MoonshotAI: Kimi K3 (batch)

MoonshotAI: Kimi K3 (batch) adalah model pembuatan teks dari Moonshot AI, yang diidentifikasi di api14 dengan model id moonshotai/kimi-k3:batch. Ini adalah model penalaran multimodal dengan bobot terbuka dan 2,8 triliun parameter, dibangun untuk pekerjaan berat, bukan obrolan ringan. Varian batch adalah versi yang Anda panggil melalui api14, dan varian ini mempertahankan identitas serta perilaku model yang sama dengan rilis dasar Kimi K3 dari penyedia.

Model ini menerima teks, gambar, dan video sebagai input, dan menghasilkan teks sebagai output. Jendela konteksnya adalah 1.048.576 token, cukup besar untuk menampung seluruh basis kode, kumpulan dokumen panjang, atau riwayat percakapan yang panjang dalam satu permintaan. Panjang output maksimum adalah 16.384 token per respons. Karena ini adalah model penalaran, model ini dapat menggunakan sebagian anggaran pembuatannya untuk penalaran internal sebelum menghasilkan jawaban akhir, dan perilaku tersebut dapat dipengaruhi melalui parameter reasoning dan reasoning_effort.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Tugas pengkodean yang kompleks cocok digunakan, termasuk bekerja di seluruh repositori besar yang sumber lengkapnya perlu berada dalam konteks. Pekerjaan pengetahuan seperti meringkas, membandingkan, atau mengekstrak dari dokumen dan laporan panjang juga cocok secara alami, terutama ketika materi sumbernya mencakup gambar atau video yang harus ditafsirkan bersama teks. Alur kerja agentik berjangka panjang juga menjadi target penggunaan, di mana model merencanakan banyak langkah, memanggil alat, dan melacak status di seluruh konteks yang panjang.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id moonshotai/kimi-k3:batch. Permintaan mendukung frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Pemanggilan alat dan output terstruktur tersedia melalui parameter tools, tool_choice, response_format dan structured_outputs, dan pengambilan sampel dapat disetel dengan temperature, top_p, top_k, min_p serta parameter penalti. Seed dapat diatur untuk pengambilan sampel yang dapat direproduksi.

Perhatikan batas atas output: respons dibatasi hingga 16.384 token, jadi tugas yang membutuhkan satu jawaban sangat panjang mungkin perlu memecah pekerjaan ke beberapa panggilan. Model ini juga hanya menghasilkan teks, jadi setiap input gambar atau video ditafsirkan untuk menghasilkan teks, bukan output media yang dihasilkan. Untuk tugas teks yang sederhana dan pendek, model yang lebih kecil dan lebih cepat mungkin menjadi pilihan yang lebih ekonomis daripada model penalaran dengan 2,8T parameter.