プロジェクトの内容をより多くの文脈に保つ
1,048,576 トークンのウィンドウには、広範なプロジェクト資料を収容できます。リポジトリ マップ、関連ファイル、明確なタスクを提供します。重要な結論を情報源と照合して検証します。
ムーンショット AI · 開発者リソース
Kimi K3 は、Moonshot AI のオープンウェイト マルチモーダル推論モデルです。その長いコンテキストとコーディング機能を理解し、報告された結果を比較し、その API を使用して構築を開始します。
ワークフローに合わせて選択し、独自のコードと入力でテストします。モデルやコンテキスト ウィンドウを大きくするだけでは、より良い結果が保証されるわけではありません。
1,048,576 トークンのウィンドウには、広範なプロジェクト資料を収容できます。リポジトリ マップ、関連ファイル、明確なタスクを提供します。重要な結論を情報源と照合して検証します。
視覚的に理解して、スクリーンショットとインターフェイスの動作について話し合います。サポートされる入力形式は API によって異なります。画像やビデオを添付するときは、そのビジョンガイドに従ってください。
K3 は、長時間にわたるエンジニアリング タスクとツール支援コーディングを対象としています。エージェント ハーネスはツール呼び出しを実行し、結果を返し、変更を適用する必要があります。基本的なチャット リクエストではターミナル コマンドは実行されません。
Blender Python またはモデリングの手順を要求し、ターゲット アプリケーションで結果を検査します。スクリプト生成はワークフローを支援するものであり、ダウンロード可能ですぐに制作可能な 3D アセットを約束するものではありません。
Moonshot の Kim K3 レポートからの 3 つのコーディング ベンチマーク。モデルのバージョンと推論設定は以下に保存されます。
| ベンチマーク | Kimi K3 (max) | Claude Fable 5 (max, w/ fallback) | GPT-5.6 Sol (max) |
|---|---|---|---|
| ProgramBench | 77.8 | 76.8 | 77.6 |
| Terminal-Bench 2.1 | 88.3 | 88.0 | 88.8 |
| SWE-Marathon | 42.0 | 35.0 | 39.0 |
出典:Moonshot AIの評価表、上記日付確認。これらはベンダーから報告された結果であり、当社独自のテストではありません。ツール、推論設定、タスク範囲は結果に影響します。モデルを選択する前に、プロジェクト固有の評価を使用してください。
API の使用量は、Kimi メンバーシップおよび Kimi Code サブスクリプションとは別に請求されます。公式の価格設定ページを確認しても、K3 料金の数値は公開されていませんでした。未検証とは、不明、無料ではないという意味です。
| 課金アイテム | 料金 | 請求方法 |
|---|---|---|
| 入力 | まだ検証されていません | リクエスト入力トークンは使用量に応じて課金されます。 |
| 出力 | まだ検証されていません | 生成された出力は使用量に応じて課金されます。 |
| キャッシュされた入力 | まだ検証されていません | キャッシュ ヒットには、追加の書き込み料金なしで、キャッシュ ヒット レートが使用されます。 |
| キャッシュ書き込み | まだ検証されていません | 書き込み料金はキャッシュ TTL によって異なります: 5 分または 1 時間。 |
1 MTok = 1,000,000 トークン。公開価格には該当する税金が含まれていません。繰り返されるプレフィックスでは、デフォルトの 5 分の TTL による自動キャッシュを使用できます。予算を見積もる前に、現在の料金表と使用量の内訳を確認してください。
自分のマシンまたはサーバー用の最小限の Python の例。このページでは API キーを要求したり保存したりすることはありません。
公式プラットフォームにサインインし、API キーを作成します。コンソールでモデルのアクセスと請求要件を確認します。
Python 3.9 以降と OpenAI Python SDK を使用します。 Python を実行するシェルで MOONSHOT_API_KEY を設定します。オペレーティング システムに応じたコマンドを使用してください。
Python コードを kimi_example.py として保存し、python kimi_example.py を実行します。このリクエストでは、モデル kimi-k3 と公式の /v1 API エンドポイントを使用します。 macOS / Linux では、Python が使用できない場合は python3 を使用します。
この例では、最終的なメッセージの内容を出力します。プロンプトを実際のタスクに置き換え、ストリーミングまたはツール呼び出しを追加する前に公式ガイドを確認してください。
python -m pip install --upgrade "openai>=1.0" $env:MOONSHOT_API_KEY="YOUR_API_KEY"
python3 -m pip install --upgrade "openai>=1.0" export MOONSHOT_API_KEY="YOUR_API_KEY"
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.ai/v1",
)
completion = client.chat.completions.create(
model="kimi-k3",
messages=[{
"role": "user",
"content": "Explain how to review a pull request in five steps.",
}],
)
print(completion.choices[0].message.content)
YOUR_API_KEY をローカルで置き換えて、プラットフォームのシェル コマンドのみを実行します。キーはマシンまたはサーバー上、ソース管理およびブラウザ コードの外部に保管してください。 API 呼び出しには料金が発生する場合があります。フォローアップのターンやツールについては、公式ガイドの要求に従って完全なアシスタント メッセージを保存してください。
プロンプトを独自のワークフローにコピーし、プレースホルダーを関連する資料に置き換えます。これらは出発点であり、測定されたデモンストレーションではありません。
この差分の正確性と回帰を確認してください。ファイル パス、行番号、具体的な障害シナリオ、および推奨される修正に関する実用的な問題のみを報告します。確認された問題を質問から分離します。コンテキストが欠落している場合は、必要なファイルに名前を付けます。 差分ファイルと関連ファイル: [ここに貼り付けます]
以下のリポジトリ マップとファイルを使用して、ルートからサービス、ストレージまでリクエストを追跡します。各ステップのファイル パスとシンボルを引用します。拡張ポイントを特定し、最小限の実装計画を提案します。提供された資料にないファイルや動作を発明しないでください。 タスク、リポジトリ マップ、およびファイル: [ここに貼り付けます]
以下で指定されたバージョンの Blender Python スクリプトを作成し、プリミティブを使用してシンプルなパラメトリック デスク オーガナイザーを作成します。寸法をメートル単位の変数として公開し、オブジェクトに名前を付け、カメラと照明を追加します。既存のシーン オブジェクトを削除したり、外部ファイルにアクセスしたりしないでください。スクリプトを実行して検査する方法を説明します。 Blender のバージョンと寸法: [記入してください]
生成されたコードを実行する前に確認してください。 3D 作業の場合は、Blender または CAD アプリケーションでスケール、ジオメトリ、互換性を検証します。
Solidcraft CAD ガイドを詳しく見る →仕様、報告されたスコア、および請求の説明は、以下の情報源に基づいています。プロバイダーの現在のドキュメントで変更点を確認してください。