Source: https://ailoot.ai/models/th/moonshotai-kimi-k3-1-pro/ Canonical: https://ailoot.ai/models/th/moonshotai-kimi-k3-1-pro/ Language: th # MoonshotAI: Kimi K3.1 Pro [Markdown](https://ailoot.ai/models/th/moonshotai-kimi-k3-1-pro/index.md) · [JSON](https://ailoot.ai/models/th/moonshotai-kimi-k3-1-pro/facts.json) ## [MoonshotAI: Kimi K3.1 Pro](https://ailoot.ai/models/th/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 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* 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* 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* 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* 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* 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* 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* ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.004 */ 1K* ขาออก US$0.02 */ 1K* การอ่านแคช US$0.0004 */ 1K* ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.004 */ 1K* ขาออก US$0.02 */ 1K* การอ่านแคช US$0.0004 */ 1K* ขาเข้า `text` ขาออก `text` บริบท ไม่ได้ระบุในแค็ตตาล็อก ความยาวคำตอบสูงสุด ไม่ได้ระบุในแค็ตตาล็อก ขาเข้า US$0.004 */ 1K* ขาออก US$0.02 */ 1K* การอ่านแคช US$0.0004 */ 1K* 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 ## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน. Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