Kimi K3는 장기 코딩, 지식 업무, 추론을 위한 Moonshot AI의 오픈 웨이트 멀티모달 에이전트 모델입니다. 텍스트에 이미지·동영상의 네이티브 시각적 이해를 결합하여 텍스트 답변이나 도구 요청을 생성합니다. 제조사는 긴 엔지니어링 세션, 대규모 저장소, 코드와 함께 스크린샷 또는 시각적 피드백을 사용하는 작업을 강조합니다. 유용한 작업 지시는 원하는 산출물, 사용할 근거, 완료를 나타내는 조건을 정의합니다.
모델 카드는 총 2조 8,000억 파라미터와 활성 파라미터 1,040억 개를 갖춘 희소 전문가 혼합을 설명합니다. Stable LatentMoE 설계는 토큰당 전문가 896개 중 16개를 선택하고 게이트 어텐션과 함께 Kimi Delta Attention 및 Attention Residuals를 사용합니다. 정확한 컨텍스트 길이는 1,048,576토큰입니다. 이는 방대한 작업 맥락을 위한 공간이며 원본의 경계나 결과에 필요한 공간을 무시할 이유가 아닙니다.
공개된 네이티브 산출물은 MXFP4 가중치와 MXFP8 활성화를 사용하는 양자화 인지 학습을 적용합니다. 이는 제조사의 릴리스 형식이며 별도로 제공되는 양자화 버전이나 특정 경로가 모델을 제공하는 방식에 관한 주장과 구분됩니다. 공개 가중치와 많은 파라미터가 있다고 해서 활성 파라미터 수치가 총 저장 공간 또는 하드웨어 요구량을 의미하는 것은 아닙니다.
관련 저장소 자료, 기존 동작, 요청한 변경, 호환성 제약을 제공하세요. 결과가 영향을 주어야 할 파일이나 인터페이스, 성공을 판단하는 검사, 문제를 드러내는 오류 또는 입력을 지정하세요. 유용한 결과는 실행되지 않은 행동의 설명이 아니라 범위가 명확한 코드 변경, 설명, 실제 실행된 검사에서 얻은 근거가 될 수 있습니다.
시각적 개발 작업에는 관련 코드와 구체적인 차이 외에 스크린샷이나 원하는 결과가 명확히 보이는 자료를 포함하세요. 제조사는 시각적 피드백을 활용하는 프런트엔드, 게임, CAD 전반의 워크플로를 설명합니다. 코드를 관찰된 결과와 연결하는 변경을 요청하고 산출물을 대조해 확인할 수 있도록 참조 자료를 유지하세요.
제조사의 빠른 시작 안내는 시각 메시지에 유형이 지정된 콘텐츠 객체를 사용합니다. content는 배열이며 배열의 직렬화된 표현이 아닙니다. 이미지 워크플로는 공개 이미지 주소 대신 인코딩된 이미지 데이터나 지원되는 파일 참조를 사용합니다. 동영상 예시는 동영상 파일을 업로드하고 그 결과 참조와 내용에 관한 질문을 함께 제공합니다. 읽을 수 있는 원본을 제공하고 중요한 관찰, 구간, 관계를 지정하세요. 제조사의 비전 워크플로는 JPEG, PNG, GIF, WebP, BMP, HEIC, HEIF 이미지와 MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV, 3GPP 동영상을 허용합니다. 애니메이션 GIF나 WebP는 동영상으로 디코딩할 수 있습니다. SVG 소스는 텍스트로 제공하세요. 제조사는 최대 4,096 × 2,160 이미지와 최대 1,920 × 1,080 동영상을 권장합니다. 이는 거부 기준이 아니라 해상도 권장 사항입니다. 요청 본문을 문서화된 100M 크기 한도 안에 유지하고 크거나 반복 사용하는 미디어는 파일로 업로드하세요.
문서 중심 연구에서는 원본에 레이블을 붙이고 최종 보고서가 답해야 할 질문을 명시하세요. 동영상 설명에서는 제한 없는 해설을 요청하는 대신 분석할 사건이나 순서를 지정하세요. K3는 시각 콘텐츠를 추론의 근거로 사용하고 텍스트나 도구 요청을 반환합니다. 애플리케이션은 해당 요청을 미디어 도구에 전달해 별도의 이미지 또는 동영상 산출물을 생성할 수 있습니다.
