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, wypróbuj za darmo

Kimi K3 to duży model językowy z otwartymi wagami od Moonshot AI, który potrafi rozumować. Czyta tekst i obrazy i mieści do 1 mln tokenów kontekstu. deAPI udostępnia go na endpoincie zgodnym z OpenAI, więc OpenAI SDK działa po zmianie base URL, klucza i identyfikatora modelu.

  • Tekst i obrazy na wejściu, okno kontekstowe 1 000 000 tokenów
  • Wynik według JSON schema, wywołania narzędzi i streaming
  • reasoning_effort na siedmiu poziomach, od none do max

Bez karty kredytowej · Darmowe kredyty są ważne 30 dni · Potem doładowujesz konto i płacisz za użycie, bez abonamentu

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 tokenów

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);
}
tokeny: 180 wejściowych + 113 wyjściowych (8 na rozumowanie) · 4,1 s Koszt w deAPI: 0,0025 $ (stan na listopad 2026)

Zastosowania Kimi K3

Cztery zadania, do których model pasuje, każde z liczbą na poparcie. Wszystkie działają na tym samym kluczu deAPI co transkrypcja, OCR i generowanie obrazów.

  1. Faktury, paragony i formularze. Wyślij zdjęcie lub skan jako image_url razem z JSON schema. Dla wygenerowanej niemieckiej faktury poniżej model zwrócił wszystkie 10 pól w obu z dwóch przebiegów, z datami w formacie ISO i kwotami jako liczbami. Moonshot AI podaje 91,1 w OmniDocBench przy poziomie rozumowania max.

  2. Code review i agenci kodujący. Pytanie powyżej to prawdziwe wywołanie: 113 tokenów wyjściowych na przyczynę i poprawkę. Przy poziomie rozumowania max, z własnym harnessem Kimi Code, Moonshot AI podaje 67,5 w DeepSWE (zadania v1.1) i 88,3 w Terminal-Bench 2.1. Narzędzia do kodowania, które obsługują OpenAI Chat Completions API, możesz skierować na https://oai.deapi.ai/v1.

  3. Długie transkrypcje i dokumenty. Okno kontekstowe mieści 1 000 000 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 131 072. Zrób transkrypcję całego dnia rozmów sprzedażowych modelem WhisperLargeV3Ct2 i w jednym zapytaniu poproś o obiekcje, ustalone dalsze kroki i cytaty.

  4. Agenci, którzy wywołują deAPI. Opisz endpointy deAPI jako narzędzia. Poproszony o rozdziały ze znacznikami czasu dla filmu z YouTube, model wywołał transcribe_video z adresem URL filmu i include_ts: true (jeden przebieg). Twój kod wykonuje to wywołanie i odsyła transkrypcję.

Niemiecka faktura od Nordlicht Studio GmbH z trzema pozycjami i sumą 2677,50 EUR
Odpowiedź: 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"
}
Przykład z fakturą: obraz na wejściu, JSON na wyjściu System: „Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” Użytkownik: „Extract the fields from this invoice.” JSON schema z 10 polami, temperatura 0. Tokeny: 1426 wejściowych + 332 wyjściowe (234 na rozumowanie), 7,7 s przy pierwszym wywołaniu.

Cennik Kimi K3 API

Płacisz za tokeny z tego samego doładowanego salda co za każdy inny model w deAPI. Tokeny rozumowania wchodzą w skład completion_tokens w usage. Bez abonamentu.

Wejście (tekst i obrazy) 3,30 $ ≈ 1,5 mln tokenów
Wejście z cache (powtórzony początek promptu) 0,33 $ ≈ 15 mln tokenów
Wyjście (odpowiedź i rozumowanie) 16,50 $ ≈ 0,3 mln tokenów
Pytanie z góry strony, jedno wywołanie 0,0025 $ ≈ 2 000 wywołań
Przykład z fakturą, jedno wywołanie 0,01 $ ≈ 490 wywołań

Co zawiera darmowe konto

  • 5 $ kredytów po dodaniu karty płatniczej
  • Około 2 000 wywołań takich jak pytanie z góry strony
  • Kredyty ważne 30 dni, potem doładowujesz konto i płacisz za użycie
Odbierz 5 $ na start

Ceny dla kimi-k3 w USD, listopad 2026. Liczby tokenów z pytania na górze strony i z przykładu z fakturą; jedno wywołanie z fakturą kosztuje 0,01 $. Limity kontekstu i wyjścia z GET https://oai.deapi.ai/v1/models.

Kimi K3 vs Qwen3.8 Max vs GLM-5.3

Wejście Tekst, obraz Tekst, obraz Tekst
Kontekst 1 000 000 tokenów 1 000 000 tokenów 1 000 000 tokenów
Maks. wyjście 131 072 tokeny 131 072 tokeny 131 072 tokeny
reasoning_effort od none do max, 7 poziomów od none do max, 7 poziomów low, high lub max
Wynik ustrukturyzowany json_schema, json_object json_schema, json_object json_object
Cena za 1 mln, wejście / wyjście 3,30 $ / 16,50 $ 2,20 $ / 6,60 $ 1,54 $ / 4,84 $

Identyfikatory modeli: kimi-k3, qwen3.8-max, glm-5.3. Limity i typy wejścia z GET /v1/models. Poziomy rozumowania i formaty wyniku przetestowane 16 listopada 2026.

