Перейти к основному содержанию

Обзор

Kimi K3.1 Pro — модель Moonshot AI для рассуждений, разработки программного обеспечения, решения сложных задач и многоэтапных сценариев с tools. APIYI предоставляет модели официального релея kimi-k3.1-pro и kimi-k3.1-pro-highspeed. Обе модели используют один и тот же формат запросов; чтобы переключиться между ними, измените model.
Начните с Pro, а затем выберите Highspeed, если вашему сценарию работы нужна меньшая задержка. Обе модели всегда используют рассуждение, глубину которого задаёт reasoning_effort. У Highspeed выше цены на ввод, вывод и запись в кэш.
Кэширование сроком на один час не прошло эту серию тестов и не указано как подтверждённая возможность. Базовый чат, потоковая передача и вызовы tools прошли проверку. Официальные параметры и ограничения тестирования см. в разделе о кэшировании.

Быстрый старт

Отправьте запрос к Chat Completions с помощью OpenAI SDK или HTTP.

Модели и цены

Сравните Pro и Highspeed, включая стоимость кэширования.

Рассуждение и tools

Выберите уровень рассуждения и сохраняйте историю вызовов tools.

Кэширование контекста

Ознакомьтесь с официальными параметрами кэша и ограничениями тестирования APIYI.

Выбор модели и цены

Оплата обеих моделей рассчитывается по фактическому использованию tokens, а текущие настроенные тарифы APIYI соответствуют официальным ценам. Все указанные ниже тарифы приведены в USD за 1 млн tokens. Стоимость обычного ввода и вывода была проверена; тарифы на кэширование — это настроенные цены, а не стоимость кэширования, проверенная в ходе этого тестового запуска:
Цены на модели соответствуют ценам официального поставщика и могут меняться. Эта таблица приведена для справки; определяющими являются данные на вкладке Цены на модели в верхней навигации: Цены на модели.

Фактическая стоимость с бонусами за пополнение

При пополнении, которое соответствует условиям акции с бонусом 20%, каждая оплаченная единица дает 1,2 единицы доступного кредита. Таким образом, фактическая стоимость составляет 1 ÷ 1.2 ≈ 83.33% от указанной цены. Бонус увеличивает доступный баланс; указанные цены на модели остаются прежними. Условия участия, размеры бонусов и текущие условия акции проверяйте на странице акции.

Проверки базовых возможностей

APIYI проверила следующие базовые сценарии для обеих моделей 2026-10-25 (UTC+8): В этом руководстве в основном используется Chat Completions. Для существующих интеграций Responses также можно использовать POST /v1/responses. В тесте изображений использовались данные Base64. Базовые запросы к POST /v1/messages также прошли успешно. Явно задайте top_p: 0.95 и temperature: 1, чтобы избежать ошибок преобразования параметров выборки по умолчанию.
В этих тестах проверялись базовые запросы, семантические результаты и списания за стандартные входные и выходные данные. Они не охватывают все параметры, максимальный размер контекстного окна и поведение при длительной работе. Срок хранения кэша и тарификацию необходимо проверять отдельно, как описано ниже.

Быстрый старт

Используйте APIYI Token для вызова POST /v1/chat/completions. Начните с reasoning_effort: "low", затем увеличьте его значение для задач, требующих более глубокого рассуждения.
Оставьте название модели в конфигурации. Чтобы использовать высокоскоростной режим, измените его на kimi-k3.1-pro-highspeed и повторно используйте остальную часть интеграции.

Рассуждение и ключевые параметры

Обе модели всегда используют рассуждение. Управляйте глубиной с помощью reasoning_effort; не переносите переключатель enable_thinking из Kimi K2.5.
Выделите достаточно max_completion_tokens для рассуждения и ответа. Если бюджет исчерпается во время рассуждения, окончательный ответ может быть пустым или неполным. Проверьте finish_reason и при необходимости увеличьте бюджет.
Официальные значения параметров сэмплирования фиксированы: temperature=1, top_p=0.95, n=1, presence_penalty=0 и frequency_penalty=0. В примерах Chat Completions они не указаны; для Messages задайте параметры сэмплирования явно, как описано выше. Не переносите несовместимые настройки из другой модели.

Чтение ответа

Окончательный ответ находится в choices[0].message.content. Рассуждение возвращается в choices[0].message.reasoning_content. Используйте content для ответа, а с reasoning_content работайте отдельно, если ваш интерфейс отображает его. За токены рассуждения взимается плата по тарифу вывода. Оценивайте стоимость по usage ответа и журналам консоли, а не по видимой длине ответа.

Потоковая передача

Рассуждение и текст ответа поступают в delta.reasoning_content и delta.content соответственно. В последнем фрагменте с данными об использовании массив choices может быть пустым, поэтому проверьте chunk.usage перед чтением вариантов ответа.

Вызовы инструментов

Модель генерирует имена функций и аргументы, а ваше приложение выполняет их. Когда модель возвращает tool_calls, добавьте полное сообщение ассистента, включая reasoning_content и tool_calls, в историю. Затем добавьте каждый результат инструмента с соответствующим ему tool_call_id и отправьте следующий запрос.
Сохраняйте полное сообщение ассистента в циклах вызова инструментов. Удаление reasoning_content или tool_calls может нарушить последующие рассуждения или сопоставление результатов инструментов. Перед выполнением запрошенной операции проверяйте имена инструментов, аргументы и разрешения на выполнение.