K3의 제조사 인터페이스는 사고가 항상 활성화되어 있습니다. 최상위 reasoning_effort 설정은 low, high, max를 허용하며 기본값은 max입니다. 이는 모델 고유의 선택지이므로 비사고 설정이나 다른 제품군의 강도 값을 가정해서는 안 됩니다. 제조사의 마이그레이션 안내는 이전 thinking 설정을 이어 사용하는 대신 reasoning_effort를 사용한다는 점으로 K3와 K2.x를 구분합니다.
제조사는 스트리밍 결과에서 reasoning_content와 최종 답변 content를 별도로 문서화합니다. 여러 턴의 대화 또는 도구 워크플로에서는 reasoning_content와 tool_calls를 포함한 전체 반환 어시스턴트 메시지를 변경 없이 다시 전달해야 합니다. 보이는 최종 답변만 유지하면 모델의 사고 보존 워크플로가 다음 단계에서 기대하는 정보가 사라집니다.
빠른 시작 안내는 최종 메시지 콘텐츠에 대한 엄격한 JSON 스키마 출력을 문서화합니다. 애플리케이션에 필요한 산출물에 맞춰 필드와 의미를 정의하고 추론 필드와 합치지 말고 최종 콘텐츠를 파싱하세요. 구조화된 결과는 제공된 자료에서 추출한 정보나 정의된 보고서 형식을 나타낼 수 있습니다. 스키마는 형태를 제한하고 원본 근거는 값의 정확성을 결정합니다.
Partial 모드는 제공된 텍스트 접두사에서 이어 쓸 수 있습니다. 제조사 예시는 기록의 마지막에 부분 어시스턴트 메시지를 배치하고 표시할 때 그 접두사와 반환된 이어 쓰기를 결합합니다. 필요한 산출물에 의미 있는 고정 시작 부분이 있을 때 사용하고 접두사와 생성된 나머지를 구분하세요.
K3는 사용자 지정 함수 도구를 지원합니다. 제조사 예시는 첫 턴에 도구를 요구하고 전체 어시스턴트 메시지를 보존하며 반환된 각 호출을 실행한 다음 대응하는 도구 결과를 추가한 뒤 최종 답변을 요청합니다. 제안된 호출은 작업 성공의 근거가 아닙니다. 실제 반환 결과가 다음 단계의 근거가 됩니다.
동적 로딩 워크플로는 메시지 기록의 특정 위치에 완전한 도구 정의를 추가합니다. 정의에는 이름, 목적, 매개변수가 필요하며 서버가 해당 선언을 독립적으로 유지하지 않으므로 이후 기록에도 남아 있어야 합니다. 긴 작업이 이미 완료된 작업에서 이어질 수 있도록 도구 기능, 제공된 인수, 실제 관찰 결과를 서로 연결해 유지하세요.
제조사는 기본 완성 허용량 131,072토큰을 문서화하며 모델의 전체 컨텍스트 제약 안에서 최대 1,048,576으로 설정할 수 있습니다. 현재 K3 API는 temperature를 1.0, top_p를 0.95, 결과 수를 하나, presence 및 frequency penalty를 0으로 고정하며 호출자에게 이러한 샘플링 제어를 생략하도록 안내합니다. 이는 정확한 제조사 모델 사양의 설정이며 다른 곳에 그대로 적용할 수 있는 조정 가능한 제어 목록이 아닙니다.
조건을 충족하는 반복 접두사의 컨텍스트 캐싱은 자동이며 문서화된 TTL 선택지는 5분과 1시간, 기본값은 5분입니다. 부분 캐시 블록은 계속 미스로 처리됩니다. 재사용 가능한 컨텍스트를 안정적으로 유지하고 텍스트가 반복된다는 이유만으로 캐시 적중을 주장하지 말고 실제 사용량을 확인하세요. 최종 산출물에는 제공된 원본, 실제 도구 근거, 필요한 출력 구조를 유지하고 긴 답변이나 엔지니어링 결과가 명시된 완료 기준을 충족하는지 확인하세요.
