Kimi K3.1 Pro API Nasıl Kullanılır: 2026 Kapsamlı Kılavuzu

TL;DR

Kimi K3.1 Pro, Moonshot AI’nin amiral gemisi 3T sınıfı modelidir (toplam 2.8T / 104B aktif parametre, 1M token bağlam) ve 23 Ekim 2026’da yayımlandı. OpenAI uyumlu bir API üzerinden kimi-k3.1-pro (standart) veya kimi-k3.1-pro-highspeed (2–3× daha hızlı) model kimlikleriyle erişilir.

En basit çoklu model iş akışı ve sıkça daha düşük fiyatlar için aynı model kimlikleriyle CometAPI’de Kimi K3.1 Pro API kullanın. Model her zaman muhakeme yapar (derinliği reasoning_effort: low / high / max ile ayarlayın). Uzun ufuklu kodlama, 3D/CAD, finansal analiz ve ajan iş akışları için idealdir. Tam açık ağırlıklar 4 Kasım 2026’ya kadar beklenmektedir.

Bu rehber, temel bir HTTP isteği yapabilen ve CometAPI üzerinden Kimi K3.1 Pro ile uygulama geliştirmek isteyen geliştiriciler içindir. Kimi modellerine erişimi olan bir CometAPI hesabı, bir API anahtarı ve cURL, Python 3.9+ veya desteklenen bir Node.js ortamı gerekir. Bir metin isteğiyle başlayın, ardından uygulamanızın ihtiyaç duyduğu özellikleri ekleyin.

Key Takeaways

• OpenAI Python/Node SDK ile 5 dakikadan kısa sürede yalnızca base_url ve model değiştirerek başlayın.
• İki erişim yolu: resmi Moonshot API veya CometAPI gibi birleşik geçitler (çoğu ekip için önerilir).
• Her zaman açık muhakeme — derinliği reasoning_effort (low, high, max; varsayılan max) ile kontrol edin.
• Highspeed varyantı, 2–3× çıktı hızı karşılığında daha yüksek maliyet sunar; etkileşimli kodlama için en iyisidir.
• Görüntü (image + video), araç çağırma, yapılandırılmış JSON çıktısı ve 1M token bağlam desteklenir.
• Önbellek isabetlerini ve çıktı kalitesini korumak için model geçişlerinde yeni oturumlar başlatın.
• CometAPI, şu anda Kimi K3.1 Pro’yu standart katmanda resmi fiyatın ~%20 altında ve 500+ model için tek anahtarla sunuyor.

Kimi K3.1 Pro API specifications

Model ve messages ile başlayın. Gerekli olduğunda reasoning_effort veya stream ekleyin; araç çağırma ve yapılandırılmış çıktı için tools ve response_format kullanın. Rutanızın desteklediği bir çıktı bütçesi ayarlayın ve dağıtımdan önce isteğe bağlı özellikleri test edin.

What Is the Kimi K3.1 Pro API?

Kimi K3.1 Pro, Moonshot AI tarafından geliştirilen ve 23 Ekim 2026’da tanıtılan üst seviye bir muhakeme modelidir. Kimi K3 temelinin üzerine önemli ölçüde artırılmış sonradan eğitimli pekiştirmeyle inşa edilmiştir; bu sayede karmaşık yazılım mühendisliği, 3D modelleme, finansal analiz ve çok adımlı ajan iş akışlarında gelişmeler sağlar.

API, bu yetenekleri modeli barındırmadan programlı olarak kullanmanıza olanak tanır. Geliştiriciler Kimi’yi kodlama asistanları, döküman-analiz sistemleri, araştırma hatları ve geniş bağlam ile dış araçlar gerektiren uygulamalara entegre edebilir.

Why Learn to Use Kimi K3.1 Pro Now?

Kimi K3.1 Pro, kodlama ajanlarında en güçlü özel modellerden sadece birkaç puan geride yer alır (Terminal-Bench 4.0: %65.7; Claude Opus 5.5: %66.4) ve tam 1 milyon token bağlam penceresi ile açık ağırlık planları sunar. Uzun ufuklu yazılım mühendisliği, parametrik 3D modelleme ve finansal görevlerde azaltılmış halüsinasyon gücü, onu her geliştiricinin araç setine değerli bir ekler.

