メインコンテンツへスキップ
Kimi K3 実測呼び出しガイド:思考モード、動的ツールロードとコンテキストキャッシュ
本記事では Kimi K3 の新パラメータと呼び出し時の注意点を解説します。K3 は AIHubMix で Chat Completions、Responses、および Claude 互換の Messages インターフェースから呼び出せます。あわせて参照:Moonshot 公式プラットフォームドキュメント 各節の「実測」結論とレスポンス例は、いずれも 2026-07-17 に AIHubMix インターフェース(Chat Completions / Responses / Messages)経由で実際に呼び出して得たものです。

1. モデル仕様クイックリファレンス

実測stop の 2 つの上限はいずれも検証され、超過すると 400 が返ります。Messages インターフェースの stop_sequences にも同じ検証が適用されます。 Messages インターフェースで停止語にヒットした場合、Anthropic のセマンティクスどおりには返りません:実測では stop_reason"end_turn""stop_sequence" ではなく)、stop_sequencenull となり、停止語より前の可視テキストが空になることがあります。この 2 つのフィールドで打ち切り理由を判定しているクライアントは注意が必要です。

2. 思考モード:reasoning_effortmax のみ

K3 の思考はデフォルトで有効になっており、reasoning_effort"max" の 1 段階のみ対応します。 マルチターン会話では思考履歴をそのまま返送する必要があります:Moonshot 公式の説明によると、K3 は preserved thinking 方式で学習されており、マルチターン会話では前のターンで返された assistant メッセージ(思考内容を含む)をそのまま完全に返送する必要があります。思考履歴が欠落すると出力品質が不安定になります。会話管理フレームワークやプロキシ層を使用する場合は、返送前に思考内容が切り詰められていないことを確認してください。
思考内容はレスポンスの reasoning_content フィールドで返されます。マルチターンでは前のターンの assistant メッセージ(reasoning_content を含む)をそのまま返送してください。
実測:レスポンスに reasoning_content が返されます。前のターンの assistant メッセージ(reasoning_content を含む)をそのまま返送すると、以降のターンも正常に応答します。

3. サンプリングパラメータは固定値

K3 のサンプリングパラメータは公式の固定値です:temperature 1.0、top_p 0.95、n 1、presence_penalty / frequency_penalty 0。公式はリクエストにこれらのパラメータを含めないことを推奨しています。
補足:サンプリングの固定値は公式仕様であり、レスポンスのシグナルから検証することはできません。公式の推奨どおり、これらのパラメータは省略してください。

4. ツール呼び出しと動的ツールロード

tools は最大 128 個のツールに対応します。tool_choice はツール呼び出しの強制と無効化に対応します。さらに K3 は動的ツールロードに対応しており、会話の途中で system メッセージの tools フィールドを通じて新しいツールを注入できます(Chat インターフェース特有のメッセージ形式)。
tool_choiceauto / none / required に対応し、required はモデルにツール呼び出しを強制します。動的ツールロード:ツールを注入する system メッセージには content を付けません。注入されたツールは以降のターンで有効になり、各ターンのリクエストで毎回含める必要があります。
実測tool_choice: "required" は無関係な質問に対してもツール呼び出しを強制的に発生させます。"none" はツール呼び出しを抑制します。content なしの system メッセージで途中注入したツールは正常に呼び出せます。

5. 構造化出力

構造化出力を使うと、指定した JSON Schema に厳密に準拠した内容をモデルに返させることができます。
response_formatjson_schemastrict モードに対応します。
実測:schema に準拠した正しい JSON が出力されます。

6. コンテキストキャッシュは自動で有効

K3 のコンテキストキャッシュは自動的に有効になり、パラメータを渡す必要はありません。繰り返しの長いプレフィックスがキャッシュにヒットすると、ヒット量が usage で報告されます(フィールド名はインターフェースにより異なります)。キャッシュ料金はモデルページをご覧ください。
実測:同一の長いプレフィックスによる 2 回目のリクエストでは、usage.prompt_tokens_details.cached_tokens にヒット量が報告されます。

7. partial プレフィックス継続生成

プレフィックス継続生成は、指定したプレフィックスから続きをモデルに生成させる機能で、コード補完や形式を制御した出力に適しています。
最後の assistant メッセージに "partial": true を指定します。
実測:生成は指定したプレフィックスから継続し、プレフィックスを繰り返しません。

8. 視覚入力

画像は base64 で渡します。コンテンツブロックの書き方はインターフェースにより異なります。
実測:base64 画像入力が利用でき、モデルはテスト画像の内容を正しく説明しました。

9. 実測リファレンス:長時間タスク単発呼び出しの所要時間と使用量

K3 の思考は max 段階に固定されているため、複雑なタスクにおける単一リクエストの所要時間は通常のモデルより大幅に長くなります。単一ファイル HTML ゲーム生成タスク(参考画像付きの単一プロンプト、1 回生成、反復なし)の実測データ:単一リクエストの所要時間は 2,541 秒(約 42 分)、completion tokens は 74,994、うち思考部分が 54,486 で 73% を占め、最終的に 1 回でそのまま実行可能な 1,275 行のコードを出力し、finish_reasonstop でした。 呼び出し側の推奨事項:
  • クライアントのタイムアウトは分単位以上に設定し、長時間タスクではストリーミングレスポンスを優先してください。
  • max_completion_tokens には十分な余裕を確保してください。本例では思考だけで 54,486 tokens を消費しています。

10. 機能 × インターフェース対応マトリクス

以下の各セルは、いずれも 2026-07-17 に AIHubMix の本番インターフェースで実際に呼び出して検証した結果です。セル内は対応するインターフェースのパラメータ / フィールドの書き方を示します。

よくある質問(FAQ)

K3 は AIHubMix でどのインターフェースに対応していますか? Chat Completions(/v1/chat/completions)、Responses(/v1/responses)、および Claude 互換の Messages(/v1/messages)です。 思考を無効化したり、思考強度を下げたりできますか? できません。K3 の思考はデフォルトで有効になっており、reasoning_effort"max" の 1 段階のみ対応します。 マルチターン会話でなぜ reasoning_content を返送する必要があるのですか? K3 は preserved thinking 方式で学習されており、公式は前のターンの assistant メッセージをそのまま完全に返送することを求めています。思考履歴が欠落すると出力品質が不安定になります。 stop パラメータにはどのような制限がありますか? 停止語は最大 5 個、各 32 バイト以内です。超過すると 400 エラーが返ります。 Messages インターフェースは構造化出力に対応していますか? ❗ 対応していません。Kimi K3 公式の Messages(Anthropic 互換)エンドポイントは構造化出力フィールドをサイレントに無視します(200 と自由形式テキストが返り、エラーは出ません)。構造化出力が必要な場合は Chat Completions の response_format または Responses の text.format を使用してください。 K3 の単一リクエストはなぜ時間がかかるのですか? K3 の思考は max 段階に固定されており、複雑なタスクでは思考 token の割合が高くなります(実測ケースでは completion tokens の 73%)。クライアントのタイムアウトを分単位以上に設定し、ストリーミングレスポンスの使用を推奨します。
モデルの料金とリアルタイムステータスは Kimi K3 モデルページ、その他のモデルはモデル一覧をご覧ください。 更新日:2026-07-17