跳到主要内容
  • 1M 上下文
  • 多模态
  • 推理
  • Responses API

Kimi K3 · QuickSilver Pro

kimi-k3
月之暗面实时可用性—

Kimi K3 是 Moonshot 的 2.8T 参数开放权重多模态推理模型 —— 适用于复杂编码、知识工作和长程 agent 工作流,尤其擅长在大型代码仓库中穿梭、使用工具、调试,以及对照图像、日志、测试和运行时反馈进行迭代。它的架构采用 KDA 和 Attention Residuals 来提升计算效率。在 QuickSilver Pro 上,价格为每百万 token 输入 $2.55 / 输出 $12.75,缓存读取 $0.255。

  • 1M 上下文
  • 视觉
  • 工具调用
  • 推理 · 默认开启
  • 流式输出
  • JSON Schema 输出

你支付 · 每 1M 输入 / 输出

$2.55 / $12.75

低 2%

输出对比 Published reference

价格对比($/1M token)

条形长度 = 相对官方价的价格

服务商输入输出对比 QSP
QuickSilver Pro$2.55$12.75最低价
Published reference(moonshotai/kimi-k3)$2.55$12.95低 2%

概览

上下文
1M token
输入 / 1M
$2.55
输出 / 1M
$12.75
默认思考
是
延迟 · 实时
—
AA 智能指数
50

前沿多模态推理,面向长程编码和 agent 工作流,1M token 上下文。

什么时候该选 Kimi K3?

依据目录中的能力和公开价格整理,而非基准测试。

适用场景

当任务横跨大型代码仓库或语料库,并且需要对其整体进行前沿级推理时,就选 K3:对照日志、测试和运行时反馈进行调试的复杂编码 agent;在代码之外还要对照图像进行迭代的多模态工作流;以及在 1M token 工作集上规划并协调大量工具调用的长程 agent。它的 KDA + Attention Residuals 架构让这类长上下文推理保持较高的计算效率。

  • 长文档和代码库,最多 1M token 上下文
  • 需要调用工具并输出严格 JSON Schema 的 Agent
  • 包含图片的提示
  • 多步推理,默认开启

何时该选其他模型

日常对话、短上下文代码生成或单次任务,这个单 token 价格是大材小用 —— DeepSeek V4 Flash($0.06/$0.18)或 V4 Pro($0.70/$2.10)能以低得多的价格搞定它们。对于最看重推理 token 节制的纯编码 agent 循环,可以拿更精简的同门 Kimi K2.7 Code 来做 A/B 测试。纯数学推理,选 DeepSeek V4 Pro。

在模型列表中比较其他选择

快速开始(curl)

获取 API key →
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!"
  }'
python (OpenAI SDK)
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)

兼容 OpenAI。只需改一行 base_url 即可迁移。

网关行为

本模型的兼容性说明。

prompt
提示最多 1M token。
  • /v1/chat/completions: 支持
  • /v1/responses: 支持
  • 流式输出: 支持
  • 工具调用: 支持
  • 图片输入: 支持
  • JSON Schema: 支持
  • 推理: 支持

价格从何而来

目录 v87 · 无单独的长上下文价格档

服务商参考价
$2.55 / $12.95
目录核验日期
提示缓存 · 不参与对比
读取 $0.255

usage.cost = prompt_tokens × $2.55/1M + completion_tokens × $12.75/1M

/pricing.json

按基础价格计算;缓存的提示 token 按上方缓存价格计费。

常见问题

常见问题

K3 是更大、原生多模态的一次升级 —— 一个 2.8T 参数的开放权重推理模型,拥有 1M token 上下文,而 K2 系列是万亿参数的文本模型,上下文为 256K。它针对复杂编码、知识工作和长程 agent 工作流做了调优,并接受图像输入,因此可以在代码之外对照截图、图表和渲染结果进行迭代。它的架构采用 KDA 和 Attention Residuals,在这样的规模下提升计算效率。如果你的工作负载是纯编码且对成本敏感,K2.7 Code 更精简的推理 token 预算可能仍然更优 —— 请在你的评测上对两者做 A/B 测试。

Kimi K3

充值翻倍试用 Kimi K3 —— 最高赠送 $50 额度

获取 API Key

$2.55 / $12.75每 1M token 输入 / 输出

试用获取 API Key