GLM 5 — 新一代前沿大模型GLM 5
Kimi K3 API 接入：认证、端点与 Python 集成指南
Jul 27, 2026

Kimi K3 API 接入：认证、端点与 Python 集成指南

Kimi K3 API 快速上手：配置认证、调用 chat completions、使用流式输出与函数调用——完整 Python 示例。

Moonshot AI 开发的 Kimi K3，是通过公开 API 可用的最强中文大语言模型之一。它提供 100 万 token 的上下文窗口、有竞争力的定价和 OpenAI 兼容接口——意味着你可以用大概率已经在用的工具，以极小摩擦完成集成。本指南覆盖英语开发者上手所需的全部内容：认证、端点细节，以及 chat completions、流式输出和函数调用的完整 Python 示例。

如果你也在为技术栈评估中国前沿模型，glm5.app 是探索 GLM 5.2（GLM-4-Plus）的好起点——那是 Zhipu AI 的旗舰模型，上下文能力相当。

文档问题：为什么英语开发者会卡住

关于 Kimi K3 API 最常见的抱怨很直白：Moonshot AI 的官方文档主要是中文的。API 控制台、定价页和参数参考都是为中文用户写的。英语开发者只能翻译页面、猜参数名，或从零散的 GitHub 仓库里拼凑示例。

本指南直接补上这个缺口。下面所有信息都来自 Moonshot AI 官方资料，并经过真实 API 测试。你应该能在几分钟内复制这些示例、填入 API key、跑通代码。

前置条件

你需要：

  • 在 platform.moonshot.cn 有一个 Moonshot AI 账号
  • 从 Moonshot 控制台（「API Keys」下）生成一个 API key
  • Python 3.8 或更高
  • openai Python SDK（1.x 版本）

安装 SDK：

pip install openai

Kimi K3 API 兼容 OpenAI，所以 openai 包就是合适的客户端——不需要 Moonshot 专用 SDK。

认证：API Key 与 Bearer Token

Kimi K3 用 Bearer token 认证请求。每个 HTTP 请求都必须包含请求头：

Authorization: Bearer YOUR_API_KEY

使用 OpenAI Python SDK 时，通过 api_key 参数传 key。绝不要把 key 硬编码进源文件。把它存到环境变量：

export MOONSHOT_API_KEY="sk-your-key-here"

然后初始化客户端：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.cn/v1",
)

base_url 覆盖是相对标准 OpenAI 设置唯一的结构性差异。把它指向 https://api.moonshot.cn/v1，API 其余表面——模型、参数、响应结构——的行为与 OpenAI 文档一致。

端点与模型档位

Kimi K3 API 暴露单一 base：https://api.moonshot.cn/v1。chat completions 端点遵循 OpenAI 惯例：

POST https://api.moonshot.cn/v1/chat/completions

Moonshot 提供几个对应不同上下文窗口大小的模型变体：

模型名上下文窗口典型用途
moonshot-v1-8k8,000 tokens短任务、问答、低成本调用
moonshot-v1-32k32,000 tokens单文档、中等长度对话
moonshot-v1-128k128,000 tokens长文档、多文档问答
kimi-latest最高 1,000,000 tokens完整代码库、书籍级上下文

用 kimi-latest 访问 Kimi K3 的全部能力，包括 1M token 上下文窗口。对上下文可预期很短的、成本敏感的批量负载，moonshot-v1-8k 能减少 token 花费。各模型的当前价格档位请查你的 Moonshot 控制台。

基础 Chat Completion

一个最小可运行示例：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.cn/v1",
)

response = client.chat.completions.create(
    model="kimi-latest",
    messages=[
        {
            "role": "system",
            "content": "You are a helpful software engineering assistant.",
        },
        {
            "role": "user",
            "content": "Explain the difference between processes and threads in Python.",
        },
    ],
    temperature=0.6,
    max_tokens=1024,
)

print(response.choices[0].message.content)

响应对象遵循 OpenAI schema：response.choices[0].message.content 存着助手的回复。用量信息（prompt tokens、completion tokens、total tokens）在 response.usage 里。

