Cara Menggunakan Kimi K3.1 Pro API: Panduan Lengkap 2026

TL;DR

Kimi K3.1 Pro adalah model kelas 3T andalan Moonshot AI (total 2,8T / 104B parameter aktif, konteks 1M token) yang dirilis pada 23 Oktober 2026. Model ini diakses melalui API yang kompatibel dengan OpenAI menggunakan ID model kimi-k3.1-pro (standar) atau kimi-k3.1-pro-highspeed (2–3× lebih cepat).

Untuk alur kerja multi-model paling sederhana dan sering kali harga lebih rendah, gunakan Kimi K3.1 Pro API di CometAPI dengan ID model yang sama. Model selalu melakukan penalaran (gunakan reasoning_effort: low / high / max). Ideal untuk pengodean jangka panjang, 3D/CAD, analisis finansial, dan alur kerja agen. Bobot terbuka penuh diharapkan pada 4 November 2026.

Panduan ini untuk pengembang yang dapat membuat permintaan HTTP dasar dan ingin membangun dengan Kimi K3.1 Pro melalui CometAPI. Anda memerlukan akun CometAPI dengan akses model, kunci API, serta cURL, Python 3.9+, atau lingkungan Node.js yang didukung. Mulailah dengan permintaan teks, lalu tambahkan fitur yang dibutuhkan aplikasi Anda.

Key Takeaways

• Mulai dalam waktu kurang dari 5 menit dengan OpenAI Python/Node SDK hanya dengan mengubah base_url dan model.
• Dua jalur akses: Moonshot API resmi atau gateway terpadu seperti CometAPI (direkomendasikan untuk sebagian besar tim).
• Penalaran selalu aktif — kendalikan kedalaman dengan reasoning_effort (low, high, max; default adalah max).
• Varian Highspeed menukar biaya lebih tinggi untuk kecepatan output 2–3×; terbaik untuk pengodean interaktif.
• Mendukung visi (gambar + video), pemanggilan alat, output JSON terstruktur, dan konteks 1M token.
• Mulai sesi baru saat beralih model untuk menjaga hit cache dan kualitas output.
• CometAPI saat ini menawarkan Kimi K3.1 Pro dengan tarif kompetitif (~20% di bawah resmi pada tier standar) dengan satu kunci untuk 500+ model.

Kimi K3.1 Pro API specifications

Mulailah dengan model dan pesan. Tambahkan reasoning_effort atau stream saat diperlukan; gunakan tools dan response_format untuk pemanggilan alat dan output terstruktur. Tetapkan anggaran output yang didukung oleh rute Anda, dan uji fitur opsional sebelum deployment.

What Is the Kimi K3.1 Pro API?

Kimi K3.1 Pro adalah model penalaran terdepan yang dikembangkan oleh Moonshot AI dan diperkenalkan pada 23 Oktober 2026. Model ini dibangun di atas fondasi Kimi K3 dengan peningkatan signifikan pada pembelajaran penguatan pasca-pelatihan, meningkatkan rekayasa perangkat lunak kompleks, pemodelan 3D, analisis finansial, dan alur kerja agen multi-langkah.

API ini memungkinkan aplikasi menggunakan kapabilitas tersebut secara terprogram tanpa meng-host model. Pengembang dapat memasukkan Kimi ke dalam asisten pengodean, sistem analisis dokumen, pipeline riset, dan aplikasi yang memerlukan konteks panjang serta alat eksternal.

Why Learn to Use Kimi K3.1 Pro Now?

Kimi K3.1 Pro berada dalam selisih beberapa poin dari model proprietary terkuat pada agen pengodean (Terminal-Bench 4.0: 65,7% vs Claude Opus 5.5 pada 66,4%) sembari menawarkan jendela konteks 1 juta token penuh dan rencana bobot terbuka. Kekuatan dalam rekayasa perangkat lunak jangka panjang, pemodelan 3D parametrik, dan pengurangan halusinasi pada tugas finansial menjadikannya tambahan bernilai tinggi untuk toolkit pengembang mana pun.

How does reasoning effort work?