Przykładowe zapytanie do API Kimi K3

Jedno zapytanie POST na https://oai.deapi.ai/v1/chat/completions z kluczem deAPI jako tokenem Bearer. W OpenAI SDK ustawiasz base_url, klucz deAPI i identyfikator modelu, a reszta wywołania Chat Completions zostaje bez zmian. W miejsce YOUR_API_KEY wstaw klucz z panelu.

Identyfikator modelu
kimi-k3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Wejście
Tekst i obrazy jako części image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane.
Kontekst i wyjście
Okno kontekstowe 1 000 000 tokenów (prompt i odpowiedź łącznie), do 131 072 tokenów na odpowiedź
Rozumowanie
reasoning_effort: none, minimal, low, medium, high, xhigh lub max. Rozumowanie wraca w reasoning_content.
Opcje wyniku
response_format z json_schema (strict) lub 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)

Czym jest Kimi K3?

Kimi K3 to model Mixture-of-Experts z otwartymi wagami, który Moonshot AI publikuje na własnej licencji Kimi K3 License. Ma łącznie 2,8T parametrów i aktywuje 104B z nich na token, wybierając 16 z 896 ekspertów. Obrazy czyta enkoder wizyjny MoonViT-V2 o 401M parametrów. Model pisze tekst i potrafi rozumować przed odpowiedzią. W deAPI wywołujesz go jak każdy model czatu OpenAI i płacisz za tokeny.

  1. Załóż darmowe konto

    Zarejestruj się i odbierz 5 $ kredytów.

  2. Skieruj klienta na deAPI

    Ustaw base_url na https://oai.deapi.ai/v1 i użyj klucza deAPI.

  3. Wyślij zapytanie

    Jako model podaj kimi-k3, a odpowiedź odczytaj z choices[0].message.content.

Kimi K3: najczęstsze pytania

Tak. deAPI udostępnia go pod adresem https://oai.deapi.ai/v1 z identyfikatorem modelu kimi-k3, w formacie zapytań i odpowiedzi OpenAI Chat Completions API. Jeśli twój kod już używa OpenAI SDK, zmieniasz trzy wartości: base_url, klucz API i model. Zanim przełączysz ruch, uruchom własne testy.
Nowe konto deAPI dostaje 5 $ kredytów po dodaniu karty płatniczej, co wystarcza na około 2 000 wywołań takich jak pytanie o kod na górze tej strony. Kredyty są ważne 30 dni. Potem doładowujesz konto i płacisz za użycie, bez abonamentu.
3,30 $ za milion tokenów wejściowych, 0,33 $ za milion tokenów wejściowych z cache i 16,50 $ za milion tokenów wyjściowych (listopad 2026). Tokeny rozumowania liczą się jako wyjście, a zobaczysz je w usage.completion_tokens_details.reasoning_tokens.
Tak. Dodaj do wiadomości użytkownika część image_url: data URL w base64 albo publiczny link HTTPS. Pliki PDF i audio są odrzucane: PDF-y przepuść przez OCR API albo wyślij strony jako obrazy, a audio najpierw przetranskrybuj.
W deAPI okno kontekstowe ma 1 000 000 tokenów, prompt i odpowiedź łącznie, a jedna odpowiedź może mieć do 131 072 tokenów. Karta modelu Moonshot AI podaje dla samego modelu długość kontekstu 1 048 576 tokenów.
Karta modelu Moonshot AI, przy poziomie rozumowania max: 93,5 w GPQA Diamond, 67,5 w DeepSWE (zadania v1.1) i 88,3 w Terminal-Bench 2.1 (oba z harnessem Kimi Code). Dla obrazów podaje 91,1 w OmniDocBench i 81,6 w MMMU-Pro bez narzędzi. To liczby Moonshot AI; sprawdź model na własnych danych za darmowe kredyty.
Ustaw reasoning_effort na none. Na zapytanie o zgłoszenie z przykładu cURL model z none odpowiedział „billing”, zużywając 7 tokenów wyjściowych i żadnego tokenu rozumowania. Z high dał tę samą odpowiedź przy 19 tokenach wyjściowych, z czego 6 poszło na rozumowanie (po jednym przebiegu). Poziomy pośrednie to minimal, low i medium, a powyżej high są xhigh i max.
Moonshot AI publikuje wagi na Hugging Face na licencji Kimi K3 License. To własna licencja Moonshot AI, z dodatkowymi warunkami dla dużych firm oferujących modele jako usługę (model-as-a-service) i dla bardzo dużych produktów, więc przeczytaj ją, zanim zaczniesz samodzielnie hostować wagi. Wywołania przez deAPI podlegają regulaminowi deAPI.

Wyślij pierwsze zapytanie do Kimi K3 za darmowe 5 $

Rejestracja przez e-mail albo Google. Bez abonamentu, płacisz za użycie.