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 · Visão

API Kimi K3, grátis para testar

O Kimi K3 é um grande modelo de linguagem (LLM) de pesos abertos da Moonshot AI, capaz de raciocinar. Ele lê texto e imagens e comporta até 1M de tokens de contexto. O deAPI oferece o modelo em um endpoint compatível com a OpenAI, então o SDK da OpenAI funciona assim que você troca a base URL, a chave e o ID do modelo.

  • Entrada de texto e imagens, janela de contexto de 1.000.000 de tokens
  • Saída em JSON schema, chamadas de ferramentas e streaming
  • reasoning_effort em sete níveis, de none a max

Sem cartão de crédito · Créditos grátis válidos por 30 dias · Depois, você recarrega o saldo e paga pelo uso, sem assinatura

Kimi K3 LLM · Visão

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 saída (8 de raciocínio) · 4,1 s Custo no deAPI: US$ 0,0025 (preço de novembro de 2026)

Casos de uso do Kimi K3

Quatro tarefas em que o modelo se encaixa, cada uma com o número que sustenta a escolha. Todas rodam com a mesma chave do deAPI que você usa para transcrição, OCR e geração de imagens.

  1. Faturas, recibos e formulários. Envie uma foto ou um scan como image_url junto com um JSON schema. Na fatura alemã gerada que aparece abaixo, ele devolveu os 10 campos nas duas execuções feitas, com datas em formato ISO e valores como números. A Moonshot AI informa 91,1 no OmniDocBench com esforço de raciocínio max.

  2. Code review e agentes de programação. A pergunta acima é uma chamada real: 113 tokens de saída para a causa e a correção. Com esforço de raciocínio max e o harness Kimi Code, a Moonshot AI informa 67,5 no DeepSWE (tarefas v1.1) e 88,3 no Terminal-Bench 2.1. Ferramentas de programação que falam a API Chat Completions da OpenAI podem apontar para https://oai.deapi.ai/v1.

  3. Transcrições e documentos longos. A janela de contexto comporta 1.000.000 de tokens, prompt e resposta juntos, e uma resposta pode chegar a 131.072. Transcreva um dia inteiro de ligações de vendas com o WhisperLargeV3Ct2 e peça objeções, próximos passos e citações em uma única requisição.

  4. Agentes que chamam o deAPI. Descreva os endpoints do deAPI como ferramentas. Quando pedimos os capítulos com timestamps de um vídeo do YouTube, o modelo chamou transcribe_video com a URL do vídeo e include_ts: true (uma execução). Seu código executa essa chamada e envia a transcrição de volta.

Fatura alemã da Nordlicht Studio GmbH com três itens e total de 2.677,50 EUR
Resposta: 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"
}
Exemplo da fatura: imagem na entrada, JSON na saída System: “Extract invoice fields. Dates as YYYY-MM-DD, amounts as numbers.” User: “Extract the fields from this invoice.” JSON schema com 10 campos, temperatura 0. 1.426 tokens de entrada + 332 de saída (234 de raciocínio), 7,7 s na primeira chamada.

Preços da API Kimi K3

Você paga por token, com o mesmo saldo pré-pago de todos os outros modelos do deAPI. Os tokens de raciocínio fazem parte de completion_tokens em usage. Sem assinatura.

Entrada (texto e imagens) US$ 3,30 ≈ 1,5M de tokens
Entrada em cache (prefixo de prompt repetido) US$ 0,33 ≈ 15M de tokens
Saída (resposta e raciocínio) US$ 16,50 ≈ 0,3M de tokens
Pergunta do topo da página, uma chamada US$ 0,0025 ≈ 2.000 chamadas
Exemplo da fatura, uma chamada US$ 0,01 ≈ 490 chamadas

O que vem na conta gratuita

  • US$ 5 em créditos assim que você adiciona um cartão de pagamento
  • Cerca de 2.000 chamadas como a da pergunta do topo da página
  • Créditos válidos por 30 dias; depois, você recarrega o saldo e paga pelo uso
Ganhe US$ 5 em créditos

Preços do kimi-k3 em dólares americanos (USD), novembro de 2026. Contagens de tokens da pergunta do topo da página e do exemplo da fatura; uma chamada da fatura custa US$ 0,01. Limites de contexto e de saída de GET https://oai.deapi.ai/v1/models.

Kimi K3 vs Qwen3.8 Max vs GLM-5.3

Entrada Texto, imagem Texto, imagem Texto
Contexto 1.000.000 tokens 1.000.000 tokens 1.000.000 tokens
Saída máxima 131.072 tokens 131.072 tokens 131.072 tokens
reasoning_effort de none a max, 7 níveis de none a max, 7 níveis low, high ou max
Saída estruturada json_schema, json_object json_schema, json_object json_object
Preço por 1M, entrada / saída US$ 3,30 / US$ 16,50 US$ 2,20 / US$ 6,60 US$ 1,54 / US$ 4,84

IDs dos modelos: kimi-k3, qwen3.8-max, glm-5.3. Limites e tipos de entrada de GET /v1/models. Níveis de raciocínio e formatos de saída testados em 16 de novembro de 2026.