• low: Mulai dari sini untuk klasifikasi, ekstraksi, dan penjelasan kode singkat saat overhead penalaran minimal penting.
• high: Gunakan untuk debugging, code review, dan penalaran dokumen yang diuntungkan oleh keseimbangan kedalaman dan waktu respons.
• max: Cadangkan anggaran penalaran terbesar untuk keputusan rekayasa sulit, perencanaan, dan tugas agen yang diperluas.

Penalaran tetap aktif pada setiap tingkat effort. Jika klien Anda saat ini mengirim pengaturan seperti none atau disabled, hapus sebelum membuat permintaan K3.1 Pro.

Jangan sertakan kontrol sampling pada permintaan awal. Moonshot mendokumentasikan nilai tetap untuk temperature, top_p, n, presence_penalty, dan frequency_penalty, sehingga membawa pengaturan dari model lain dapat menyebabkan error validasi.

Access Options Compared

How to Use Kimi K3.1 Pro API ?

Ikuti langkah-langkah ini untuk mendapatkan respons teks yang berfungsi sebelum memperkenalkan alat atau konten multimodal. Contoh Python di bagian selanjutnya menggunakan kembali klien yang diinisialisasi pada contoh setup Python.

Step 1: Get your API key

• Jalur resmi: Buka Kimi API Platform → Console → API Keys → Buat kunci baru. Simpan sebagai variabel lingkungan MOONSHOT_API_KEY. Model flagship terbuka setelah isi ulang minimal $1.
• Jalur CometAPI (direkomendasikan untuk sebagian besar pengguna): Masuk ke website CometAPI, buat kunci API, dan pastikan akun Anda dapat mengakses model Kimi yang dipilih. Simpan kunci di server Anda; kunci yang diterbitkan oleh Moonshot bukan pengganti kunci CometAPI.

Simpan kunci dalam variabel lingkungan alih-alih menanamkannya dalam kode sumber.

Bash

export COMETAPI_API_KEY="your-cometapi-api-key"

PowerShell

$env:COMETAPI_API_KEY="your-cometapi-api-key"

Gunakan variabel lingkungan sisi server dalam aplikasi yang dideploy. Jangan mengekspos kunci API dalam JavaScript browser, repositori publik, atau file konfigurasi sisi klien.

Step 2: Make your first request with cURL

Desain yang kompatibel dengan OpenAI ini berarti konfigurasi LangChain, LlamaIndex, AutoGen, CrewAI, atau Claude Code yang ada dapat bekerja dengan penggantian sederhana pada base_url dan nama model.

Kirim permintaan minimal ke endpoint Chat Completions.

Bash

curl https://api.cometapi.com/v1/chat/completions \  -H "Authorization: Bearer $COMETAPI_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "kimi-k3.1-pro",    "messages": [      {        "role": "user",        "content": "Explain the purpose of API rate limiting in three sentences."      }    ]  }'

Permintaan yang berhasil seharusnya mengembalikan completion yang berisi respons model di choices[0].message.content.

Periksa status respons, finish_reason, dan penggunaan token sebelum menambahkan opsi lanjutan.

Step 3: Use Kimi K3.1 Pro API with Python

Instal OpenAI Python SDK.

Bash

python -m pip install --upgrade openai

Inisialisasi klien dengan base URL CometAPI.

Python

import osfrom openai import OpenAI​client = OpenAI(    api_key=os.environ["COMETAPI_API_KEY"],    base_url="https://api.cometapi.com/v1",)​response = client.chat.completions.create(    model="kimi-k3.1-pro",    messages=[        {            "role": "system",            "content": "You are a software engineering assistant."        },        {            "role": "user",            "content": "Explain how to debug a Python memory leak."        }    ])​print(response.choices[0].message.content)print("Finish reason:", response.choices[0].finish_reason)print("Token usage:", response.usage)

Implementasi ini cocok untuk backend yang kompatibel dengan OpenAI. Mengubah nilai model memungkinkan Anda membandingkan model berbeda tanpa merombak seluruh aplikasi.

Step 5: Switch to Kimi K3.1 Pro Highspeed

Untuk membandingkan waktu respons tanpa mengubah konfigurasi klien Anda, pilih API Kimi K3.1 Pro Highspeed di CometAPI.