", "aboutText": "Kimi K3는 장기 코딩, 지식 업무, 추론을 위한 Moonshot AI의 오픈 웨이트 멀티모달 에이전트 모델입니다. 텍스트에 이미지·동영상의 네이티브 시각적 이해를 결합하여 텍스트 답변이나 도구 요청을 생성합니다. 제조사는 긴 엔지니어링 세션, 대규모 저장소, 코드와 함께 스크린샷 또는 시각적 피드백을 사용하는 작업을 강조합니다. 유용한 작업 지시는 원하는 산출물, 사용할 근거, 완료를 나타내는 조건을 정의합니다.\n\n### 아키텍처와 긴 컨텍스트\n\n모델 카드는 총 2조 8,000억 파라미터와 활성 파라미터 1,040억 개를 갖춘 희소 전문가 혼합을 설명합니다. Stable LatentMoE 설계는 토큰당 전문가 896개 중 16개를 선택하고 게이트 어텐션과 함께 Kimi Delta Attention 및 Attention Residuals를 사용합니다. 정확한 컨텍스트 길이는 1,048,576토큰입니다. 이는 방대한 작업 맥락을 위한 공간이며 원본의 경계나 결과에 필요한 공간을 무시할 이유가 아닙니다.\n\n공개된 네이티브 산출물은 MXFP4 가중치와 MXFP8 활성화를 사용하는 양자화 인지 학습을 적용합니다. 이는 제조사의 릴리스 형식이며 별도로 제공되는 양자화 버전이나 특정 경로가 모델을 제공하는 방식에 관한 주장과 구분됩니다. 공개 가중치와 많은 파라미터가 있다고 해서 활성 파라미터 수치가 총 저장 공간 또는 하드웨어 요구량을 의미하는 것은 아닙니다.\n\n### 규모 있는 코딩 작업 준비\n\n관련 저장소 자료, 기존 동작, 요청한 변경, 호환성 제약을 제공하세요. 결과가 영향을 주어야 할 파일이나 인터페이스, 성공을 판단하는 검사, 문제를 드러내는 오류 또는 입력을 지정하세요. 유용한 결과는 실행되지 않은 행동의 설명이 아니라 범위가 명확한 코드 변경, 설명, 실제 실행된 검사에서 얻은 근거가 될 수 있습니다.\n\n시각적 개발 작업에는 관련 코드와 구체적인 차이 외에 스크린샷이나 원하는 결과가 명확히 보이는 자료를 포함하세요. 제조사는 시각적 피드백을 활용하는 프런트엔드, 게임, CAD 전반의 워크플로를 설명합니다. 코드를 관찰된 결과와 연결하는 변경을 요청하고 산출물을 대조해 확인할 수 있도록 참조 자료를 유지하세요.\n\n### 이미지, 동영상, 지식 업무 준비\n\n제조사의 빠른 시작 안내는 시각 메시지에 유형이 지정된 콘텐츠 객체를 사용합니다. content는 배열이며 배열의 직렬화된 표현이 아닙니다. 이미지 워크플로는 공개 이미지 주소 대신 인코딩된 이미지 데이터나 지원되는 파일 참조를 사용합니다. 동영상 예시는 동영상 파일을 업로드하고 그 결과 참조와 내용에 관한 질문을 함께 제공합니다. 읽을 수 있는 원본을 제공하고 중요한 관찰, 구간, 관계를 지정하세요. 제조사의 비전 워크플로는 JPEG, PNG, GIF, WebP, BMP, HEIC, HEIF 이미지와 MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV, 3GPP 동영상을 허용합니다. 애니메이션 GIF나 WebP는 동영상으로 디코딩할 수 있습니다. SVG 소스는 텍스트로 제공하세요. 제조사는 최대 4,096 × 2,160 이미지와 최대 1,920 × 1,080 동영상을 권장합니다. 이는 거부 기준이 아니라 해상도 권장 사항입니다. 요청 본문을 문서화된 100M 크기 한도 안에 유지하고 크거나 반복 사용하는 미디어는 파일로 업로드하세요.\n\n문서 중심 연구에서는 원본에 레이블을 붙이고 최종 보고서가 답해야 할 질문을 명시하세요. 동영상 설명에서는 제한 없는 해설을 요청하는 대신 분석할 사건이나 순서를 지정하세요. K3는 시각 콘텐츠를 추론의 근거로 사용하고 텍스트나 도구 요청을 반환합니다. 애플리케이션은 해당 요청을 미디어 도구에 전달해 별도의 이미지 또는 동영상 산출물을 생성할 수 있습니다.\n\n### 사고는 항상 활성화\n\nK3의 제조사 인터페이스는 사고가 항상 활성화되어 있습니다. 최상위 reasoning_effort 설정은 low, high, max를 허용하며 기본값은 max입니다. 이는 모델 고유의 선택지이므로 비사고 설정이나 다른 제품군의 강도 값을 가정해서는 안 됩니다. 제조사의 마이그레이션 안내는 이전 thinking 설정을 이어 사용하는 대신 reasoning_effort를 사용한다는 점으로 K3와 K2.x를 구분합니다.