GPT 2.6, Veo 3.1, Seedance 2.5, Kling 4 in deAPI!
Web-search and web-contents are now available via API
Browse all Models
Browse all
Browse all
Browse all

LLM · Visión

API Kimi K3, pruébala gratis

Kimi K3 es un modelo de lenguaje grande (LLM) de pesos abiertos de Moonshot AI, capaz de razonar. Lee texto e imágenes y admite hasta 1M de tokens de contexto. deAPI lo ofrece en un endpoint compatible con OpenAI, así que el SDK de OpenAI funciona en cuanto cambias la URL base, la clave y el ID del modelo.

  • Entrada de texto e imágenes, ventana de contexto de 1.000.000 de tokens
  • Salida con JSON schema, llamadas a herramientas y streaming
  • reasoning_effort en siete niveles, de none a max

Sin tarjeta de crédito · Créditos gratis válidos 30 días · Después recargas saldo y pagas por uso, sin suscripción

Kimi K3 LLM · Visión

model: "kimi-k3"
reasoning_effort: "low"

system: You are a senior JavaScript engineer. Explain the bug in two sentences, then give the fixed function. Plain prose without labels or bold, nothing after the code.

user

Why does this always return 0?

async function total(ids) {
  let sum = 0;
  ids.forEach(async (id) => {
    sum += await getPrice(id);
  });
  return sum;
}
assistant reasoning_content · 8 tokens

forEach fires off the async callbacks but doesn’t await them, so the function returns before any of the awaits resolve and sum is still 0. The callbacks also mutate a closed-over variable later, after the return value has already been captured.

async function total(ids) {
  const prices = await Promise.all(ids.map((id) => getPrice(id)));
  return prices.reduce((sum, price) => sum + price, 0);
}
180 tokens de entrada + 113 de salida (8 de razonamiento) · 4,1 s Costo en deAPI: $0,0025 (precio de noviembre de 2026)

Casos de uso de Kimi K3

Cuatro tareas en las que el modelo encaja, cada una con el dato que lo respalda. Todas funcionan con la misma clave de deAPI que la transcripción, el OCR y la generación de imágenes.

  1. Facturas, recibos y formularios. Envía una foto o un escaneo como image_url junto con un JSON schema. Con la factura alemana generada de abajo devolvió los 10 campos en las dos ejecuciones que hicimos, con las fechas en formato ISO y los importes como números. Moonshot AI reporta 91,1 en OmniDocBench con el esfuerzo de razonamiento en max.

  2. Revisión de código y agentes de programación. La pregunta de arriba es una llamada real: 113 tokens de salida para la causa y la corrección. Con el esfuerzo de razonamiento en max y su harness Kimi Code, Moonshot AI reporta 67,5 en DeepSWE (tareas v1.1) y 88,3 en Terminal-Bench 2.1. Las herramientas de programación que hablan la API Chat Completions de OpenAI pueden apuntar a https://oai.deapi.ai/v1.

  3. Transcripciones y documentos largos. La ventana de contexto admite 1.000.000 de tokens, entre prompt y respuesta, y una sola respuesta puede llegar a 131.072. Transcribe un día de llamadas de ventas con WhisperLargeV3Ct2 y pide objeciones, seguimientos y citas textuales en una sola solicitud.

  4. Agentes que llaman a deAPI. Describe los endpoints de deAPI como herramientas. Cuando le pedimos los capítulos con marcas de tiempo de un video de YouTube, el modelo llamó a transcribe_video con la URL del video y include_ts: true (una ejecución). Tu código ejecuta esa llamada y le devuelve la transcripción.

Factura alemana de Nordlicht Studio GmbH con tres líneas de detalle y un total de 2.677,50 EUR
Respuesta: message.content
{
  "invoice_number": "NS-2026-0418",
  "issue_date": "2026-11-03",
  "due_date": "2026-11-17",
  "seller": "Nordlicht Studio GmbH",
  "seller_vat_id": "DE298765431",
  "net": 2250.0,
  "vat": 427.5,
  "total": 2677.5,
  "currency": "EUR",
  "iban": "DE44 1001 0010 0123 4567 89"
}
Ejemplo de factura: entra una imagen, sale JSON Sistema: “Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” Usuario: “Extract the fields from this invoice.” JSON schema con 10 campos, temperatura 0. 1.426 tokens de entrada + 332 de salida (234 de razonamiento), 7,7 s en la primera llamada.

