Kimi K3 API

O Kimi K3.1 Pro foi lançado

Em 2026-10-23, a Moonshot lançou o K3.1 Pro, um K3 com pós-treinamento adicional: o índice dele na Artificial Analysis subiu de 44 para 55, o preço oficial caiu de $3 / $15 para $2 / $10, e a saída ficou mais rápida. As restrições da requisição são as mesmas do K3, então basta trocar model para kimi-k3.1-pro.

Ver o Kimi K3.1 Pro

Comparação de preços: oficial, OpenRouter e Wokey

USD por milhão de tokens. Os preços oficiais e do OpenRouter foram conferidos manualmente em 2026-09-23, sem impostos; o preço da Wokey é lido da tabela de preços em tempo real.

O host mais barato no OpenRouter é a implantação quantizada em fp4 de Sail Research ($1.4989 de entrada / $10.758 de saída). A saída quantizada pode diferir dos pesos oficiais, por isso não está na tabela.

Conferido em 2026-09-23 · Página oficial de preços · Lista de endpoints do OpenRouter

Usar no Claude Code

Este modelo oferece suporte a /v1/messages na Wokey. Defina estas variáveis e depois inicie o claude.

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="kimi-k3"

Guia rápido da API do Kimi K3

Obtenha uma chave de API da Wokey e siga estes três passos para enviar sua primeira requisição.

1. Obtenha uma chave de API

   Cadastre-se ou entre na Wokey, abra o console de API e crie e copie uma chave no gerenciamento de chaves de API. Confira seu saldo disponível antes de fazer chamadas.

2. Configure seu cliente

   Use a base URL abaixo no seu cliente compatível com OpenAI, informe sua chave de API da Wokey e selecione kimi-k3 como modelo.

3. Envie sua primeira requisição

   Substitua YOUR_WOKEY_API_KEY no exemplo pela sua própria chave e execute no terminal. Leia a resposta em choices e depois confira o uso e as cobranças no console de API.

Obter chave de API · Ver documentação

Base URL do cliente

https://api.wokey.ai/v1

ID do modelo

kimi-k3

URL completa

https://api.wokey.ai/v1/chat/completions

A base URL do cliente já inclui /v1. O exemplo de curl usa a URL completa da requisição.

Requisição mínima

export WOKEY_API_KEY="YOUR_WOKEY_API_KEY"

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "Hello, Kimi!"}],
    "max_tokens": 1024
  }'

Kimi K3 em resumo

Data de lançamento

2026-07-17, no app web do Kimi, no app desktop Kimi Work, no Kimi Code e na plataforma Kimi API desde o primeiro dia; os pesos completos foram publicados no Hugging Face em 2026-07-27

Posicionamento

A Moonshot diz que o K3 ainda fica atrás do Claude Fable 5 e do GPT-5.6 Sol no geral, mas superou todos os outros modelos nas suas avaliações, e recomenda o Kimi Code CLI como framework de agentes

Modelo e pesos

Um MoE de 2.8T parâmetros com 104B ativos, que roteia cada token para 16 de 896 especialistas, construído sobre Kimi Delta Attention e Attention Residuals; pesos em moonshotai/Kimi-K3, quantizados em MXFP4 durante o treinamento, cerca de 1.56 TB no total, sob a Kimi K3 License

Contexto e saída

Contexto de 1,048,576 tokens; max_completion_tokens é 131,072 por padrão e vai até 1,048,576; entrada nativa de texto, imagem e vídeo, saída de texto

Thinking e effort

O thinking fica sempre ativado e as respostas trazem reasoning_content; reasoning_effort aceita low / high / max com max como padrão (no lançamento só existia max); temperature, top_p e os outros parâmetros de amostragem são fixos e devem ser omitidos

Preço oficial

$3 de entrada / $15 de saída por milhão de tokens e $0.30 por acerto de cache; sem faixas por tamanho de contexto

API e ferramentas

A plataforma Kimi oferece APIs compatíveis com OpenAI e Anthropic com chamada de ferramentas (tool_choice pode ser required), saída estruturada json_schema e cache de contexto; a Wokey atende /v1/chat/completions e /v1/messages

Verificado em 2026-10-02 · Fontes: Moonshot · Hugging Face · K3 quickstart · Pricing · Artificial Analysis

Benchmarks oficiais: Kimi K3 vs Fable 5 vs GPT-5.6 Sol vs Opus 4.8 vs GLM-5.2

Dados do model card da Moonshot no Hugging Face; são resultados informados pelo próprio fornecedor, e “—” significa que a pontuação não foi publicada. Os modelos comparados são os vigentes no lançamento do K3 (2026-07), então o Claude Opus 5.5 e o GLM-5.3, lançados depois, não estão na tabela; veja “Qual usar” abaixo para essas comparações.

