跳转到主要内容
Kimi K3 实测调用指南:思考模式、动态工具加载与上下文缓存
本文介绍 Kimi K3 的新增参数与调用注意事项。K3 在 AIHubMix 可通过 Chat Completions、Responses 与 Claude 兼容的 Messages 接口调用。延伸阅读:Moonshot 官方平台文档 各节的「实测」结论与示例返回均来自 2026-07-17 通过 AIHubMix 接口(Chat Completions / Responses / Messages)的实际调用。

1. 模型规格速览

实测stop 的两个上限均会校验,超出返回 400;Messages 接口的 stop_sequences 执行相同校验。 Messages 接口命中停止词时不按 Anthropic 语义返回:实测 stop_reason"end_turn"(而非 "stop_sequence")、stop_sequencenull,且停止词之前的可见文本可能为空。依赖这两个字段判断截断原因的客户端需注意。

2. 思考模式:reasoning_effortmax

K3 的思考默认开启,reasoning_effort 仅支持 "max" 一档。 多轮对话必须原样回传思考历史:按 Moonshot 官方说明,K3 采用 preserved thinking 方式训练,多轮对话时需要把上一轮返回的 assistant 消息原样完整回传(包含思考内容),思考历史缺失会导致输出质量不稳定。使用会话管理框架或代理层时,请确认思考内容未在回传前被裁剪。
思考内容通过响应里的 reasoning_content 字段返回;多轮时把上一轮 assistant 消息(含 reasoning_content)原样回传。
实测:响应返回 reasoning_content;把上一轮 assistant 消息(含 reasoning_content)原样回传后,后续轮次正常应答。

3. 采样参数为固定值

K3 的采样参数为官方固定值:temperature 1.0、top_p 0.95、n 1、presence_penalty / frequency_penalty 0。官方建议请求中不要传入这些参数。
说明:采样固定值为官方规格,无法从响应信号验证;请按官方建议省略这些参数。

4. 工具调用与动态工具加载

tools 最多支持 128 个工具;tool_choice 支持强制调用与禁用调用。K3 还支持动态工具加载:在对话中途通过一条 system 消息的 tools 字段注入新工具(Chat 接口特有的消息形态)。
tool_choice 支持 auto / none / requiredrequired 强制模型调用工具。动态工具加载:注入工具的 system 消息不带 content,注入的工具对后续轮次生效,每轮请求需要重复携带。
实测tool_choice: "required" 对无关提问也会强制产生工具调用;"none" 抑制工具调用;经无 content 的 system 消息中途注入的工具可被正常调用。

5. 结构化输出

结构化输出可让模型返回严格符合给定 JSON Schema 的内容。
response_format 支持 json_schemastrict 模式。
实测:输出为符合 schema 的合法 JSON。

6. 上下文缓存自动开启

K3 的上下文缓存自动开启,无需传入任何参数。重复的长前缀命中缓存后,命中量在 usage 中报告(字段名随接口而异)。缓存价格见模型页
实测:相同长前缀的第二次请求在 usage.prompt_tokens_details.cached_tokens 中报告命中。

7. partial 前缀续写

前缀续写让模型从给定前缀继续生成,适合代码补全和受控格式输出。
在最后一条 assistant 消息中传入 "partial": true
实测:生成从给定前缀继续,不重复前缀。

8. 视觉输入

图像以 base64 传入,内容块写法随接口而异。
实测:base64 图像输入可用,模型正确描述测试图内容。

9. 实测参考:长任务单次调用的耗时与用量

K3 思考固定为 max 档,复杂任务的单次请求耗时显著长于常规模型。一次单文件 HTML 游戏生成任务(单条 prompt 附参考图,一次生成,不迭代)的实测数据:单次请求耗时 2,541 秒(约 42 分钟),completion tokens 74,994,其中思考部分 54,486,占 73%,最终一次产出 1,275 行可直接运行的代码,finish_reasonstop 调用侧建议:
  • 客户端超时按分钟级以上设置,长任务优先使用流式返回;
  • max_completion_tokens 给足余量,本例仅思考即消耗 54,486 tokens。

10. 能力 × 接口支持矩阵

下表各格均为 2026-07-17 通过 AIHubMix 线上接口实际调用验证的结果,格内为对应接口的参数 / 字段写法。

常见问题

K3 在 AIHubMix 支持哪些接口? Chat Completions(/v1/chat/completions)、Responses(/v1/responses)与 Claude 兼容的 Messages(/v1/messages)。 可以关闭思考或调低思考强度吗? 不可以。K3 思考默认开启,reasoning_effort 仅支持 "max" 一档。 为什么多轮对话要回传 reasoning_content K3 采用 preserved thinking 方式训练,官方要求原样完整回传上一轮 assistant 消息;思考历史缺失会导致输出质量不稳定。 stop 参数有什么限制? 最多 5 个停止词,每个不超过 32 字节,超出会返回 400 错误。 Messages 接口支持结构化输出吗? ❗ 不支持。Kimi K3 官方的 Messages(Anthropic 兼容)端点会静默忽略结构化输出字段(返回 200 与自由文本,无报错)。需要结构化输出请使用 Chat Completions 的 response_format 或 Responses 的 text.format K3 单次请求为什么耗时较长? K3 思考固定为 max 档,复杂任务的思考 token 占比高(实测案例中占 completion tokens 的 73%)。建议按分钟级以上设置客户端超时,并使用流式返回。
模型定价与实时状态见 Kimi K3 模型页,更多模型见模型广场 更新时间:2026-07-17