MoonshotAI: Kimi K3

Kimi K3 adalah model penalaran multimodal dari Moonshot AI, yang dirilis oleh penyedia pada 16 Juli 2026. Ini adalah model open-weight dengan 2,8 triliun parameter, dan berada dalam kategori teks di api14 meskipun menerima lebih dari sekadar teks sebagai input. Moonshot AI memposisikannya untuk coding kompleks, kerja pengetahuan, dan alur kerja agentic berjangka panjang.

Di sisi input, Kimi K3 menerima teks, gambar, dan video, serta menghasilkan teks sebagai output. Jendela konteksnya adalah 1.048.576 token, cukup besar untuk menampung dokumen yang sangat panjang, riwayat percakapan yang diperpanjang, atau basis kode yang cukup besar dalam satu permintaan. Output maksimumnya adalah 943.718 token, sehingga responsnya sendiri bisa sangat panjang ketika suatu tugas menuntutnya. Penalaran adalah bagian dari desain model, dan API menyediakan kontrol untuknya, termasuk parameter reasoning, pengaturan reasoning_effort, dan flag include_reasoning untuk menampilkan konten penalaran.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Pekerjaan konteks panjang seperti meninjau repositori besar, merangkum atau menanyakan laporan yang panjang, dan mempertahankan status di seluruh proses agent multi-langkah cocok dengan jendela konteks dan fokus agentic. Karena gambar dan video dapat dimasukkan bersama teks, model dapat menangani tugas yang mencampur materi visual dengan instruksi tertulis, misalnya mendeskripsikan atau mengekstrak informasi dari tangkapan layar, diagram, atau klip. Output terstruktur, pemanggilan tool, dan kontrol penalaran membuatnya cukup cocok untuk pipeline di mana model harus memanggil fungsi, mengembalikan JSON, atau mengerahkan lebih banyak usaha pada masalah sulit.

Anda memanggil Kimi K3 melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "moonshotai/kimi-k3". Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, dan top_p. Kontrol sampling (temperature, top_p, top_k, min_p, parameter penalti, seed, dan stop) memungkinkan Anda menyetel output, sementara response_format dan structured_outputs mencakup balasan terformat serta tools dan tool_choice mencakup pemanggilan fungsi. Logprobs dan top_logprobs tersedia jika Anda membutuhkan probabilitas tingkat token, dan max_tokens membatasi panjang respons dalam batas output maksimum.

Tidak ada informasi di sini tentang harga, latensi, atau throughput, jadi hal tersebut layak diperiksa terhadap tabel harga langsung dan pengujian Anda sendiri. Model ini hanya menghasilkan teks, jadi jika Anda membutuhkan gambar, audio, atau modalitas output lain yang dihasilkan, model yang berbeda akan diperlukan. Jika beban kerja Anda kecil, berkonteks pendek, dan tidak mendapat manfaat dari penalaran atau input multimodal, model yang lebih sederhana mungkin lebih cocok.