modele

MoonshotAI: Kimi K3.1 Pro

Markdown · JSON

MoonshotAI: Kimi K3.1 Pro

moonshotai/kimi-k3.1-pro
MoonshotAITekstWejście from 0,002 USD / 1KWyjście from 0,01 USD / 1K

Kimi K3.1 Pro pomaga analizować złożone materiały, pisać kod i przygotowywać tekstowe rozwiązania do projektów, modelowania i analityki.

Kimi K3.1 Pro to model Moonshot AI, pierwszy w serii K3.1. Powstał na bazie Kimi K3 ze znacznie rozszerzonym douczaniem i wspólnym uczeniem ze wzmocnieniem w wielu dziedzinach. Oficjalny opis wyróżnia programowanie, pracę nad projektami trójwymiarowymi, badania finansowe i zadania wymagające kilku powiązanych etapów.

Programowanie i projekty techniczne

Model można wykorzystać do analizy istniejącego kodu, przygotowania zmian i planowania rozwoju. Przekaż cel, aktualną implementację i ograniczenia, na przykład interfejsy, które trzeba zachować, oraz opis prawidłowego wyniku. Odpowiedź może zawierać wyjaśnienie, tekst poprawki, scenariusze testowe lub sekwencję wdrożenia.

W grach, scenach interaktywnych i modelowaniu parametrycznym przydatne są zadania przygotowania skryptów i logiki technicznej. Dokumentacja producenta omawia pracę z Blender, CAD i silnikami gier. W Ailoot wynikiem tej karty jest tekst, więc takie zapytanie warto formułować jako kod dla wybranego narzędzia, opis geometrii lub plan budowy sceny do późniejszego uruchomienia we własnym środowisku.

Analityka na podstawie przekazanych danych

Przy pracy z dokumentami można poprosić o zestawienie źródeł, objaśnienie obliczenia, sprawdzenie spójności założeń lub przygotowanie notatki badawczej. Dla modelu finansowego przekaż wartości wejściowe, jednostki i zależności między nimi. Model może zaproponować tekst formuł i kolejność weryfikacji, a dla raportu — strukturę i argumentację powiązaną z dostarczonymi materiałami.

Jak uzyskać użyteczną odpowiedź

  1. Podaj zadanie i oczekiwany wynik: wyjaśnienie, kod, plan lub wniosek analityczny.
  2. Dołącz potrzebne teksty i określ priorytet źródeł.
  3. Opisz kryteria sprawdzenia: zachowywane warunki, format, dokładność obliczeń i obowiązkowe sekcje.
  4. Kontynuuj doprecyzowaniami, zachowując ważne decyzje i pierwotne ograniczenia.

Wejście i wynik w Ailoot

Karta przyjmuje tekst i zwraca tekst. Odpowiednie materiały to instrukcje, wyciągi z dokumentów, kod źródłowy, tabele w postaci tekstowej i historia dyskusji. W K3.1 Pro rozumowanie jest stale włączone; dokumentacja modelu przewiduje poziomy low, high i max. W Standard ustawiono limit wejścia do 262 144 tokenów i odpowiedzi do 65 536 tokenów. Przy dużym zapytaniu uwzględnij historię rozmowy i dobierz ilość materiału do konkretnego pytania.

