Kimi K3 เป็นโมเดลเรือธงของ Moonshot AI และเป็นรุ่นที่มีความสามารถมากที่สุดเท่าที่เคยเปิดตัวมา — เป็นโมเดล Mixture-of-Experts ที่มีพารามิเตอร์ 2.8 ล้านล้าน สร้างขึ้นสำหรับการเขียนโค้ดระยะยาวและงานความรู้แบบ end-to-end มันจับคู่หน้าต่างบริบท 1M-token กับความเข้าใจภาพแบบเนทีฟ รองรับการป้อนข้อความและภาพพร้อมผลลัพธ์เป็นข้อความ และถูกออกแบบให้คงความสอดคล้องกันตลอดเซสชัน agentic ที่ยาวนานมาก Moonshot วางตำแหน่ง K3 สำหรับสถานการณ์ programming-agent เช่น Codex, Claude Code, Cline และ RooCode รวมถึงงานการใช้เหตุผลเชิงลึกและงานความรู้ มันเปิดเผยการควบคุม reasoning_effort ระดับบนสุด และการเรียกใช้เครื่องมือแบบเนทีฟ และพูดรูปแบบ OpenAI API เพื่อการบูรณาการแบบ drop-in หมายเหตุว่า K3 ไม่ยอมรับพารามิเตอร์ sampling (ไม่มี temperature / top_p / seed) — ความลึกของการใช้เหตุผลถูกควบคุมผ่าน reasoning_effort แทน
MoonshotAI Kimi K3 เป็นโมเดลภาษาขนาดใหญ่ที่พัฒนาโดย MoonshotAI บริษัท AI สัญชาติจีน รองรับหน้าต่างบริบทขนาด 1,048,576 โทเคน และยอมรับการป้อนข้อมูลทั้งข้อความและรูปภาพ…
ความสามารถหลักของ Kimi K3 คือการประมวลผลหน้าต่างบริบท (context window) ที่มีขนาดสูงสุด 1,048,576 โทเค็น ทำให้สามารถรวมนวนิยายทั้งเล่ม คู่มือเทคนิคเล่มยาว หรือประวัติการสนทนาที่มีจำนวนมาก ไว้ในพรอมต์เดียว นอกจากนี้ยังรองรับรูปภาพ ทำให้สามารถให้เหตุผลแบบหลายรูปแบบ (multimodal reasoning) โมเดลนี้สามารถทำงานต่าง ๆ เช่น การสรุป การตอบคำถาม และการสร้างเนื้อหา สำหรับอินพุตที่มีความยาวมาก โมเดลสามารถเข้าใจคำสั่งที่ซับซ้อนและปฏิบัติตามได้ในลำดับที่ยาว รองรับพารามิเตอร์ API ที่เข้ากันได้กับ OpenAI เช่น temperature, max_tokens, top_p และ stop sequences ผ่าน OrcaRouter
Kimi K3 เหมาะที่สุดเมื่องานที่ทำจำเป็นต้องใช้บริบทที่ใหญ่มาก—เช่น การวิเคราะห์เอกสาร 1,000 หน้าพร้อมกัน หรือการรักษาบทสนทนาที่มีประวัติเต็มรูปแบบหลายร้อยข้อความ สำหรับอินพุตที่สั้นกว่า ค่าใช้จ่ายต่อโทเคนที่สูงกว่า ($3/$15 ต่อล้าน) อาจไม่คุ้มค่า โมเดลที่ถูกกว่าซึ่งมีหน้าต่างบริบทที่เล็กกว่าสามารถจัดการงานทั่วไปส่วนใหญ่ได้อย่างมีประสิทธิภาพมากกว่า ใช้ Kimi K3 เฉพาะเมื่องานต้องการหน้าต่างบริบทเต็มรูปแบบเพื่อหลีกเลี่ยงการตัดทอนหรือขั้นตอนการแบ่งส่วนและสรุปหลายครั้ง
