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 · Vision

Kimi K3 API, coba gratis

Kimi K3 adalah large language model open-weight dari Moonshot AI yang bisa bernalar. Model ini membaca teks dan gambar serta menampung konteks hingga 1 juta token. deAPI menyajikannya di endpoint yang kompatibel dengan OpenAI, jadi OpenAI SDK bisa langsung dipakai setelah Anda mengganti base URL, API key dan model ID.

  • Input teks dan gambar, context window 1.000.000 token
  • Output JSON schema, tool call dan streaming
  • reasoning_effort dalam tujuh tingkat, dari none sampai max

Tanpa kartu kredit · Kredit gratis berlaku 30 hari · Setelah itu isi saldo dan bayar sesuai pemakaian, tanpa langganan

Kimi K3 LLM · Vision

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 token

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 token input + 113 token output (8 reasoning) · 4,1 detik Biaya di deAPI: $0,0025 (harga per November 2026)

Kasus penggunaan Kimi K3

Empat pekerjaan yang cocok untuk model ini, masing-masing dengan angka pendukungnya. Semuanya berjalan dengan API key deAPI yang sama seperti transkripsi, OCR dan pembuatan gambar.

  1. Faktur, struk dan formulir. Kirim foto atau scan sebagai image_url bersama JSON schema. Pada faktur Jerman buatan di bawah ini, model mengembalikan seluruh 10 field di kedua percobaan, dengan tanggal dalam format ISO dan nominal sebagai angka. Moonshot AI melaporkan 91,1 di OmniDocBench pada reasoning effort max.

  2. Code review dan coding agent. Pertanyaan di atas adalah panggilan sungguhan: 113 token output untuk penyebab dan perbaikannya. Pada reasoning effort max dengan harness Kimi Code miliknya, Moonshot AI melaporkan 67,5 di DeepSWE (task v1.1) dan 88,3 di Terminal-Bench 2.1. Tool coding yang mendukung OpenAI Chat Completions API bisa diarahkan ke https://oai.deapi.ai/v1.

  3. Transkrip dan dokumen panjang. Context window menampung 1.000.000 token, prompt dan jawaban digabung, dan satu jawaban bisa mencapai 131.072 token. Transkripsikan panggilan sales seharian dengan WhisperLargeV3Ct2, lalu minta daftar keberatan, tindak lanjut dan kutipan dalam satu request.

  4. Agent yang memanggil deAPI. Deskripsikan endpoint deAPI sebagai tool. Saat diminta membuat chapter dengan timestamp untuk sebuah video YouTube, model memanggil transcribe_video dengan URL video dan include_ts: true (satu kali percobaan). Kode Anda menjalankan panggilan itu dan mengirim transkripnya kembali.

Faktur Jerman dari Nordlicht Studio GmbH dengan tiga baris item dan total 2.677,50 EUR
Response: 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"
}
Contoh faktur: gambar masuk, JSON keluar System: “Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” User: “Extract the fields from this invoice.” JSON schema dengan 10 field, temperature 0. 1.426 token input + 332 token output (234 reasoning), 7,7 detik pada panggilan pertama.

Harga Kimi K3 API

Anda membayar per token dari saldo prabayar yang sama dengan semua model deAPI lainnya. Token reasoning termasuk dalam completion_tokens di usage. Tanpa langganan.

Input (teks dan gambar) $3,30 ≈ 1,5 juta token
Input ter-cache (awalan prompt yang berulang) $0,33 ≈ 15 juta token
Output (jawaban dan reasoning) $16,50 ≈ 0,3 juta token
Pertanyaan di hero, satu panggilan $0,0025 ≈ 2.000 panggilan
Contoh faktur, satu panggilan $0,01 ≈ 490 panggilan

Isi akun gratis

  • Kredit $5 setelah Anda menambahkan kartu pembayaran
  • Sekitar 2.000 panggilan seperti pertanyaan di hero
  • Kredit berlaku 30 hari, setelah itu isi saldo dan bayar sesuai pemakaian
Dapatkan kredit $5 gratis

Harga untuk kimi-k3 dalam USD, November 2026. Jumlah token dari pertanyaan di hero dan contoh faktur. Satu panggilan faktur berbiaya $0,01. Batas konteks dan output dari GET https://oai.deapi.ai/v1/models.

Kimi K3 vs Qwen3.8 Max vs GLM-5.3

Input Teks, gambar Teks, gambar Teks
Konteks 1.000.000 token 1.000.000 token 1.000.000 token
Output maks. 131.072 token 131.072 token 131.072 token
reasoning_effort none sampai max, 7 tingkat none sampai max, 7 tingkat low, high atau max
Output terstruktur json_schema, json_object json_schema, json_object json_object
Harga per 1 juta, input / output $3,30 / $16,50 $2,20 / $6,60 $1,54 / $4,84

Model ID: kimi-k3, qwen3.8-max, glm-5.3. Batas dan jenis input dari GET /v1/models. Tingkat reasoning dan format output diuji pada 16 November 2026.

