MoonshotAI: Kimi K3.1 Pro
moonshotai/kimi-k3.1-proKimi 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
- ระบุงานและผลลัพธ์ที่คาดหวัง: คำอธิบาย โค้ด แผน หรือข้อสรุปเชิงวิเคราะห์
- แนบข้อความที่จำเป็นและกำหนดว่าแหล่งใดสำคัญกว่า
- อธิบายเกณฑ์ตรวจสอบ: เงื่อนไขที่ต้องรักษา รูปแบบ ความแม่นยำในการคำนวณ และส่วนที่ต้องมี
- 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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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
POST /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"}