Todas as pontuações do K3 usam reasoning_effort=max e temperature=1.0. A coluna do Fable 5 rodou com fallback, a coluna GPT-5.5 do model card foi omitida e a linha HLE-Full é a pontuação com ferramentas. Em DeepSWE, Terminal-Bench 2.1 e ProgramBench o K3 rodou no harness do Kimi Code, enquanto a maioria das outras pontuações vem de rankings públicos ou do melhor harness de cada modelo, então as condições diferem: no harness mini-SWE-agent do ranking oficial do DeepSWE, o K3 marca 67.3%. A linha do SWE-Marathon usa um conjunto de tarefas recalibrado com H20 de antes do lançamento da v1.1; a tabela da Z.ai dá ao K3 48.1% na v1.1.

Qual usar: Kimi K3, Claude Opus 5.5 ou GLM-5.3

Contra Claude Opus 5.5

O Opus 5.5 saiu em 2026-09-22, dois meses depois do K3. No Intelligence Index v4.3.2 da Artificial Analysis, o Opus 5.5 marca 58 no max e o K3 44, uma diferença clara. O K3 custa $3 / $15, só 25% abaixo dos $4 / $20 do Opus 5.5, mas o Opus 5.5 usou 260M tokens de saída em todo o índice contra 160M do K3, então uma tarefa custa $5.98 contra $2.00 a preços oficiais, cerca de um terço para o K3. O Opus 5.5 gera cerca de 92 tokens/s e o K3 cerca de 34. Escolha o Opus 5.5 para a programação mais difícil, agentes de longa duração e trabalho que precisa sair certo na primeira vez; escolha o K3 para alto volume, orçamentos apertados, entrada de vídeo ou auto-hospedagem.

Contra GLM-5.3

Os dois estão empatados no Intelligence Index da Artificial Analysis: o GLM-5.3 marca 45 no max e o K3 44, com custo por tarefa quase igual ($2.01 vs $2.00). O GLM-5.3 custa $1.4 / $4.4, menos da metade do K3, mas escreve saídas mais longas (210M tokens em todo o índice contra 160M) e é cerca de duas vezes mais rápido (cerca de 66 vs 34 tokens/s). A página de lançamento do GLM-5.3 da Z.ai traz os dois: eles ficam próximos no DeepSWE v1.1 (66.9% vs 67.5%), o GLM-5.3 lidera no Terminal Bench 3.0 (28.3% vs 17.4%) e o K3 lidera no SWE-Marathon v1.1 (48.1% vs 42.5%) e no Toolathlon (76.5% vs 73.0%). Qualquer um serve para programação só com texto; escolha o K3 se precisar de entrada de imagem ou vídeo, já que o GLM-5.3 é só texto; para auto-hospedagem, o GLM-5.3 (753B parâmetros totais) é muito mais fácil que o K3 (2.8T).

Como escolher o effort

O K3 só tem low, high e max, com max como padrão, e o thinking não pode ser desativado. A Artificial Analysis mediu o max em 44 por $2.00 por tarefa e o low em 30 por $1.15: o low é cerca de 40% mais barato por tarefa, mas perde 14 pontos. Use o max padrão para programação e agentes; ainda não há dados de terceiros para o high, então compare-o com o max nas suas próprias tarefas; deixe o low para perguntas e respostas simples e conversão de formatos. Os tokens de raciocínio são cobrados pela tarifa de saída, então mais effort significa mais saída.

