MoonshotAI: Kimi K3 (batch)

A Kimi K3 a Moonshot AI nyílt modellsúlyú, multimodális ügynökmodellje hosszú távú programozáshoz, tudásmunkához és következtetéshez. A szöveget képek és videók natív vizuális értelmezésével egyesíti, és szöveges választ vagy eszközkérést állít elő. A gyártó hosszú mérnöki munkameneteket, nagy kódtárakat és a kód mellett képernyőképet vagy vizuális visszajelzést használó feladatokat emel ki. Hasznos feladatleírás meghatározza a kívánt eredményanyagot, a felhasználandó bizonyítékot és a munka befejezését jelző feltételt.

Architektúra és hosszú kontextus

A modellkártya ritka szakértőkeveréket ír le 2,8 billió összes paraméterrel és 104 milliárd aktivált paraméterrel. Stable LatentMoE felépítése tokenenként a 896 szakértőből 16-ot választ ki, Kimi Delta Attentiont és Attention Residualst használva kapuzott figyelemmel együtt. A pontos kontextushossz 1 048 576 token. Ez jelentős feladatkontextusnak ad helyet, nem indok a forráshatárok vagy az eredményhez szükséges hely elhagyására.

A közzétett natív modellanyag kvantálást figyelembe vevő tanítást használ MXFP4 modellsúlyokkal és MXFP8 aktivációkkal. Ez a gyártó kiadási formátuma, külön egy önállóan biztosított kvantált kiadástól vagy arra vonatkozó állítástól, hogyan szolgálja ki a modellt egy adott útvonal. A nyílt modellsúlyok és a nagy paraméterszám nem teszik az aktív paraméterszámot a teljes tárhely- vagy hardverigénnyé.

Készíts elő jelentős programozási feladatot

Add meg a releváns kódtáranyagot, a meglévő működést, a kért változtatást és a kompatibilitási korlátokat. Azonosítsd az eredmény által érintendő fájlokat vagy interfészt, a sikert meghatározó ellenőrzéseket és a problémát feltáró megadott hibát vagy bemenetet. Hasznos eredmény lehet célzott kódmódosítás magyarázattal és a ténylegesen lefutott ellenőrzések bizonyítékával, soha végre nem hajtott műveletek leírása helyett.

Vizuális fejlesztési feladathoz mellékelj képernyőképet vagy a kívánt eredmény egyértelmű nézetét a releváns kóddal és egy konkrét eltéréssel. A gyártó frontendmunkára, játékokra és CAD-re kiterjedő, vizuális visszajelzést használó munkafolyamatokat ír le. Kérd a kódot a megfigyelt eredményhez kapcsoló változtatást, és őrizd meg a referenciát, hogy az átadott anyag ellenőrizhető legyen hozzá mérten.

Képek, videó és tudásmunka előkészítése

A gyártó gyorsútmutatója típusozott tartalomobjektumokat használ vizuális üzenetekhez; a content tömb, nem e tömb szerializált ábrázolása. Képi munkafolyamata kódolt képadatot vagy támogatott fájlhivatkozást használ, nem nyilvános képcímet. A videópélda videófájlt tölt fel, és az eredményül kapott hivatkozást a tartalmára vonatkozó kérdéssel adja meg. Adj olvasható forrást, és határozd meg a fontos megfigyelést, időszakot vagy kapcsolatot. A gyártó vizuális munkafolyamata JPEG-, PNG-, GIF-, WebP-, BMP-, HEIC- és HEIF-képeket, valamint MP4-, MPEG-, MOV-, AVI-, FLV-, MPG-, WebM-, WMV- és 3GPP-videókat fogad. Animált GIF vagy WebP videóként dekódolható. Az SVG-forrást szövegként add meg. A gyártó legfeljebb 4096 × 2160 méretű képeket és 1920 × 1080 méretű videót ajánl; ezek felbontási ajánlások, nem elutasítási küszöbök. A kérés törzse maradjon a dokumentált 100M méretkorláton belül, a nagy vagy ismételten használt médiát pedig fájlként töltsd fel.

Dokumentumokban gazdag kutatáshoz címkézd a forrásokat, és add meg a végső jelentés által megválaszolandó kérdéseket. Videómagyarázatnál azonosítsd az elemzendő eseményeket vagy sorozatot korlátlan kommentár kérése helyett. A K3 a vizuális tartalmat következtetési bizonyítékként használja, és szöveget vagy eszközkéréseket ad vissza. Egy alkalmazás médiakészítő eszközökhöz továbbíthatja e kéréseket külön képi vagy videós anyagok létrehozásához.

