modelos

MoonshotAI: Kimi K3.1 Pro

Markdown · JSON

MoonshotAI: Kimi K3.1 Pro

moonshotai/kimi-k3.1-pro
MoonshotAITextoEntrada from USD 0.002 / 1KSalida from USD 0.01 / 1K

Kimi K3.1 Pro ayuda a analizar materiales complejos, escribir código y preparar soluciones de texto para proyectos, modelado y análisis.

Kimi K3.1 Pro es un modelo de Moonshot AI y el primero de la serie K3.1. Está basado en Kimi K3, con un volumen de posentrenamiento y aprendizaje por refuerzo conjunto en múltiples áreas de conocimiento considerablemente mayor. La descripción oficial destaca la programación, el trabajo en proyectos tridimensionales, la investigación financiera y las tareas que requieren varias etapas relacionadas.

Programación y proyectos técnicos

El modelo puede utilizarse para analizar código existente, preparar cambios y planificar el desarrollo. Proporciona el objetivo, la implementación actual y las restricciones: por ejemplo, qué interfaces deben conservarse y cómo sería un resultado correcto. Puedes pedir una explicación, el texto de un parche, escenarios de prueba o una secuencia de implantación.

Para juegos, escenas interactivas y modelado paramétrico, resultan útiles las tareas de preparación de scripts y lógica técnica. La documentación del fabricante aborda el trabajo con Blender, CAD y motores de juegos. En Ailoot, el resultado de esta ficha es texto, por lo que conviene formular la solicitud como código para la herramienta elegida, una descripción de geometría o un plan de construcción de la escena que después ejecutarás en tu entorno.

Análisis de los datos proporcionados

Al trabajar con documentos, puedes pedir que se contrasten fuentes, se explique un cálculo, se compruebe la coherencia de las hipótesis o se prepare una nota de investigación. Para un modelo financiero, proporciona los indicadores de partida, las unidades de medida y sus relaciones. El modelo puede proponer el texto de las fórmulas y un orden de comprobación y, para un informe, una estructura y argumentos vinculados con los materiales facilitados.

Cómo obtener una respuesta útil

  1. Indica la tarea y el resultado esperado: explicación, código, plan o conclusión analítica.
  2. Adjunta los textos necesarios y señala qué fuentes tienen prioridad.
  3. Describe los criterios de comprobación: condiciones que deben conservarse, formato, precisión de los cálculos y secciones obligatorias.
  4. Continúa mediante aclaraciones, conservando las decisiones importantes y las restricciones iniciales.

Entrada y resultado en Ailoot

La ficha recibe texto y devuelve texto. Los materiales adecuados incluyen instrucciones, extractos de documentos, código fuente, tablas en formato de texto e historial de conversación. En K3.1 Pro, el razonamiento está siempre activado; la documentación del modelo contempla los niveles low, high y max. En Standard, el límite de entrada es de hasta 262 144 tokens y el de respuesta, de hasta 65 536 tokens. Al preparar una solicitud extensa, ten en cuenta el historial de conversación y elige el volumen de material según la pregunta concreta.