Contoh API Kimi K3

Satu POST ke https://oai.deapi.ai/v1/chat/completions dengan API key deAPI Anda sebagai Bearer token. Di OpenAI SDK, atur base_url, API key deAPI Anda dan model ID. Bagian lain dari panggilan Chat Completions tetap sama. Ganti YOUR_API_KEY dengan key dari dashboard Anda.

Model ID
kimi-k3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Input
Teks dan gambar sebagai bagian image_url: data URL base64 atau tautan HTTPS publik. PDF dan audio ditolak.
Konteks dan output
Context window 1.000.000 token (prompt dan jawaban digabung), hingga 131.072 token per jawaban
Reasoning
reasoning_effort: none, minimal, low, medium, high, xhigh atau max. Hasil reasoning kembali di reasoning_content.
Opsi output
response_format dengan json_schema (strict) atau 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)

Apa itu Kimi K3?

Kimi K3 adalah model Mixture-of-Experts open-weight yang dipublikasikan Moonshot AI dengan lisensinya sendiri, Kimi K3 License. Model ini memiliki total 2,8T parameter dan mengaktifkan 104B di antaranya per token, dengan memilih 16 dari 896 expert. Vision encoder 401M parameter, MoonViT-V2, membaca gambarnya. Model ini menulis teks dan bisa bernalar sebelum menjawab. Di deAPI Anda memanggilnya seperti model chat OpenAI mana pun dan membayar per token.

  1. Buat akun gratis

    Daftar dan dapatkan kredit $5.

  2. Arahkan client Anda ke deAPI

    Atur base_url ke https://oai.deapi.ai/v1 dan gunakan API key deAPI Anda.

  3. Kirim request

    Gunakan kimi-k3 sebagai model dan baca jawabannya dari choices[0].message.content.

FAQ Kimi K3

Ada. deAPI menyajikannya di https://oai.deapi.ai/v1 dengan model ID kimi-k3, memakai format request dan response OpenAI Chat Completions API. Jika kode Anda sudah memakai OpenAI SDK, Anda mengubah tiga nilai: base_url, API key dan model. Jalankan pengujian Anda sendiri sebelum memindahkan trafik.
Akun deAPI baru mendapat kredit $5 setelah menambahkan kartu pembayaran, cukup untuk sekitar 2.000 panggilan seperti pertanyaan kode di bagian atas halaman ini. Kredit berlaku 30 hari. Setelah itu Anda mengisi saldo dan membayar sesuai pemakaian, tanpa langganan.
$3,30 per satu juta token input, $0,33 per satu juta token input ter-cache dan $16,50 per satu juta token output (November 2026). Token reasoning dihitung sebagai output, dan Anda bisa melihatnya di usage.completion_tokens_details.reasoning_tokens.
Bisa. Tambahkan bagian image_url ke pesan user, sebagai data URL base64 atau tautan HTTPS publik. File PDF dan audio ditolak: proses PDF lewat OCR API atau kirim halamannya sebagai gambar, dan transkripsikan audio lebih dulu.
Di deAPI context window-nya 1.000.000 token, prompt dan jawaban digabung, dan satu jawaban bisa sepanjang 131.072 token. Model card Moonshot AI mencantumkan panjang konteks 1.048.576 token untuk modelnya sendiri.
Menurut model card Moonshot AI, pada reasoning effort max: 93,5 di GPQA Diamond, 67,5 di DeepSWE (task v1.1) dan 88,3 di Terminal-Bench 2.1 (keduanya dengan harness Kimi Code). Untuk gambar, model card mencantumkan 91,1 di OmniDocBench dan 81,6 di MMMU-Pro tanpa tool. Ini angka dari Moonshot AI. Uji model ini pada data Anda sendiri dengan kredit gratis.
Atur reasoning_effort ke none. Pada request tiket dari contoh cURL, none menjawab “billing” dengan 7 token output dan tanpa token reasoning. high memberi jawaban yang sama dengan 19 token output, 6 di antaranya reasoning (masing-masing satu kali percobaan). Tingkat di antaranya adalah minimal, low dan medium. Di atas high ada xhigh dan max.
Moonshot AI mempublikasikan weights-nya di Hugging Face dengan lisensi Kimi K3 License. Ini lisensi milik Moonshot AI sendiri, dengan syarat tambahan untuk bisnis model-as-a-service berskala besar dan produk yang sangat besar, jadi bacalah sebelum Anda meng-hosting weights-nya sendiri. Panggilan lewat deAPI tunduk pada Ketentuan Layanan deAPI.

Kirim request Kimi K3 pertama Anda dengan kredit gratis $5

Daftar dengan email atau Google. Tanpa langganan, bayar sesuai pemakaian.