A gondolkodás mindig be van kapcsolva

A K3 gyártói felületén a gondolkodás mindig be van kapcsolva. A legfelső szintű reasoning_effort beállítás low, high és max értéket fogad, alapértelmezése max. E választások modellspecifikusak; nem szabad nem gondolkodó beállítást vagy másik családból származó erőfeszítési értéket feltételezni. A gyártó migrációs útmutatója a K3-at azzal különbözteti meg a K2.x-től, hogy reasoning_effort beállítást használ a régebbi thinking konfiguráció átvitele helyett.

A gyártó a folyamatosan továbbított eredményekben külön reasoning_content és végső válaszhoz tartozó content mezőt dokumentál. Többfordulós beszélgetéshez vagy eszközös munkafolyamathoz előírja a teljes visszaadott asszisztensüzenet változatlan visszaadását, beleértve a reasoning_content és tool_calls mezőket. Pusztán a látható végső válasz megtartása elveszíti azt az információt, amelyet a modell megőrzött gondolkodási munkafolyamata a következő lépésben vár.

Strukturált végső válaszok és részleges folytatás

A gyorsútmutató szigorú JSON-séma szerinti kimenetet dokumentál a végső üzenettartalomhoz. A mezőket és jelentésüket az alkalmazás által igényelt eredményanyag köré határozd meg, és ezt a végső tartalmat dolgozd fel, ne egyesítsd a következtetési mezővel. Strukturált eredmény megjeleníthet a megadott anyagból kinyert információt vagy meghatározott jelentésformátumot; a séma a formáját korlátozza, a forrásbizonyíték pedig azt határozza meg, helyesek-e az értékei.

A partial mód folytathat egy megadott szövegprefixet. A gyártó példája részleges asszisztensüzenetet helyez az előzmények végére, és megjelenítéskor e prefixet egyesíti a visszaadott folytatással. Ezt akkor használd, ha a szükséges eredményanyagnak jelentéssel bíró, rögzített kezdete van, a prefixet a generált maradéktól külön tartva.

Eszközök és eredményeik folytonossága

A K3 egyéni függvényeszközöket támogat. A gyártó példája az első fordulóban eszközt követel meg, megőrzi a teljes asszisztensüzenetet, végrehajt minden visszaadott hívást, és hozzáfűz egy megfelelő eszközeredményt a végső válasz kérése előtt. A javasolt hívás nem bizonyíték a művelet sikerére; a ténylegesen visszaadott eredmény válik a következő lépés bizonyítékává.

Dinamikus betöltési munkafolyamata teljes eszközdefiníciót vezet be az üzenetelőzmények meghatározott pontján. A definícióhoz név, cél és paraméterek szükségesek, és a további előzményekben meg kell maradnia, mert a szerver nem tárolja önállóan ezt a deklarációt. Az eszközképességeket, megadott argumentumokat és valós megfigyeléseket tartsd egymáshoz kapcsolva, hogy egy hosszú feladat a már befejezett munkából folytatódhasson.

Kimeneti vezérlők és ismétlődő kontextus

A gyártó 131 072 tokenes alapértelmezett válaszgenerálási keretet dokumentál, amely a modell teljes kontextuskorlátain belül 1 048 576-ig állítható. Jelenlegi K3 API-ja a temperature értékét 1.0-ra, a top_p értékét 0.95-ra, az eredmények számát egyre, a presence és frequency büntetéseket pedig nullára rögzíti, és e mintavételezési vezérlők elhagyását kéri a hívóktól. Ezek a pontos gyártói modellváltozat beállításai, nem átvihető lista állítható vezérlőkről.

A kontextusgyorsítótárazás automatikus az alkalmas ismétlődő prefixeknél, dokumentált 5 perces és 1 órás TTL-lehetőségekkel, alapértelmezésben 5 perccel. A részleges gyorsítótárblokkok továbbra is találat nélkülinek számítanak. A többször használható kontextus maradjon változatlan, és ellenőrizd a tényleges használati adatokat ahelyett, hogy pusztán ismétlődő szövegből gyorsítótár-találatot állítanál. A végső eredményanyaghoz őrizd meg a megadott forrásokat, a tényleges eszközbizonyítékot és a szükséges kimeneti szerkezetet, és ellenőrizd, hogy a hosszú válasz vagy mérnöki eredmény teljesíti-e a megadott befejezési feltételeket.