Dostępne przez Ailoot API

Core Anthropic MessagesPOST /v1/messages
Wejście
text
Wyjście
text
Kontekst
262 144 tokenów
Maks. odpowiedź
65 536 tokenów
Wejście
0,002 USD / 1K
Wyjście
0,01 USD / 1K
Odczyt cache
0,0002 USD / 1K
Zapis do cache
0,002 USD / 1K
Zapis do cache, 5 min
0,002 USD / 1K tokens
Core OpenAI ResponsesPOST /v1/responses
Wejście
text
Wyjście
text
Kontekst
262 144 tokenów
Maks. odpowiedź
65 536 tokenów
Wejście
0,002 USD / 1K
Wyjście
0,01 USD / 1K
Odczyt cache
0,0002 USD / 1K
Zapis do cache
0,002 USD / 1K
Zapis do cache, 5 min
0,002 USD / 1K tokens
Core OpenAI ChatPOST /v1/chat/completions
Wejście
text
Wyjście
text
Kontekst
262 144 tokenów
Maks. odpowiedź
65 536 tokenów
Wejście
0,002 USD / 1K
Wyjście
0,01 USD / 1K
Odczyt cache
0,0002 USD / 1K
Zapis do cache
0,002 USD / 1K
Zapis do cache, 5 min
0,002 USD / 1K tokens
Core Gemini generateContentPOST /v1beta/models/{model}:generateContent
Wejście
text
Wyjście
text
Kontekst
262 144 tokenów
Maks. odpowiedź
65 536 tokenów
Wejście
0,002 USD / 1K
Wyjście
0,01 USD / 1K
Odczyt cache
0,0002 USD / 1K
Zapis do cache
0,002 USD / 1K
Zapis do cache, 5 min
0,002 USD / 1K tokens
Ultra OpenAI ChatPOST /v1/chat/completions
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Zapis do cache
0,004 USD / 1K
Zapis do cache, 5 min
0,004 USD / 1K tokens
Ultra OpenAI ResponsesPOST /v1/responses
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Zapis do cache
0,004 USD / 1K
Zapis do cache, 5 min
0,004 USD / 1K tokens
Ultra Gemini generateContentPOST /v1beta/models/kimi-k3.1-pro:generateContent
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Zapis do cache
0,004 USD / 1K
Zapis do cache, 5 min
0,004 USD / 1K tokens
Ultra Anthropic MessagesPOST /v1/messages
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
Ultra Gemini generateContentPOST /v1beta/models/moonshotai/kimi-k3.1-pro:generateContent
Wejście
text
Wyjście
text
Kontekst
Nie określono w katalogu
Maks. odpowiedź
Nie określono w katalogu
Wejście
0,004 USD / 1K
Wyjście
0,02 USD / 1K
Odczyt cache
0,0004 USD / 1K
moonshotai/kimi-k3.1-pro · JSON
{"about":"Kimi K3.1 Pro to model Moonshot AI, pierwszy w serii K3.1. Powstał na bazie Kimi K3 ze znacznie rozszerzonym douczaniem i wspólnym uczeniem ze wzmocnieniem w wielu dziedzinach. Oficjalny opis wyróżnia programowanie, pracę nad projektami trójwymiarowymi, badania finansowe i zadania wymagające kilku powiązanych etapów.\n\n### Programowanie i projekty techniczne\n\nModel można wykorzystać do analizy istniejącego kodu, przygotowania zmian i planowania rozwoju. Przekaż cel, aktualną implementację i ograniczenia, na przykład interfejsy, które trzeba zachować, oraz opis prawidłowego wyniku. Odpowiedź może zawierać wyjaśnienie, tekst poprawki, scenariusze testowe lub sekwencję wdrożenia.\n\nW grach, scenach interaktywnych i modelowaniu parametrycznym przydatne są zadania przygotowania skryptów i logiki technicznej. Dokumentacja producenta omawia pracę z Blender, CAD i silnikami gier. W Ailoot wynikiem tej karty jest tekst, więc takie zapytanie warto formułować jako kod dla wybranego narzędzia, opis geometrii lub plan budowy sceny do późniejszego uruchomienia we własnym środowisku.\n\n### Analityka na podstawie przekazanych danych\n\nPrzy pracy z dokumentami można poprosić o zestawienie źródeł, objaśnienie obliczenia, sprawdzenie spójności założeń lub przygotowanie notatki badawczej. Dla modelu finansowego przekaż wartości wejściowe, jednostki i zależności między nimi. Model może zaproponować tekst formuł i kolejność weryfikacji, a dla raportu — strukturę i argumentację powiązaną z dostarczonymi materiałami.\n\n### Jak uzyskać użyteczną odpowiedź\n\n1. Podaj zadanie i oczekiwany wynik: wyjaśnienie, kod, plan lub wniosek analityczny.\n2. Dołącz potrzebne teksty i określ priorytet źródeł.\n3. Opisz kryteria sprawdzenia: zachowywane warunki, format, dokładność obliczeń i obowiązkowe sekcje.\n4. Kontynuuj doprecyzowaniami, zachowując ważne decyzje i pierwotne ograniczenia.\n\n### Wejście i wynik w Ailoot\n\nKarta przyjmuje tekst i zwraca tekst. Odpowiednie materiały to instrukcje, wyciągi z dokumentów, kod źródłowy, tabele w postaci tekstowej i historia dyskusji. W K3.1 Pro rozumowanie jest stale włączone; dokumentacja modelu przewiduje poziomy low, high i max. W Standard ustawiono limit wejścia do 262 144 tokenów i odpowiedzi do 65 536 tokenów. Przy dużym zapytaniu uwzględnij historię rozmowy i dobierz ilość materiału do konkretnego pytania.","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 pomaga analizować złożone materiały, pisać kod i przygotowywać tekstowe rozwiązania do projektów, modelowania i analityki."}

Pytania

Jak wybrać model do swojego zadania?

Najpierw określ potrzebne dane wejściowe i wyjściowe: tekst, obrazy, dźwięk lub wideo. Następnie porównaj zgodne metody API, dokładny ID modelu lub aktualny model docelowy aliasu, cenę i jednostkę rozliczeniową. GET /v1/models jest bezpłatne i zwraca listę modeli dostępnych dla Twojego klucza.

Czy każdy model obsługuje wszystkie metody API i typy mediów?

Korzystaj z metod API i typów danych wejściowych i wyjściowych podanych na karcie modelu. Obsługa tekstu, obrazów, dźwięku lub wideo zależy od wybranego modelu i metody; przed wysłaniem danych sprawdź odpowiedni przykład żądania.

Czym różni się ID modelu od aliasu?

Dokładny ID modelu wskazuje konkretny model. Alias wskazuje model, a jego model docelowy może się zmienić. Sprawdź w katalogu aktualny model docelowy aliasu; użyj dokładnego ID, jeśli Twoja integracja wymaga konkretnego modelu.

Jak porównać ceny przed wysłaniem żądania?

Sprawdź na karcie modelu cenę i jednostkę rozliczeniową wybranej metody API. Porównuj tę samą jednostkę i ten sam typ danych wejściowych i wyjściowych; historia żądań pokazuje rzeczywiste użycie i naliczoną kwotę.

Co daje subskrypcja?

Rabat na zakup tokenów do regularnej pracy. Wybierz plan według liczby żądań; warunki i koszt subskrypcji są widoczne przy zamawianiu.

Jak użyć kodu z rabatem do 50%?

Wpisz kod promocyjny przy zakupie tokenów. Kwota jest przeliczana według promocji; wysokość rabatu widzisz przed zapłatą.