
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為"end_turn"(而非"stop_sequence")、stop_sequence為null,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_effort 僅 max 檔
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。
- Chat Completions
- Responses
- Messages
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)。
- Chat Completions
- Responses
- Messages
tool_choice 支援 auto / none / required,required 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。- Chat Completions
- Responses
- Messages
response_format 支援 json_schema 與 strict 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。- Chat Completions
- Responses
- Messages
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。
- Chat Completions
- Responses
- Messages
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。- Chat Completions
- Responses
- Messages
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_reason 為 stop。
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