API Kimi K3 para Codificação, Agentes e Visão

A API Kimi K3 dá aos desenvolvedores acesso hospedado ao modelo principal da Moonshot AI para codificação de longo horizonte, análise multimodal, uso de ferramentas e trabalho de conhecimento de ponta a ponta. Lançado em 16 de julho de 2026, o K3 é um modelo Mixture-of-Experts de 2,8 trilhões de parâmetros. Ele ativa 16 dos 896 especialistas por token e combina Kimi Delta Attention, Attention Residuals e Stable LatentMoE para lidar com sequências longas com mais eficiência do que um modelo denso de tamanho total semelhante.

O K3 aceita entrada de texto, imagem e vídeo e retorna texto. Sua janela de contexto de 1M de tokens é destinada a cargas de trabalho que não podem ser reduzidas a um prompt curto: codificação em escala de repositório, análise de múltiplos documentos, longos históricos de ferramentas e ciclos de feedback visual. O modelo sempre raciocina. Os desenvolvedores podem definir reasoning_effort como low, high ou max, com max como padrão, em vez de ativar e desativar o pensamento.

O GPTProto adiciona uma camada de acesso diferente em torno do modelo. Uma mesma chave de API e saldo do Kimi K3 também podem ser usados em mais de 200 modelos de texto, imagem, vídeo e áudio. A tarifa exibida nesta página é de US$ 2,70 por 1M de tokens de entrada e US$ 13,50 por 1M de tokens de saída, 10% abaixo do preço de lista atual 3/15 da Moonshot. Isso torna o K3 mais fácil de testar ao lado de GPT-5.6 Sol, Claude Fable 5, GLM-5.2 ou outros modelos, sem abrir e financiar uma conta de provedor separada para cada experimento.

Aplicações da API Kimi K3

O K3 é mais útil quando uma tarefa combina um grande conjunto de trabalho com ações repetidas. Um agente de codificação pode inspecionar um repositório, editar vários arquivos, executar testes, ler logs e usar capturas de tela para refinar um frontend ou jogo. Um fluxo de trabalho de pesquisa pode manter um grande corpus de documentos em contexto, chamar ferramentas externas e retornar um resultado que segue um JSON Schema estrito. Um sistema de QA multimodal pode comparar capturas de tela de interface com detalhes de implementação, enquanto um fluxo de trabalho de vídeo pode analisar conteúdo enviado e retornar notas de cena, resumos ou metadados estruturados.

O modelo é menos interessante para classificação de textos curtos, chat simples ou extração em alto volume, quando um modelo menor já atende ao limite de qualidade. O K3 sempre raciocina, então até a sua configuração de esforço mais baixo deve ser avaliada quanto à latência e ao custo de tokens de saída. Comece com um fluxo de trabalho representativo, meça a conclusão da tarefa em vez de uma única resposta e compare o K3 com um modelo menor antes de direcionar todo o tráfego para ele.

Detalhes da API para verificar antes de migrar

O K3 funciona com o SDK da OpenAI e com o formato de solicitação do Chat Completions, mas possui um comportamento específico do modelo que uma simples troca de nome de modelo pode não captar.

Primeiro, o Preserved Thinking está sempre ativado. Em conversas de várias etapas e loops de ferramentas, retorne a mensagem completa do assistente da resposta anterior, incluindo reasoning_content e tool_calls. Manter apenas o content visível pode quebrar a continuidade do raciocínio e tornar sessões longas instáveis. O raciocínio histórico também consome contexto e é cobrado como uso de tokens, portanto compacte o trabalho concluído em vez de carregar todos os turnos para sempre.

Segundo, use o campo reasoning_effort de nível superior em vez da configuração thinking mais antiga do K2.x. O K3 suporta low, high e max. Seus valores de amostragem são fixos, portanto os aplicativos não devem depender de configurações personalizadas de temperatura ou penalidade.

Terceiro, analise os resultados estruturados do campo content final, não de reasoning_content. O K3 suporta o modo JSON e JSON Schema estrito por meio de response_format, o que é útil para pipelines de extração, argumentos de ferramentas e saídas de pesquisa legíveis por máquina.

Por fim, solicitações multimodais precisam de partes de conteúdo estruturadas. A interface nativa da Moonshot aceita imagens em base64 ou referências a arquivos enviados, em vez de URLs públicas de imagens. Confirme a documentação atual do GPTProto para ver os campos exatos de imagem e vídeo expostos por este endpoint antes de lançar um fluxo de trabalho multimodal.

Quando você deve escolher o Kimi K3?

O post de lançamento da própria Moonshot diz que o K3 ainda fica atrás do Claude Fable 5 e do GPT-5.6 Sol no desempenho geral. A razão para escolher o K3 não é a afirmação de que ele vence todos os benchmarks. Seu ponto mais forte é a combinação de uma janela de contexto de 1M, compreensão nativa de vídeo, codificação de longo horizonte e um preço do token substancialmente menor.

Escolha o K3 quando seu menor custo de API, entrada nativa de vídeo ou janela de contexto de 1M de tokens for mais importante do que vencer o conjunto mais amplo de avaliações de fronteira. Escolha o GPT-5.6 Sol ou o Claude Fable 5 quando sua própria avaliação no nível da tarefa mostrar que a maior taxa de conclusão compensa o preço mais alto dos tokens. Para uma discussão benchmark por benchmark, leia O que é o Kimi K3—e ele está realmente perto do GPT-5.6 e do Fable 5?.