跳轉到主要內容
Kimi K3 實測呼叫指南:思考模式、動態工具載入與上下文快取
本文介紹 Kimi K3 的新增參數與呼叫注意事項。K3 在 AIHubMix 可透過 Chat Completions、Responses 與 Claude 相容的 Messages 介面呼叫。延伸閱讀:Moonshot 官方平台文件 各節的「實測」結論與範例回傳均來自 2026-07-17 透過 AIHubMix 介面(Chat Completions / Responses / Messages)的實際呼叫。

1. 模型規格速覽

實測stop 的兩個上限均會驗證,超出回傳 400;Messages 介面的 stop_sequences 執行相同驗證。 Messages 介面命中停止詞時不按 Anthropic 語意回傳:實測 stop_reason"end_turn"(而非 "stop_sequence")、stop_sequencenull,且停止詞之前的可見文字可能為空。依賴這兩個欄位判斷截斷原因的用戶端需注意。

2. 思考模式:reasoning_effortmax

K3 的思考預設開啟,reasoning_effort 僅支援 "max" 一檔。 多輪對話必須原樣回傳思考歷史:按 Moonshot 官方說明,K3 採用 preserved thinking 方式訓練,多輪對話時需要把上一輪回傳的 assistant 訊息原樣完整回傳(包含思考內容),思考歷史缺失會導致輸出品質不穩定。使用對話管理框架或代理層時,請確認思考內容未在回傳前被裁剪。
思考內容透過回應裡的 reasoning_content 欄位回傳;多輪時把上一輪 assistant 訊息(含 reasoning_content)原樣回傳。
實測:回應回傳 reasoning_content;把上一輪 assistant 訊息(含 reasoning_content)原樣回傳後,後續輪次正常應答。

3. 取樣參數為固定值

K3 的取樣參數為官方固定值:temperature 1.0、top_p 0.95、n 1、presence_penalty / frequency_penalty 0。官方建議請求中不要傳入這些參數。
說明:取樣固定值為官方規格,無法從回應訊號驗證;請按官方建議省略這些參數。

4. 工具呼叫與動態工具載入

tools 最多支援 128 個工具;tool_choice 支援強制呼叫與停用呼叫。K3 還支援動態工具載入:在對話中途透過一條 system 訊息的 tools 欄位注入新工具(Chat 介面特有的訊息形態)。
tool_choice 支援 auto / none / requiredrequired 強制模型呼叫工具。動態工具載入:注入工具的 system 訊息不帶 content,注入的工具對後續輪次生效,每輪請求需要重複攜帶。
實測tool_choice: "required" 對無關提問也會強制產生工具呼叫;"none" 抑制工具呼叫;經無 content 的 system 訊息中途注入的工具可被正常呼叫。

5. 結構化輸出

結構化輸出可讓模型回傳嚴格符合給定 JSON Schema 的內容。
response_format 支援 json_schemastrict 模式。
實測:輸出為符合 schema 的合法 JSON。

6. 上下文快取自動開啟

K3 的上下文快取自動開啟,無需傳入任何參數。重複的長前綴命中快取後,命中量在 usage 中回報(欄位名隨介面而異)。快取價格見模型頁
實測:相同長前綴的第二次請求在 usage.prompt_tokens_details.cached_tokens 中回報命中。

7. partial 前綴續寫

前綴續寫讓模型從給定前綴繼續生成,適合程式碼補全和受控格式輸出。
在最後一條 assistant 訊息中傳入 "partial": true
實測:生成從給定前綴繼續,不重複前綴。

8. 視覺輸入

圖像以 base64 傳入,內容塊寫法隨介面而異。
實測:base64 圖像輸入可用,模型正確描述測試圖內容。

9. 實測參考:長任務單次呼叫的耗時與用量

K3 思考固定為 max 檔,複雜任務的單次請求耗時顯著長於常規模型。一次單檔 HTML 遊戲生成任務(單條 prompt 附參考圖,一次生成,不迭代)的實測數據:單次請求耗時 2,541 秒(約 42 分鐘),completion tokens 74,994,其中思考部分 54,486,佔 73%,最終一次產出 1,275 行可直接執行的程式碼,finish_reasonstop 呼叫端建議:
  • 用戶端逾時按分鐘級以上設定,長任務優先使用串流回傳;
  • max_completion_tokens 預留足夠餘量,本例僅思考即消耗 54,486 tokens。

10. 能力 × 介面支援矩陣

下表各格均為 2026-07-17 透過 AIHubMix 線上介面實際呼叫驗證的結果,格內為對應介面的參數 / 欄位寫法。

常見問題

K3 在 AIHubMix 支援哪些介面? Chat Completions(/v1/chat/completions)、Responses(/v1/responses)與 Claude 相容的 Messages(/v1/messages)。 可以關閉思考或調低思考強度嗎? 不可以。K3 思考預設開啟,reasoning_effort 僅支援 "max" 一檔。 為什麼多輪對話要回傳 reasoning_content K3 採用 preserved thinking 方式訓練,官方要求原樣完整回傳上一輪 assistant 訊息;思考歷史缺失會導致輸出品質不穩定。 stop 參數有什麼限制? 最多 5 個停止詞,每個不超過 32 位元組,超出會回傳 400 錯誤。 Messages 介面支援結構化輸出嗎? ❗ 不支援。Kimi K3 官方的 Messages(Anthropic 相容)端點會靜默忽略結構化輸出欄位(回傳 200 與自由文字,無報錯)。需要結構化輸出請使用 Chat Completions 的 response_format 或 Responses 的 text.format K3 單次請求為什麼耗時較長? K3 思考固定為 max 檔,複雜任務的思考 token 佔比高(實測案例中佔 completion tokens 的 73%)。建議按分鐘級以上設定用戶端逾時,並使用串流回傳。
模型定價與即時狀態見 Kimi K3 模型頁,更多模型見模型廣場 最後更新:2026-07-17