Кэширование контекста

Официальный механизм кэширования предназначен для повторного использования длинных системных инструкций, справочных документов и контекста кода. Сначала указывайте стабильное содержимое, а в конце — изменяющиеся вопросы.
Кэширование на один час не прошло этот тестовый запуск и не является подтверждённой возможностью APIYI. Обе модели тестировались с отдельными длинными префиксами для политик на 5 минут и на 1 час. Запросы выполнялись успешно, но в ответах не было эффективных счётчиков чтения из кэша или записи в кэш. Ни четыре запроса, повторённые примерно через 5,5 минуты, ни последующие повторы с короткими интервалами не показали попаданий в кэш. В логах запросов с политикой на 1 час отображались списания за обычные входные данные, а не за запись в кэш на 1 час.
Эти результаты описывают данный тестовый запуск; они не доказывают, что кэширование не поддерживается для всех запросов. Учитывайте списания за обычные входные данные, пока ваши собственные запросы не покажут использование кэша и соответствующие записи в тарификации. Параметры и поведение ниже соответствуют официальному формату.

Выбор срока хранения кэша

В Chat Completions используется поле запроса верхнего уровня prompt_cache_options. По умолчанию срок хранения составляет 5 минут. Чтобы запросить срок хранения в 1 час:
LONG_STABLE_CONTEXT обозначает длинный текст, который вы хотите использовать повторно. Оставляйте этот префикс неизменным в последующих запросах, заменяя только последний вопрос.
Срок хранения определяется при первой записи в кэш. Передача ttl: "1h" для существующего кэша на 5 минут не продлевает его срок хранения. При попадании в кэш исходный срок хранения обновляется. Сравнивайте политики, используя для каждой отдельный новый префикс.

Как тарифицируются чтение и запись

  • Чтение из кэша: за повторно используемые токены префикса взимается плата по тарифу чтения из кэша.
  • Запись в кэш: за новые токены префикса, добавленные в кэш, взимается плата по тарифу записи на 5 минут или на 1 час — в зависимости от выбранного срока.
  • Обычные входные данные: за данные вне кэшированной части взимается плата по обычному тарифу для входных данных.
  • Выходные данные: за рассуждение и итоговый ответ взимается плата по тарифу для выходных данных.
Это официальные категории тарификации. В ходе этого тестового запуска были подтверждены списания за обычные входные и выходные данные, но не удалось подтвердить расчёты за чтение из кэша или запись в кэш. Сравнивайте ответ usage, поля чтения из кэша и создания кэша, а также логи тарификации в консоли; одного лишь принятия параметра недостаточно.

Технические характеристики и советы по интеграции

1

Начните с низкого уровня усилий на рассуждение

Отправьте короткий запрос, чтобы проверить имя модели, токен и парсер ответа, прежде чем добавлять длинный контекст.
2

Заложите бюджет на рассуждение

Настройте max_completion_tokens с учётом использования и finish_reason. Увеличьте reasoning_effort для более сложных задач.
3

Используйте потоковую передачу для длительных задач

Обрабатывайте текст рассуждений и ответа отдельно, проверяйте итоговые данные об использовании и задавайте достаточные тайм-ауты в клиентах и прокси.
4

Проверьте использование кэша перед масштабированием

Повторите запросы с неизменным длинным префиксом, а затем сравните данные об использовании кэша и журналы тарификации, чтобы убедиться, что в вашем рабочем процессе есть попадания в кэш.

FAQ

Обе модели используют одинаковый формат интеграции. Режим «Высокая скорость» обеспечивает меньшую задержку при более высокой стоимости токенов. Фактическая скорость зависит от длины промпта, параметра reasoning_effort, длины ответа и текущей нагрузки; оцените её на собственных рабочих нагрузках.
Модели K3.1 Pro всегда используют рассуждение. Выберите reasoning_effort: "low", чтобы управлять дополнительными затратами, а не использовать прежний параметр enable_thinking.
В usage вывода входят токены рассуждения. Длина видимого ответа не отражает общий объём использования вывода; проверьте usage в ответе и журналы консоли.
Согласно официальному механизму, существующий кэш сохраняет первоначальный срок действия, поэтому для ttl: "1h" требуется новый префикс. Тесты APIYI не подтвердили ни хранение в течение одного часа, ни плату за запись; успешное принятие параметра не доказывает наличие поддержки.
При пополнении, соответствующем условиям, вы получаете кредит в размере 1,2 от внесённой суммы, поэтому фактическая стоимость составляет 1 ÷ 1.2 ≈ 83.33% от цены по прайс-листу. Условия участия см. в условиях акции.

Связанные документы

Официальные справочные материалы: platform.moonshot.ai/docs/guide/kimi-k3-1-pro-quickstart, platform.kimi.ai/docs/guide/context-caching и platform.moonshot.ai/docs/pricing/chat.