Kimi K3 Hands-On Gids: Nieuwe Parameters & API Ondersteuningsmatrix

Dit artikel behandelt de nieuwe parameters en gebruiksnotities voor Kimi K3. Op AIHubMix is K3 beschikbaar via de Chat Completions, Responses, en Claude-compatibele Messages API's. Zie ook: officiële Moonshot platformdocumentatie.

De "Geverifieerde" conclusies en voorbeeldantwoorden in elke sectie komen van daadwerkelijke oproepen gedaan op 2026-07-17 via de AIHubMix API's (Chat Completions / Responses / Messages).

1. Model Specificaties in een Oogopslag

Geverifieerd: beide stop limieten zijn gevalideerd, en het overschrijden van een van beide retourneert 400; de Messages API past dezelfde validatie toe op stop_sequences.

❗ Wanneer een stopsequentie wordt bereikt, volgt de Messages API niet de semantiek van Anthropic: bij testen is stop_reason "end_turn" (in plaats van "stop_sequence"), stop_sequence is null, en de zichtbare tekst vóór het stopwoord kan leeg zijn. Klanten die op deze twee velden vertrouwen om truncatie te detecteren, moeten hierop letten.

# stop met 6 invoeren / een 33-byte invoer -> HTTP 400
"Invalid request: stop array too long. Expected an array with maximum length 5, but got an array with length 6 instead"
"Invalid request: stop sequence must not be longer than 32, but got 33 instead"

2. Denkmodus: reasoning_effort Ondersteunt Alleen max

K3's denken is standaard ingeschakeld, en reasoning_effort ondersteunt slechts één niveau: "max".

Multi-turn gesprekken moeten de denkgeschiedenis letterlijk teruggeven: volgens de officiële documentatie van Moonshot is K3 getraind met behouden denken, dus in multi-turn gesprekken moet het vorige assistentbericht volledig en ongewijzigd worden teruggegeven (inclusief de denkinhoud). Ontbrekende denkgeschiedenis leidt tot onbetrouwbare outputkwaliteit. Als je een sessiebeheerframework of een proxylaag gebruikt, bevestig dan dat de denkinhoud ongewijzigd wordt teruggegeven.
Chat Completions

Denkinhoud wordt teruggegeven in het reasoning_content veld van de respons; in multi-turn gesprekken, geef het vorige assistentbericht (inclusief reasoning_content) letterlijk terug.

from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key="<AIHUBMIX_API_KEY>",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[
        {"role": "user", "content": "Een slak zit op de bodem van een put van 10 meter. Elke dag klimt hij 3 meter, maar elke nacht glijdt hij 2 meter terug. Hoeveel dagen duurt het om de top te bereiken?"}
    ],
)

print(completion.choices[0].message.reasoning_content)
print(completion.choices[0].message.content)

# Multi-turn: geef het vorige assistentbericht letterlijk terug
messages = [
    {"role": "user", "content": "Wat is de hoofdstad van Frankrijk?"},
    {"role": "assistant", "content": "Parijs.", "reasoning_content": "<reasoning_content from the previous response>"},
    {"role": "user", "content": "En de bevolking?"}
]

Geverifieerd: de respons retourneert reasoning_content; na het letterlijk teruggeven van het vorige assistentbericht (inclusief reasoning_content), beantwoorden de volgende beurten normaal.
Antwoorden

Denkinhoud wordt teruggegeven als een reasoning outputitem; in multi-turn gesprekken, voeg de outputitems van de vorige beurt (reasoning + message) letterlijk toe aan input.

from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key="<AIHUBMIX_API_KEY>",
)

response = client.responses.create(
    model="kimi-k3",
    input="Beantwoord in één woord: hoofdstad van Frankrijk",
)

# Geobserveerde response.output item types: ["reasoning", "message"]; tekst: "Parijs"
# Multi-turn: input = [eerste gebruikersbericht] + response.output + [volgend gebruikersbericht]
# Geobserveerd tweede-beurt antwoord met outputitems teruggegeven: "Berlijn"

Berichten

Denkinhoud wordt teruggegeven als native thinking inhoudsblokken; in multi-turn gesprekken, geef de vorige assistentinhoudsblokken (inclusief de denkblokken) letterlijk terug.