How does reasoning effort work?

• low: Sınıflandırma, çıkarım ve kısa kod açıklamaları gibi minimum muhakeme ek yükü gereken görevler için burada başlayın.
• high: Hata ayıklama, kod inceleme ve hızla derinlik arasında denge isteyen döküman muhakemesi için kullanın.
• max: Zorlu mühendislik kararları, planlama ve genişletilmiş ajan görevleri için en büyük muhakeme bütçesini ayırın.

Muhakeme çabası ne olursa olsun düşünme etkin kalır. Mevcut istemciniz none veya disabled gibi bir ayar gönderiyorsa, K3.1 Pro isteği yapmadan önce onu kaldırın.

Örneklemeyi kontrol eden ayarları ilk isteğe dahil etmeyin. Moonshot, temperature, top_p, n, presence_penalty ve frequency_penalty için sabit değerler belgeliyor; başka bir modelden getirilen ayarlar doğrulama hatasına yol açabilir.

Access Options Compared

How to Use Kimi K3.1 Pro API ?

Araçlar veya çoklu ortam içeriğini eklemeden önce çalışan bir metin yanıtı elde etmek için şu adımları izleyin. Aşağıdaki Python örnekleri, Python kurulumunda başlatılan istemciyi yeniden kullanır.

Step 1: Get your API key

• Resmi yol: Kimi API Platform → Console → API Keys → Yeni bir anahtar oluştur’a gidin. Bunu MOONSHOT_API_KEY ortam değişkeni olarak saklayın. Amiral gemisi modeller, en az $1’lık bir bakiye yüklemesinden sonra açılır.
• CometAPI yolu (çoğu kullanıcı için önerilir): CometAPI web sitesine giriş yapın, bir API anahtarı oluşturun ve hesabınızın seçili Kimi modeline erişebildiğini doğrulayın. Anahtarı sunucunuzda tutun; Moonshot tarafından verilen bir anahtar, CometAPI anahtarı yerine geçmez.

Anahtarı kaynak koda gömmek yerine bir ortam değişkeninde saklayın.

Bash

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

PowerShell

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

Dağıtılmış uygulamalarda sunucu tarafı ortam değişkeni kullanın. API anahtarlarını tarayıcı JavaScript’inde, açık depolarda veya istemci tarafı yapılandırma dosyalarında ifşa etmeyin.

Step 2: Make your first request with cURL

Bu OpenAI uyumlu tasarım, mevcut LangChain, LlamaIndex, AutoGen, CrewAI veya Claude Code yapılandırmalarının yalnızca base_url ve model adını değiştirerek çalışmasını sağlar.

Chat Completions uç noktasına minimal bir istek gönderin.

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."      }    ]  }'

Başarılı bir istek, choices[0].message.content içinde model yanıtını içeren bir tamamlamayla dönmelidir.

Gelişmiş seçenekleri eklemeden önce yanıt durumunu, finish_reason ve token kullanımını inceleyin.

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

OpenAI Python SDK’yı kurun.

Bash

python -m pip install --upgrade openai

İstemciyi CometAPI’nin base URL’i ile başlatın.

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)

Bu uygulama, mevcut OpenAI uyumlu bir arka uç için uygundur. Model değerini değiştirmek, tüm uygulamayı yeniden yapılandırmadan farklı modelleri karşılaştırmanıza olanak tanır.

Step 5: Switch to Kimi K3.1 Pro Highspeed

İstemci yapılandırmanızı değiştirmeden yanıt süresini karşılaştırmak için CometAPI’de Kimi K3.1 Pro Highspeed API seçin.

Sadece model kimliğini değiştirin:

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)

Karşılaştırma sırasında istemi ve çıktı bütçesini değiştirmeyin. Her iki çalıştırma için gözlemlenen gecikmeyi ve faturalandırılan kullanımı kaydedin; fiyatlandırma bölümü, ek hızın daha yüksek ücreti ne zaman haklı çıkarabileceğini açıklar.

