models

MoonshotAI: Kimi K3.1 Pro

Markdown · JSON

MoonshotAI: Kimi K3.1 Pro

moonshotai/kimi-k3.1-pro
MoonshotAIข้อความขาเข้า from US$0.002 / 1Kขาออก from US$0.01 / 1K

Kimi K3.1 Pro ช่วยวิเคราะห์ข้อมูลซับซ้อน เขียนโค้ด และเตรียมคำตอบแบบข้อความสำหรับโครงการ การสร้างแบบจำลอง และงานวิเคราะห์

Kimi K3.1 Pro เป็นโมเดลของ Moonshot AI และเป็นรุ่นแรกของซีรีส์ K3.1 พัฒนาบนพื้นฐาน Kimi K3 โดยเพิ่มการฝึกหลังการฝึกหลักและการเรียนรู้แบบเสริมกำลังร่วมกันในหลายสาขาอย่างมาก คำอธิบายอย่างเป็นทางการเน้นการเขียนโปรแกรม งานโครงการสามมิติ การวิจัยทางการเงิน และงานที่ต้องเชื่อมหลายขั้นเข้าด้วยกัน

การเขียนโปรแกรมและโครงการทางเทคนิค

ใช้โมเดลวิเคราะห์โค้ดที่มี เตรียมการแก้ไข และวางแผนพัฒนาได้ ส่งเป้าหมาย การนำไปใช้ปัจจุบัน และข้อจำกัด เช่น ส่วนติดต่อใดต้องคงอยู่และผลลัพธ์ที่ถูกต้องควรเป็นอย่างไร สามารถขอคำอธิบาย ข้อความแพตช์ กรณีทดสอบ หรือลำดับการนำไปใช้งานได้

สำหรับเกม ฉากโต้ตอบ และการสร้างแบบจำลองแบบพาราเมตริก งานที่เหมาะคือการเตรียมสคริปต์และตรรกะทางเทคนิค เอกสารผู้พัฒนากล่าวถึงการทำงานกับ Blender, CAD และเอนจินเกม ใน Ailoot ผลลัพธ์ของหน้านี้เป็นข้อความ จึงควรกำหนดคำขอเป็นโค้ดสำหรับเครื่องมือที่เลือก คำอธิบายเรขาคณิต หรือแผนสร้างฉาก แล้วนำไปรันในสภาพแวดล้อมของตนเอง

วิเคราะห์จากข้อมูลที่ให้

เมื่อทำงานกับเอกสาร สามารถขอให้เปรียบเทียบแหล่งข้อมูล อธิบายการคำนวณ ตรวจความสอดคล้องของสมมติฐาน หรือเตรียมบันทึกการวิจัย สำหรับแบบจำลองการเงิน ให้ส่งตัวชี้วัดตั้งต้น หน่วย และความสัมพันธ์ระหว่างกัน โมเดลอาจเสนอข้อความสูตรและลำดับการตรวจสอบ ส่วนรายงานสามารถขอโครงสร้างและเหตุผลที่เชื่อมโยงกับข้อมูลที่ให้

ทำอย่างไรให้ได้คำตอบที่ใช้ได้

  1. ระบุงานและผลลัพธ์ที่คาดหวัง: คำอธิบาย โค้ด แผน หรือข้อสรุปเชิงวิเคราะห์
  2. แนบข้อความที่จำเป็นและกำหนดว่าแหล่งใดสำคัญกว่า
  3. อธิบายเกณฑ์ตรวจสอบ: เงื่อนไขที่ต้องรักษา รูปแบบ ความแม่นยำในการคำนวณ และส่วนที่ต้องมี
  4. ทำงานต่อด้วยการระบุรายละเอียดเพิ่มเติม พร้อมคงข้อตัดสินใจสำคัญและข้อจำกัดเดิม

ข้อมูลเข้าและผลลัพธ์ใน Ailoot

หน้ารุ่นรับข้อความและคืนข้อความ ข้อมูลที่เหมาะได้แก่คำสั่ง ส่วนที่คัดจากเอกสาร ซอร์สโค้ด ตารางในรูปข้อความ และประวัติการหารือ K3.1 Pro เปิดการให้เหตุผลตลอดเวลา โดยเอกสารโมเดลมีระดับ low, high และ max ใน Standard กำหนดข้อมูลเข้าสูงสุด 262,144 โทเคนและคำตอบสูงสุด 65,536 โทเคน เมื่อเตรียมคำขอขนาดใหญ่ ให้คำนึงถึงประวัติสนทนาและเลือกปริมาณข้อมูลให้ตรงกับคำถาม