Documentação de effort do Kimi

Avaliações de terceiros e da comunidade

• Artificial Analysis: No Intelligence Index v4.3.2 marca 44 no max e 30 no low; usou 160M tokens de saída em todo o índice por $2.00 por tarefa, gera cerca de 34 tokens/s e leva cerca de 4.5 segundos até o primeiro token. No dia do lançamento, na versão do índice da época, marcou 57 e ficou em terceiro, empatado com o Claude Opus 4.8 e o GPT-5.5 e atrás do Fable 5 e do GPT-5.6 Sol, enquanto a taxa de alucinação subiu dos 39% do K2.6 para 51%. Cada item cobrado pela Wokey equivale a 20% da tarifa oficial, então a mesma tarefa sai por cerca de $0.40 no max e $0.23 no low.
• Fireworks: A Fireworks, que também oferece o K3, o comparou com o Claude Fable 5 no mesmo loop de agente em cerca de 1,030 tarefas agênticas. Nas tarefas SWE, o K3 passou em 92.4% e o Fable 5 em 92.6%, praticamente empatados, mas o K3 precisou de cerca de 55 turnos e 1.3M tokens por tarefa contra 21 turnos e 130K tokens do Fable 5.
• Hacker News (thread de 2,107 pontos): O preço foi o mais discutido: muitos acharam $3 / $15 caro para um modelo de pesos abertos, enquanto outros disseram que é justo se o K3 realmente só fica atrás do Fable e do Sol. Depois veio o tamanho do thinking: alguns reclamaram que ele pensa demais e se repete; o teste do pelicano de Simon Willison gerou 16,658 tokens de saída, 13,241 deles de raciocínio, por cerca de $0.25; outro comentarista mediu cerca de 60% dos tokens de raciocínio do K2.6.

Usando o K3 no Claude Code e regras das requisições para conferir

Estas regras vêm do guia rápido do K3 da Kimi e de problemas que a Wokey depurou em produção. Confira antes de trocar do K2.x para o kimi-k3 ou de integrar pela primeira vez.

• O thinking não pode ser desativado e as respostas sempre trazem reasoning_content. Ao migrar do K2.x, substitua o antigo parâmetro thinking pelo reasoning_effort no nível superior (low / high / max).
• Em conversas de vários turnos e chamadas de ferramentas, devolva a mensagem completa do assistant que a API retornou, incluindo reasoning_content e tool_calls; devolver só o content perde o raciocínio anterior.
• temperature, top_p, n, presence_penalty e frequency_penalty são fixos em 1.0, 0.95, 1, 0 e 0, e a Kimi pede que você os omita das requisições.
• Imagens não podem ser URLs públicas: coloque uma data URL em base64 como data:image/png;base64,... em image_url, porque um link https de imagem retorna 400 unsupported image url; vídeo também vai em base64. O fluxo da Kimi de enviar o arquivo e depois referenciá-lo com ms://<file_id> ainda não está disponível pela Wokey.
• max_completion_tokens é 131,072 por padrão e vai até 1,048,576. Os tokens de raciocínio são cobrados como saída e o effort max padrão escreve saídas longas, então deixe folga no orçamento de saída.
• Com uma sequência stop definida, o K3 pode ser cortado enquanto ainda raciocina e retornar finish_reason stop com content vazio. Isso vem do upstream e a Wokey não remove texto, então teste antes, nas suas próprias tarefas, os fluxos que dependem de stop.
• Usando no Claude Code: o kimi-k3 na Wokey suporta /v1/messages, então defina ANTHROPIC_BASE_URL como https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN com a sua chave de API da Wokey e ANTHROPIC_MODEL como kimi-k3; custa $0.60 de entrada / $3.00 de saída por milhão de tokens. A Moonshot recomenda o Kimi Code CLI como framework de agentes, e o OpenCode e outros clientes compatíveis com OpenAI usam /v1/chat/completions.

Corpo da requisição com uma imagem (/v1/chat/completions)

{
  "model": "kimi-k3",
  "reasoning_effort": "high",
  "messages": [{
    "role": "user",
    "content": [
      { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } },
      { "type": "text", "text": "Find the layout bug in this screenshot" }
    ]
  }]
}

Preços atuais do catálogo

Preços por 1M de tokens; a liquidação segue o preço vigente no momento da solicitação.

Fonte do preço oficial: https://platform.kimi.ai/docs/pricing/chat-k3

Medido na Wokey

Últimos 28 dias (2026-10-13 a 2026-11-09), atualizado toda segunda-feira · Requisições reais de mais de 90 contas

Tempo até o primeiro token, prompts curtos

2,5 s (Mediana · prompts com menos de 8K tokens · p90 7,6 s)

Tempo até o primeiro token, prompts de agente

5,9 s (Mediana · prompts de 32K–128K tokens)

Taxa de acerto do cache de prompt

93% (Parcela dos tokens de entrada lidos do cache)

Clientes mais usados: Kimi Code CLI 52%, pi 26%, WorkBuddy 11%. Parcela das requisições de clientes identificados; 3% das requisições tiveram o cliente identificado.

Como medimos

O tempo até o primeiro token vai do recebimento da requisição pelo gateway da Wokey até o primeiro conteúdo transmitido (texto, resumo do raciocínio ou recusa). Inclui a espera na fila, as novas tentativas em outra conta e o tempo de raciocínio do modelo, por isso é maior que a latência de primeiro token do próprio upstream. Só contam as requisições em streaming bem-sucedidas, agrupadas pelo tamanho do prompt (entrada mais leituras e gravações de cache).

