프로젝트의 더 많은 부분을 맥락에 맞게 유지하세요
1,048,576개 토큰 창에서는 광범위한 프로젝트 자료를 수용할 수 있습니다. 저장소 맵, 관련 파일 및 명확한 작업을 제공합니다. 소스에 대한 중요한 결론을 확인합니다.
Moonshot AI · 개발자 리소스
Kimi K3는 Moonshot AI의 개방형 다중 모드 추론 모델입니다. 긴 컨텍스트 및 코딩 기능을 이해하고, 보고된 결과를 비교하고, API를 사용하여 구축을 시작하세요.
워크플로에 맞춰 선택한 다음 자신의 코드와 입력에서 테스트해 보세요. 더 큰 모델이나 컨텍스트 창만으로는 더 나은 결과를 보장할 수 없습니다.
1,048,576개 토큰 창에서는 광범위한 프로젝트 자료를 수용할 수 있습니다. 저장소 맵, 관련 파일 및 명확한 작업을 제공합니다. 소스에 대한 중요한 결론을 확인합니다.
스크린샷과 인터페이스 동작을 논의하려면 시각적 이해를 활용하세요. 지원되는 입력 형식은 API에 따라 다릅니다. 이미지나 동영상을 첨부할 때는 비전 가이드를 따르세요.
K3는 긴 엔지니어링 작업과 도구 지원 코딩을 목표로 합니다. 에이전트 하네스는 도구 호출을 실행하고 결과를 반환하며 변경 사항을 적용해야 합니다. 기본 채팅 요청은 터미널 명령을 실행하지 않습니다.
Blender Python 또는 모델링 단계를 요청한 다음 대상 애플리케이션에서 결과를 검사하세요. 스크립트 생성은 워크플로 지원이지 다운로드 가능하고 제작 준비가 완료된 3D 자산을 약속하는 것이 아닙니다.
Moonshot의 Kimi K3 보고서에 있는 세 가지 코딩 벤치마크입니다. 모델 버전 및 추론 설정은 아래에 유지됩니다.
| 벤치마크 | 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 |
출처: 위 날짜에 확인된 Moonshot AI 평가표. 이는 자체 테스트가 아닌 공급업체에서 보고한 결과입니다. 도구, 추론 설정 및 작업 적용 범위는 결과에 영향을 미칩니다. 모델을 선택하기 전에 프로젝트별 평가를 사용하세요.
API 사용 요금은 Kimi 멤버십 및 Kimi Code 구독과 별도로 청구됩니다. 공식 가격 페이지에는 확인 시 숫자로 표시된 K3 요금이 표시되지 않았습니다. 확인되지 않은 것은 알려지지 않았으며 무료가 아니라는 것을 의미합니다.
| 청구 항목 | 요금 | 청구 방법 |
|---|---|---|
| 입력 | 아직 확인되지 않음 | 요청 입력 토큰은 사용량에 따라 요금이 부과됩니다. |
| 출력 | 아직 확인되지 않음 | 생성된 출력은 사용량에 따라 요금이 부과됩니다. |
| 캐시된 입력 | 아직 확인되지 않음 | 캐시 적중은 추가 쓰기 비용 없이 캐시 적중률을 사용합니다. |
| 캐시 쓰기 | 아직 확인되지 않음 | 쓰기 요금은 캐시 TTL(5분 또는 1시간)에 따라 다릅니다. |
1 MTok = 1,000,000 토큰. 게시된 가격에는 해당 세금이 제외됩니다. 반복되는 접두사는 기본 5분 TTL로 자동 캐싱을 사용할 수 있습니다. 예산을 추정하기 전에 현재 요율표와 사용량 내역을 확인하세요.
자신의 머신이나 서버를 위한 최소한의 Python 예제입니다. 이 페이지에서는 API 키를 요청하거나 저장하지 않습니다.
공식 플랫폼에 로그인하고 API 키를 생성하세요. 콘솔에서 모델 액세스 및 청구 요구 사항을 확인하세요.
Python 3.9+ 및 OpenAI Python SDK를 사용하세요. Python을 실행할 셸에서 MOONSHOT_API_KEY를 설정합니다. 운영 체제에 맞는 명령을 사용하십시오.
Python 코드를 kimi_example.py로 저장한 다음 python kimi_example.py를 실행합니다. 요청은 모델 kimi-k3 및 공식 /v1 API 엔드포인트를 사용합니다. macOS/Linux에서 Python을 사용할 수 없으면 python3을 사용하십시오.
이 예에서는 최종 메시지 내용을 인쇄합니다. 프롬프트를 작업으로 바꾸고 스트리밍 또는 도구 호출을 추가하기 전에 공식 가이드를 검토하세요.
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)
귀하의 플랫폼에 맞는 셸 명령만 실행하고 YOUR_API_KEY를 로컬로 바꾸세요. 소스 제어 및 브라우저 코드 외부의 컴퓨터나 서버에 키를 보관하세요. API 호출에는 요금이 부과될 수 있습니다. 후속 회전 및 도구의 경우 공식 가이드에서 요구하는 대로 완전한 보조 메시지를 유지하십시오.
프롬프트를 자신의 작업 흐름에 복사하고 자리 표시자를 관련 자료로 바꾸세요. 이는 측정된 시연이 아닌 시작점입니다.
정확성과 회귀를 위해 이 차이점을 검토하세요. 파일 경로, 줄 번호, 구체적인 실패 시나리오 및 제안된 수정 사항과 관련된 실행 가능한 문제만 보고합니다. 확인된 문제와 질문을 분리하세요. 컨텍스트가 누락된 경우 필요한 파일의 이름을 지정하세요. 차이점 및 관련 파일: [여기에 붙여넣기]
아래 리포지토리 맵과 파일을 사용하여 경로에서 서비스, 스토리지까지 요청을 추적하세요. 각 단계에 대한 파일 경로와 기호를 인용하세요. 확장점을 파악하고 최소한의 구현 방안을 제안합니다. 제공된 자료에 없는 파일이나 동작을 만들어내지 마십시오. 작업, 저장소 맵 및 파일: [여기에 붙여넣기]
프리미티브를 사용하여 간단한 파라메트릭 데스크 정리함을 만들려면 아래 지정된 버전에 대한 Blender Python 스크립트를 작성하세요. 치수를 미터 단위의 변수로 노출하고 개체 이름을 지정하고 카메라와 조명을 추가합니다. 기존 장면 개체를 삭제하거나 외부 파일에 액세스하지 마십시오. 스크립트를 실행하고 검사하는 방법을 설명합니다. 블렌더 버전 및 크기: [입력]
생성된 코드를 실행하기 전에 검토하세요. 3D 작업의 경우 Blender 또는 CAD 응용 프로그램에서 규모, 형상 및 호환성을 확인하세요.
Solidcraft CAD 가이드 살펴보기 →사양, 보고된 점수 및 청구 설명은 아래 소스를 기반으로 합니다. 변경 사항이 있는지 공급자의 현재 문서를 확인하세요.