
MoonshotAI: Kimi K3 (batch)
moonshotai/kimi-k3:batch
Poids du modèleKimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 2,28 $US | 11,40 $US | 0,228 $US | -- | -- |
Entrée 2,28 $US / Sortie 11,40 $US-- tok/s-- de disponibilité
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
Kimi K3 (batch) — Historique des prix
| 0,00 $US | 0,00 $US | 0,0 % | 100,0 % |
- Prix effectif en entrée 0,00 $US / Sortie effective 0,00 $USPart des jetons100,0 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Les données de disponibilité sont encore insuffisantes pour être affichées.
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| Artificial Analysis | Kimi K3 (Max) Coding Index | 76,2 |
| Artificial Analysis | Kimi K3 (Max) Agentic Index | 50,0 |
| Artificial Analysis | Kimi K3 (Max) GPQA Diamond | 93.5% |
| Artificial Analysis | Kimi K3 (Max) HLE | 46.9% |
| Artificial Analysis | Kimi K3 (Max) AA-LCR | 88.7% |
| Artificial Analysis | Kimi K3 (Max) τ-Bench Banking | 46.0% |
| Artificial Analysis | Kimi K3 (Max) GDPval-AA | 52.1% |
| Artificial Analysis | Kimi K3 (Max) CritPt | 23.4% |
| Artificial Analysis | Kimi K3 (Max) SciCode | 59.5% |
| Artificial Analysis | Kimi K3 (Max) Terminal-Bench 4.0 | 12.6% |
| Artificial Analysis | Kimi K3 (Max) Terminal-Bench 2.1 | 85.0% |
| Artificial Analysis | Kimi K3 (Low) Intelligence Index | 17,4 |
| Artificial Analysis | Kimi K3 (Low) Coding Index | 72,0 |
| Artificial Analysis | Kimi K3 (Low) Agentic Index | 29,3 |
| Artificial Analysis | Kimi K3 (Low) GPQA Diamond | 84.2% |
| Artificial Analysis | Kimi K3 (Low) HLE | 25.0% |
| Artificial Analysis | Kimi K3 (Low) AA-LCR | 79.3% |
| Artificial Analysis | Kimi K3 (Low) τ-Bench Banking | 41.6% |
| Artificial Analysis | Kimi K3 (Low) GDPval-AA | 31.8% |
| Artificial Analysis | Kimi K3 (Low) CritPt | 3.1% |
| Artificial Analysis | Kimi K3 (Low) SciCode | 52.7% |
| Artificial Analysis | Kimi K3 (Low) Terminal-Bench 4.0 | 12.6% |
| Artificial Analysis | Kimi K3 (Low) Terminal-Bench 2.1 | 82.4% |
| Artificial Analysis | Kimi K3 (Low) AA-Omniscience Accuracy | 42.4% |
| Artificial Analysis | Kimi K3 (Low) AA-Omniscience Non-Hallucination Rate | 23.4% |
| Design Arena | Kimi K3 Agents Arena Agenticgamedev Elo | 1198 |
| Design Arena | Kimi K3 Agents Arena Androidnative Elo | 1257 |
| Design Arena | Kimi K3 Agents Arena Blender3d Elo | 1147 |
| Design Arena | Kimi K3 Agents Arena Codetovideo Elo | 1279 |
| Design Arena | Kimi K3 Agents Arena Full Stack Elo | 1289 |
| Design Arena | Kimi K3 Agents Arena Godotgamedev Elo | 1199 |
| Design Arena | Kimi K3 Agents Arena Htmlslides Elo | 1153 |
| Design Arena | Kimi K3 Agents Arena Mobile Apps Elo | 1253 |
| Design Arena | Kimi K3 Agents Arena Pdf Elo | 1277 |
| Design Arena | Kimi K3 Agents Arena Python-Pptxslides Elo | 1223 |
| Design Arena | Kimi K3 Agents Arena Spreadsheet Elo | 1070 |
| Design Arena | Kimi K3 Agents Arena Webapps Elo | 1274 |
| Design Arena | Kimi K3 Models Arena 3D Elo | 1364 |
| Design Arena | Kimi K3 Models Arena Asciiart Elo | 1352 |
| Design Arena | Kimi K3 Models Arena Code Categories Elo | 1351 |
| Design Arena | Kimi K3 Models Arena Data Visualization Elo | 1349 |
| Design Arena | Kimi K3 Models Arena Game Development Elo | 1353 |
