- 1M context
- Multimodal
- Reasoning
- Responses API
Kimi K3 QuickSilver Pro पर
Kimi K3 Moonshot का 2.8T-parameter open-weight multimodal reasoning मॉडल है — जटिल coding, knowledge work और long-horizon agentic workflows के लिए उपयुक्त, और बड़ी repositories में navigate करने, tools इस्तेमाल करने, debugging करने तथा images, logs, tests और runtime feedback के आधार पर iterate करने में खास तौर पर मज़बूत। इसका architecture computational efficiency के लिए KDA और Attention Residuals इस्तेमाल करता है। QuickSilver Pro पर कीमत $2.55 input / $12.75 output प्रति million tokens है, cache read $0.255 है।
- 1M context
- Vision
- Tools
- Reasoning · डिफ़ॉल्ट रूप से चालू
- Streaming
- JSON Schema output
आप चुकाते हैं · input / output प्रति 1M
$2.55 / $12.75
2% कम
output पर, Published reference की तुलना में
Pricing तुलना ($/1M tokens)
बार की लंबाई = लिस्ट प्राइस के मुक़ाबले क़ीमत
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $2.55 | $12.75 | सबसे कम कीमत |
| Published reference(moonshotai/kimi-k3) | $2.55 | $12.95 | 2% कम |
एक नज़र में
- Context
- 1M tokens
- Input / 1M
- $2.55
- Output / 1M
- $12.75
- Default में सोचता है
- हाँ
- Latency · लाइव
- —
- AA Intelligence Index
- 50
1M-token context पर long-horizon coding और agentic workflows के लिए frontier multimodal reasoning।
Kimi K3 कब सही चुनाव है?
catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।
कब इस्तेमाल करें
K3 तब चुनें जब काम किसी बड़ी repository या corpus में फैला हो और पूरे पर frontier reasoning चाहिए: जटिल coding agents जो logs, tests और runtime feedback के आधार पर debug करते हैं; multimodal workflows जो code के साथ images पर भी iterate करते हैं; और long-horizon agents जो 1M-token working set पर कई tool calls की योजना बनाते और उनका तालमेल बिठाते हैं। इसका KDA + Attention Residuals architecture इस long-context reasoning को computationally efficient रखता है।
- लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
- Tools call करने वाले agents, strict JSON Schema output के साथ
- Images वाले prompts
- कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
कब कोई और model चुनें
रोज़मर्रा की chat, short-context codegen या single-shot कामों के लिए इसकी per-token कीमत ज़रूरत से ज़्यादा है — DeepSeek V4 Flash ($0.06/$0.18) या V4 Pro ($0.70/$2.10) इन्हें कहीं कम खर्च में निपटा देते हैं। केवल coding वाले agent loops के लिए, जहाँ reasoning-token का अनुशासन सबसे ज़्यादा मायने रखता है, Kimi K2.7 Code वह हल्का sibling है जिससे A/B करना चाहिए। शुद्ध गणितीय reasoning के लिए DeepSeek V4 Pro।
Quickstart (curl)
API key पाएँ →curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"messages": [{"role": "user", "content": "Hello!"}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.quicksilverpro.io/v1",
apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
model: "kimi-k3",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.quicksilverpro.io/v1/responses \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"input": "Hello!"
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)OpenAI-संगत। base_url बदलकर एक लाइन में migration।
Gateway का व्यवहार
इस मॉडल के लिए compatibility नोट्स।
prompt- 1M tokens तक के prompts।
- /v1/chat/completions: समर्थित
- /v1/responses: समर्थित
- streaming: समर्थित
- tools: समर्थित
- image input: समर्थित
- JSON Schema: समर्थित
- reasoning: समर्थित
क़ीमत कहाँ से आती है
- Provider reference
- $2.55 / $12.95
- Catalog में सत्यापित
- Prompt cache · तुलना नहीं
- $0.255 read
usage.cost = prompt_tokens × $2.55/1M + completion_tokens × $12.75/1M
FAQ
सामान्य प्रश्न
K3 एक बड़ा, natively multimodal अगला कदम है — 1M-token context वाला 2.8T-parameter open-weight reasoning मॉडल, जबकि K2 line के trillion-parameter text models 256K पर हैं। यह जटिल coding, knowledge work और long-horizon agentic workflows के लिए tune किया गया है, और images को input के रूप में स्वीकार करता है ताकि code के साथ screenshots, diagrams और rendered output पर भी iterate कर सके। उस scale पर computational efficiency के लिए इसका architecture KDA और Attention Residuals इस्तेमाल करता है। अगर आपका workload केवल coding का है और लागत के प्रति संवेदनशील है, तो K2.7 Code का हल्का reasoning-token budget अब भी जीत सकता है — दोनों को अपने evals पर A/B करें।
हाँ — K3 QuickSilver Pro पर एक OpenAI-compatible chat completions endpoint है। base_url=https://api.quicksilverpro.io/v1 सेट करें और model="kimi-k3" इस्तेमाल करें। QSP का मौजूदा route reasoning: { enabled: false } को मानता है; Moonshot का direct API नहीं मानता, इसलिए यह न मान लें कि यह toggle हर provider पर एक जैसा चलेगा।
$2.55 input / $12.75 output प्रति million tokens और cache read $0.255। कीमतें अपरिवर्तित हैं। base_url=https://api.quicksilverpro.io/v1 और model="kimi-k3" इस्तेमाल करें।
API से लौटा पूरा assistant message हर अगले turn और tool call पर जोड़ें; केवल content न रखें, और पहले से चल रही किसी reasoning conversation के बीच में K3 पर switch न करें। Sampling overrides न भेजें, जब तक वे K3 के fixed temperature=1.0, top_p=0.95, n=1 और शून्य penalties से मेल न खाते हों। Reasoning चालू होने पर top-level reasoning_effort को low, high या max के साथ इस्तेमाल करें।