MoonshotAI: Kimi K3 (batch)

Kimi K3 é o modelo multimodal de agentes com pesos abertos da Moonshot AI para programação prolongada, trabalho de conhecimento e raciocínio. Combina texto com compreensão visual nativa de imagens e vídeo e produz uma resposta textual ou pedido de ferramenta. O fabricante destaca sessões prolongadas de engenharia, grandes repositórios e tarefas que usam capturas de ecrã ou retorno visual juntamente com código. Um enunciado útil define o artefacto pretendido, os elementos de prova a usar e a condição que marca a conclusão do trabalho.

Arquitetura e contexto longo

A ficha descreve uma mistura esparsa de especialistas com 2,8 biliões de parâmetros no total e 104 mil milhões ativados. A conceção Stable LatentMoE seleciona 16 dos 896 especialistas por token, usando Kimi Delta Attention e Attention Residuals juntamente com atenção com portas de controlo. O comprimento exato de contexto é de 1 048 576 tokens. É espaço para um contexto de tarefa substancial, não motivo para descartar os limites das fontes ou o espaço necessário ao resultado.

O artefacto nativo publicado usa treino que tem em conta a quantização, com pesos MXFP4 e ativações MXFP8. Esse é o formato de lançamento do fabricante, distinto de uma edição quantizada fornecida separadamente ou de uma afirmação sobre como uma rota concreta disponibiliza o modelo. Pesos abertos e uma grande contagem de parâmetros não transformam o valor de parâmetros ativos no requisito total de armazenamento ou hardware.

Prepare uma tarefa substancial de programação

Forneça o material relevante do repositório, o comportamento existente, a alteração pedida e as restrições de compatibilidade. Identifique os ficheiros ou a interface que o resultado deve afetar, as verificações que determinam o sucesso e qualquer erro ou entrada fornecidos que exponham o problema. Um resultado útil pode ser uma alteração focada de código com uma explicação e elementos de prova das verificações efetivamente executadas, em vez de uma descrição de ações nunca realizadas.

Para uma tarefa visual de desenvolvimento, inclua uma captura de ecrã ou uma vista clara do resultado pretendido com o código relevante e uma discrepância específica. O fabricante descreve fluxos de interfaces, jogos e CAD que usam retorno visual. Peça a alteração que liga o código ao resultado observado e preserve a referência para que o artefacto entregue possa ser verificado face a ela.

Preparação de imagens, vídeo e trabalho de conhecimento

O guia de iniciação do produtor usa objetos de conteúdo tipados para mensagens visuais; content é um array, não uma representação serializada desse array. O fluxo de imagem usa dados de imagem codificados ou uma referência de ficheiro suportada, em vez de um endereço público de imagem. O exemplo de vídeo carrega um ficheiro de vídeo e fornece a referência resultante com uma pergunta sobre o conteúdo. Dê uma fonte legível e especifique a observação, o intervalo ou a relação relevantes. O fluxo visual do produtor aceita imagens JPEG, PNG, GIF, WebP, BMP, HEIC e HEIF, e vídeo MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV e 3GPP. GIF ou WebP animados podem ser descodificados como vídeo. Forneça código-fonte SVG como texto. O fabricante recomenda imagens até 4096 × 2160 e vídeo até 1920 × 1080; são recomendações de resolução, não limiares de rejeição. Mantenha o corpo do pedido dentro do limite de dimensão documentado de 100M e carregue conteúdo multimédia grande ou reutilizado frequentemente como ficheiros.

Para investigação com muitos documentos, identifique as fontes e indique as perguntas a que o relatório final deve responder. Para uma explicação de vídeo, identifique os acontecimentos ou a sequência a analisar, em vez de pedir comentários sem restrições. K3 usa conteúdo visual como elemento de prova para o raciocínio e devolve texto ou pedidos de ferramentas. Uma aplicação pode passar esses pedidos a ferramentas multimédia para criar artefactos separados de imagem ou vídeo.

O raciocínio está sempre ativado

A interface do produtor K3 tem sempre raciocínio ativado. A definição de topo reasoning_effort aceita low, high e max, sendo max a predefinição. Estas escolhas são específicas do modelo; não se deve assumir uma definição sem raciocínio nem um valor de esforço de outra família. As orientações de migração do fabricante distinguem K3 de K2.x através da utilização de reasoning_effort, em vez de transportar a configuração thinking anterior.

O produtor documenta reasoning_content e conteúdo de resposta final separados nos resultados transmitidos continuamente. Para uma conversa de vários turnos ou fluxo de ferramentas, exige que a mensagem completa do assistente devolvida seja reenviada sem alterações, incluindo reasoning_content e tool_calls. Conservar apenas a resposta final visível perde informação que o fluxo de raciocínio preservado do modelo espera no passo seguinte.

Respostas finais estruturadas e continuação parcial

O guia de iniciação documenta saída estrita segundo esquema JSON para o conteúdo da mensagem final. Defina os campos e os significados em função do artefacto de que a aplicação precisa e analise esse conteúdo final, em vez de o combinar com o campo de raciocínio. Um resultado estruturado pode representar informação extraída de material fornecido ou um formato definido de relatório; o esquema restringe o formato, enquanto os elementos de prova da fonte determinam se os valores estão corretos.

O modo parcial pode continuar um prefixo textual fornecido. O exemplo do produtor coloca uma mensagem parcial do assistente no fim do histórico e combina esse prefixo com a continuação devolvida para apresentação. Use-o quando o artefacto exigido tiver um início fixo com significado, mantendo o prefixo distinto do restante texto gerado.

Ferramentas e continuidade dos respetivos resultados

K3 suporta ferramentas de funções personalizadas. O exemplo do produtor exige uma ferramenta no primeiro turno, preserva a mensagem completa do assistente, executa cada chamada devolvida e acrescenta um resultado de ferramenta correspondente antes de pedir a resposta final. Uma chamada proposta não é prova de que a operação teve sucesso; o resultado efetivamente devolvido torna-se o elemento de prova do passo seguinte.

O fluxo de carregamento dinâmico introduz uma definição completa de ferramenta num ponto específico do histórico de mensagens. A definição precisa de nome, finalidade e parâmetros e deve permanecer no histórico subsequente porque o servidor não retém essa declaração de forma independente. Mantenha associadas as capacidades das ferramentas, os argumentos fornecidos e as observações reais para que uma tarefa longa possa continuar a partir do trabalho já concluído.

Controlos de saída e contexto repetido

O produtor documenta um orçamento predefinido de saída de 131 072 tokens, configurável até 1 048 576 dentro das restrições globais de contexto do modelo. A API K3 atual fixa temperature em 1.0, top_p em 0.95, um resultado e penalizações de presença e frequência a zero, indicando aos clientes que omitam esses controlos de amostragem. São as definições exatas do perfil do produtor, não uma lista transferível de controlos ajustáveis.

A colocação em cache de contexto é automática para prefixos repetidos elegíveis, com opções documentadas de TTL de 5 minutos e 1 hora e 5 minutos como predefinição. Os blocos parciais de cache continuam a contar como falhas de cache. Mantenha estável o contexto reutilizável e verifique a utilização efetiva, em vez de afirmar uma ocorrência de cache apenas por haver texto repetido. Para o artefacto final, retenha as fontes fornecidas, os elementos de prova efetivos das ferramentas e a estrutura de saída obrigatória e verifique se uma resposta longa ou resultado de engenharia satisfaz os critérios de conclusão declarados.