelten bis zu 262 144 Token für die Eingabe und bis zu 65 536 Token für die Antwort. Berücksichtigen Sie bei einer umfangreichen Anfrage den Gesprächsverlauf und stimmen Sie den Materialumfang auf die konkrete Frage ab.

Über die Ailoot API verfügbar

Core Anthropic MessagesPOST /v1/messages
Eingabe
text
Ausgabe
text
Kontext
262 144 Token
Max. Antwort
65 536 Token
Eingabe
$ 0,002 / 1K
Ausgabe
$ 0,01 / 1K
Cache lesen
$ 0,0002 / 1K
In Cache schreiben
$ 0,002 / 1K
In Cache schreiben, 5 Min.
$ 0,002 / 1K tokens
Core OpenAI ResponsesPOST /v1/responses
Eingabe
text
Ausgabe
text
Kontext
262 144 Token
Max. Antwort
65 536 Token
Eingabe
$ 0,002 / 1K
Ausgabe
$ 0,01 / 1K
Cache lesen
$ 0,0002 / 1K
In Cache schreiben
$ 0,002 / 1K
In Cache schreiben, 5 Min.
$ 0,002 / 1K tokens
Core OpenAI ChatPOST /v1/chat/completions
Eingabe
text
Ausgabe
text
Kontext
262 144 Token
Max. Antwort
65 536 Token
Eingabe
$ 0,002 / 1K
Ausgabe
$ 0,01 / 1K
Cache lesen
$ 0,0002 / 1K
In Cache schreiben
$ 0,002 / 1K
In Cache schreiben, 5 Min.
$ 0,002 / 1K tokens
Core Gemini generateContentPOST /v1beta/models/{model}:generateContent
Eingabe
text
Ausgabe
text
Kontext
262 144 Token
Max. Antwort
65 536 Token
Eingabe
$ 0,002 / 1K
Ausgabe
$ 0,01 / 1K
Cache lesen
$ 0,0002 / 1K
In Cache schreiben
$ 0,002 / 1K
In Cache schreiben, 5 Min.
$ 0,002 / 1K tokens
Ultra OpenAI ChatPOST /v1/chat/completions
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
In Cache schreiben
$ 0,004 / 1K
In Cache schreiben, 5 Min.
$ 0,004 / 1K tokens
Ultra OpenAI ResponsesPOST /v1/responses
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
In Cache schreiben
$ 0,004 / 1K
In Cache schreiben, 5 Min.
$ 0,004 / 1K tokens
Ultra Gemini generateContentPOST /v1beta/models/kimi-k3.1-pro:generateContent
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
In Cache schreiben
$ 0,004 / 1K
In Cache schreiben, 5 Min.
$ 0,004 / 1K tokens
Ultra Anthropic MessagesPOST /v1/messages
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
Ultra Gemini generateContentPOST /v1beta/models/moonshotai/kimi-k3.1-pro:generateContent
Eingabe
text
Ausgabe
text
Kontext
Im Katalog nicht angegeben
Max. Antwort
Im Katalog nicht angegeben
Eingabe
$ 0,004 / 1K
Ausgabe
$ 0,02 / 1K
Cache lesen
$ 0,0004 / 1K
moonshotai/kimi-k3.1-pro · JSON
{"about":"Kimi K3.1 Pro ist ein Modell von Moonshot AI und das erste der Reihe K3.1. Es baut auf Kimi K3 auf, mit erheblich erweitertem Nachtraining und gemeinsamem Reinforcement Learning über zahlreiche Fachgebiete hinweg. Die offizielle Beschreibung hebt Programmierung, die Arbeit an dreidimensionalen Projekten, Finanzanalysen und Aufgaben mit mehreren zusammenhängenden Schritten hervor.\n\n### Programmierung und technische Projekte\n\nDas Modell lässt sich zur Analyse vorhandenen Codes, zur Vorbereitung von Änderungen und zur Entwicklungsplanung einsetzen. Übergeben Sie Ziel, aktuelle Implementierung und Einschränkungen, etwa welche Schnittstellen erhalten bleiben müssen und wie ein korrektes Ergebnis aussieht. Als Antwort können Sie eine Erklärung, einen Patchtext, Testszenarien oder eine Einführungsabfolge anfordern.\n\nFür Spiele, interaktive Szenen und parametrische Modellierung sind Aufgaben zur Vorbereitung von Skripten und technischer Logik hilfreich. Die Herstellerdokumentation behandelt die Arbeit mit Blender, CAD und Spiele-Engines. In Ailoot liefert diese Modellkarte Text. Daher formulieren Sie eine solche Anfrage am besten als Code für das gewählte Werkzeug, als Geometriebeschreibung oder als Plan für den Szenenaufbau, den Sie anschließend in Ihrer eigenen Umgebung ausführen.\n\n### Analyse bereitgestellter Daten\n\nBei Dokumenten können Sie Quellen vergleichen, eine Berechnung erklären, die Schlüssigkeit von Annahmen prüfen oder eine Forschungsnotiz erstellen lassen. Übergeben Sie für ein Finanzmodell die Ausgangskennzahlen, Maßeinheiten und deren Abhängigkeiten. Das Modell kann Formeltexte und eine Prüfreihenfolge vorschlagen sowie für einen Bericht eine Struktur und Argumentation entwickeln, die auf den bereitgestellten Materialien beruhen.\n\n### So erhalten Sie eine nützliche Antwort\n\n1. Benennen Sie Aufgabe und gewünschtes Ergebnis: Erklärung, Code, Plan oder analytische Schlussfolgerung.\n2. Fügen Sie die erforderlichen Texte bei und kennzeichnen Sie, welche Quellen Vorrang haben.\n3. Beschreiben Sie die Prüfkriterien: einzuhaltende Bedingungen, Format, Rechengenauigkeit und Pflichtabschnitte.\n4. Setzen Sie die Arbeit mit Präzisierungen fort und bewahren Sie wichtige Entscheidungen sowie ursprüngliche Einschränkungen.\n\n### Eingabe und Ergebnis in Ailoot\n\nDie Modellkarte nimmt Text entgegen und liefert Text. Geeignete Materialien sind Anweisungen, Dokumentenauszüge, Quellcode, Tabellen in Textform und der Gesprächsverlauf. Bei K3.1 Pro ist Reasoning dauerhaft aktiviert; die Modelldokumentation sieht die Stufen low, high und max vor. In Standard gelten bis zu 262 144 Token für die Eingabe und bis zu 65 536 Token für die Antwort. Berücksichtigen Sie bei einer umfangreichen Anfrage den Gesprächsverlauf und stimmen Sie den Materialumfang auf die konkrete Frage ab.","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 hilft, komplexe Materialien auszuwerten, Code zu schreiben und textbasierte Lösungen für Projekte, Modellierung und Analysen vorzubereiten."}