Disponible mediante la API de Ailoot

Core Anthropic MessagesPOST /v1/messages
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
65,536 tokens
Entrada
USD 0.002 / 1K
Salida
USD 0.01 / 1K
Lectura de caché
USD 0.0002 / 1K
Escritura en caché
USD 0.002 / 1K
Escritura en caché, 5 min
USD 0.002 / 1K tokens
Core OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
65,536 tokens
Entrada
USD 0.002 / 1K
Salida
USD 0.01 / 1K
Lectura de caché
USD 0.0002 / 1K
Escritura en caché
USD 0.002 / 1K
Escritura en caché, 5 min
USD 0.002 / 1K tokens
Core OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
65,536 tokens
Entrada
USD 0.002 / 1K
Salida
USD 0.01 / 1K
Lectura de caché
USD 0.0002 / 1K
Escritura en caché
USD 0.002 / 1K
Escritura en caché, 5 min
USD 0.002 / 1K tokens
Core Gemini generateContentPOST /v1beta/models/{model}:generateContent
Entrada
text
Salida
text
Contexto
262,144 tokens
Respuesta máx.
65,536 tokens
Entrada
USD 0.002 / 1K
Salida
USD 0.01 / 1K
Lectura de caché
USD 0.0002 / 1K
Escritura en caché
USD 0.002 / 1K
Escritura en caché, 5 min
USD 0.002 / 1K tokens
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Escritura en caché
USD 0.004 / 1K
Escritura en caché, 5 min
USD 0.004 / 1K tokens
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Escritura en caché
USD 0.004 / 1K
Escritura en caché, 5 min
USD 0.004 / 1K tokens
Ultra Gemini generateContentPOST /v1beta/models/kimi-k3.1-pro:generateContent
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Escritura en caché
USD 0.004 / 1K
Escritura en caché, 5 min
USD 0.004 / 1K tokens
Ultra Anthropic MessagesPOST /v1/messages
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
Ultra Gemini generateContentPOST /v1beta/models/moonshotai/kimi-k3.1-pro:generateContent
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.004 / 1K
Salida
USD 0.02 / 1K
Lectura de caché
USD 0.0004 / 1K
moonshotai/kimi-k3.1-pro · JSON
{"about":"Kimi K3.1 Pro es un modelo de Moonshot AI y el primero de la serie K3.1. Está basado en Kimi K3, con un volumen de posentrenamiento y aprendizaje por refuerzo conjunto en múltiples áreas de conocimiento considerablemente mayor. La descripción oficial destaca la programación, el trabajo en proyectos tridimensionales, la investigación financiera y las tareas que requieren varias etapas relacionadas.\n\n### Programación y proyectos técnicos\n\nEl modelo puede utilizarse para analizar código existente, preparar cambios y planificar el desarrollo. Proporciona el objetivo, la implementación actual y las restricciones: por ejemplo, qué interfaces deben conservarse y cómo sería un resultado correcto. Puedes pedir una explicación, el texto de un parche, escenarios de prueba o una secuencia de implantación.\n\nPara juegos, escenas interactivas y modelado paramétrico, resultan útiles las tareas de preparación de scripts y lógica técnica. La documentación del fabricante aborda el trabajo con Blender, CAD y motores de juegos. En Ailoot, el resultado de esta ficha es texto, por lo que conviene formular la solicitud como código para la herramienta elegida, una descripción de geometría o un plan de construcción de la escena que después ejecutarás en tu entorno.\n\n### Análisis de los datos proporcionados\n\nAl trabajar con documentos, puedes pedir que se contrasten fuentes, se explique un cálculo, se compruebe la coherencia de las hipótesis o se prepare una nota de investigación. Para un modelo financiero, proporciona los indicadores de partida, las unidades de medida y sus relaciones. El modelo puede proponer el texto de las fórmulas y un orden de comprobación y, para un informe, una estructura y argumentos vinculados con los materiales facilitados.\n\n### Cómo obtener una respuesta útil\n\n1. Indica la tarea y el resultado esperado: explicación, código, plan o conclusión analítica.\n2. Adjunta los textos necesarios y señala qué fuentes tienen prioridad.\n3. Describe los criterios de comprobación: condiciones que deben conservarse, formato, precisión de los cálculos y secciones obligatorias.\n4. Continúa mediante aclaraciones, conservando las decisiones importantes y las restricciones iniciales.\n\n### Entrada y resultado en Ailoot\n\nLa ficha recibe texto y devuelve texto. Los materiales adecuados incluyen instrucciones, extractos de documentos, código fuente, tablas en formato de texto e historial de conversación. En K3.1 Pro, el razonamiento está siempre activado; la documentación del modelo contempla los niveles low, high y max. En Standard, el límite de entrada es de hasta 262 144 tokens y el de respuesta, de hasta 65 536 tokens. Al preparar una solicitud extensa, ten en cuenta el historial de conversación y elige el volumen de material según la pregunta concreta.","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 ayuda a analizar materiales complejos, escribir código y preparar soluciones de texto para proyectos, modelado y análisis."}

Preguntas

¿Cómo elijo un modelo para mi tarea?

Primero determina la entrada y la salida necesarias: texto, imagen, audio o vídeo. Después compara los métodos de API compatibles, el ID exacto del modelo o el modelo al que apunta actualmente el alias, el precio y la unidad de facturación. GET /v1/models es gratuito y enumera los modelos disponibles para tu clave.

¿Cada modelo admite todos los métodos de API y tipos de contenido?

Utiliza los métodos de API y los tipos de entrada y salida que figuran en la ficha del modelo. La compatibilidad con texto, imágenes, audio o vídeo depende del modelo y del método seleccionados; consulta su ejemplo de solicitud antes de enviar tus datos.

¿Qué diferencia hay entre el ID de un modelo y un alias?

Un ID exacto identifica un modelo concreto. Un alias apunta a un modelo y su destino puede cambiar. Consulta en el catálogo a qué modelo apunta actualmente el alias; utiliza el ID exacto cuando tu integración necesite un modelo concreto.

¿Cómo comparo los precios antes de enviar una solicitud?

Consulta en la ficha del modelo el precio y la unidad de facturación del método de API seleccionado. Compara la misma unidad y el mismo tipo de entrada y salida; el historial de solicitudes muestra el uso real y el importe cobrado.

¿Qué ofrece la suscripción?

Descuento en compra de tokens para trabajo habitual. Elige el plan según tu volumen; condiciones y precio se muestran al contratar.

¿Cómo aplico un código de hasta el 50%?

Introduce el código al comprar tokens. El importe se recalcula según la promoción; ves el descuento antes de pagar.