Skip to main content
Moonshot AI보통울트라

Kimi K3

OpenRouter 애그리게이터를 경유하는 Moonshot AI Kimi K3입니다. 2.8T 파라미터의 오픈 웨이트 멀티모달 추론 모델로, 1M 토큰 컨텍스트와 이미지·영상 입력을 지원하며 복잡한 코딩, 지식 작업, 장기 에이전트 워크플로에 적합합니다. OpenRouter 실사용 비용 기준으로 실비 정산됩니다.

5,574/27,870크레딧
입력 / 출력 · 100만 토큰당
1M 토큰 컨텍스트 윈도우
이미지·영상 입력(멀티모달), 텍스트 출력
2.8T 파라미터 오픈 웨이트 추론 모델 (reasoning_effort 지원)
OpenAI 호환 API (chat completions) — /llm/openrouter/v1
OpenRouter 실사용 비용(usage.cost) 기준 실비 정산 — 표시 단가는 추정치

지금 바로 실행해보세요

콘솔의 Playground에서 별도 코드 없이 이 모델을 즉시 테스트할 수 있어요

로그인 후 사용해보기

AI 어시스턴트에서 사용하기

이 모델의 사용법을 Claude, ChatGPT 등에 복사

모델 상세 사양

컨텍스트 윈도우
1.0M
토큰
최대 출력
33K
토큰
학습 데이터
Not published
호환 SDK
OpenAI

기능 지원

비전
함수 호출
스트리밍
JSON 모드
시스템 프롬프트

토큰별 가격 (1M 토큰당)

토큰 종류크레딧달러 환산
입력 토큰5,574$3.72
출력 토큰27,870$18.58
캐시된 토큰557.4$0.37

* 1,500 크레딧 ≈ $1 (실제 요금은 사용량에 따라 달라질 수 있습니다)

빠른 시작

curl -X POST "https://api.core.today/llm/openrouter/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer cdt_your_api_key" \
  -d '{
  "model": "moonshotai/kimi-k3",
  "messages": [
    {
      "role": "user",
      "content": "Summarize the attached report in 5 bullets."
    }
  ],
  "max_tokens": 1024
}'

파라미터

파라미터타입필수기본값설명
modelstringYes-모델 ID입니다 (vendor/model 형식). 예: "moonshotai/kimi-k3".
messagesarrayYes-OpenAI 형식의 대화 메시지 배열입니다 (system/user/assistant 역할).
temperaturenumberNo0.7샘플링 온도입니다 (0~2).
max_tokensintegerNo2048최대 완성 토큰 수입니다.
streambooleanNofalseSSE 스트리밍 응답 여부입니다.

예제

챗 컴플리션

OpenRouter 경유 OpenAI 호환 챗 컴플리션 요청

curl -X POST "https://api.core.today/llm/openrouter/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer cdt_your_api_key" \
  -d '{
  "model": "moonshotai/kimi-k3",
  "messages": [
    {
      "role": "user",
      "content": "Summarize the attached report in 5 bullets."
    }
  ],
  "max_tokens": 1024
}'

팁 & 모범 사례

1OpenAI SDK에서 base_url을 https://ai.api.core.today/llm/openrouter/v1로 바꾸면 그대로 동작합니다
2청구는 OpenRouter usage.cost × 1,858 크레딧/USD 실비입니다 - 표시 단가는 추정치라 OpenRouter 가격 변동 시 차이가 날 수 있습니다
3출력 토큰 단가가 입력의 약 5배입니다 - max_tokens를 필요한 만큼만 잡고, 단순 작업은 reasoning_effort로 추론량을 줄이면 비용을 아낄 수 있습니다

사용 사례

복잡한 코딩·저장소 규모 리팩터링
도구 호출을 동반한 장기 에이전트 워크플로
긴 문서·이미지·영상 기반 지식 작업

모델 정보

제공자Moonshot AI
버전-
카테고리LLM
가격17 크레딧

API Endpoint

POST /llm/openrouter/v1/chat/completions
콘솔에서 테스트문서로 돌아가기