Kimi Chat Completion API 申請及使用

Kimi 是月之暗面推出的 AI 模型系列。目前推薦 kimi-k3.1-pro，適合長程式設計、複雜推理、視覺理解和知識工作；kimi-k3 仍可使用。透過 OpenAI 相容的 Chat Completions API 呼叫。本文檔主要介紹 Kimi Chat Completion API 操作的使用流程，利用它我們可以輕鬆使用官方 Kimi 的對話功能。

申請流程

要使用 Kimi Chat Completion API，首先到 Ace Data Cloud 控制台取得您的 API Token，留作備用。

如果您尚未登入或註冊，會自動跳轉至登入頁面邀請您註冊和登入，完成後會自動返回目前頁面。 一個 API Token 即可呼叫平台所有服務，無需為每個服務單獨申請。 首次申請會贈送免費額度，可免費體驗；額度不足時可在控制台儲值通用餘額。

📘 完整文件：Kimi Chat Completion API →

基本使用

接下來就可以在介面上填寫對應的內容，如圖所示：

第一次使用該介面時，至少需要填寫三個內容：authorization 可直接從下拉清單選擇；model 用於選擇 Kimi 模型，推薦使用 kimi-k3.1-pro；messages 是對話訊息陣列，每條訊息包含 role 和 content，其中 role 支援 user、assistant、system 和 tool。同時您可以注意到右側有對應的呼叫程式碼產生，您可以複製程式碼直接執行，也可以直接點擊「Try」按鈕進行測試。

以下是使用 reasoning_effort: max 取得的真實 K3 回應（省略未使用的擴充欄位）：

{
  "id": "msg_2D4Btbg1WgvkNE3tCYkR4xGA",
  "object": "chat.completion",
  "created": 1784466588,
  "model": "kimi-k3",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 86,
    "completion_tokens": 206,
    "total_tokens": 292
  }
}

回傳結果一共有多個欄位，介紹如下：

id，產生此次對話任務的 ID，用於唯一識別此次對話任務。
model ，選擇的 Kimi 官網模型。
choicesKimi 針對提問詞給予的回答資訊。
usage ：針對本次問答對 token 的統計資訊。

其中 choices 包含了 Kimi 的回答資訊，它裡面的 choices 是 Kimi 回答的具體資訊，可以發現如圖所示。

可以看到，choices 裡面的 content 欄位包含了 Kimi 回覆的具體內容；K3 還可能回傳 reasoning_content，用於表示推理過程。

K3.1 Pro 推理強度

kimi-k3.1-pro 始終啟用推理。可以在請求主體頂層設定 reasoning_effort 為 low、high 或 max；不要傳入關閉推理的設定。模型支援最高 1,048,576 token 上下文，但實際請求上限仍以目前介面為準。價格按輸入、輸出和快取命中用量計算，詳見模型目錄的 Pricing 卡片。

curl https://api.acedata.cloud/kimi/chat/completions \
  -H "Authorization: Bearer $ACEDATACLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3.1-pro",
    "messages": [{"role": "user", "content": "审查这段代码并给出修复方案"}],
    "reasoning_effort": "low"
  }'

以下 K3 範例保留供現有整合使用，範例回應確實由 K3 請求取得。

K3 推理強度

kimi-k3 始終啟用推理。請求主體頂層支援 reasoning_effort 欄位，目前唯一受支援的值是 max；省略該欄位時同樣使用 max。standard、high 或其他字串可能被部分相容上游寬鬆接受，但不保證改變推理行為，請勿依賴。

curl https://api.acedata.cloud/kimi/chat/completions \
  -H "Authorization: Bearer $ACEDATACLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "审查这段代码并给出修复方案"}],
    "reasoning_effort": "max"
  }'

使用 OpenAI SDK 時可直接傳遞該欄位：

response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "设计一个可靠的任务队列"}],
    reasoning_effort="max",
)

多輪對話和工具呼叫時，請將上一輪完整的 assistant 訊息回傳到 messages，包括 reasoning_content 和 tool_calls。

官方參考

Thinking Effort：說明 Kimi K3 始終啟用推理，目前 reasoning_effort 唯一支援的值為 max。
Model Parameter Reference：比較 K3 與 K2 系列的推理參數、上下文視窗和工具呼叫差異。
Create Chat Completion：Moonshot 官方 Chat Completions 請求、回應和 OpenAPI 欄位定義。

串流回應

該介面也支援串流回應，這對網頁串接十分有用，可以讓網頁實現逐字顯示效果。如果想串流回傳回應，可以更改請求標頭裡面的 stream 參數，修改為 true。修改如圖所示，不過呼叫程式碼需要有對應的更改才能支援串流回應。

將 stream 修改為 true 之後，API 將逐行回傳對應的 JSON 資料，在程式碼層面我們需要做相應的修改來取得逐行的結果。 Python 範例呼叫程式碼：

import requests

url = "https://api.acedata.cloud/kimi/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "kimi-k3",
    "messages": [{"role":"user","content":"Hello"}],
    "reasoning_effort": "max",
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