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

Controlling Reasoning Effort

Kimi K3.1 Pro her zaman muhakeme yapar. reasoning_effort (üst düzey) parametresi derinliği kontrol eder:

• low — daha hızlı, daha ucuz; basit kodlama veya çıkarım için yeterli
• high — dengeli
• max — en derin muhakeme (varsayılan), karmaşık mimari, hata ayıklama veya çok adımlı planlama için en iyi

Highspeed’e geçmeden önce çabayı düşürmek genellikle daha iyi bir ilk optimizasyondur.

Streaming for Better UX

Artımlı çıktı için stream=True (veya JSON’da stream: true) ekleyin. Uzun kodlama seansları ve ajan döngüleri için gereklidir. Uzun muhakeme yanıtları zaman alabilir. Streaming, uygulamanın tüm tamamlamayı beklemeden artımlı yanıtları işlemesine olanak tanır.

Kimi, muhakeme artımlarını son-yanıt artımlarından ayırır. API rotasına bağlı olarak, muhakeme reasoning_content içinde görünebilirken, kullanıcıya dönük çıktı content içinde görünür.

Multi-Turn Conversations & Tool Calling

Önbellek isabetlerini ve tutarlı muhakemeyi sürdürmek için, sonraki turlarda her zaman tam asistan mesajını (herhangi bir reasoning_content dahil) geri gönderin. Model, standart fonksiyon çağırmayı ve yapılandırılmış JSON çıktısını destekler. Resmi araçlar (web araması, kod yürütme vb.) Formula API kanalından kullanılabilir.

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

Vision and Multimodal Input

Standart OpenAI vision formatını kullanarak messages dizisine görüntüler veya video kareleri gönderin. 3D yeniden yapılandırma, UI-to-code, diyagram analizi ve döküman anlama için mükemmeldir.

Kimi K3.1 Pro görsel anlayışı destekler; bu da ekran görüntülerini, diyagramları, taranmış belgeleri ve tasarım referanslarını analiz etmek için kullanışlıdır.

Uyumluluk için, yerel görüntüler yapılandırılmış bir mesajda Base64 ile kodlanabilir.

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)

Kod, dashboard.png’nin çalışma dizininde bulunduğunu varsayar. Daha büyük görsel girdilerle kullanmadan önce CometAPI rotasının görüntü formatı desteğini ve yükleme boyutu sınırlarını test edin.

Video için, Moonshot dosya tabanlı girdileri de belgeliyor. Video yükleme ve dosya tanımlayıcıları sağlayıcıya daha özgüdür; bu nedenle, Moonshot’a özgü ms:// tanımlayıcısının her geçitte değişmeden çalışacağını varsaymayın.

Using with Popular Coding Agents

• Kimi Code (resmi): /model üzerinden K3.1 Pro veya Highspeed seçin. Geçişten sonra yeni bir oturum başlatın.
• Claude Code / Codex / Cursor / Continue: Base URL’i Moonshot veya CometAPI’ye yönlendirin ve model kimliğini ayarlayın.
• En iyi uygulama: Bağlam önbelleklemesini en üst düzeye çıkarmak için bir oturum boyunca aynı modeli ve reasoning effort’ı koruyun (önbellek isabetleri yalnızca $0.20 / M token tutar).

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

Kimi K3.1 Pro token tabanlı fiyatlandırma kullanır. CometAPI, hem standart hem Highspeed sürümlerini, yayımlanan Moonshot API fiyatlarının altında sunar.

Aşağıdaki karşılaştırma, 26 Ekim 2026’da kontrol edilen CometAPI fiyatlarına göre, bir milyon önbelleksiz girdi token’ı veya üretilen çıktı token’ı başına USD’dir.

Standart K3.1 Pro API, önbelleksiz girdi ve çıktı token oranlarında Kimi K3’ten yaklaşık %33.3 daha ucuzdur.

Bu oranlarda, Highspeed token başına standarttan iki kat daha pahalıdır. Ek harcamayı, kullanıcılarınızın gerçekten yaşadığı yanıt süresi iyileşmesiyle karşılaştırın.