from anthropic import Anthropic

client = Anthropic(
    api_key="<AIHUBMIX_API_KEY>",
    base_url="https://aihubmix.com"
)

response = client.messages.create(
    model="kimi-k3",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "Beantwoord in één woord: hoofdstad van Frankrijk"}
    ],
)

# Geobserveerde response.content blok types: ["thinking", "text"]; tekst: "Parijs"
# Multi-turn: geef response.content letterlijk terug als het assistentbericht

3. Samplingparameters zijn Vast

K3's samplingparameters zijn vastgelegd door de modelprovider: temperature 1.0, top_p 0.95, n 1, en presence_penalty / frequency_penalty 0. De officiële aanbeveling is om deze parameters uit verzoeken te laten.

Opmerking: de vaste samplingwaarden maken deel uit van de officiële specificatie en kunnen niet worden geverifieerd vanuit respons-signalen; volg de officiële aanbeveling en laat deze parameters weg.

4. Tool Aanroepen en Dynamische Tool-Lading

tools ondersteunt tot 128 tools; tool_choice ondersteunt het forceren en uitschakelen van tool-aanroepen. K3 ondersteunt ook dynamische tool-lading: het injecteren van nieuwe tools midden in een gesprek via het tools veld van een systeembericht (een berichtvorm specifiek voor de Chat API).
Chat Completions

tool_choice ondersteunt auto / none / required; required dwingt het model om een tool aan te roepen. Dynamische tool-lading: het systeembericht dat de tool injecteert bevat geen content, de geïnjecteerde tools zijn van kracht voor volgende beurten, en het bericht moet opnieuw in elk verzoek worden opgenomen.

messages = [
    {"role": "system", "content": "Je bent een behulpzame assistent."},
    {"role": "user", "content": "Hallo."},
    {"role": "assistant", "content": "Hallo, hoe kan ik je helpen?"},
    # Injecteer een nieuwe tool midden in het gesprek: alleen het tools-veld, geen inhoud
    {
        "role": "system",
        "tools": [
            {
                "type": "function",
                "function": {
                    "name": "get_time",
                    "description": "Haal de huidige tijd op",
                    "parameters": {"type": "object", "properties": {}},
                },
            }
        ],
    },
    {"role": "user", "content": "Hoe laat is het nu?"}
]

# tool_choice="required" met prompt "Hallo" -> het model wordt gedwongen om de tool aan te roepen
"finish_reason": "tool_calls",
"tool_calls": [{"function": {"name": "get_weather", "arguments": "{\"city\":\"New York\"}"}}]

Geverifieerd: tool_choice: "required" dwingt een toolaanroep zelfs voor niet-gerelateerde prompts; "none" onderdrukt toolaanroepen; tools die midden in een gesprek via een systeembericht zonder content zijn geïnjecteerd, kunnen normaal worden aangeroepen.
Antwoorden

Tooldefinities gebruiken een platte structuur (name op het hoogste niveau); het forceren van een aanroep gebruikt ook tool_choice: "required", en aanroepen worden teruggegeven als function_call outputitems. Ondersteuning voor dynamische tool-lading is in ontwikkeling; voor nu, verklaar alle tools in de top-level tools parameter.

response = client.responses.create(
    model="kimi-k3",
    input="Hallo",
    tools=[{
        "type": "function",
        "name": "get_weather",
        "description": "Haal het weer op voor een stad",
        "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
    tool_choice="required",
)

# Geobserveerde output bevat: {"type": "function_call", "name": "get_weather", "arguments": "{\"city\":\"London\"}"}

Berichten

Tools gebruiken het Anthropic-formaat (input_schema); forceer een aanroep met tool_choice: {"type": "any"} en schakel aanroepen uit met {"type": "none"}. ❗ De officiële Messages (Anthropic-compatibele) endpoint van Kimi K3 ondersteunt geen dynamische tool-lading: bij testen retourneert het injecterende bericht 200, maar de geïnjecteerde tool heeft geen effect (het model kan deze niet aanroepen). Verklaar alle tools in de top-level tools parameter.

