Model / Kimi K3

Kimi K3 API

Moonshot AI-Metin üretimi-$3.00 / 1M input Token-Kullanılabilir

1,05M bağlamPrompt cacheStreaming SSEOpenAI uyumlu

Modeli görüntüle

24s durum

Henüz trafik yok

100%CanlıDil modeli

Sağlayıcı

Moonshot AI

Model

Kimi K3

Bağlam penceresi

1,048,576 Token

Protokol

Chat Completions

Darboğaz bağlamsa Kimi K3 seçin

Kimi K3; kod repositoryleri, hukuk veya politika dosyaları, araştırma notları, loglar, önceki tool çağrıları ve Agent belleği gibi çok fazla kanıtı prompt içinde tutması gereken işler için uzun bağlamlı bir metin modelidir. AIReiter bu modeli OpenAI uyumlu Chat endpoint üzerinden sunar.

En uygun kullanım

Uzun bağlamlı akıl yürütme rotası

Retrieval veya chunking kurmadan, tek büyük isteğin tüm çalışma bağlamını taşımasını istediğinizde Kimi K3 kullanın.

Karmaşık bağlamı tek isteğe koyun

Büyük kod tabanları, kanıt yoğun belge paketleri ve uzun süren Agent görevleri için uygundur.

Entegrasyonu hafif tutun

AIReiter Kimi K3’ü OpenAI Chat Completions ile sunar; mevcut uygulamalar genelde sadece baseURL ve model değiştirir.

Uzun promptları cache uyumlu yapın

Kararlı system prompt, proje arka planı veya belge prefixleri tekrarlandığında cache okumalarını usage alanlarından doğrulayın.

Bütçe referansı

Mevcut Token karışımına göre çağrı sayısını tahmin edin.

Credits yükle

$10

yaklaşık 13 örnek istek

Hızlı test

$50

yaklaşık 65 örnek istek

Günlük geliştirme

$100

yaklaşık 130 örnek istek

Production değerlendirme

Fiyatlandırma

Kimi K3 Token fiyatları

Fiyatlar 1M Token başına gösterilir. AIReiter şu anda Kimi K3’ü modelin herkese açık fiyatıyla listeler; bu sayfanın değeri hızlı erişim, net endpoint ve usage görünürlüğüdür.

Token türü	Ücret	Notlar
Girdi	$3.00 / 1M	Kararlı prefix cache üzerinden verilmediğinde oluşan prompt Token.
Cache okuma	$0.30 / 1M	usage alanlarında raporlanan cache edilmiş prompt Token.
Çıktı	$15.00 / 1M	Üretilen yanıt Token; ağır akıl yürütme yanıtları dahil.

Production katmanı

Kimi K3 production model stack içinde nereye oturur

Model, bağlam sürekliliği sonucu değiştirdiğinde en faydalıdır: yalnızca yanıt vermez, proje durumunu, kanıtları ve tool çıktılarını bir sonraki adım için taşır.

Büyük kod tabanı geliştirme

Riskli değişikliklerden önce mimari notları, servis sözleşmelerini, eski testleri, diffları ve issue kayıtlarını birlikte inceleyin.

Uzun belge analizi

Sözleşmeleri, politikaları, araştırma notlarını ve kanıt paketlerini aynı çalışma bağlamında okuyun.

Çok adımlı tool Agent’ları

Sonraki adımlar tutarlı kalsın diye tool call ID, ara gözlem, parametre ve kararları koruyun.

Prototipten production’a inceleme

Bir prototip, migrasyon veya Agent workflow’un production edge case’leri için yeterli bağlama sahip olup olmadığını Kimi K3 ile kontrol edin.

Production checklist

Kimi K3 yayına alınmadan önce bu dört şeyi doğrulayın

Uzun bağlamlı modeller kısa prompt modellerinden farklı şekilde başarısız olur. model ID, bağlam yolu, konuşma durumu ve usage kayıtlarını kontrol edin.

Production model ID kullanın

API isteklerinde kimi-k3 gönderin. page-chat key chat-kimi-k3 yalnızca AIReiter chat UI içindir.

Model ID

256K’yı aynı giriş olarak görmeyin

Buradaki Kimi K3 1,048,576 Token destekler. Client, proxy ve timeout ayarlarının büyük istekleri taşıyabildiğini doğrulayın.

Bağlam

assistant ve tool durumunu koruyun

Uzun Agent çalışmaları önceki assistant messages, tool outputs ve parametrelere ihtiyaç duyar. Bunları atmak sahte süreklilik yaratır.

Tool durumu

Cache ve usage alanlarını kaydedin

Cache okumaları, çıktı Token ve akıl yürütme yoğun yanıtlar istek sayısından tahmin edilmemeli, usage alanlarından ölçülmelidir.

