Kimi K3 API
Choisir Kimi K3
Une route premium pour les prototypes front-end visuels, les grands dépôts, les corpus volumineux, les agents longue durée et les tâches de connaissance qui exploitent un contexte de 1,05M tokens.
Kimi K3
Modèle de raisonnement phare de Moonshot
kimi-k3Reproduction d’interface depuis une capture, prototypes interactifs, ingénierie à l’échelle du dépôt, synthèse multi-documents et agents faisant un usage intensif des outils.
Kimi K3 pricing
Estimate a request with the same interactive pricing experience as GPT-5.6. All user groups use the official Kimi K3 rate.
Token calculator
Enter the token mix for one request.Estimated request cost
Kimi K3Minimum charge: 0.01 credits per request.
Budget guide
Approximate requests using the current token mix.For quick testing
For regular development
For production evaluation
Model pricing
| Model | Context | Input tokens | Cache read tokens | Output tokens |
|---|---|---|---|---|
Kimi K3kimi-k3 | All context sizes | $3.000 / 1M204 cr / 1M$3.000 official price | $0.300 / 1M20.4 cr / 1M$0.300 official price | $15.000 / 1M1020 cr / 1M$15.000 official price |
Kimi K3
All context sizesUSD and credits are shown per 1M tokens. Live backend pricing takes priority over these frozen fallback rates.
API Kimi K3 pour les longs contextes et les agents
Utilisez Kimi K3 pour les prototypes front-end visuels, les grands dépôts, les agents, un contexte de 1,05M tokens, le cache de prompts et deux protocoles API.
La place de Kimi K3 dans une pile de modèles en production
Kimi K3 ne doit pas devenir la route par défaut uniquement parce qu’il s’agit du modèle le plus récent. Il est surtout pertinent lorsque le contexte long, le raisonnement continu ou les chaînes d’outils réduisent les reprises et la correction humaine.
Grands dépôts et modifications multi-fichiers
K3 convient aux tâches qui dépendent de documents d’architecture, de services liés, de l’historique des tests et de contraintes réparties. Mesurez les correctifs acceptés et le temps de revue plutôt que la qualité d’un extrait isolé.
Analyse de documents longs et de sources multiples
Les spécifications, études, contrats, journaux ou preuves connexes peuvent rester dans un même contexte de travail. Une fenêtre de 1M tokens ne remplace ni la recherche d’information ni une structure documentaire claire.
Agents avec appels d’outils en plusieurs étapes
K3 s’intègre aux workflows avec sélection d’outils, sorties structurées, exécution de code et actions externes répétées. Les messages complets, identifiants d’appel, arguments et résultats doivent être conservés entre les tours.
Garder les tâches simples sur une route plus légère
Le chat court, la classification, la réécriture et l’extraction simple nécessitent rarement un raisonnement maximal ou 1M tokens. Ce trafic ne doit passer à K3 que lorsque la difficulté le justifie.
Ce que les premiers essais de Kimi K3 apportent à l’évaluation de l’API
Les premiers tests communautaires ne constituent pas encore un verdict. Ils permettent néanmoins d’identifier les cas d’usage à tester avec l’API Kimi K3 et les points à valider avant tout déploiement en production.
Un signal prometteur pour les interfaces visuelles
Les premiers essais communautaires mettent surtout en avant la génération d’interfaces depuis une capture, la reproduction de pages, les mini-jeux et les animations. Une évaluation sérieuse de l’API Kimi K3 doit toutefois inclure votre design system, le responsive et les exigences d’accessibilité.
Le code généraliste reste à valider à l’échelle d’un dépôt
Une démonstration front-end réussie ne garantit pas une exécution fiable sur une grande base de code. Testez Kimi K3 sur de vrais tickets, des modifications multi-fichiers, les tests automatisés, les appels d’outils et des sessions d’agent prolongées.
Mesurer la latence et le coût par tâche acceptée
Certains premiers retours évoquent un temps de réflexion important et une consommation de tokens difficile à anticiper. Au-delà du tarif par token, mesurez la durée totale, les tokens de sortie, les reprises, les corrections humaines et le coût de chaque résultat accepté.
Des poids ouverts très attendus, avec une lourde contrainte matérielle
L’intérêt pour des poids Kimi K3 ouverts est marqué, mais une empreinte de 2 800 milliards de paramètres exige une véritable stratégie d’infrastructure. Mémoire, parallélisation, quantification, débit et coût d’exploitation doivent être évalués avant d’envisager un hébergement local.
Pourquoi Kimi K3 peut traiter ces charges de travail
La valeur vient de l’association entre contexte long, raisonnement continu et préfixes réutilisables. La capacité seule n’améliore pas une réponse : la pertinence des éléments, la structure et le budget de sortie restent déterminants.
Un espace de travail de 1M tokens, pas un objectif à remplir
La fenêtre de 1 048 576 tokens peut conserver code, spécifications et résultats d’outils liés sans découpage excessif. La recherche et la compression du contexte restent nécessaires pour limiter le bruit et le coût.
Le raisonnement continu exige un budget de sortie
K3 convient aux séquences longues d’analyse, de planification et d’exécution. Les tokens de raisonnement et de réponse comptent dans l’usage ; 131 072 tokens représentent une capacité, pas une longueur habituelle.
Le cache de prompts dépend de préfixes stables
Les consignes du dépôt, prompts système, références et schémas d’outils offrent le meilleur potentiel de cache lorsque leur ordre reste stable. Des changements fréquents peuvent imposer un nouveau traitement du long préfixe.
Points à vérifier avant d’envoyer du trafic de production vers Kimi K3
Une charge de travail adaptée peut échouer avec le mauvais identifiant, une limite issue d’un autre produit ou un état d’agent incomplet. Vérifiez le point d’accès et le contrat conversationnel avant d’évaluer le modèle.