ใช้งานได้ผ่าน Ailoot API

Core Anthropic MessagesPOST /v1/messages
ขาเข้า
text
ขาออก
text
บริบท
262,144 โทเคน
ความยาวคำตอบสูงสุด
65,536 โทเคน
ขาเข้า
US$0.002 / 1K
ขาออก
US$0.01 / 1K
การอ่านแคช
US$0.0002 / 1K
การเขียนแคช
US$0.002 / 1K
การเขียนแคช, 5 นาที
US$0.002 / 1K tokens
Core OpenAI ResponsesPOST /v1/responses
ขาเข้า
text
ขาออก
text
บริบท
262,144 โทเคน
ความยาวคำตอบสูงสุด
65,536 โทเคน
ขาเข้า
US$0.002 / 1K
ขาออก
US$0.01 / 1K
การอ่านแคช
US$0.0002 / 1K
การเขียนแคช
US$0.002 / 1K
การเขียนแคช, 5 นาที
US$0.002 / 1K tokens
Core OpenAI ChatPOST /v1/chat/completions
ขาเข้า
text
ขาออก
text
บริบท
262,144 โทเคน
ความยาวคำตอบสูงสุด
65,536 โทเคน
ขาเข้า
US$0.002 / 1K
ขาออก
US$0.01 / 1K
การอ่านแคช
US$0.0002 / 1K
การเขียนแคช
US$0.002 / 1K
การเขียนแคช, 5 นาที
US$0.002 / 1K tokens
Core Gemini generateContentPOST /v1beta/models/{model}:generateContent
ขาเข้า
text
ขาออก
text
บริบท
262,144 โทเคน
ความยาวคำตอบสูงสุด
65,536 โทเคน
ขาเข้า
US$0.002 / 1K
ขาออก
US$0.01 / 1K
การอ่านแคช
US$0.0002 / 1K
การเขียนแคช
US$0.002 / 1K
การเขียนแคช, 5 นาที
US$0.002 / 1K tokens
Ultra OpenAI ChatPOST /v1/chat/completions
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
การเขียนแคช
US$0.004 / 1K
การเขียนแคช, 5 นาที
US$0.004 / 1K tokens
Ultra OpenAI ResponsesPOST /v1/responses
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
การเขียนแคช
US$0.004 / 1K
การเขียนแคช, 5 นาที
US$0.004 / 1K tokens
Ultra Gemini generateContentPOST /v1beta/models/kimi-k3.1-pro:generateContent
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
การเขียนแคช
US$0.004 / 1K
การเขียนแคช, 5 นาที
US$0.004 / 1K tokens
Ultra Anthropic MessagesPOST /v1/messages
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
Ultra Gemini generateContentPOST /v1beta/models/moonshotai/kimi-k3.1-pro:generateContent
ขาเข้า
text
ขาออก
text
บริบท
ไม่ได้ระบุในแค็ตตาล็อก
ความยาวคำตอบสูงสุด
ไม่ได้ระบุในแค็ตตาล็อก
ขาเข้า
US$0.004 / 1K
ขาออก
US$0.02 / 1K
การอ่านแคช
US$0.0004 / 1K
moonshotai/kimi-k3.1-pro · JSON
{"about":"Kimi K3.1 Pro เป็นโมเดลของ Moonshot AI และเป็นรุ่นแรกของซีรีส์ K3.1 พัฒนาบนพื้นฐาน Kimi K3 โดยเพิ่มการฝึกหลังการฝึกหลักและการเรียนรู้แบบเสริมกำลังร่วมกันในหลายสาขาอย่างมาก คำอธิบายอย่างเป็นทางการเน้นการเขียนโปรแกรม งานโครงการสามมิติ การวิจัยทางการเงิน และงานที่ต้องเชื่อมหลายขั้นเข้าด้วยกัน\n\n### การเขียนโปรแกรมและโครงการทางเทคนิค\n\nใช้โมเดลวิเคราะห์โค้ดที่มี เตรียมการแก้ไข และวางแผนพัฒนาได้ ส่งเป้าหมาย การนำไปใช้ปัจจุบัน และข้อจำกัด เช่น ส่วนติดต่อใดต้องคงอยู่และผลลัพธ์ที่ถูกต้องควรเป็นอย่างไร สามารถขอคำอธิบาย ข้อความแพตช์ กรณีทดสอบ หรือลำดับการนำไปใช้งานได้\n\nสำหรับเกม ฉากโต้ตอบ และการสร้างแบบจำลองแบบพาราเมตริก งานที่เหมาะคือการเตรียมสคริปต์และตรรกะทางเทคนิค เอกสารผู้พัฒนากล่าวถึงการทำงานกับ Blender, CAD และเอนจินเกม ใน Ailoot ผลลัพธ์ของหน้านี้เป็นข้อความ จึงควรกำหนดคำขอเป็นโค้ดสำหรับเครื่องมือที่เลือก คำอธิบายเรขาคณิต หรือแผนสร้างฉาก แล้วนำไปรันในสภาพแวดล้อมของตนเอง\n\n### วิเคราะห์จากข้อมูลที่ให้\n\nเมื่อทำงานกับเอกสาร สามารถขอให้เปรียบเทียบแหล่งข้อมูล อธิบายการคำนวณ ตรวจความสอดคล้องของสมมติฐาน หรือเตรียมบันทึกการวิจัย สำหรับแบบจำลองการเงิน ให้ส่งตัวชี้วัดตั้งต้น หน่วย และความสัมพันธ์ระหว่างกัน โมเดลอาจเสนอข้อความสูตรและลำดับการตรวจสอบ ส่วนรายงานสามารถขอโครงสร้างและเหตุผลที่เชื่อมโยงกับข้อมูลที่ให้\n\n### ทำอย่างไรให้ได้คำตอบที่ใช้ได้\n\n1. ระบุงานและผลลัพธ์ที่คาดหวัง: คำอธิบาย โค้ด แผน หรือข้อสรุปเชิงวิเคราะห์\n2. แนบข้อความที่จำเป็นและกำหนดว่าแหล่งใดสำคัญกว่า\n3. อธิบายเกณฑ์ตรวจสอบ: เงื่อนไขที่ต้องรักษา รูปแบบ ความแม่นยำในการคำนวณ และส่วนที่ต้องมี\n4. ทำงานต่อด้วยการระบุรายละเอียดเพิ่มเติม พร้อมคงข้อตัดสินใจสำคัญและข้อจำกัดเดิม\n\n### ข้อมูลเข้าและผลลัพธ์ใน Ailoot\n\nหน้ารุ่นรับข้อความและคืนข้อความ ข้อมูลที่เหมาะได้แก่คำสั่ง ส่วนที่คัดจากเอกสาร ซอร์สโค้ด ตารางในรูปข้อความ และประวัติการหารือ K3.1 Pro เปิดการให้เหตุผลตลอดเวลา โดยเอกสารโมเดลมีระดับ low, high และ max ใน Standard กำหนดข้อมูลเข้าสูงสุด 262,144 โทเคนและคำตอบสูงสุด 65,536 โทเคน เมื่อเตรียมคำขอขนาดใหญ่ ให้คำนึงถึงประวัติสนทนาและเลือกปริมาณข้อมูลให้ตรงกับคำถาม","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 ช่วยวิเคราะห์ข้อมูลซับซ้อน เขียนโค้ด และเตรียมคำตอบแบบข้อความสำหรับโครงการ การสร้างแบบจำลอง และงานวิเคราะห์"}

