AIREITER
MoonshotText Chat

Kimi K3.1 Pro

Попробуйте Kimi K3.1 Pro онлайн или вызывайте через API, совместимый с OpenAI или Anthropic. Контекст на 1M токенов, постоянный reasoning, tool calling и поддержка изображений.

ВводОфициально $2.00 za 1 mln tokenovAIReiter $0.60 za 1 mln tokenovВыводОфициально $10.00 za 1 mln tokenovAIReiter $3.00 za 1 mln tokenovЧтение кэшаОфициально $0.20 za 1 mln tokenovAIReiter $0.06 za 1 mln tokenovСоздание кэшаОфициально $2.00 za 1 mln tokenovAIReiter $0.60 za 1 mln tokenov
Запустить через API

ВВОД

ВЫВОД

Example
Generated in
42.7 seconds
Входные Token
134
Выходные Token
2354
Tokens per second
55.13 tokens / second
Time to first token
-

Сведения о модели

Используйте тот же ключ модели в Playground, запросах API и внутренних рабочих процессах.

ID модели
kimi-k3.1-pro
Провайдер
Moonshot
Протокол
OpenAI Chat Completions · Anthropic Messages
Окно контекста
1,048,576 токенов
Максимальный вывод
131,072 токенов
Входные Token
60 credits / 1 млн токенов
Выходные Token
300 credits / 1 млн токенов
Чтение кэша
6 credits / 1 млн токенов
Запись кэша
60 credits / 1 млн токенов

Last updated: 5 November 2026. Specs and benchmark scores are from Moonshot's Kimi K3.1 Pro guide and the Kimi K3.1 Pro tech blog.

What Kimi K3.1 Pro is

Kimi K3.1 Pro is the first model in Moonshot AI's K3.1 series. It is a post-trained version of Kimi K3, trained with much more reinforcement learning across coding, 3D creation, financial research, and other agent tasks. The architecture and the context window stay the same as K3; the gains come from post-training.

Key specs

  • Context window: 1,048,576 tokens, shared by input and output.
  • Reasoning: thinking is always on. Streaming responses carry the reasoning in reasoning_content, separate from the final answer in content.
  • Input: text and images. Images must be sent as base64 data URLs; public image URLs are not accepted by the model.
  • Output length: up to 131,072 completion tokens per request in the playground.
  • Tools: function calling with tool_choice, and JSON Schema structured output with strict: true.
  • Fixed sampling: temperature 1.0 and top_p 0.95 are fixed by Moonshot, so the playground does not show those sliders.

Where Kimi K3.1 Pro is strongest

Moonshot reports the scores below. They are the vendor's own numbers, not AIReiter measurements, so run your own prompts in the playground above before switching production traffic.

BenchmarkWhat it testsKimi K3.1 ProReference
Terminal-Bench 4.0Coding agents on real terminal tasks65.7%Claude Opus 5.5 66.4%, GPT-6 Astra 58.2%
Kimi Code Bench 3.0 Long-horizonMulti-step coding with tools (Moonshot internal)61.2%Kimi K3 55.95%
BenchCAD, with tools3D reconstruction through CAD code92.7%Claude Opus 5.5 96.2%, GPT-6 Astra 95.9%
OfficeQA Pro v2Fiscal data analysis across real financial documents64.4Reported as state of the art
Kimi Hallu Bench Hard, with toolsClaim-level hallucination rate, lower is better8.3%Kimi K3 23.4%

Good fits

  • Long-horizon coding agents: repository-wide fixes and full project builds, including game work in Unity, Unreal Engine, and Godot.
  • 3D and CAD scripting: writing and running Blender or CAD scripts to build parametric parts, furniture, and architectural models from a text brief or a reference image.
  • Financial research and modeling: retrieval and multi-step numerical reasoning across filings, where the lower hallucination rate matters most.

Kimi K3.1 Pro vs Kimi K3

Kimi K3.1 ProKimi K3
BaseK3 with much larger post-trainingK3
Context window1,048,576 tokens1,048,576 tokens
ReasoningAlways onAlways on
Kimi Code Bench 3.0 Long-horizon61.2%55.95%
Kimi Hallu Bench Hard (with tools)8.3%23.4%
API model IDkimi-k3.1-prokimi-k3

Both models take the same request shape, so moving from K3 to K3.1 Pro is a one-line change of the model ID. Keep K3 for workloads you have already tuned and evaluated; try K3.1 Pro first for new coding agents, 3D scripting, and finance tasks.