Cukup ganti ID model:

Python

response = client.chat.completions.create(    model="kimi-k3.1-pro-highspeed",    messages=[        {            "role": "user",            "content": "Find potential bugs in this API design."        }    ],)​print(response.choices[0].message.content)

Biarkan prompt dan anggaran output tidak berubah selama perbandingan. Catat latensi yang diamati dan penggunaan yang ditagihkan untuk kedua run; bagian harga menjelaskan kapan kecepatan ekstra dapat membenarkan tarif yang lebih tinggi.

Build Kimi K3.1 Pro Agents with Streaming, Tools and Vision

Controlling Reasoning Effort

Kimi K3.1 Pro selalu melakukan penalaran. Parameter reasoning_effort (top-level) mengontrol kedalaman:

• low — lebih cepat, lebih murah, cukup untuk pengodean sederhana atau ekstraksi
• high — seimbang
• max — penalaran terdalam (default), terbaik untuk arsitektur kompleks, debugging, atau perencanaan multi-langkah

Menurunkan effort sering kali merupakan optimasi pertama yang lebih baik daripada beralih ke Highspeed.

Streaming for Better UX

Tambahkan stream=True (atau stream: true dalam JSON) untuk output progresif. Esensial untuk sesi pengodean panjang dan loop agen. Respons penalaran panjang dapat memakan waktu. Streaming memungkinkan aplikasi memproses increment respons tanpa menunggu completion selesai.

Kimi memisahkan increment penalaran dari increment jawaban akhir. Bergantung pada rute API, penalaran dapat muncul di reasoning_content, sedangkan output untuk pengguna muncul di content.

Multi-Turn Conversations & Tool Calling

Selalu kembalikan seluruh pesan asisten (termasuk reasoning_content) pada giliran berikutnya untuk menjaga hit cache dan koherensi penalaran. Model mendukung function calling standar dan output JSON terstruktur. Alat resmi (penelusuran web, eksekusi kode, dll.) tersedia melalui kanal Formula API.

messages.append(completion.choices[0].message)  # whole message, not .contentmessages.append({"role": "user", "content": "Now add tests."})

Vision and Multimodal Input

Lewatkan gambar atau frame video dalam array messages menggunakan format vision standar OpenAI. Sangat baik untuk rekonstruksi 3D, UI-to-code, analisis diagram, dan pemahaman dokumen.

Kimi K3.1 Pro mendukung pemahaman visual, menjadikannya berguna untuk menganalisis tangkapan layar, diagram, dokumen yang dipindai, dan referensi desain.

Untuk kompatibilitas, gambar lokal dapat dikodekan Base64 dalam pesan terstruktur.

import base64from pathlib import Path​image_data = base64.b64encode(    Path("dashboard.png").read_bytes()).decode("utf-8")​response = client.chat.completions.create(    model="kimi-k3.1-pro",    messages=[        {            "role": "user",            "content": [                {                    "type": "image_url",                    "image_url": {                        "url": f"data:image/png;base64,{image_data}"                    }                },                {                    "type": "text",                    "text": (                        "Review this dashboard screenshot. "                        "Identify three usability problems "                        "and suggest improvements."                    )                }            ]        }    ])​print(response.choices[0].message.content)

Kode mengasumsikan dashboard.png ada di direktori kerja. Uji dukungan format gambar dan batas ukuran unggahan pada rute CometAPI sebelum menggunakannya dengan masukan visual yang lebih besar.

Untuk video, Moonshot juga mendokumentasikan input berbasis file. Unggahan video dan pengidentifikasi file lebih spesifik penyedia, jadi hindari berasumsi bahwa pengidentifikasi Moonshot-native ms:// akan berfungsi tanpa perubahan melalui setiap gateway.

Using with Popular Coding Agents

• Kimi Code (resmi): Pilih K3.1 Pro atau Highspeed melalui /model. Mulai sesi baru setelah beralih.
• Claude Code / Codex / Cursor / Continue: Arahkan base URL ke Moonshot atau CometAPI dan set ID model.
• Praktik terbaik: Pertahankan model dan reasoning_effort yang sama untuk seluruh sesi guna memaksimalkan caching konteks (hit cache hanya $0,20 / M token).

How Much Does the Kimi K3.1 Pro API Cost?

Kimi K3.1 Pro menggunakan penetapan harga berbasis token. CometAPI menawarkan versi standar dan Highspeed dengan tarif di bawah harga API Moonshot yang dipublikasikan.