คำถาม

จะเลือกโมเดลสำหรับงานของฉันได้อย่างไร?

เริ่มจากระบุอินพุตและเอาต์พุตที่ต้องการ ได้แก่ ข้อความ รูปภาพ เสียง หรือวิดีโอ จากนั้นเปรียบเทียบวิธี API ที่เข้ากันได้ ID โมเดลที่แน่นอนหรือโมเดลที่นามแฝงชี้ไปในปัจจุบัน ราคาและหน่วยคิดค่าบริการ โดย GET /v1/models ใช้งานฟรีและแสดงโมเดลที่คีย์ของคุณเข้าถึงได้

ทุกโมเดลรองรับวิธี API และประเภทสื่อทั้งหมดหรือไม่?

ใช้วิธี API และประเภทอินพุตและเอาต์พุตที่ระบุในหน้าข้อมูลโมเดล การรองรับข้อความ รูปภาพ เสียง หรือวิดีโอขึ้นอยู่กับโมเดลและวิธีที่เลือก ตรวจสอบตัวอย่างคำขอที่เกี่ยวข้องก่อนส่งข้อมูล

ID โมเดลต่างจากนามแฝงอย่างไร?

ID ที่แน่นอนระบุโมเดลเฉพาะ นามแฝงชี้ไปยังโมเดลหนึ่งและโมเดลปลายทางอาจเปลี่ยนได้ ตรวจสอบโมเดลที่นามแฝงชี้ไปในปัจจุบันในแค็ตตาล็อก และใช้ ID ที่แน่นอนเมื่อการเชื่อมต่อต้องใช้โมเดลเฉพาะ

จะเปรียบเทียบราคาก่อนส่งคำขอได้อย่างไร?

ตรวจสอบราคาและหน่วยคิดค่าบริการของวิธี API ที่เลือกในหน้าข้อมูลโมเดล เปรียบเทียบด้วยหน่วยและประเภทอินพุตและเอาต์พุตเดียวกัน ประวัติคำขอจะแสดงการใช้งานจริงและยอดเงินที่หัก

สมาชิกให้อะไร?

ส่วนลดซื้อโทเคนสำหรับงานประจำ เลือกแพ็กเกจตามปริมาณคำขอ เงื่อนไขและราคาสมาชิกแสดงตอนสมัคร

ใช้โค้ดส่วนลดสูงสุด 50% อย่างไร?

ใส่โค้ดเมื่อซื้อโทเคน ยอดรวมคำนวณตามโปรโมชั่น และเห็นส่วนลดก่อนจ่าย