Usage

request.ts

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AIREITER_API_KEY,
  baseURL: "https://aireiter.com/api/v1",
});

const stream = await client.chat.completions.create({
  model: "kimi-k3",
  messages: [
    { role: "user", content: "Bu repositoryyi analiz edin ve en riskli üç uygulama varsayımını belirleyin." }
  ],
  stream: true,
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

terminal

curl "https://aireiter.com/api/v1/chat/completions"   -H "Authorization: Bearer $AIREITER_API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "kimi-k3",
    "messages": [
      { "role": "user", "content": "Bu repositoryyi analiz edin ve en riskli üç uygulama varsayımını belirleyin." }
    ],
    "stream": true
  }'

cache-check.json

{
  "model": "kimi-k3",
  "messages": [
    { "role": "system", "content": "<kararlı repository veya belge bağlamı>" },
    { "role": "user", "content": "Bugünkü diff’i bu bağlama göre inceleyin." }
  ],
  "stream": true
}

// Cache okumalarını usage üzerinden doğrulayın:
// usage.prompt_tokens_details.cached_tokens > 0

Kullanım alanları

Kimi K3 nerede iyi

Bu durumlarda 1M Token bağlam penceresi, küçük gecikme veya stil farklarından daha fazla iş akışını değiştirir.

Uzun bağlamlı akıl yürütme

Proje brief’i, mimari notları, logları ve son diffları tek istekte okuyun.

Kod asistanı

Kod tabanı inceleme, risk bulma, migrasyon planlama ve uygulama eleştirisi için kullanın.

Araştırma sentezi

Önce retrieval kurmadan birçok uzun belgeyi özetleyip uzlaştırın.

Agent planlama

Tool izlerini, görev geçmişini ve karar kayıtlarını konuşma penceresinde tutun.

Maliyet-kalite incelemesi

Token fiyatını görev maliyetinden ayrı karşılaştırmayın

Production’da Kimi K3 kullanılabilir sonuç maliyetiyle ölçülmelidir: retry, insan düzenlemesi, tool başarısı, cache hit ve güvenilir cevaba kadar süre.

İlk geçiş başarı oranı

İnsan düzenleme oranı

Retry sayısı

Çıktı Token

Cache hit oranı

Tool call başarı oranı

Kullanılabilir cevaba kadar süre

Eskalasyon oranı

Kimi K3 retry sayısını azaltıp daha fazla bağlamı koruyorsa, daha çok Token kullanımı bile nihai görev maliyetini düşürebilir. Kısa ve durum tutmayan görevler için daha hafif model kullanın.

Karşılaştır

Kimi K3 ile AIReiter metin modelleri karşılaştırması

Boyut	Kimi K3	GPT-5.6 Sol	Gemini 3.1 Pro	Claude Sonnet 4.6
Boyut	kimi-k3	gpt-5.6-sol	chat-gemini-3.1-pro	chat-claude-sonnet-4-6
AIReiter protokolü	Chat Completions	Chat / Responses aile sayfası	Chat model rotası	Claude Messages rotası
En uygun kullanım	1M bağlamlı kod tabanları, uzun belgeler, Agent durumu	OpenAI uyumlu amiral gemisi reasoning	Büyük bağlam, multimodal ve belge yoğun işler	Kod inceleme ve belge değerlendirme
Ne zaman seçilir	Bağlam sürekliliği darboğaz olduğunda	GPT-5.6 kalitesi veya routing gerektiğinde	Gemini belge veya multimodal davranışı önemli olduğunda	Claude tarzı kod kalitesi önemli olduğunda

Teste hazır

Key oluşturun, Credits yükleyin ve bir Kimi K3 isteği gönderin

En hızlı yol: API Key oluşturun, Chat Completions endpoint’i koruyun ve küçük bir streaming isteğiyle başlayın.

API Key oluştur Credits yükle

FAQ

Kimi K3 API soruları

Kimi K3 1M Token başına ne kadar?

Herkese açık sayfalar genellikle Kimi K3 için cache-miss input $3.00 / 1M Token, cache-read input $0.30 / 1M Token ve output $15.00 / 1M Token listeler.

Kimi K3 bağlam penceresi ne kadar büyük?

Kimi K3 1,048,576 Token bağlam penceresiyle listelenir; kod tabanları, uzun belgeler ve Agent kayıtları için değerlendirilmesinin ana nedeni budur.

Context caching gerçekten maliyeti düşürür mü?

Evet. Cache girdi genelde $0.30 / 1M Token, cache olmayan girdi ise $3.00 / 1M Token olarak gösterilir.

API çağrılarında hangi model ID kullanılmalı?

model alanında "kimi-k3" kullanın ve https://aireiter.com/api/v1/chat/completions adresine gönderin. Dahili page-chat key’i public API model ID olarak kullanmayın.

Kimi K3 OpenAI tarzı SDK ile çağrılabilir mi?

Evet. baseURL’i https://aireiter.com/api/v1 yapın, Chat Completions formatını koruyun ve model "kimi-k3" gönderin.

Production kullanımında ne izlenmeli?

Cache-read Token, output Token, uzun istek latency, retry oranı ve reasoning-heavy yanıtların gerçekten kullanılabilir sonuç üretip üretmediğini izleyin.