MoonshotAI: Kimi K3.1 Pro
moonshotai/kimi-k3.1-proKimi 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
- Benennen Sie Aufgabe und gewünschtes Ergebnis: Erklärung, Code, Plan oder analytische Schlussfolgerung.
- Fügen Sie die erforderlichen Texte bei und kennzeichnen Sie, welche Quellen Vorrang haben.
- Beschreiben Sie die Prüfkriterien: einzuhaltende Bedingungen, Format, Rechengenauigkeit und Pflichtabschnitte.
- 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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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."}