Kimi K3 โดดเด่นในงานที่ข้อมูลกระจายตัวอยู่ในข้อความยาวมากหรือรวมถึงรูปภาพ ตัวอย่างเช่น การดึงข้อเท็จจริงสำคัญจากรายงานที่มีความยาวเท่าเล่มหนังสือ การตอบคำถามเกี่ยวกับชุดโค้ดทั้งหมด การเปรียบเทียบงานวิจัยหลายชิ้น หรือการวิเคราะห์ไดอะแกรมหลายชุด นอกจากนี้ยังสามารถรักษาความสม่ำเสมอในการสนทนาที่ยาวนานได้ จุดแข็งของมันอยู่ที่ความสามารถในการใส่ใจทุกส่วนของบริบทพร้อมกัน ลดความจำเป็นในการดึงข้อมูลภายนอกหรือการแบ่งส่วนข้อมูล
แม้ว่า Kimi K3 จะมีหน้าต่างบริบทที่ใหญ่ แต่อาจทำงานได้ไม่ดีเท่ารุ่นที่เล็กกว่าและถูกปรับแต่งอย่างดีสำหรับงานที่แคบเสมอไป บริบทที่ใหญ่ยังสามารถเพิ่มเวลาแฝงและต้นทุนการคำนวณได้ ข้อจำกัดที่แน่นอน (เช่น ความละเอียดภาพสูงสุด, ประเภทไฟล์ที่รองรับ, ความสามารถทางภาษา) ไม่ได้ระบุไว้ในข้อเท็จจริงที่ให้มา แต่เป็นส่วนหนึ่งของการออกแบบโมเดล ผู้ใช้ควรตระหนักว่าคำสั่งที่ยาวมากจะใช้โทเค็นจำนวนมากและทำให้เกิดต้นทุนที่สูงขึ้น โมเดลนี้เข้าถึงผ่าน OrcaRouter; การทำงานของผู้ให้บริการและเวลาในการตอบสนองจะมีผล
ข้อเท็จจริงที่ให้มาไม่รวมคะแนนมาตรฐานเฉพาะสำหรับ Kimi K3 โดยทั่วไปแล้ว โมเดลที่มีบริบทขนาดใหญ่จะถูกประเมินจากงานต่างๆ เช่น การทดสอบ Needle in a Haystack คำถาม-คำตอบเอกสารยาว และการสรุปความ MoonshotAI อาจเผยแพร่ผลลัพธ์ไว้ ผู้ใช้ควรปรึกษาเอกสารอย่างเป็นทางการ ไม่มีการระบุประสิทธิภาพของโมเดลในการวัดมาตรฐาน NLP ทั่วไป (เช่น MMLU, GSM8K) เราขอแนะนำให้ทดสอบ Kimi K3 บนชุดข้อมูลประเมินผลของคุณเองเพื่อวัดประสิทธิภาพสำหรับกรณีการใช้งานของคุณ
หน้าต่างบริบทที่มี 1,048,576 โทเคนหมายความว่าโมเดลสามารถประมวลผลคำภาษาอังกฤษประมาณ 1.5 ล้านคำ หรืออักขระภาษาจีน 800,000 ตัวในครั้งเดียว ในทางปฏิบัติ สิ่งนี้ช่วยให้สามารถจัดการกับหนังสือทั้งเล่ม บันทึกการสนทนาที่ยาว หรือข้อมูลมัลติโมดัลที่มีรูปภาพจำนวนมาก อย่างไรก็ตาม โทเคนทั้งหมดอาจถูกใช้ไม่เท่ากัน กลไกการสนใจบางครั้งจะมุ่งเน้นไปที่ส่วนที่เพิ่งเกิดขึ้นหรือส่วนที่โดดเด่นมากกว่า ความสามารถของโมเดลในการดึงข้อมูลจากตรงกลางของบริบทที่ยาวสามารถทดสอบได้ ประสิทธิภาพในงานดังกล่าวมักจะดีกว่าโมเดลที่มีบริบทเล็กกว่า แต่อาจยังมีช่องว่างสำหรับการปรับปรุง
ความหน่วงและปริมาณงานไม่ได้ระบุไว้ในข้อมูลที่ให้มา โมเดลที่มีหน้าต่างบริบทขนาดใหญ่มากโดยทั่วไปจะใช้เวลานานกว่าในการประมวลผลแต่ละคำขอ เนื่องจากกลไกการใส่ใจจะปรับขนาดแบบกำลังสองตามความยาวลำดับ สำหรับเอาต์พุตเต็ม 1 ล้านโทเคน คาดว่าความหน่วงจะสูง ผ่าน OrcaRouter คุณสามารถตั้งค่า max_tokens เพื่อจำกัดความยาวเอาต์พุตและควบคุมเวลาตอบสนอง สำหรับแอปพลิเคชันแบบเรียลไทม์ ควรพิจารณาใช้โมเดลที่เล็กกว่า การประมวลผลแบบกลุ่มของงานที่ยาวขึ้นอาจใช้งานได้จริงมากกว่า ประสิทธิภาพที่แท้จริงจะขึ้นอยู่กับโครงสร้างพื้นฐานของผู้ให้บริการและโหลดปัจจุบัน