Utiliser l’ID API documenté
L’API EvoLink utilise kimi-k3 pour Chat Completions et Anthropic Messages.
Vérifier à quelle surface appartient la limite de contexte
La route EvoLink indique 1 048 576 tokens. Certains clients de code ou abonnements Kimi peuvent afficher une limite inférieure ; vérifiez la route et la configuration réellement utilisées.
Renvoyer l’état complet de l’assistant et des outils
Les agents multi-tours ont besoin des messages complets, du raisonnement, des identifiants d’appel, des arguments et des résultats. Ne conserver que le texte final rompt la continuité de l’état.
Ouvrir une nouvelle session après un changement majeur de route
Un changement de modèle ou de configuration peut invalider le contexte réutilisable. Ouvrez une nouvelle session, puis mesurez à nouveau le cache, la longueur des sorties et les appels d’outils.
Comparer le coût par tâche acceptée, pas seulement le prix des tokens
Kimi K3 ne mérite une route premium que s’il réduit le découpage, les nouvelles tentatives, les erreurs d’outils ou la correction humaine sur la même charge de travail. Comparez des lots de tâches identiques.
Si K3 produit des résultats utilisables avec moins de reprises et de revue, un tarif par token plus élevé peut réduire le coût total. Sans ce gain, conservez la charge de travail sur une route plus légère.
Comparer les modèles à long contexte après les tests de charge de travail
EvoLinkVérifiez d’abord si Kimi K3 réduit les reprises et la revue. Comparez ensuite prix, contexte, cache et adéquation à la charge de travail.
| Modèle | Kimi K3 | Claude Opus 4.8 | Gemini 3.1 Pro |
|---|---|---|---|
| Entrée / sortie | $3 / $15 | $4.5 / $22.5 | $1.68 / $10.08 |
| Contexte | 1.05M | 1M | 1M |
| Cache | Lectures automatiques du cache | Lecture + écriture | Cache de contexte |
| Idéal pour | Reproduction d’interface depuis une capture, prototypes interactifs, ingénierie à l’échelle du dépôt, synthèse multi-documents et agents faisant un usage intensif des outils. | Référence premium pour les agents de code longue durée et les revues complexes. | Route multimodale à long contexte pour documents et preuves visuelles. |
Modèles associés
Claude Opus 4.8
Référence premium pour les agents de code longue durée et les revues complexes.
Voir le modèle
DeepSeek V4
Référence sensible au coût pour le code, le raisonnement et les agents à grande échelle.
Voir le modèle
GPT-5.6
Les niveaux Sol, Terra et Luna comparent capacité, latence et flexibilité des coûts.
Voir le modèleLectures pour les équipes de production
Guide de l’API Kimi K3
ID du modèle, tarifs, contexte 1M, raisonnement, cache de prompts, risques de migration et charges adaptées à la production.
Lire le guide
Kimi K3 est disponible sur EvoLink
Disponibilité, route, état des tarifs, compatibilité et vérifications à effectuer avant le passage en production.
Lire le guideFAQ de l’API Kimi K3
L’API Kimi K3 est-elle disponible via EvoLink ?
Oui. Kimi K3 est disponible comme modèle de production avec tarifs en direct et tarifs officiels de secours.
Quel ID de modèle utiliser pour l’API Kimi K3 ?
Utilisez kimi-k3 pour Chat Completions et Anthropic Messages.
Puis-je conserver OpenAI SDK ou Anthropic Messages ?
Oui. Utilisez la même clé API EvoLink avec des requêtes compatibles Chat Completions ou Anthropic Messages.
Kimi K3 prend-il en charge 1M de contexte ou seulement 256K ?
La route EvoLink indique 1 048 576 tokens. Les 256K proviennent généralement d’un abonnement Kimi Code ou d’une configuration client.
Comment utiliser la fenêtre de contexte de 1M tokens ?
Conservez ensemble le code, les documents et les résultats liés, avec recherche, préfixes stables et compression plutôt que de remplir la fenêtre.
L’API Kimi K3 convient-elle aux interfaces visuelles et au développement front-end ?
Les premiers tests communautaires sont encourageants pour la reproduction d’interfaces, les animations, les mini-jeux et les pages visuellement élaborées. Il faut néanmoins confirmer ce potentiel avec vos captures, vos composants, vos règles responsive et vos contrôles d’accessibilité.
L’API Kimi K3 est-elle rapide et économe en tokens ?
Les données disponibles au lancement ne permettent pas encore de répondre de façon générale. Comparez des tâches identiques en mesurant le délai avant un résultat exploitable, la durée totale, les tokens de raisonnement et de sortie, les reprises et le coût par tâche acceptée.
Pourquoi l’usage peut-il augmenter après un changement de modèle ?
Un changement important peut invalider le contexte réutilisable. Ouvrez une nouvelle session et mesurez à nouveau le cache et la longueur des sorties.
Comment définir le budget de sortie ?
Limitez la sortie selon la difficulté et surveillez les tokens de raisonnement et de réponse. 131 072 tokens représentent une capacité, pas un objectif courant.
Kimi K3 convient-il par défaut au temps réel ou au volume élevé ?
Testez d’abord latence et coût. Chat court, classification et extraction légère relèvent généralement d’une route plus légère.
Comment comparer Kimi K3 à GPT, Claude, GLM ou DeepSeek ?
Évaluez K3 pour le contexte long et les agents, GPT et Claude comme références de modèles de pointe, GLM et DeepSeek comme références de coût.
Que doit mesurer une évaluation en production ?
Mesurez réussite au premier essai, livrables acceptés, reprises, tokens de sortie, taux de cache, appels d’outils valides, temps, correction humaine et fallback.