围绕约束展开复杂推理
当问题包含多个条件、相互制约的目标或需要分阶段判断时，可把已知事实、假设和验收要求一并交给模型。它的定位不是只生成一句结论，而是协助处理复杂问题，形成便于检查和继续讨论的解释、方案与待验证事项。
All models
Get your API key
kimi-k2-thinking-turbo
MoonshotChatreasoning
Input 3.841 Credits / 1MOutput 27.8469 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 模型定位
- Kimi K2 Thinking 系列；复杂推理、多步骤指令、Agent 类任务
- 核心输入输出
- 文本消息输入，助手文本回答输出
- 直接对话入口
- POST /kimi/chat/completions；提交 model 与 messages
- 响应方式
- 普通 JSON 或 SSE 流式响应；可选 reasoning_content 字段
- 候选数量
- Chat Completions 单次返回 1 个候选，n 固定为 1
- 托管会话
- POST /aichat2/conversations；以 id 延续会话，stateful 默认 true
- 推理控制边界
- 不使用 kimi-k3 的 reasoning_effort 或 kimi-k2.6 的 thinking 开关
模型定位属于公开原生能力，消息组织、流式格式与会话管理属于本平台入口功能。
核心能力
了解 kimi-k2-thinking-turbo 能为你的工作带来什么。
把多步骤指令组织成任务
适合需要先分析材料、再比较选项、最后给出交付物的请求。提示中可以明确步骤顺序、不能忽略的条件和最终输出形式，让复杂推理围绕同一个目标推进。工具协作时，应由应用承接实际执行，并把执行结果反馈到对话中。
直接调用与持续会话两种接法
Chat Completions 适合已有消息管理逻辑的应用，可分别处理回答正文与可能返回的推理内容。托管会话入口则通过会话 id 接续讨论，减少维护历史的工作。两种方式均可用于文本任务，选择重点在于应用如何管理上下文与交互。
适用场景
从具体任务出发，找到模型发挥作用的位置。
设计方案与条件取舍
输入项目目标、资源限制、依赖条件和候选方案，要求模型按统一标准比较，并交付推荐方案、选择理由与待确认问题。适合把零散要求整理为可讨论的决策材料；涉及真实预算或关键业务判断时，仍应以核实后的数据完成最终决策。
问题定位与修复规划
将错误信息、相关代码文本、预期行为和已尝试的方法放入消息，要求模型区分可能原因，列出验证顺序并提出修改建议。交付物可设为排查清单、修复思路和测试要点；运行代码与确认修复效果由实际开发环境承担。
多轮完善复杂任务
先提交任务背景与交付要求，再逐轮补充条件、纠正假设或比较新方案。使用托管会话 id 可以接续讨论，适合需求梳理、分析报告和任务计划的迭代。每轮最好指出新增信息及其影响，避免模型沿用已经失效的前提。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
Thinking 与 Thinking Turbo 如何取舍
kimi-k2-thinking 与 kimi-k2-thinking-turbo 同属面向复杂推理和多步骤任务的公开型号。选择 Turbo 时，建议用自己的代表性任务比较答案完整性、指令遵循和实际响应体验，而不要仅凭名称推定固定加速比例。已有 Turbo 应用可保留该型号，围绕任务质量做回归测试。
按工作流选择接口，而非混用版本参数
需要精确组织消息、处理流式增量或承接工具结果时，选择 /kimi/chat/completions；希望通过 id 接续对话时，选择 /aichat2/conversations。K3 的推理强度参数与 K2.6 的思考开关不能直接套用到本型号，迁移版本时应同时调整请求设计。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 本型号的复杂推理定位不等于自动执行任务。生成操作计划、代码或工具调用信息后，仍需要相应执行环境、权限与结果反馈；没有实际执行记录时，不应把建议当作已经完成的操作。
- 不要把共享请求中的图片、文件或音频字段直接当作本型号的原生多模态能力。处理文档分析任务时，可先提供提取后的文本和必要背景；需要视觉或语音任务时，应选择明确支持相应输入输出的型号。
- 推理内容可能为空，客户端应以回答正文和结束状态判断结果。较复杂的任务要预留充分的输出空间；若 finish_reason 为 length，应检查是否截断，再补充请求，而不是直接把不完整结论用于后续流程。
常见问题
解答使用 kimi-k2-thinking-turbo 时的常见疑问。
kimi-k2-thinking-turbo 是 K3 的别名吗？
不是。它是公开发布的 Kimi K2 Thinking 系列型号，与 kimi-k2-thinking 同批推出。调用时应使用完整 ID kimi-k2-thinking-turbo，不要因为同属 Kimi 系列就沿用 K3 的容量规格或推理控制参数。
可以用 reasoning_effort 调整思考强度吗？
本型号不应使用 K3 的 reasoning_effort，也不应套用 K2.6 的 thinking 开关。更实用的方式是明确任务目标、约束和验收标准，并给回答留出足够空间；这些提示设计用于组织任务，不等同于原生推理预算控制。
怎样接续上一轮分析？
使用 Chat Completions 时，由应用把必要的历史消息继续放入 messages。使用托管会话入口时，启用 stateful 并在后续请求中带回同一个 id。补充条件时，请明确哪些旧假设需要替换，避免讨论偏离最新要求。
流式回答中的推理和正文如何处理？
Chat Completions 的流式增量可分别包含 content 与 reasoning_content。界面可将正文和推理内容分开处理，但要允许推理字段为空。结束时检查 finish_reason；工具调用和长度截断不应被当作普通完整回答处理。
它能直接完成 Agent 操作吗？
它面向 Agent 类任务，但模型能力与实际执行环境是两回事。直接对话应用需要承接工具执行、检查权限并回传结果；使用托管工具工作流时，也应根据执行事件确认进度，不能只凭模型生成的文字认定操作成功。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.37per 1M tokens
Official $0.91
Output
$2.65per 1M tokens
Official $6.63
−60%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.