| Design Arena | Kimi K3 Models Arena SVG Elo | 1295 |
| Design Arena | Kimi K3 Models Arena UI Component Elo | 1342 |
| Design Arena | Kimi K3 Models Arena Website Elo | 1336 |
| Vals AI | Kimi K3 Access to Justice Benchmark | 68.2% |
| Vals AI | Kimi K3 BioMysteryBench | 72.6% |
| Vals AI | Kimi K3 Code Migration v1.1 | 28.6% |
| Vals AI | Kimi K3 CorpFin v2 | 71.6% |
| Vals AI | Kimi K3 CyberBench v1.1 | 75.2% |
| Vals AI | Kimi K3 CyberOffense | 25.0% |
| Vals AI | Kimi K3 EMB v1.1 | 71.3% |
| Vals AI | Kimi K3 Finance Agent v2.1 | 60.0% |
| Vals AI | Kimi K3 Vals Finance Index | 58.0% |
| Vals AI | Kimi K3 Financial Coaching Bench | 74.5% |
| Vals AI | Kimi K3 GPQA Diamond | 92.9% |
| Vals AI | Kimi K3 HLAB-Vals-1.1 | 12.9% |
| Vals AI | Kimi K3 Immigration | 68.3% |
| Vals AI | Kimi K3 Vals Inference Provider Index | 64.9% |
| Vals AI | Kimi K3 IOI | 48.9% |
| Vals AI | Kimi K3 LiveCodeBench | 87.2% |
| Vals AI | Kimi K3 LegalBench | 86.2% |
| Vals AI | Kimi K3 Vals Legal Index | 71.7% |
| Vals AI | Kimi K3 Legal Research Bench | 46.2% |
| Vals AI | Kimi K3 MedCode | 49.4% |
| Vals AI | Kimi K3 MedScribe | 88.0% |
| Vals AI | Kimi K3 MMLU Pro | 88.0% |
| Vals AI | Kimi K3 MMMU Pro | 88.2% |
| Vals AI | Kimi K3 MortgageTax | 66.3% |
| Vals AI | Kimi K3 ProgramBench | 2.0% |
| Vals AI | Kimi K3 ProofBench v1.1 | 87.0% |
| Vals AI | Kimi K3 Public Benefits Bench v1.1 | 68.2% |
| Vals AI | Kimi K3 Vals RSI Index | 20.9% |
| Vals AI | Kimi K3 SAGE | 86.8% |
| Vals AI | Kimi K3 SWE-bench | 93.4% |
| Vals AI | Kimi K3 SWE-bench Multimodal | 44.2% |
| Vals AI | Kimi K3 Tax Agent Bench | 33.4% |
| Vals AI | Kimi K3 TaxEval v2 | 75.7% |
| Vals AI | Kimi K3 Terminal-Bench 4.0 | 17.2% |
| Vals AI | Kimi K3 Terminal-Bench-Science | 1.4% |
| Vals AI | Kimi K3 Vals Index | 53.0% |
| Vals AI | Kimi K3 Vals Multimodal Index | 73.4% |
| Vals AI | Kimi K3 Vibe Code Bench 1-100 | 18.2% |
| Vals AI | Kimi K3 Vibe Code Bench v1.1 | 85.0% |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Pas encore assez de données sur les applications utilisant ce modèle.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Documentation
Guides, recueils de recettes, articles de blog et outils pour développer avec MoonshotAI: Kimi K3 (batch) sur OpenRouter.
Questions fréquentes
Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.
La documentation de Kimi K3 (batch) sur OpenRouter comprend l’article de blog Open-Weight vs Closed-Weight Models: What's the Difference?. Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.
Kimi K3 (batch) coûte 2,28 $US/M de jetons d’entrée et 11,40 $US/M de jetons de sortie, avec des tarifs distincts pour Cache Read à 0,228 $US/M tokens.
Kimi K3 (batch) dispose d’une fenêtre de contexte de 1 048 576 jetons. Il prend en charge jusqu’à 16 384 jetons de complétion.
Oui. Kimi K3 (batch) accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
Kimi K3 (batch) accepte texte, images et vidéo en entrée et renvoie texte.
Kimi K3 (batch) est servi par 1 fournisseur sur OpenRouter : DeepInfra.
Kimi K3.1 Pro, Kimi K2.7 Code, Kimi K2.6 et 4 de plus sont d’autres modèles de type texte de MoonshotAI.
Kimi K3 (batch) est sorti le 16 juillet 2026.