商品目录

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

Multimodal Kimi model with 1M context and toggleable max-effort thinking for long-horizon agent work

Multimodal Kimi model with 1M context and toggleable max-effort thinking for long-horizon agent work

原站按任务参数或阶梯规则计价，请在原站选择具体规格。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

kimi-k3。按官方原数值计基础额度，不做汇率换算；每百万 Token 输入 20、输出 100、缓存读取 2。缓存写入 20（5分钟），1小时 40。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站按任务参数或阶梯规则计价，请在原站选择具体规格。

原站按任务参数或阶梯规则计价，请在原站选择具体规格。

原站按任务参数或阶梯规则计价，请在原站选择具体规格。

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 17 日发布的旗舰通用大模型，也是全球首个开源的 3 万亿参数级模型（总参数 2.8 万亿）。模型基于 Kimi Delta Attention（KDA）混合线性注意力与注意力残差（AttnRes）架构，采用 Stable LatentMoE 框架在 896 个专家中激活 16 个，扩展效率较 K2 提升约 2.5 倍。原生支持视觉理解，具备 1M token 上下文窗口，第三方评测综合智能排名第三（仅次于 Claude Fable 5 与 GPT-5.6 Sol），并在 Code Arena 前端编程榜单以 1679 分位列全球第一。

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 17 日发布的旗舰通用大模型，也是全球首个开源的 3 万亿参数级模型（总参数 2.8 万亿）。模型基于 Kimi Delta Attention（KDA）混合线性注意力与注意力残差（AttnRes）架构，采用 Stable LatentMoE 框架在 896 个专家中激活 16 个，扩展效率较 K2 提升约 2.5 倍。原生支持视觉理解，具备 1M token 上下文窗口，第三方评测综合智能排名第三（仅次于 Claude Fable 5 与 GPT-5.6 Sol），并在 Code Arena 前端编程榜单以 1679 分位列全球第一。

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 17 日发布的旗舰通用大模型，也是全球首个开源的 3 万亿参数级模型（总参数 2.8 万亿）。模型基于 Kimi Delta Attention（KDA）混合线性注意力与注意力残差（AttnRes）架构，采用 Stable LatentMoE 框架在 896 个专家中激活 16 个，扩展效率较 K2 提升约 2.5 倍。原生支持视觉理解，具备 1M token 上下文窗口，第三方评测综合智能排名第三（仅次于 Claude Fable 5 与 GPT-5.6 Sol），并在 Code Arena 前端编程榜单以 1679 分位列全球第一。

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 17 日发布的旗舰通用大模型，也是全球首个开源的 3 万亿参数级模型（总参数 2.8 万亿）。模型基于 Kimi Delta Attention（KDA）混合线性注意力与注意力残差（AttnRes）架构，采用 Stable LatentMoE 框架在 896 个专家中激活 16 个，扩展效率较 K2 提升约 2.5 倍。原生支持视觉理解，具备 1M token 上下文窗口，第三方评测综合智能排名第三（仅次于 Claude Fable 5 与 GPT-5.6 Sol），并在 Code Arena 前端编程榜单以 1679 分位列全球第一。

Kimi K3 是月之暗面（Moonshot AI）于 2026 年 7 月 17 日发布的旗舰通用大模型，也是全球首个开源的 3 万亿参数级模型（总参数 2.8 万亿）。模型基于 Kimi Delta Attention（KDA）混合线性注意力与注意力残差（AttnRes）架构，采用 Stable LatentMoE 框架在 896 个专家中激活 16 个，扩展效率较 K2 提升约 2.5 倍。原生支持视觉理解，具备 1M token 上下文窗口，第三方评测综合智能排名第三（仅次于 Claude Fable 5 与 GPT-5.6 Sol），并在 Code Arena 前端编程榜单以 1679 分位列全球第一。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

多模态 Kimi 模型，具备 100 万 token 上下文与可切换的最高强度思考模式，面向长程智能体任务