Kimi K3.1 Pro API cost example

Diyelim ki bir uygulama 100,000 önbelleksiz girdi token’ını işler ve 10,000 çıktı token’ı üretir.

Tahmini maliyet:

Maliyet = (Girdi token’ları × Girdi oranı + Çıktı token’ları × Çıktı oranı) / 1,000,000

Bu örnekte, Kimi K3’ten standart K3.1 Pro’ya geçiş, önbellekleme ve ek ücretler öncesinde istek başına $0.12 tasarruf sağlar.

Gerçek harcama, üretilen muhakeme token’larına, bağlam tekrar kullanımına, yeniden denemelere, araç işlemlerine ve başarıyla tamamlanan görev sayısına bağlıdır.

Geliştiriciler, üretim bütçelerini belirlemeden önce en güncel CometAPI’de Kimi K3.1 Pro API fiyatlandırmasını kontrol etmelidir.

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

Kimi, yeniden kullanılabilir girdi önekleri için otomatik bağlam önbellekleme destekler. Resmi önbellekleme mekanizması, varsayılan beş dakikalık bir ömür ve isteğe bağlı bir saatlik ömür sunar.

Aynı talimatları veya başvuru materyallerini tekrar tekrar gönderen uygulamalar için önbellekleme, tekrarlı bağlamın maliyetini azaltabilir.

Uygun bir istek tasarımı, sabit bilgileri başa ve sık değişen içeriği sona yerleştirir:

1. Sabit sistem talimatları.
2. Yeniden kullanılabilir araç tanımları.
3. Başvuru belgeleri veya depo bağlamı.
4. Güncel kullanıcı sorusu.

Örneğin, bir belge-analiz asistanı, birçok farklı soruyu yanıtlarken sabit bir politika belgesini yeniden kullanabilir. Bir kodlama ajanı, aktif sorun veya test sonucunu değiştirirken sabit depo talimatlarını koruyabilir.

Her tekrarlanan isteğin önbellek isabeti olacağını varsaymayın. Önbelleğe alınmış token kullanımını ve geçerli geçit faturalandırma kurallarını doğrulayın. Sağlayıcının önbellek fiyatları ve TTL seçenekleri, CometAPI’nin önbellek ücretlerini otomatik olarak aynı kılmaz.

When to Choose Standard vs Highspeed

Best Practices for Cost and Quality

1. Modelleri veya büyük muhakeme çabasını değiştirirken yeni bir konuşma başlatın.
2. İstem önbelleklemeden agresif şekilde yararlanın — sistem istemlerini ve büyük kod tabanlarını sabit tutun.
3. Önce low muhakeme çabasını kullanın; kalite düştüğünde kademeli olarak artırın.
4. Yanıt meta verileri üzerinden token kullanımını (özellikle muhakeme token’ları) izleyin.
5. Üretimde, yedek yönlendirme uygulayın (CometAPI bunu sağlayıcılar arasında basitleştirir).
6. En yüksek stabilite için ağır proxy çevirileri yerine yerel OpenAI veya Anthropic protokol uç noktalarını tercih edin.

Conclusion

Kimi K3.1 Pro, muhakeme yoğun uygulamalar, kodlama ajanları, finansal-doküman asistanları ve uzun bağlam iş akışları oluşturan geliştiriciler için güçlü bir seçenektir. Geliştirilmiş model yeteneğini, tanıdık API entegrasyonu ve selefine kıyasla daha düşük standart token fiyatlarıyla birleştirir.

En etkili benimseme stratejisi, minimal bir CometAPI isteğiyle başlamak, muhakeme ve streaming davranışını doğrulamak, ardından uygulamanın ihtiyaç duydukça yapılandırılmış çıktıları, görsel girdileri, araçları ve önbellekleme özelliklerini eklemektir.

Maliyet duyarlı iş akışları için standart K3.1 Pro modelini seçin ve yanıt gecikmesi önemli olduğunda Highspeed’i değerlendirin. Tam dağıtımdan önce, her ikisini de gerçek iş yüklerine karşı karşılaştırın ve test edilmiş bir yedeği koruyun.