Precios de la API Kimi K3

Pagas por token con el mismo saldo prepago que usas para los demás modelos de deAPI. Los tokens de razonamiento forman parte de completion_tokens en usage. Sin suscripción.

Entrada (texto e imágenes) $3,30 ≈ 1,5M de tokens
Entrada en caché (prefijo de prompt repetido) $0,33 ≈ 15M de tokens
Salida (respuesta y razonamiento) $16,50 ≈ 0,3M de tokens
Pregunta de la cabecera, una llamada $0,0025 ≈ 2.000 llamadas
Ejemplo de factura, una llamada $0,01 ≈ 490 llamadas

Qué incluye la cuenta gratuita

  • $5 en créditos al añadir una tarjeta de pago
  • Unas 2.000 llamadas como la pregunta de la cabecera
  • Créditos válidos por 30 días; después recargas saldo y pagas por uso
Obtén $5 en créditos

Precios de kimi-k3 en USD, noviembre de 2026. Recuentos de tokens de la pregunta de la cabecera y del ejemplo de factura; una llamada de factura cuesta $0,01. Límites de contexto y de salida según GET https://oai.deapi.ai/v1/models.

Kimi K3 vs Qwen3.8 Max vs GLM-5.3

Entrada Texto, imagen Texto, imagen Texto
Contexto 1.000.000 tokens 1.000.000 tokens 1.000.000 tokens
Salida máxima 131.072 tokens 131.072 tokens 131.072 tokens
reasoning_effort de none a max, 7 niveles de none a max, 7 niveles low, high o max
Salida estructurada json_schema, json_object json_schema, json_object json_object
Precio por 1M, entrada / salida $3,30 / $16,50 $2,20 / $6,60 $1,54 / $4,84

IDs de modelo: kimi-k3, qwen3.8-max, glm-5.3. Límites y tipos de entrada según GET /v1/models. Niveles de razonamiento y formatos de salida probados el 16 de noviembre de 2026.

Ejemplo de API Kimi K3

Un POST a https://oai.deapi.ai/v1/chat/completions con tu clave de deAPI como token Bearer. En el SDK de OpenAI, configura base_url, tu clave de deAPI y el ID del modelo; el resto de una llamada a Chat Completions queda igual. Sustituye YOUR_API_KEY por una clave de tu panel.

ID del modelo
kimi-k3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Entrada
Texto e imágenes como partes image_url: una data URL en base64 o un enlace HTTPS público. Los PDF y el audio se rechazan.
Contexto y salida
Ventana de contexto de 1.000.000 de tokens (prompt y respuesta juntos), hasta 131.072 tokens por respuesta
Razonamiento
reasoning_effort: none, minimal, low, medium, high, xhigh o max. El razonamiento llega en reasoning_content.
Opciones de salida
response_format con json_schema (strict) o json_object, tools, stream
curl https://oai.deapi.ai/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "kimi-k3",
    "reasoning_effort": "none",
    "messages": [
      {"role": "system", "content": "Sort support tickets. Reply with one word: billing, bug, feature or other."},
      {"role": "user", "content": "I was charged twice for the November top-up."}
    ]
  }'
import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://oai.deapi.ai/v1", api_key="YOUR_API_KEY")

with open("invoice.png", "rb") as f:
    image = "data:image/png;base64," + base64.b64encode(f.read()).decode()

schema = {
    "type": "object",
    "additionalProperties": False,
    "required": ["invoice_number", "issue_date", "due_date", "seller",
                 "seller_vat_id", "net", "vat", "total", "currency", "iban"],
    "properties": {
        "invoice_number": {"type": "string"},
        "issue_date": {"type": "string"},
        "due_date": {"type": "string"},
        "seller": {"type": "string"},
        "seller_vat_id": {"type": "string"},
        "net": {"type": "number"},
        "vat": {"type": "number"},
        "total": {"type": "number"},
        "currency": {"type": "string"},
        "iban": {"type": "string"},
    },
}

response = client.chat.completions.create(
    model="kimi-k3",
    temperature=0,
    messages=[
        {"role": "system", "content": "Extract invoice fields. "
         "Dates as YYYY-MM-DD, amounts as numbers."},
        {"role": "user", "content": [
            {"type": "text", "text": "Extract the fields from this invoice."},
            {"type": "image_url", "image_url": {"url": image}},
        ]},
    ],
    response_format={"type": "json_schema",
                     "json_schema": {"name": "invoice", "strict": True, "schema": schema}},
)

invoice = json.loads(response.choices[0].message.content)
print(invoice["total"], invoice["currency"])  # 2677.5 EUR
print(response.usage)

¿Qué es Kimi K3?