response = client.messages.create(
    model="kimi-k3",
    max_tokens=4096,
    tools=[{
        "name": "get_weather",
        "description": "Haal het weer op voor een stad",
        "input_schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
    }],
    tool_choice={"type": "any"},
    messages=[{"role": "user", "content": "Hallo"}],
)

# Geobserveerd: stop_reason "tool_use"; inhoud bevat een tool_use blok dat get_weather aanroept

5. Gestructureerde Output

Gestructureerde output zorgt ervoor dat het model inhoud retourneert die strikt voldoet aan een gegeven JSON-schema.
Chat Completions

response_format ondersteunt json_schema met strict modus.

completion = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "user", "content": "Parijs is de hoofdstad van Frankrijk. Haal de stadsnaam op."}
    ],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "extract",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {"city": {"type": "string"}},
                "required": ["city"],
            },
        },
    },
)

# Geobserveerde response inhoud: {"city":"Parijs"}

Geverifieerd: de output is geldige JSON die voldoet aan het schema.
Antwoorden

Gestructureerde output wordt verklaard via text.format.

response = client.responses.create(
    model="kimi-k3",
    input="Parijs is de hoofdstad van Frankrijk. Haal de stadsnaam op.",
    text={
        "format": {
            "type": "json_schema",
            "name": "extract",
            "strict": True,
            "schema": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
        }
    },
)

# Geobserveerde output tekst: {"city":"Parijs"}

Berichten

❗ De officiële Messages (Anthropic-compatibele) endpoint van Kimi K3 ondersteunt geen gestructureerde output: de gestructureerde-outputvelden worden stilzwijgend genegeerd: het verzoek retourneert HTTP 200 met vrije tekst, zonder fout- of terugvalmelding, en downstream JSON-parsing zal falen. Wanneer je gestructureerde output nodig hebt, gebruik de Chat Completions of Responses API.

6. Context Caching is Automatisch

K3's context caching is automatisch ingeschakeld, zonder dat parameters nodig zijn. Wanneer een herhaald lange prefix de cache raakt, wordt het aantal hits gerapporteerd in het gebruik (de veldnaam varieert per API). Cache-prijzen zijn te vinden op de modelpagina.
Chat Completions

# gebruik van de tweede oproep met een identieke lange prefix
"prompt_tokens_details": {"cached_tokens": 1536}

Geverifieerd: de tweede aanvraag met een identieke lange prefix rapporteert de hit in usage.prompt_tokens_details.cached_tokens.
Antwoorden

# gebruik van de tweede Responses oproep met identieke lange instructies
"input_tokens_details": {"cached_tokens": 1536}

Berichten

# gebruik van de tweede Messages oproep met een identieke lange systeemprompt
"cache_read_input_tokens": 1536

7. partial Prefix Voltooiing

Prefix voltooiing zorgt ervoor dat het model doorgaat met genereren vanaf een gegeven prefix, goed geschikt voor codevoltooiing en format-gecontroleerde output.
Chat Completions

Geef "partial": true in het laatste assistentbericht door.

messages = [
    {"role": "user", "content": "Schrijf een haiku over de zee."},
    {"role": "assistant", "content": "Golven vouwen in schuim,", "partial": True},
]

# Prefix: "Golven vouwen in schuim,"  ->  voortzetting teruggegeven door het model
# zout hangt in de lucht—
# maan trekt het tij naar huis.

Geverifieerd: generatie gaat door vanaf de gegeven prefix zonder deze te herhalen.
Antwoorden

Geef de prefix als een assistentbericht aan het einde van de input array door; geen partial parameter is nodig.

response = client.responses.create(
    model="kimi-k3",
    input=[
        {"role": "user", "content": "Schrijf een haiku over de zee."},
        {"role": "assistant", "content": "Golven vouwen in schuim,"},
    ],
)

# Geobserveerde voortzetting: "zout hangt in de lucht— / maan trekt het tij naar huis."

Berichten

Dezelfde mogelijkheid wordt bereikt met de native assistent-prefill van het protocol, zonder partial parameter: geef de prefix door als het laatste assistentbericht.

