MoonshotAI: Kimi K3 (batch)

MoonshotAI: Kimi K3 (batch) är en textgenereringsmodell från Moonshot AI, identifierad på api14 med modell-id:t moonshotai/kimi-k3:batch. Det är en multimodell resonemangsmodell med öppna vikter och 2,8 biljoner parametrar, byggd för krävande arbete snarare än lättviktschatt. Batch-varianten är den version du anropar via api14, och den behåller samma modellidentitet och beteende som basutgåvan Kimi K3 från leverantören.

Modellen tar text, bilder och video som indata, och den producerar text som utdata. Dess kontextfönster är 1 048 576 tokens, vilket är tillräckligt stort för att rymma hela kodbaser, långa dokumentsamlingar eller utökade konversationshistoriker i en enda begäran. Den maximala utdatalängden är 16 384 tokens per svar. Eftersom det är en resonemangsmodell kan den spendera en del av sin genereringsbudget på internt resonemang innan den producerar det slutliga svaret, och det beteendet kan påverkas genom parametrarna reasoning och reasoning_effort.

Dessa förmågor pekar mot några praktiska användningsområden. Komplexa kodningsuppgifter passar bra, inklusive arbete över stora arkiv där hela källkoden behöver finnas i kontexten. Kunskapsarbete som att sammanfatta, jämföra eller extrahera från långa dokument och rapporter är en annan naturlig tillämpning, särskilt när källmaterialet innehåller bilder eller video som måste tolkas tillsammans med text. Långsiktiga agentiska arbetsflöden är också ett målscenario, där modellen planerar över många steg, anropar verktyg och håller reda på tillstånd över en lång kontext.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t moonshotai/kimi-k3:batch. Begäran stöder 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 och top_p. Verktygsanrop och strukturerade utdata är tillgängliga genom parametrarna tools, tool_choice, response_format och structured_outputs, och sampling kan justeras med temperature, top_p, top_k, min_p och straffparametrarna. Ett seed kan anges för reproducerbar sampling.

Tänk på utdatataket: svar begränsas till 16 384 tokens, så uppgifter som behöver ett mycket långt enskilt svar kan kräva att arbetet delas upp över flera anrop. Modellen är också endast för textutdata, så alla bild- eller videoindata tolkas för att producera text snarare än en genererad medieutdata. För enkla, korta textuppgifter kan en mindre och snabbare modell vara ett mer ekonomiskt val än en resonemangsmodell med 2,8 biljoner parametrar.