围绕工程约束持续分析
K3 适合把需求、关联代码、错误日志与测试条件放在一起分析，而不只生成孤立函数。可要求它先定位影响范围，再提出修复方案和验证步骤。输入中保留文件路径、依赖关系与不可修改条件，有助于形成便于审查的工程交付物。
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。
- 输入方式
- 文本与图片；图片使用 image_url 内容块
- 输出形式
- 文本、JSON 结构化内容及函数调用；结构化内容应由应用解析并校验，不保证严格符合指定 JSON Schema
- 推理方式
- 持续启用推理；推荐 reasoning_effort: max，亦可省略
- 响应方式
- 普通 JSON 响应或 SSE 流式输出
- 专用调用
- POST /kimi/chat/completions；model 为 kimi-k3
- 托管会话
- /aichat2/conversations；支持会话ID续聊与会话管理
视觉与推理属于模型能力；会话托管、文件读取及授权工具执行属于所选平台入口的工作流功能。
核心能力
了解 kimi-k3 能为你的工作带来什么。
把视觉参考变成实现说明
结合截图与文字要求，K3 可用于分析页面布局、组件层级和交互意图，再生成界面代码或改版建议。适合从视觉参考启动前端原型；应同时提供技术栈、设计规范和响应式要求，避免把截图中未体现的行为交给模型猜测。
让分析结果进入工具流程
通过结构化输出约定字段，可把审查意见、任务清单和提取结果接入后续程序。函数调用则让模型提出工具名称与参数。专用入口适合自行控制执行循环，AI Chat v2 适合使用托管工具流程，两者都应保留工具结果与失败信息。
适用场景
从具体任务出发，找到模型发挥作用的位置。
跨文件缺陷排查
输入故障现象、相关文件、堆栈和已有测试，让 K3 梳理调用链、提出根因假设，并交付修改建议、补丁草案及回归测试清单。适合需要串联多个模块的任务；将实际测试结果继续回填，可帮助它修正初步判断，而不是停留在一次猜测。
截图驱动的前端原型
提交页面截图、组件规范和目标框架，要求 K3 输出布局说明、组件代码与交互检查项。再用浏览器截图反馈偏差，逐轮调整间距、层级和响应式行为。交付物是可继续开发的原型代码，不应把外观接近直接视为功能与可访问性验收通过。
多文档知识整理
将关联文档整理为带标题、出处和章节标识的文本，要求 K3 交付主题摘要、条款对照或待澄清事项。使用 AI Chat v2 时，也可提供文件链接进入读取流程。明确区分材料原文、推导结论和缺失信息，能让报告更便于追踪与复核。
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。
复杂工程选 K3，常规任务按需分配
当任务需要多步分析、关联代码理解或反复利用工具结果时，K3 的定位更合适。K2.6、K2.5 可作为通用对话与内容任务的备选。不要直接沿用 K2 系列的 Thinking 开关配置；对短改写和简单提取，应比较交付质量、响应等待和实际用量再决定。
按状态管理方式选择入口
已有 OpenAI 风格客户端、需要自定义工具执行与消息历史时，选择 /kimi/chat/completions。希望通过会话ID续聊、读取文件并观察工具事件时，选择 AI Chat v2。前者由应用维护完整消息，后者可托管会话；联网和外部操作应按相应工具与授权条件设计。
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。
- K3 持续进行推理，不适合把关闭思考作为缩短响应的默认策略。reasoning_effort 建议使用 max 或省略，不要依赖其他取值获得不同速度档位。长任务仍需控制材料相关性，并为最终答案设置合理的输出预算。
- 图片理解不等于图片生成，截图转代码也不意味着已经运行或验证页面。模糊文字、隐藏交互和截图之外的状态应另行说明；生成代码需要在目标环境中执行测试，尤其检查响应式布局、键盘操作与业务逻辑。
- 专用入口返回函数调用时，需要应用执行工具并回填结果，不能只保存最终正文。AI Chat v2 的外部读写依赖连接与授权；无人值守写操作也需要明确许可，模型提出行动计划不代表相关操作已经完成。
常见问题
解答使用 kimi-k3 时的常见疑问。
Kimi K3 可以关闭推理吗？
K3 持续启用推理，推荐设置 reasoning_effort: max，省略时也按该方式使用。不要把 K2.6 的 thinking 开关复制到 K3 请求中。若任务只是简短改写或分类，可考虑更适合轻量任务的型号，而不是依赖关闭推理。
K3 能看截图并输出网页代码吗？
可以将截图作为 image_url 图片块，与框架、样式规范和交互要求一起提交，用于界面分析和代码生成。它输出的是文本代码与建议，不会因此自动运行网页；应通过实际渲染、截图对比和交互测试完成验证。
多轮工具调用需要保存哪些内容？
使用专用入口时，应保存并回传完整 assistant 消息，包括已返回的 reasoning_content、tool_calls，以及对应调用ID和工具结果。只保留最终答案会丢失执行状态。使用托管会话时，则通过同一会话ID继续任务。
怎样让 K3 返回程序可处理的结果？
可在提示中明确要求输出 JSON，并说明字段名称、类型、必填项和允许值，附上示例；应用应进行 JSON 解析、结构校验和业务校验，对缺失字段、类型错误或截断结果设置重试与异常处理。如果使用 response_format 配置格式，应先验证所选模式在 kimi-k3 请求中的实际效果，不将 json_schema 字段视为严格符合 Schema 的保证。
分析 PDF 应该怎样提交材料？
需要文件读取工作流时，可使用 AI Chat v2 的 file_url 内容块提供可访问的文件链接；也可先提取文本，再交给专用入口分析。文件读取是入口功能，不等于模型直接接收任意格式，扫描内容的清晰度也会影响分析。
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
$1.14per 1M tokens
Official $2.86
Output
$5.71per 1M tokens
Official $14.29
−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.