response = client.messages.create(
    model="kimi-k3",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "Schrijf een haiku over de zee."},
        {"role": "assistant", "content": "Golven vouwen in schuim,"},
    ],
)

# Geobserveerde voortzetting: "zout wind draagt de schreeuw van de meeuw— / tij trekt ..."

8. Vision Invoer

Afbeeldingen worden doorgegeven als base64; het inhoudsblokformaat varieert per API.
Chat Completions

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Wat is de dominante kleur van deze afbeelding? Eén woord."},
            {"type": "image_url", "image_url": {"url": "data:image/png;base64,<BASE64>"}},
        ],
    }
]

# Geobserveerde response inhoud: "Rood"  (invoer: een 64x64 solide rode PNG)

Geverifieerd: base64 afbeelding invoer werkt, en het model beschrijft de testafbeelding correct.
Antwoorden

input = [
    {
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Wat is de dominante kleur van deze afbeelding? Eén woord."},
            {"type": "input_image", "image_url": "data:image/png;base64,<BASE64>"},
        ],
    }
]

# Geobserveerde output tekst: "Rood"

Berichten

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Wat is de dominante kleur van deze afbeelding? Eén woord."},
            {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": "<BASE64>"}},
        ],
    }
]

# Geobserveerde response tekst: "Rood"

9. Geverifieerde Referentie: Latentie en Gebruik van een Lange Enkelvoudige Oproep Taak

K3's denken is vastgelegd op het maximale niveau, dus enkele verzoeken voor complexe taken duren aanzienlijk langer dan op typische modellen. Gemeten gegevens van een enkele HTML-spel generatie taak (één prompt met een referentieafbeelding, gegenereerd in één keer zonder iteratie): het enkele verzoek duurde 2.541 seconden (ongeveer 42 minuten), met 74.994 voltooiing tokens, waarvan 54.486 (73%) denk tokens waren; de uiteindelijke output was 1.275 regels direct uitvoerbare code, met finish_reason stop.

Aanbevelingen voor de klantzijde:

• Stel client timeouts in op minuten of langer, en geef de voorkeur aan streaming voor lange taken;
• Laat voldoende speling in max_completion_tokens: in dit geval verbruikte alleen het denken 54.486 tokens.

10. Capaciteit × API Ondersteuningsmatrix

Elke cel in de onderstaande tabel is geverifieerd op 2026-07-17 via daadwerkelijke oproepen naar de AIHubMix productie API's; elke cel toont de parameter / veldsyntax voor de overeenkomstige API.

FAQ

Welke API's ondersteunt K3 op AIHubMix?
Chat Completions (/v1/chat/completions), Responses (/v1/responses), en de Claude-compatibele Messages API (/v1/messages).

Kan denken worden uitgeschakeld of verlaagd?
Nee. K3's denken is standaard ingeschakeld, en reasoning_effort ondersteunt alleen het enkele "max" niveau.

Waarom moet reasoning_content worden teruggegeven in multi-turn gesprekken?
K3 is getraind met behouden denken; Moonshot vereist dat het vorige assistentbericht volledig en ongewijzigd wordt teruggegeven. Ontbrekende denkgeschiedenis leidt tot onbetrouwbare outputkwaliteit.

Wat zijn de limieten op de stop parameter?
Maximaal 5 stopsequenties, elk niet langer dan 32 bytes; het overschrijden van een van beide limieten retourneert een 400 fout.

Ondersteunt de Messages API gestructureerde output?
❗ Nee. Kimi K3's officiële Messages (Anthropic-compatibele) endpoint negeert stilzwijgend gestructureerde-outputvelden (retournerend 200 met vrije tekst en geen fout). Voor gestructureerde output, gebruik response_format op Chat Completions of text.format op Responses.

Waarom duren enkele K3 verzoeken zo lang?
K3's denken is vastgelegd op het maximale niveau, en denk tokens maken een groot aandeel uit bij complexe taken (73% van de voltooiing tokens in het gemeten geval). Stel client timeouts in op minuten of langer en gebruik streaming.

Voor prijzen en realtime status, zie de Kimi K3 modelpagina; voor meer modellen, bezoek de modelgalerij.

Laatste update: 2026-07-17