MoonshotAI: Kimi K3.1 Pro

Kimi K3.1 Pro es un modelo de texto de Moonshot AI, publicado por el proveedor el 2026-10-23. Se describe como el modelo de razonamiento multimodal de pesos abiertos insignia de Moonshot AI y un sucesor entrenado posteriormente de Kimi K3. El id del modelo en api14 es moonshotai/kimi-k3.1-pro, y se sitúa en la categoría de texto.

El modelo acepta texto, imagen y vídeo como entradas y produce texto como salida, por lo que puede trabajar con prompts de medios mixtos en lugar de solo texto. Su ventana de contexto es de 1.048.576 tokens, que es aproximadamente un millón de tokens, y la salida máxima es de 943.718 tokens. Esa combinación de una ventana de entrada muy grande y un presupuesto de salida muy grande es la característica práctica definitoria del modelo.

Esas capacidades apuntan a trabajo que implica entradas largas y respuestas largas. Las tareas de programación de horizonte largo encajan, ya que un repositorio grande o una especificación larga pueden mantenerse en contexto mientras el modelo produce código sustancial a cambio. Lo mismo se aplica al razonamiento sobre documentos extensos, y a tareas en las que imágenes o vídeo forman parte de la entrada y la respuesta es texto escrito, como describir o analizar material visual junto con un brief escrito largo. Debido a que el límite de salida es alto, se puede pedir al modelo respuestas extensas en lugar de resúmenes cortos.

Se llama a través de la API compatible con OpenAI de api14 usando el id del modelo "moonshotai/kimi-k3.1-pro". Los parámetros de solicitud que admite son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice y tools. Los parámetros reasoning e include_reasoning, junto con reasoning_effort, permiten controlar cómo se solicita y se devuelve el razonamiento, mientras que response_format y structured_outputs están disponibles cuando se necesita la salida con una forma definida. Los parámetros tools y tool_choice admiten el llamamiento a funciones, por lo que el modelo puede usarse dentro de flujos de trabajo de agentes o que usan herramientas.

No hay restricciones indicadas en los hechos más allá de que el modelo solo produce texto, así que si se necesita generación de imágenes o vídeo este modelo no es el adecuado. Si la tarea es corta y puramente textual, los límites tan grandes de contexto y salida pueden ser más de lo que se necesita, y un modelo de texto más pequeño podría ser la opción más simple. Para trabajo de contexto largo, entrada multimodal, con mucho razonamiento o que usa herramientas, este modelo es la opción apropiada entre las descritas aquí.