Calling Kimi K3.1 Pro through AIReiter

  • Model ID: kimi-k3.1-pro.
  • Endpoints: OpenAI-compatible https://aireiter.com/api/v1/chat/completions and Anthropic-compatible https://aireiter.com/api/v1/messages. Existing OpenAI or Anthropic clients work after changing the base URL and the key.
  • Leave sampling at default: do not send temperature, top_p, n, presence_penalty, or frequency_penalty. Moonshot fixes them for this model.
  • Multi-turn and tool loops: send back the complete assistant message from the previous turn, including its reasoning and tool calls, not only content.
  • Images: put them in a content array as image_url with a base64 data URL.
  • Output tokens: reasoning is billed as output, so set max_tokens high enough for the reasoning plus the answer.

Create a key on the API keys page. The request sample above this section already uses the right model ID.

Попробуйте Kimi K3.1 Pro за три шага

Без установки и настройки. Playground выше вызывает ту же самую модель, к которой будет обращаться ваш код.

01

Вставьте реальную задачу

Используйте реальную задачу, которую вам необходимо решить: упавший тест вместе с окружающим кодом, деталь для моделирования в Blender или набор данных для сверки. Простые тестовые промпты не раскрывают возможностей модели с reasoning.

02

Дайте модели пространство для рассуждений

Reasoning включен всегда и расходует max_tokens. Установите max_tokens на уровне 8,192 или выше для сложных многоэтапных задач, чтобы ответ не обрывался сразу после этапа рассуждений.

03

Скопируйте вызов API

Перенесите тот же запрос в свой код с model ID kimi-k3.1-pro через эндпоинт, совместимый с OpenAI или Anthropic. Количество использованных токенов для каждого ответа отображается под ним.

Kimi K3.1 Pro FAQ

Вопросы о возможностях, reasoning и интеграции.

/ 01

Что такое Kimi K3.1 Pro?

Kimi K3.1 Pro — первая модель серии K3.1 от Moonshot AI, представляющая собой постобученную версию Kimi K3 со значительно расширенным reinforcement learning в задачах написания кода, 3D-моделирования и финансовых исследований. Она сохраняет контекстное окно K3 на 1,048,576 токенов, режим постоянного мышления и принимает на вход текст и изображения.

/ 02

Чем Kimi K3.1 Pro отличается от Kimi K3?

K3.1 Pro использует ту же базовую модель и то же контекстное окно, что и K3, но прошла гораздо более масштабное постобучение. По данным Moonshot, показатель Kimi Code Bench 3.0 Long-horizon вырос с 55.95% до 61.2%, а уровень галлюцинаций на уровне утверждений в Kimi Hallu Bench Hard снизился с 23.4% до 8.3%. Формат запросов полностью идентичен за исключением model ID.

/ 03

Можно ли отключить reasoning?

Нет. Kimi K3.1 Pro всегда работает со включенным мышлением. Рассуждения возвращаются в поле reasoning_content отдельно от ответа в content и тарифицируются как выходные токены. Для коротких вопросов reasoning обычно лаконичен, однако для многоэтапных задач задавайте достаточный запас max_tokens, чтобы итоговый ответ не был обрезан.

/ 04

Почему нельзя настроить temperature и top_p?

Moonshot жестко фиксирует temperature на значении 1.0 и top_p на значении 0.95 для Kimi K3.1 Pro, а также n, presence_penalty и frequency_penalty. В playground эти параметры скрыты, а в запросах к API их следует опускать, не задавая кастомных значений.

/ 05

Поддерживает ли Kimi K3.1 Pro tool calling?

Да. Модель поддерживает function calling с параметром tool_choice (включая required на первом шаге), а также структурированный вывод по JSON Schema в strict mode. В цикле вызова инструментов возвращайте исходное полное сообщение assistant, включая tool_calls, а затем по одному сообщению tool на каждый вызов с соответствующим tool_call_id.

/ 06

Может ли Kimi K3.1 Pro обрабатывать изображения?

Да, через API. Передавайте изображения внутри массива content в виде объектов image_url с data URL в формате base64. Модель не загружает внешние публичные URL изображений напрямую, поэтому предварительно скачайте и закодируйте файл. В данном playground загрузка изображений временно отключена, поэтому тестируйте vision через API.

/ 07

Каков размер контекстного окна?

Контекстное окно составляет 1,048,576 токенов и суммарно включает в себя входные и выходные данные. При 900,000 входных токенов на reasoning и финальный ответ остается менее 150,000 токенов. Повторяющиеся префиксы, такие как системные промпты и кодовые базы, кэшируются автоматически, снижая стоимость длительных многоэтапных сессий.