Kimi K3 มีหน้าต่างบริบทขนาดใหญ่ซึ่งเป็นจุดแข็ง แต่ก็เป็นความท้าทายเช่นกัน อาจมีความแม่นยำน้อยกว่าในงานที่ต้องใช้การให้เหตุผลอย่างแม่นยำบนอินพุตสั้นเมื่อเทียบกับโมเดลเฉพาะทาง โมเดลอาจมีคุณภาพต่ำกว่าในด้านต่างๆ เช่น การเขียนเชิงสร้างสรรค์หรือการสร้างโค้ด เมื่อเทียบกับโมเดลที่ปรับแต่งสำหรับงานเหล่านั้น นอกจากนี้ ต้นทุนต่อโทเค็นค่อนข้างสูง ดังนั้นการใช้สำหรับข้อความแจ้งสั้นๆ จึงไม่มีประสิทธิภาพ โมเดลนี้ค่อนข้างใหม่ เสถียรภาพในระยะยาวและการสนับสนุนจาก MoonshotAI เป็นปัจจัยที่ต้องพิจารณา
Kimi K3 มีราคาอยู่ที่ $3.00 ต่อ 1 ล้าน input tokens และ $15.00 ต่อ 1 ล้าน output tokens อัตราเหล่านี้เป็นอัตราของผู้ให้บริการ โดยไม่มี markup เพิ่มเติมจาก OrcaRouter Input tokens รวมถึง tokens ทั้งข้อความและรูปภาพ (รูปภาพจะถูกคิดค่าบริการตามจำนวน token ที่เทียบเท่า) Output tokens คือ tokens ใดๆ ที่ถูกสร้างขึ้นโดยโมเดล ไม่มีค่าธรรมเนียมเพิ่มเติมนอกเหนือจากต้นทุนต่อ token ราคาอาจมีการเปลี่ยนแปลงโดยผู้ให้บริการ แต่ OrcaRouter จะส่งต่ออัตราโดยไม่บวก margin
เนื่องจาก Kimi K3 สามารถรองรับบริบทที่ยาวมากได้ จึงสามารถแทนที่การเรียก API หลายครั้งที่จำเป็นต้องใช้กับโมเดลที่มีบริบทเล็กกว่า ซึ่งอาจช่วยลดต้นทุนโดยรวมสำหรับงานที่ต้องประมวลผลเอกสารทั้งฉบับ อย่างไรก็ตาม แต่ละโทเค็นมีราคาแพงกว่าโมเดลขนาดกะทัดรัดหลายรุ่น ตัวอย่างเช่น การป้อนข้อมูล 1M โทเค็นที่ $3.00 เป็นราคาคงที่ ในขณะที่โมเดลที่เล็กกว่าอาจมีราคา $0.15 ต่อล้าน แต่ต้องเรียกใช้หลายครั้งเพื่อประมวลผลข้อมูลเดียวกัน การแลกเปลี่ยนคือระหว่างความเรียบง่ายกับต้นทุนต่อโทเค็น ผู้ใช้ควรประมาณการใช้งานโทเค็นทั้งหมดต่องาน
ข้อเท็จจริงที่ให้ไว้ไม่ได้ระบุถึงการแคชหรือส่วนลดปริมาณสำหรับ Kimi K3 บน OrcaRouter การกำหนดราคาเป็นแบบต่อโทเคนตามที่ผู้ให้บริการเรียกเก็บอย่างเคร่งครัด OrcaRouter อาจมีฟีเจอร์อย่างการบันทึกคำขอหรือการลองใหม่ แต่ไม่มีข้อบ่งชี้ถึงการลดราคาที่เฉพาะเจาะจง ผู้ใช้ควรตรวจสอบหน้าราคาปัจจุบันของ OrcaRouter สำหรับการอัปเดตใดๆ โดยทั่วไป ผู้ใช้ที่มีปริมาณมากอาจเจรจาโดยตรงกับผู้ให้บริการ แต่เมื่อใช้งานผ่าน OrcaRouter อัตราที่ระบุไว้จะถูกนำไปใช้
รูปภาพจะถูกแปลงเป็นโทเค็นเพื่อวัตถุประสงค์ในการคิดค่าบริการ การแปลงรูปภาพเป็นโทเค็นที่แน่นอนขึ้นอยู่กับความละเอียดของรูปภาพและอัลกอริทึมของผู้ให้บริการ โดยทั่วไป รูปภาพมาตรฐาน (เช่น 1024x1024) อาจมีราคาอยู่ที่ประมาณหลายร้อยโทเค็น เนื่องจากราคาอินพุตของ Kimi K3 อยู่ที่ $3.00 ต่อ 1 ล้านโทเค็น การรวมรูปภาพในพรอมต์จะเพิ่มจำนวนโทเค็นอินพุตและทำให้ค่าใช้จ่ายเพิ่มขึ้น สำหรับปริมาณงานที่มีรูปภาพจำนวนมาก ค่าใช้จ่ายทั้งหมดอาจเพิ่มขึ้นอย่างรวดเร็ว ขอแนะนำให้ลดขนาดรูปภาพหรือรวมเฉพาะรูปภาพที่เกี่ยวข้องเท่านั้นเพื่อควบคุมค่าใช้จ่าย