\n\n제조사는 스트리밍 결과에서 reasoning_content와 최종 답변 content를 별도로 문서화합니다. 여러 턴의 대화 또는 도구 워크플로에서는 reasoning_content와 tool_calls를 포함한 전체 반환 어시스턴트 메시지를 변경 없이 다시 전달해야 합니다. 보이는 최종 답변만 유지하면 모델의 사고 보존 워크플로가 다음 단계에서 기대하는 정보가 사라집니다.\n\n### 구조화된 최종 답변과 부분 이어 쓰기\n\n빠른 시작 안내는 최종 메시지 콘텐츠에 대한 엄격한 JSON 스키마 출력을 문서화합니다. 애플리케이션에 필요한 산출물에 맞춰 필드와 의미를 정의하고 추론 필드와 합치지 말고 최종 콘텐츠를 파싱하세요. 구조화된 결과는 제공된 자료에서 추출한 정보나 정의된 보고서 형식을 나타낼 수 있습니다. 스키마는 형태를 제한하고 원본 근거는 값의 정확성을 결정합니다.\n\nPartial 모드는 제공된 텍스트 접두사에서 이어 쓸 수 있습니다. 제조사 예시는 기록의 마지막에 부분 어시스턴트 메시지를 배치하고 표시할 때 그 접두사와 반환된 이어 쓰기를 결합합니다. 필요한 산출물에 의미 있는 고정 시작 부분이 있을 때 사용하고 접두사와 생성된 나머지를 구분하세요.\n\n### 도구와 결과의 연속성\n\nK3는 사용자 지정 함수 도구를 지원합니다. 제조사 예시는 첫 턴에 도구를 요구하고 전체 어시스턴트 메시지를 보존하며 반환된 각 호출을 실행한 다음 대응하는 도구 결과를 추가한 뒤 최종 답변을 요청합니다. 제안된 호출은 작업 성공의 근거가 아닙니다. 실제 반환 결과가 다음 단계의 근거가 됩니다.\n\n동적 로딩 워크플로는 메시지 기록의 특정 위치에 완전한 도구 정의를 추가합니다. 정의에는 이름, 목적, 매개변수가 필요하며 서버가 해당 선언을 독립적으로 유지하지 않으므로 이후 기록에도 남아 있어야 합니다. 긴 작업이 이미 완료된 작업에서 이어질 수 있도록 도구 기능, 제공된 인수, 실제 관찰 결과를 서로 연결해 유지하세요.\n\n### 출력 제어와 반복 컨텍스트\n\n제조사는 기본 완성 허용량 131,072토큰을 문서화하며 모델의 전체 컨텍스트 제약 안에서 최대 1,048,576으로 설정할 수 있습니다. 현재 K3 API는 temperature를 1.0, top_p를 0.95, 결과 수를 하나, presence 및 frequency penalty를 0으로 고정하며 호출자에게 이러한 샘플링 제어를 생략하도록 안내합니다. 이는 정확한 제조사 모델 사양의 설정이며 다른 곳에 그대로 적용할 수 있는 조정 가능한 제어 목록이 아닙니다.\n\n조건을 충족하는 반복 접두사의 컨텍스트 캐싱은 자동이며 문서화된 TTL 선택지는 5분과 1시간, 기본값은 5분입니다. 부분 캐시 블록은 계속 미스로 처리됩니다. 재사용 가능한 컨텍스트를 안정적으로 유지하고 텍스트가 반복된다는 이유만으로 캐시 적중을 주장하지 말고 실제 사용량을 확인하세요. 최종 산출물에는 제공된 원본, 실제 도구 근거, 필요한 출력 구조를 유지하고 긴 답변이나 엔지니어링 결과가 명시된 완료 기준을 충족하는지 확인하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1168ba2d69c74244ad3c968ec5b5db091ecf661cf66734684adf936140ff2818", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "moonshotai/kimi-k3:batchKimi K3는 긴 코딩 작업과 지식 업무를 위한 Moonshot AI의 네이티브 멀티모달 추론 모델입니다. 텍스트, 이미지, 동영상을 읽고 텍스트를 생성하며 1,048,576토큰 컨텍스트와 단계 간 보존되는 사고 기록으로 도구 기반 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Kimi K3는 장기 코딩, 지식 업무, 추론을 위한 Moonshot AI의 오픈 웨이트 멀티모달 에이전트 모델입니다. 텍스트에 이미지·동영상의 네이티브 시각적 이해를 결합하여 텍스트 답변이나 도구 요청을 생성합니다. 제조사는 긴 엔지니어링 세션, 대규모 저장소, 코드와 함께 스크린샷 또는 시각적 피드백을 사용하는 작업을 강조합니다. 유용한 작업 지시는 원하는 산출물, 사용할 근거, 완료를 나타내는 조건을 정의합니다.