Kimi K3 es un modelo Mixture-of-Experts de pesos abiertos que Moonshot AI publica bajo su propia Kimi K3 License. Tiene 2,8 billones de parámetros en total y activa 104 mil millones por token, eligiendo 16 de 896 expertos. Un codificador de visión de 401 millones de parámetros, MoonViT-V2, lee las imágenes. Escribe texto y puede razonar antes de responder. En deAPI lo llamas como a cualquier modelo de chat de OpenAI y pagas por token.

  1. Crea una cuenta gratis

    Regístrate y recibe $5 en créditos.

  2. Apunta tu cliente a deAPI

    Configura base_url como https://oai.deapi.ai/v1 y usa tu clave de deAPI.

  3. Envía la solicitud

    Usa kimi-k3 como modelo y lee la respuesta en choices[0].message.content.

Preguntas frecuentes sobre Kimi K3

Sí. deAPI lo ofrece en https://oai.deapi.ai/v1 con el ID de modelo kimi-k3 y el formato de solicitud y respuesta de la API Chat Completions de OpenAI. Si tu código ya usa el SDK de OpenAI, cambias tres valores: base_url, la clave de API y el modelo. Haz tus propias pruebas antes de migrar tráfico.
Una cuenta nueva de deAPI recibe $5 en créditos al añadir una tarjeta de pago, suficiente para unas 2.000 llamadas como la pregunta de código del inicio de esta página. Los créditos son válidos por 30 días. Después recargas saldo y pagas por uso, sin suscripción.
$3,30 por millón de tokens de entrada, $0,33 por millón de tokens de entrada en caché y $16,50 por millón de tokens de salida (noviembre de 2026). Los tokens de razonamiento cuentan como salida y los ves en usage.completion_tokens_details.reasoning_tokens.
Sí. Añade una parte image_url al mensaje del usuario, como data URL en base64 o como enlace HTTPS público. Los PDF y los archivos de audio se rechazan: pasa los PDF por la API OCR o envía las páginas como imágenes, y transcribe el audio primero.
En deAPI la ventana de contexto es de 1.000.000 de tokens, entre prompt y respuesta, y una respuesta puede tener hasta 131.072 tokens. La ficha del modelo de Moonshot AI indica una longitud de contexto de 1.048.576 tokens para el modelo en sí.
Según la ficha del modelo de Moonshot AI, con el esfuerzo de razonamiento en max: 93,5 en GPQA Diamond, 67,5 en DeepSWE (tareas v1.1) y 88,3 en Terminal-Bench 2.1 (ambos con el harness Kimi Code). En imágenes indica 91,1 en OmniDocBench y 81,6 en MMMU-Pro sin herramientas. Son cifras de Moonshot AI; pruébalo con tus propios datos usando los créditos gratis.
Pon reasoning_effort en none. Con la solicitud de tickets del ejemplo de cURL, none respondió “billing” con 7 tokens de salida y ningún token de razonamiento. high dio la misma respuesta con 19 tokens de salida, 6 de ellos de razonamiento (una ejecución cada uno). Los niveles intermedios son minimal, low y medium; por encima de high están xhigh y max.
Moonshot AI publica los pesos en Hugging Face bajo la Kimi K3 License. Es una licencia propia de Moonshot AI, con condiciones adicionales para grandes negocios de modelo como servicio y para productos muy grandes, así que léela antes de alojar los pesos por tu cuenta. Las llamadas a través de deAPI están sujetas a los Términos de servicio de deAPI.

Envía tu primera solicitud a Kimi K3 con $5 en créditos gratis

Regístrate con tu correo o con Google. Sin suscripción, pagas por uso.