Kimi K3 API 中转

1. Kimi K3 是什么

Kimi K3（kimi-k3）由 Moonshot AI 提供，是国产阵营中长文本能力的代表性旗舰：首页模型卡对其的定位是「超强长文档分析与中文多轮推理」，配合 1M tokens 的超大窗口与思维链标签，专为重材料、重逻辑的任务设计。

它的目录画像：

• 1M tokens 上下文：整卷材料一次性装入，免切分。
• 能力标签：视觉理解、长文本、思维链，读图、读长文、逐步推演三项齐备。
• 本站 ¥4.2/¥21 每百万 tokens：渠道目录参考价 ¥21/¥105 与国际同档型号持平，站内倍率 0.2x，缓存读 ¥0.42、缓存写免费。

2. 超长文档分析工作流

把大材料交给 K3 时，推荐三段式的固定打法：

1. 整体速览：先要求模型输出材料的章节地图与核心论点清单，确认它「读懂了结构」；
2. 定向追问：围绕第 1 步的地图逐节深入——财务口径、责任条款、实验方法等，每轮只锁一个主题；
3. 交叉复核：让模型引用原文位置回答「依据在哪一段」，把幻觉风险压到最低；
4. 结构化沉淀：把最终结论固化为表格或 JSON 字段，交付给下游系统直接消费，而不是停留在对话里。

这套流程的价值在于把 1M 窗口当作「全程在场」的资料库，而不是一次性的摘要机器；配合思维链标签，推理路径可见、结论可追溯。

3. 适用场景

研究报告精读

行业研报、学术长文的全文级解读与观点提取，中文表述的还原度是其相对优势。

合同与合规审阅

成套协议的责任条款梳理与冲突比对，配合思维链输出推理依据便于法务复核。

中文多轮深度对话

需要长期记忆上下文的咨询式对话与知识库问答，多轮之后仍能咬住早期设定。

代码库级理解

大型仓库的架构梳理与跨文件依赖分析——把核心目录树与关键模块一次性装入窗口，从全局视角回答「这个功能改哪里」。

4. API 最小示例

curl https://www.codex789.com/v1/chat/completions \
  -H "Authorization: Bearer sk-codex789-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {"role": "user", "content": "先给出这份研报的章节地图，再列出三个最反直觉的结论"}
    ]
  }'

Python SDK

from openai import OpenAI

client = OpenAI(
    base_url="https://www.codex789.com/v1",
    api_key="sk-codex789-your-api-key",
)

resp = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "对比这两份合同的违约条款差异"}],
)
print(resp.choices[0].message.content)

5. 价格与倍率说明

系列内选型：K3 是本站 Kimi 系列的最高价位档——K2.6（¥1.33/¥5.6）与 K2.7 Code（¥1.54/¥7.0）覆盖预算敏感的通用与代码任务，K3 以 1M 窗口与思维链标签服务重材料任务。

长文本场景的成本特性：这类任务的输入体量天然偏大——一次整卷分析仅输入就可能达到数十万 tokens，按本站 ¥4.2/MT 折算单次约几元钱（以 30 万 tokens 输入为例约 ¥1.26）。正因如此，「免切分直投」省下的拼接与重试成本，往往比单价差更值得关注。

6. 常见问题