Perbandingan berikut menggunakan USD per satu juta token input yang tidak di-cache atau token output yang dihasilkan, berdasarkan harga CometAPI yang diperiksa pada 26 Oktober 2026.

API K3.1 Pro standar kira-kira 33,3% lebih murah daripada Kimi K3 pada tarif token input dan output yang tidak di-cache.

Dengan tarif ini, Highspeed berbiaya dua kali lipat per token dibanding standar. Bandingkan pengeluaran tambahan dengan peningkatan waktu respons yang benar-benar dialami pengguna Anda.

Kimi K3.1 Pro API cost example

Misalkan sebuah aplikasi memproses 100.000 token input yang tidak di-cache dan menghasilkan 10.000 token output.

Perkiraan biaya adalah:

Biaya = (Token input × Tarif input + Token output × Tarif output) / 1.000.000

Untuk contoh ini, beralih dari Kimi K3 ke K3.1 Pro standar menghemat $0,12 per permintaan sebelum caching dan biaya tambahan.

Pengeluaran aktual bergantung pada token penalaran yang dihasilkan, penggunaan konteks ulang, retry, operasi alat, dan jumlah tugas yang berhasil diselesaikan.

Pengembang harus memeriksa harga API Kimi K3.1 Pro di CometAPI terbaru sebelum menetapkan anggaran produksi.

How can caching reduce Kimi K3.1 Pro API costs?

Kimi mendukung caching konteks otomatis untuk prefiks input yang dapat digunakan kembali. Mekanisme caching resmi menawarkan masa berlaku default lima menit dan opsi masa berlaku satu jam.

Untuk aplikasi yang berulang kali mengirimkan instruksi atau materi referensi yang sama, caching dapat mengurangi biaya konteks berulang.

Desain permintaan yang praktis menempatkan informasi stabil di awal dan konten yang sering berubah di akhir:

1. Instruksi sistem yang stabil.
2. Definisi alat yang dapat digunakan kembali.
3. Dokumen referensi atau konteks repositori.
4. Pertanyaan pengguna saat ini.

Misalnya, asisten analisis dokumen dapat menggunakan kembali dokumen kebijakan tetap sambil menjawab banyak pertanyaan berbeda. Agen pengodean dapat mempertahankan instruksi repositori yang stabil sambil mengubah isu aktif atau hasil pengujian.

Jangan berasumsi setiap permintaan berulang menjadi hit cache. Konfirmasikan penggunaan token yang di-cache dan aturan penagihan gateway yang berlaku. Harga cache dan opsi TTL penyedia tidak secara otomatis menetapkan biaya cache CometAPI yang identik.

When to Choose Standard vs Highspeed

Best Practices for Cost and Quality

1. Mulai percakapan baru saat mengubah model atau tingkat reasoning_effort utama.
2. Manfaatkan caching prompt secara agresif — jaga prompt sistem dan basis kode besar tetap stabil.
3. Gunakan low reasoning effort terlebih dahulu; eskalasi hanya saat kualitas menurun.
4. Pantau penggunaan token (terutama token penalaran) melalui metadata respons.
5. Untuk produksi, implementasikan fallback routing (CometAPI mempermudah ini di berbagai penyedia).
6. Lebih suka endpoint protokol native OpenAI atau Anthropic daripada proxy translasi berat untuk stabilitas maksimum.

Conclusion

Kimi K3.1 Pro adalah opsi kuat bagi pengembang yang membangun aplikasi intensif penalaran, agen pengodean, asisten dokumen finansial, dan alur kerja konteks panjang. Model ini memadukan kemampuan yang lebih baik dengan integrasi API yang familier dan harga token standar yang lebih rendah dibanding pendahulunya.

Strategi adopsi paling efektif adalah memulai dengan permintaan minimal CometAPI, memverifikasi perilaku penalaran dan streaming, lalu menambahkan output terstruktur, input visual, alat, dan caching sesuai kebutuhan aplikasi.

Pilih model K3.1 Pro standar untuk alur kerja sensitif biaya dan evaluasi Highspeed saat latensi respons penting. Sebelum deployment penuh, bandingkan keduanya terhadap beban kerja nyata dan pertahankan fallback yang telah diuji.