以下節選同一次真實 K3 Max 串流回應中的起始、推理、正文、結束和用量資料區塊：

data: {"id":"msg_er7WZjyv2kD3TG2yzbFPu5ZJ","object":"chat.completion.chunk","created":1784466598,"model":"kimi-k3","choices":[{"index":0,"delta":{"content":"","role":"assistant"},"finish_reason":null}],"usage":null}

data: {"id":"msg_er7WZjyv2kD3TG2yzbFPu5ZJ","object":"chat.completion.chunk","created":1784466598,"model":"kimi-k3","choices":[{"index":0,"delta":{"reasoning_content":"The"},"finish_reason":null}],"usage":null}

data: {"id":"msg_er7WZjyv2kD3TG2yzbFPu5ZJ","object":"chat.completion.chunk","created":1784466598,"model":"kimi-k3","choices":[{"index":0,"delta":{"content":"Hello"},"finish_reason":null}],"usage":null}

data: {"id":"msg_er7WZjyv2kD3TG2yzbFPu5ZJ","object":"chat.completion.chunk","created":1784466598,"model":"kimi-k3","choices":[{"index":0,"delta":{},"finish_reason":"stop"}],"usage":null}

data: {"id":"msg_er7WZjyv2kD3TG2yzbFPu5ZJ","object":"chat.completion.chunk","created":1784466598,"model":"kimi-k3","choices":[],"usage":{"prompt_tokens":172,"completion_tokens":168,"total_tokens":340}}

data: [DONE]

可以看到，回應裡面有許多 data，data 裡面的 choices 即為最新的回答內容，與上文介紹的內容一致。choices 是新增的回答內容，您可以根據結果來串接到您的系統中。同時串流回應的結束是根據 data 的內容來判斷的，如果內容為 [DONE]，則表示串流回應回答已經全部結束。回傳的 data 結果一共有多個欄位，介紹如下：

id，產生此次對話任務的 ID，用於唯一識別此次對話任務。
model ，選擇的 Kimi 官網模型。
choices，Kimi 針對提問詞給予的回答資訊。

JavaScript 也是支援的，例如 Node.js 的串流呼叫程式碼如下：

const options = {
  method: "POST",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json"
  },
  body: JSON.stringify({
    model: "kimi-k3",
    messages: [{ role: "user", content: "Hello" }],
    stream: true
  })
};

const response = await fetch("https://api.acedata.cloud/kimi/chat/completions", options);
const reader = response.body.getReader();
const decoder = new TextDecoder("utf-8");
while (true) {
  const { value, done } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

Java 範例程式碼：

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "kimi-k3");
jsonObject.put("messages", new JSONArray().put(new JSONObject().put("role", "user").put("content", "Hello")));
jsonObject.put("stream", true);
MediaType mediaType = MediaType.parse("application/json; charset=utf-8");
RequestBody body = RequestBody.create(jsonObject.toString(), mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/kimi/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.println(response.body().string());

其他語言可以另外自行改寫，原理都是一樣的。

多輪對話

如果您想要串接多輪對話功能，需要對 messages 欄位上傳多個提問詞，多個提問詞的具體範例如下圖所示：

Python 範例呼叫程式碼：

import requests

url = "https://api.acedata.cloud/kimi/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "kimi-k3",
    "messages": [{"role":"assistant","content":"Hello! How can I help you today?"},{"role":"user","content":"What model are you?"}],
    "reasoning_effort": "max"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

透過上傳多個提問詞，就可以輕鬆實現多輪對話。以下是該請求獲得的真實 K3 Max 回應（省略未使用的擴充欄位）：

{
  "id": "msg_Rqp8nPGBDHWwBlL4VpxuafOp",
  "object": "chat.completion",
  "created": 1784466628,
  "model": "kimi-k3",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "I’m Kimi, an AI assistant developed by Moonshot AI (月之暗面). I don’t have a specific public model version identifier to share from here."
      },
      "logprobs": null,
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 134,
    "completion_tokens": 346,
    "total_tokens": 480
  }
}

可以看到，choices 包含的資訊與基本使用的內容是一致的，這個包含了 Kimi 針對多個對話進行回覆的具體內容，這樣就可以根據多個對話內容來回答對應的問題了。

錯誤處理

在呼叫 API 時，如果遇到錯誤，API 會回傳相應的錯誤代碼和資訊。例如：

400 token_mismatched：錯誤請求，可能是由於缺少或無效的參數。
400 api_not_implemented：錯誤請求，可能是由於缺少或無效的參數。
401 invalid_token：未授權，授權權杖無效或缺失。
429 too_many_requests：請求過多，您已超出速率限制。
500 api_error：內部伺服器錯誤，伺服器上發生了問題。

錯誤回應範例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

結論

透過本文檔，您已經了解如何使用 Kimi Chat Completion API 實現一般對話、串流回應、多輪對話，以及透過 reasoning_effort 控制 K3 的推理強度。

入門

AI 聊天

AI 圖像

AI 視頻

AI 音頻

網絡與數據

驗證碼

身份

Coding

更多指南

Kimi Chat Completion API 申請及使用

申請流程

基本使用

K3.1 Pro 推理強度

K3 推理強度

官方參考

串流回應

多輪對話

錯誤處理

錯誤回應範例

結論

​申請流程

​基本使用

​K3.1 Pro 推理強度

​K3 推理強度

​官方參考

​串流回應

​多輪對話

​錯誤處理

​錯誤回應範例

​結論

申請流程

基本使用

K3.1 Pro 推理強度

K3 推理強度

官方參考

串流回應

多輪對話

錯誤處理

錯誤回應範例

結論