모델 카드는 총 2조 8,000억 파라미터와 활성 파라미터 1,040억 개를 갖춘 희소 전문가 혼합을 설명합니다. Stable LatentMoE 설계는 토큰당 전문가 896개 중 16개를 선택하고 게이트 어텐션과 함께 Kimi Delta Attention 및 Attention Residuals를 사용합니다. 정확한 컨텍스트 길이는 1,048,576토큰입니다. 이는 방대한 작업 맥락을 위한 공간이며 원본의 경계나 결과에 필요한 공간을 무시할 이유가 아닙니다.
공개된 네이티브 산출물은 MXFP4 가중치와 MXFP8 활성화를 사용하는 양자화 인지 학습을 적용합니다. 이는 제조사의 릴리스 형식이며 별도로 제공되는 양자화 버전이나 특정 경로가 모델을 제공하는 방식에 관한 주장과 구분됩니다. 공개 가중치와 많은 파라미터가 있다고 해서 활성 파라미터 수치가 총 저장 공간 또는 하드웨어 요구량을 의미하는 것은 아닙니다.
관련 저장소 자료, 기존 동작, 요청한 변경, 호환성 제약을 제공하세요. 결과가 영향을 주어야 할 파일이나 인터페이스, 성공을 판단하는 검사, 문제를 드러내는 오류 또는 입력을 지정하세요. 유용한 결과는 실행되지 않은 행동의 설명이 아니라 범위가 명확한 코드 변경, 설명, 실제 실행된 검사에서 얻은 근거가 될 수 있습니다.
시각적 개발 작업에는 관련 코드와 구체적인 차이 외에 스크린샷이나 원하는 결과가 명확히 보이는 자료를 포함하세요. 제조사는 시각적 피드백을 활용하는 프런트엔드, 게임, CAD 전반의 워크플로를 설명합니다. 코드를 관찰된 결과와 연결하는 변경을 요청하고 산출물을 대조해 확인할 수 있도록 참조 자료를 유지하세요.
제조사의 빠른 시작 안내는 시각 메시지에 유형이 지정된 콘텐츠 객체를 사용합니다. content는 배열이며 배열의 직렬화된 표현이 아닙니다. 이미지 워크플로는 공개 이미지 주소 대신 인코딩된 이미지 데이터나 지원되는 파일 참조를 사용합니다. 동영상 예시는 동영상 파일을 업로드하고 그 결과 참조와 내용에 관한 질문을 함께 제공합니다. 읽을 수 있는 원본을 제공하고 중요한 관찰, 구간, 관계를 지정하세요. 제조사의 비전 워크플로는 JPEG, PNG, GIF, WebP, BMP, HEIC, HEIF 이미지와 MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV, 3GPP 동영상을 허용합니다. 애니메이션 GIF나 WebP는 동영상으로 디코딩할 수 있습니다. SVG 소스는 텍스트로 제공하세요. 제조사는 최대 4,096 × 2,160 이미지와 최대 1,920 × 1,080 동영상을 권장합니다. 이는 거부 기준이 아니라 해상도 권장 사항입니다. 요청 본문을 문서화된 100M 크기 한도 안에 유지하고 크거나 반복 사용하는 미디어는 파일로 업로드하세요.
문서 중심 연구에서는 원본에 레이블을 붙이고 최종 보고서가 답해야 할 질문을 명시하세요. 동영상 설명에서는 제한 없는 해설을 요청하는 대신 분석할 사건이나 순서를 지정하세요. K3는 시각 콘텐츠를 추론의 근거로 사용하고 텍스트나 도구 요청을 반환합니다. 애플리케이션은 해당 요청을 미디어 도구에 전달해 별도의 이미지 또는 동영상 산출물을 생성할 수 있습니다.
K3의 제조사 인터페이스는 사고가 항상 활성화되어 있습니다. 최상위 reasoning_effort 설정은 low, high, max를 허용하며 기본값은 max입니다. 이는 모델 고유의 선택지이므로 비사고 설정이나 다른 제품군의 강도 값을 가정해서는 안 됩니다. 제조사의 마이그레이션 안내는 이전 thinking 설정을 이어 사용하는 대신 reasoning_effort를 사용한다는 점으로 K3와 K2.x를 구분합니다.