Kimi K3 ถูกเข้าถึงผ่าน API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter คุณส่งคำขอ HTTP POST ไปยัง https://api.orcarouter.ai/v1/chat/completions โดยตั้งค่าพารามิเตอร์ model เป็น "kimi/kimi-k3" รูปแบบคำขอเหมือนกับ Chat Completions API ของ OpenAI: รวมอาร์เรย์ messages ที่มีบทบาท system, user, และ assistant สำหรับอินพุตรูปภาพ ให้ใช้อาร์เรย์ content ที่มี type เป็น "image_url" ตรวจสอบให้แน่ใจว่าคุณมีคีย์ API จาก OrcaRouter ไม่จำเป็นต้องกำหนดค่าพิเศษใดๆ รองรับพารามิเตอร์มาตรฐาน เช่น temperature, max_tokens, top_p, และ stop
ผ่าน OrcaRouter, Kimi K3 รองรับพารามิเตอร์ที่เข้ากันได้กับ OpenAI มาตรฐาน: temperature (ค่าเริ่มต้น 0.7), max_tokens (สูงสุดถึงขีดจำกัดเอาต์พุตของโมเดล ซึ่งไม่ได้ระบุไว้แต่มีแนวโน้มน้อยกว่า 32K), top_p, frequency_penalty, presence_penalty, stop sequences และ n (จำนวนการตอบกลับ) โมเดลยังยอมรับพารามิเตอร์ stream สำหรับเอาต์พุตแบบเรียลไทม์ สำหรับการป้อนภาพ คุณสามารถใช้รูปแบบเนื้อหาแบบ multimodal พารามิเตอร์ที่ไม่รองรับจะถูกละเว้น หน้าต่างบริบทขนาดใหญ่ช่วยให้ตั้งค่า max_tokens สูงสำหรับเอาต์พุตที่ยาว แต่ต้องคำนึงถึงค่าใช้จ่าย
การย้ายระบบเป็นเรื่องง่ายหากคุณใช้ API ที่เข้ากันได้กับ OpenAI อยู่แล้ว เปลี่ยน base URL เป็น https://api.orcarouter.ai/v1, อัปเดต model ID เป็น "kimi/kimi-k3", และตั้งค่า API key ของ OrcaRouter ไม่จำเป็นต้องเปลี่ยนแปลงโค้ดหากคุณใช้รูปแบบข้อความเดียวกัน สำหรับการรองรับรูปภาพ ตรวจสอบให้แน่ใจว่า prompt ของคุณมี URL รูปภาพหรือข้อมูล base64 คุณอาจต้องปรับ max_tokens และพารามิเตอร์อื่นๆ ให้เข้ากับความสามารถของโมเดล ทดสอบกับตัวอย่างเล็กๆ ก่อนเพื่อยืนยันคุณภาพและค่าใช้จ่ายของผลลัพธ์
คุณต้องมีคีย์ API จาก OrcaRouter ใส่ไว้ในส่วนหัว Authorization เป็น Bearer YOUR_API_KEY OrcaRouter จัดการการยืนยันตัวตนและการเรียกเก็บเงิน เพื่อความปลอดภัย อย่าแชร์คีย์ของคุณ OrcaRouter อาจรองรับการหมุนเวียนคีย์ API ด้วย ไม่จำเป็นต้องมีการยืนยันตัวตนเพิ่มเติมจาก MoonshotAI คำขอทั้งหมดจะผ่านโครงสร้างพื้นฐานของ OrcaRouter ซึ่งจัดการการจำกัดอัตราการร้องขอและการจัดการข้อผิดพลาด ตรวจสอบให้แน่ใจว่าคำขอของคุณปฏิบัติตามข้อกำหนดการให้บริการของ OrcaRouter
