Die Dokumentation beschreibt die Modellkonfigurationen und API-Schnittstellen für Kimi Code, insbesondere die Einführung der neuen Kimi K3.1 Pro und K3.1 Pro Highspeed Modelle. K3.1 Pro ist ein Flaggschiffmodell der 3T-Parameter-Klasse mit einem 1-Millionen-Token-Kontextfenster und einem obligatorischen Thinking-Modus (Denkmodus). Die Highspeed-Variante bietet identische Fähigkeiten bei doppeltem Quota-Verbrauch und 2–3-facher Ausgabegeschwindigkeit. Entwickler steuern Anfragen über spezifische Modell-IDs und standardisierte Protokolle (OpenAI- und Anthropic-kompatibel), wobei Sitzungswechsel den Kontext-Cache ungültig machen.
Wichtigste Punkte
K3.1 Pro Spezifikationen: Flaggschiffmodell mit 3T Parametern, 1M Kontextfenster, multimodaler Eingabe (Bild/Video) und streng erzwungenem Thinking-Modus (reasoning_effort: low/high/max, Standard: max). Anfragen mit deaktiviertem Denken werden mit HTTP 400 abgelehnt.
K3.1 Pro Highspeed: Liefert identische Modellfähigkeiten wie K3.1 Pro bei 2–3-facher Geschwindigkeit und doppeltem Token-Quota-Verbrauch (Modell-ID: k3.1-pro-highspeed).
API-Schnittstellen und Endpunkte: Unterstützung für OpenAI (Responses / Chat Completions) und Anthropic-kompatible Protokolle. Getrennte Basis-URLs für Festlandchina (api.kimi.com/coding/v1) und internationale Nutzung (api.kimi.ai/coding/v1).
Cache- und Sitzungsmanagement: Das Wechseln von Modellen oder Denkaufwänden innerhalb einer bestehenden Sitzung invalidiert den Kontext-Cache, was ein rechenintensives erneutes Prefilling erzeugt.
Modell-Lineup: Beinhaltet ältere Versionen wie K3 (1M und 256K Kontext), K2.8 Preview sowie K2.7 Code Highspeed (ca. 6x schneller, 3x Quota).
Fehlerbehandlung und Routing: Unbekannte Denkaufwände führen zu HTTP 400. Bei älteren Modellen erfolgt ein automatischer Fallback auf K2.8 Preview ohne Denkmodus, sofern das Denken deaktiviert wird.
Diskussions-Highlights
Benchmarks und Leistungsvergleich: Der offizielle Tech-Blog (https://www.kimi.ai/blog/kimi-k3-1-pro) zeigt, dass K3.1 Pro das Modell Opus 5.5 in Standard-Benchmarks überwiegend übertrifft oder mit ihm gleichzieht.
Fehlende Metriken: Diskutanten bemängeln das bisherige Fehlen von spezifischen "AA-Scores" (Agent Arena Metriken).
Sicherheits- und Fortgeschrittenen-Diskussion: Ein Kommentar wirft angesichts des schnellen Tempos die philosophische oder regulatorische Frage auf: „We Must Pace the Frontier?“.
Glossar
3T-Parameter-Klasse: Eine Größenordnung von großen Sprachmodellen, die schätzungsweise drei Billionen Parameter für die Verarbeitung und Generierung von Inhalten nutzen.
Kontextfenster (Context Window): Die maximale Anzahl an Token (Wörtern oder Teilstücken), die ein KI-Modell in einer einzigen Abfrage verarbeiten und im Kurzzeitgedächtnis behalten kann (hier bis zu 1 Million Token).
Thinking-Modus (Reasoning Mode): Ein erzwungener interner Rechenprozess des Modells, bei dem vor der finalen Antwort logische Zwischenschritte generiert werden, um die Lösungsqualität zu maximieren.
Prefilling: Das Vorab-Laden und Verarbeiten von historischen Kontext-Token in den internen Cache eines Modells, bevor neue Token generiert werden.
Token-Quota (Quota-Verbrauch): Das verbrauchte Kontingent an Rechenressourcen bzw. Token, das für API-Anfragen von der Gesamtzuschreibung abgezogen wird.
HTTP 400 (Bad Request): Ein HTTP-Fehlercode, der anzeigt, dass der Server die Anfrage aufgrund ungültiger Parameter (z. B. deaktiviertes Denken bei Pro-Modellen) abweist.
API-Protokoll: Eine definierte Schnittstelle für die Softwarekommunikation, hier angepasst an die Standards von OpenAI und Anthropic.