Exemplo da API Kimi K3

Um POST para https://oai.deapi.ai/v1/chat/completions com sua chave do deAPI como Bearer token. No SDK da OpenAI, defina base_url, sua chave do deAPI e o ID do modelo; o restante da chamada de Chat Completions continua igual. Troque YOUR_API_KEY por uma chave do seu painel.

ID do modelo
kimi-k3
Endpoint
POST https://oai.deapi.ai/v1/chat/completions
Entrada
Texto e imagens como partes image_url: uma data URL em base64 ou um link HTTPS público. PDFs e áudio são rejeitados.
Contexto e saída
Janela de contexto de 1.000.000 de tokens (prompt e resposta juntos), até 131.072 tokens por resposta
Raciocínio
reasoning_effort: none, minimal, low, medium, high, xhigh ou max. O raciocínio volta em reasoning_content.
Opções de saída
response_format com json_schema (strict) ou 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)

O que é o Kimi K3?

O Kimi K3 é um modelo Mixture-of-Experts de pesos abertos que a Moonshot AI publica sob uma licença própria, a Kimi K3 License. Ele tem 2,8T de parâmetros no total e ativa 104B deles por token, escolhendo 16 de 896 especialistas. Um encoder de visão de 401M de parâmetros, o MoonViT-V2, lê as imagens. Ele escreve texto e pode raciocinar antes de responder. No deAPI, você o chama como qualquer modelo de chat da OpenAI e paga por token.

  1. Crie uma conta gratuita

    Cadastre-se e ganhe US$ 5 em créditos.

  2. Aponte seu cliente para o deAPI

    Defina base_url como https://oai.deapi.ai/v1 e use sua chave do deAPI.

  3. Envie a requisição

    Use kimi-k3 como modelo e leia a resposta em choices[0].message.content.

Perguntas sobre o Kimi K3

Sim. O deAPI oferece o modelo em https://oai.deapi.ai/v1 com o ID kimi-k3, no formato de requisição e resposta da API Chat Completions da OpenAI. Se o seu código já usa o SDK da OpenAI, você muda três valores: base_url, a chave de API e o modelo. Rode seus próprios testes antes de migrar o tráfego.
Uma conta nova no deAPI ganha US$ 5 em créditos assim que você adiciona um cartão de pagamento, o suficiente para cerca de 2.000 chamadas como a da pergunta de código no topo desta página. Os créditos valem por 30 dias. Depois disso, você recarrega o saldo e paga pelo uso, sem assinatura.
US$ 3,30 por milhão de tokens de entrada, US$ 0,33 por milhão de tokens de entrada em cache e US$ 16,50 por milhão de tokens de saída (novembro de 2026). Os tokens de raciocínio contam como saída, e você os vê em usage.completion_tokens_details.reasoning_tokens.
Sim. Adicione uma parte image_url à mensagem do usuário, como data URL em base64 ou link HTTPS público. PDFs e arquivos de áudio são rejeitados: passe os PDFs pela API OCR ou envie as páginas como imagens, e transcreva o áudio antes.
No deAPI, a janela de contexto é de 1.000.000 de tokens, prompt e resposta juntos, e uma resposta pode ter até 131.072 tokens. O model card da Moonshot AI informa um contexto de 1.048.576 tokens para o modelo em si.
Segundo o model card da Moonshot AI, com esforço de raciocínio max: 93,5 no GPQA Diamond, 67,5 no DeepSWE (tarefas v1.1) e 88,3 no Terminal-Bench 2.1 (ambos com o harness Kimi Code). Em imagens, o card lista 91,1 no OmniDocBench e 81,6 no MMMU-Pro sem ferramentas. São números da Moonshot AI; teste o modelo com seus próprios dados usando os créditos grátis.
Defina reasoning_effort como none. Na requisição de ticket do exemplo em cURL, none respondeu “billing” com 7 tokens de saída e nenhum token de raciocínio. high deu a mesma resposta com 19 tokens de saída, 6 deles de raciocínio (uma execução cada). Os níveis intermediários são minimal, low e medium; acima de high vêm xhigh e max.
A Moonshot AI publica os pesos no Hugging Face sob a Kimi K3 License. É uma licença própria da Moonshot AI, com condições extras para grandes negócios de modelo como serviço e para produtos muito grandes, então leia o texto antes de hospedar os pesos por conta própria. As chamadas pelo deAPI estão sujeitas aos Termos de Serviço do deAPI.

Envie sua primeira requisição ao Kimi K3 com US$ 5 em créditos grátis

Cadastre-se com e-mail ou Google. Sem assinatura, você paga pelo uso.