Fragen

Wie wähle ich ein Modell für meine Aufgabe aus?

Bestimmen Sie zuerst die benötigte Ein- und Ausgabe: Text, Bild, Audio oder Video. Vergleichen Sie dann kompatible API-Methoden, die genaue Modell-ID oder das aktuelle Zielmodell des Alias, den Preis und die Abrechnungseinheit. GET /v1/models ist kostenlos und listet die für Ihren Schlüssel verfügbaren Modelle auf.

Unterstützt jedes Modell alle API-Methoden und Medientypen?

Verwenden Sie die auf der Modellkarte aufgeführten API-Methoden sowie Ein- und Ausgabetypen. Die Unterstützung von Text, Bildern, Audio oder Video hängt vom gewählten Modell und der Methode ab; prüfen Sie das zugehörige Anfragebeispiel, bevor Sie Ihre Daten senden.

Was ist der Unterschied zwischen einer Modell-ID und einem Alias?

Eine genaue Modell-ID bezeichnet ein bestimmtes Modell. Ein Alias verweist auf ein Modell; sein Zielmodell kann sich ändern. Prüfen Sie das aktuelle Zielmodell des Alias im Katalog; verwenden Sie die genaue ID, wenn Ihre Integration ein bestimmtes Modell benötigt.

Wie vergleiche ich Preise, bevor ich eine Anfrage sende?

Prüfen Sie auf der Modellkarte den Preis und die Abrechnungseinheit für die gewählte API-Methode. Vergleichen Sie dieselbe Einheit und denselben Ein- und Ausgabetyp; der Anfrageverlauf zeigt die tatsächliche Nutzung und den berechneten Betrag.

Was bringt ein Abo?

Rabatt beim Tokenkauf für regelmäßige Arbeit. Wählen Sie den Tarif nach Ihrem Anfragevolumen; Bedingungen und Abopreis werden beim Abschluss angezeigt.

Wie nutze ich einen Aktionscode bis 50% Rabatt?

Geben Sie den Code beim Tokenkauf ein. Die Endsumme wird nach Aktionsbedingungen neu berechnet; der Rabatt ist vor der Zahlung sichtbar.