Kimi K3 มีหน้าต่างบริบทขนาด 1,048,576 โทเคน ซึ่งเป็นหนึ่งในขนาดที่ใหญ่ที่สุดที่มีอยู่ สามารถเทียบได้กับโมเดลจากผู้ให้บริการรายอื่นที่รองรับบริบทระดับล้านโทเคนเช่นกัน ราคาที่ $3/$15 ต่อล้านโทเคนนั้นมีการแข่งขัน แตกต่างจากบางโมเดล Kimi K3 รองรับอินพุตแบบมัลติโมดัล (ข้อความและรูปภาพ) จุดแตกต่างที่สำคัญคือสามารถเข้าถึงได้ผ่าน OrcaRouter โดยไม่มีส่วนเพิ่ม เมื่อเปรียบเทียบกับโมเดลเช่น GPT-4 Turbo (บริบท 128K ต้นทุนสูงกว่า) Kimi K3 อาจถูกกว่าสำหรับลำดับที่ยาวมาก แต่อาจมีโปรไฟล์คุณภาพที่แตกต่างกัน ไม่มีการเปรียบเทียบเกณฑ์มาตรฐานให้
เมื่อภารกิจต้องการขอบเขตบริบทขนาดใหญ่เต็มรูปแบบ ให้เลือก Kimi K3 เช่น การวิเคราะห์เอกสาร 500 หน้าในคราวเดียว หรือรวมภาพจำนวนมากในพรอมต์เดียว รุ่นที่ถูกกว่าซึ่งมีขอบเขตบริบทเล็กกว่า (เช่น 128K โทเคน) อาจบังคับให้คุณต้องแบ่งข้อมูลที่ป้อนเข้า ทำให้สูญเสียการอ้างอิงระหว่างส่วนต่างๆ หากภารกิจสามารถแบ่งได้โดยไม่สูญเสียคุณภาพ รุ่นที่ถูกกว่าจะดีกว่าเนื่องจากต้นทุนต่อโทเคนต่ำกว่า นอกจากนี้ให้พิจารณาว่าจุดแข็งเฉพาะของรุ่น (มัลติโมดัล, บริบทยาว) เป็นสิ่งสำคัญหรือไม่
ข้อเท็จจริงที่ให้ไว้ครอบคลุมเฉพาะ Kimi K3 เท่านั้น MoonshotAI มีโมเดลก่อนหน้านี้ เช่น Kimi และ Kimi K2 Kimi K3 เป็นรุ่นล่าสุดที่มีหน้าต่างบริบทที่ใหญ่ขึ้นและรองรับมัลติโมดัล โมเดลก่อนหน้านี้อาจมีบริบทที่เล็กกว่าและอาจไม่รับรูปภาพ ราคาสำหรับโมเดลอื่นไม่ได้ระบุไว้ สำหรับผู้ใช้ปัจจุบันของโมเดลเก่าของ MoonshotAI การอัปเกรดเป็น Kimi K3 มอบความสามารถที่ขยายเพิ่มขึ้นแต่มีต้นทุนต่อโทเค็นที่สูงขึ้น การตัดสินใจขึ้นอยู่กับว่าบริบทที่ใหญ่ขึ้นและการป้อนข้อมูลรูปภาพนั้นคุ้มกับส่วนต่างราคาหรือไม่
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="kimi/kimi-k3",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoningmax_tokenspresence_penaltyreasoningreasoning_effortresponse_formatstopstructured_outputstool_choicetools| อินพุต / 1M โทเค็น | $3.00 |
| เอาต์พุต / 1M โทเค็น | $15.00 |
| อ่านแคช / 1M | $0.300 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
สิ่งที่นักพัฒนาพูดถึงในสัปดาห์นี้
GET /api/public/models/kimi/kimi-k3เปิด @misc{orcarouter_kimi_k3,
title = {Kimi K3 API},
author = {MoonshotAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/kimi/kimi-k3}
}MoonshotAI. (2026). Kimi K3 API. OrcaRouter. https://www.orcarouter.ai/models/kimi/kimi-k3