제조사는 스트리밍 결과에서 reasoning_content와 최종 답변 content를 별도로 문서화합니다. 여러 턴의 대화 또는 도구 워크플로에서는 reasoning_content와 tool_calls를 포함한 전체 반환 어시스턴트 메시지를 변경 없이 다시 전달해야 합니다. 보이는 최종 답변만 유지하면 모델의 사고 보존 워크플로가 다음 단계에서 기대하는 정보가 사라집니다.
빠른 시작 안내는 최종 메시지 콘텐츠에 대한 엄격한 JSON 스키마 출력을 문서화합니다. 애플리케이션에 필요한 산출물에 맞춰 필드와 의미를 정의하고 추론 필드와 합치지 말고 최종 콘텐츠를 파싱하세요. 구조화된 결과는 제공된 자료에서 추출한 정보나 정의된 보고서 형식을 나타낼 수 있습니다. 스키마는 형태를 제한하고 원본 근거는 값의 정확성을 결정합니다.
Partial 모드는 제공된 텍스트 접두사에서 이어 쓸 수 있습니다. 제조사 예시는 기록의 마지막에 부분 어시스턴트 메시지를 배치하고 표시할 때 그 접두사와 반환된 이어 쓰기를 결합합니다. 필요한 산출물에 의미 있는 고정 시작 부분이 있을 때 사용하고 접두사와 생성된 나머지를 구분하세요.
K3는 사용자 지정 함수 도구를 지원합니다. 제조사 예시는 첫 턴에 도구를 요구하고 전체 어시스턴트 메시지를 보존하며 반환된 각 호출을 실행한 다음 대응하는 도구 결과를 추가한 뒤 최종 답변을 요청합니다. 제안된 호출은 작업 성공의 근거가 아닙니다. 실제 반환 결과가 다음 단계의 근거가 됩니다.
동적 로딩 워크플로는 메시지 기록의 특정 위치에 완전한 도구 정의를 추가합니다. 정의에는 이름, 목적, 매개변수가 필요하며 서버가 해당 선언을 독립적으로 유지하지 않으므로 이후 기록에도 남아 있어야 합니다. 긴 작업이 이미 완료된 작업에서 이어질 수 있도록 도구 기능, 제공된 인수, 실제 관찰 결과를 서로 연결해 유지하세요.
제조사는 기본 완성 허용량 131,072토큰을 문서화하며 모델의 전체 컨텍스트 제약 안에서 최대 1,048,576으로 설정할 수 있습니다. 현재 K3 API는 temperature를 1.0, top_p를 0.95, 결과 수를 하나, presence 및 frequency penalty를 0으로 고정하며 호출자에게 이러한 샘플링 제어를 생략하도록 안내합니다. 이는 정확한 제조사 모델 사양의 설정이며 다른 곳에 그대로 적용할 수 있는 조정 가능한 제어 목록이 아닙니다.
조건을 충족하는 반복 접두사의 컨텍스트 캐싱은 자동이며 문서화된 TTL 선택지는 5분과 1시간, 기본값은 5분입니다. 부분 캐시 블록은 계속 미스로 처리됩니다. 재사용 가능한 컨텍스트를 안정적으로 유지하고 텍스트가 반복된다는 이유만으로 캐시 적중을 주장하지 말고 실제 사용량을 확인하세요. 최종 산출물에는 제공된 원본, 실제 도구 근거, 필요한 출력 구조를 유지하고 긴 답변이나 엔지니어링 결과가 명시된 완료 기준을 충족하는지 확인하세요.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 moonshotai/kimi-k3:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 moonshotai/kimi-k3:batch, moonshotai/kimi-k3 | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 deepinfra/bf16 | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00456 / 1K 토큰 출력 · 출력 토큰 $0.0228 / 1K 토큰 입력 · 캐시 읽기 $0.000456 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00456 / 1K 토큰 출력 · 출력 토큰 $0.0228 / 1K 토큰 입력 · 캐시 읽기 $0.000456 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"moonshotai/kimi-k3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['moonshotai/kimi-k3:batch', 'moonshotai/kimi-k3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"moonshotai/kimi-k3:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\n인라인 results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra moonshotai/kimi-k3:batch
위에 표시된 메서드 경로를 사용하세요.