Taxa de acerto de cache = tokens lidos do cache ÷ tokens de entrada nas requisições bem-sucedidas. Ela depende do cliente e da forma de uso; as páginas de taxa de acerto de cache detalham por cliente.

Contas empresariais e as contas de teste da própria Wokey ficam de fora. Um modelo aparece quando pelo menos 20 usuários o usaram nos últimos 28 dias e nenhum usuário enviou mais de 50% das requisições; contas cadastradas por uma mesma cadeia de indicação contam como um único usuário. Cada número de tempo até o primeiro token precisa de pelo menos 500 requisições.

Taxa de acerto de cache por cliente

Recursos do modelo

Context

1,048,576 tokens

Saída máxima

1,048,576 tokens

Streaming

Compatível

Tools

Compatível

Vision

Compatível

Formas de API aceitas

/v1/chat/completions · /v1/responses · /v1/messages

Enviar uma solicitação

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3","input":"Hello"}'

/v1/messages

curl https://api.wokey.ai/v1/messages \
  -H "x-api-key: $WOKEY_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Use o Kimi K3 nas suas ferramentas

O gateway é https://api.wokey.ai (clientes compatíveis com OpenAI costumam usar https://api.wokey.ai/v1) e o ID do modelo é kimi-k3. Abra o guia do cliente que você usa.

• Usar o Kimi K3 no Claude Code: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3 no Codex: OpenAI Responses · configuração de base URL e chave de API
• Usar o Kimi K3 no Claude Desktop: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3 no opencode: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no pi: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3 no DeepSeek Harness: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no Z Code: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3 no Cherry Studio: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no WorkBuddy: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no OpenClaw: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no Hermes Agent: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3 no Magpie: OpenAI Chat Completions · configuração de base URL e chave de API
• Calculadora de custos da API do Kimi: quanto custa o Kimi K3 por mês: Compare o custo mensal na Kimi API e na Wokey conforme seu uso e sua taxa de acerto de cache.
• Limites do Kimi Code medidos: quanto Kimi K3 um plano cobre: Tokens medidos por janela de 5 horas e por mês, e quanto valem a preços de API.
• Alternativa ao OpenRouter: Wokey vs. OpenRouter: Compare preços por token, taxas de pagamento, formatos de API e origens upstream.
• API de IA verificável: quais modelos e formatos de API trazem provas de resposta: Por enquanto, as provas de resposta cobrem apenas respostas de Claude Messages e GPT Responses repassadas sem alteração em rotas oficiais.

Exemplo de chamada em produção

Estes valores de uso vêm de uma chamada concluída de Kimi K3 que teve sucesso na primeira tentativa e foi conferida com a cobrança.

Entrada total

76023

Saída

574

Parcela da entrada em cache

99.3%

Duração da chamada

25.60 s

Chat Completions usage

Compilado a partir do registro de cobrança como exemplo de campos da API. prompt_tokens é a entrada total, incluindo os tokens em cache.

{
  "model": "kimi-k3",
  "usage": {
    "prompt_tokens": 76023,
    "prompt_tokens_details": {
      "cached_tokens": 75520
    },
    "completion_tokens": 574,
    "total_tokens": 76597
  }
}

Conciliação de tokens

Estas são as tarifas finais por milhão de tokens registradas para esta chamada.

Valor cobrado

$0.009833

Custo = soma dos tokens × sua tarifa ÷ 1,000,000, arredondado para seis casas decimais após a soma.

Origem desta chamada

Esta chamada usou o canal Volcengine em ark.cn-beijing.volces.com com autorização API Key. O uso foi medido no upstream e a requisição retornou HTTP 200.

Verificar o Prompt Cache

1. Mantenha idêntico o prefixo comum dos prompts longos e reutilize o contexto de acordo com as regras de cache da API escolhida.
2. Confira prompt_tokens_details.cached_tokens; zero significa que nenhuma leitura de cache foi registrada nesta chamada.
3. Entrada sem cache = prompt_tokens menos os tokens em cache. Calcule cada item com sua tarifa e some a cobrança de saída.

Perguntas frequentes

Modelos e documentação relacionados

• Kimi K3.1 Pro
• Kimi K3.1 Pro Highspeed
• Kimi K2.8 Preview
• Documentação da API
• Todos os modelos e preços
• Provider Node