流式输出

对交互式应用——聊天机器人、编码助手、实时文档编辑器——流式输出必不可少。用户应该看到 token 边生成边出现，而不是等完整响应。Kimi K3 支持 Server-Sent Events (SSE) 流式：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.cn/v1",
)

stream = client.chat.completions.create(
    model="kimi-latest",
    messages=[
        {
            "role": "user",
            "content": "Walk me through how Python's garbage collector works.",
        }
    ],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="", flush=True)

print()  # final newline

stream=True 标志把响应从单个 JSON 载荷切换成部分 chunk 的可迭代对象。每个 chunk 的 delta.content 存着增量文本。这个模式和你写过的任何现有 OpenAI 流式代码直接兼容。

函数调用

函数调用把模型接到你应用的逻辑上。你定义一个或多个带参数 schema 的函数，连同用户消息一起发送，模型决定是否调用函数、用什么参数。Kimi K3 支持标准 OpenAI tools 接口：

import os
import json
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.cn/v1",
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_documents",
            "description": "Search an internal knowledge base for relevant documents.",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "The search query string.",
                    },
                    "max_results": {
                        "type": "integer",
                        "description": "Maximum number of results to return.",
                        "default": 5,
                    },
                },
                "required": ["query"],
            },
        },
    }
]

messages = [
    {
        "role": "user",
        "content": "Find me documents about our API rate limit policies.",
    }
]

response = client.chat.completions.create(
    model="kimi-latest",
    messages=messages,
    tools=tools,
    tool_choice="auto",
)

choice = response.choices[0]

if choice.finish_reason == "tool_calls":
    tool_call = choice.message.tool_calls[0]
    function_name = tool_call.function.name
    arguments = json.loads(tool_call.function.arguments)

    print(f"Model requested function: {function_name}")
    print(f"Arguments: {arguments}")

    # Execute the function in your code, then send the result back:
    # tool_result = search_documents(**arguments)
    # messages.append(choice.message)
    # messages.append({
    #     "role": "tool",
    #     "tool_call_id": tool_call.id,
    #     "content": json.dumps(tool_result),
    # })
    # final_response = client.chat.completions.create(model="kimi-latest", messages=messages)

两步流程是：

  1. 发送带工具定义的用户消息；检查 finish_reason。
  2. 如果 finish_reason == "tool_calls"，运行你的函数，把结果追加到 messages，再次调用 API 拿到模型的最终自然语言回复。

JSON 模式

当下游代码需要结构化输出时——用于解析、分类或喂给另一个服务——启用 JSON 模式：

response = client.chat.completions.create(
    model="kimi-latest",
    messages=[
        {
            "role": "user",
            "content": (
                'Return a JSON object with keys "title", "author", and "year" '
                'for the book "The Pragmatic Programmer".'
            ),
        }
    ],
    response_format={"type": "json_object"},
)

data = json.loads(response.choices[0].message.content)
print(data)

始终在提示词里明确告诉模型你要 JSON。response_format 参数约束输出格式，但当提示词把意图说清楚时效果最好。

错误处理与限流

Moonshot 平台的限流因账号档位而异，在你的平台控制台可见。API 返回标准 HTTP 状态码：

状态码含义
200成功
401API key 无效或缺失
429超过限流——退避后重试
500服务器错误——指数退避重试

一个实用的限流错误重试辅助函数：

import time
from openai import RateLimitError, APIError

def call_with_retry(client, max_attempts=4, **kwargs):
    for attempt in range(max_attempts):
        try:
            return client.chat.completions.create(**kwargs)
        except RateLimitError:
            wait_seconds = 2 ** attempt
            print(f"Rate limited — retrying in {wait_seconds}s (attempt {attempt + 1})")
            time.sleep(wait_seconds)
        except APIError as exc:
            if exc.status_code == 500 and attempt < max_attempts - 1:
                time.sleep(2 ** attempt)
            else:
                raise
    raise RuntimeError("Exceeded maximum retry attempts")

对持续的高吞吐使用，通过 Moonshot 平台的联系表单申请更高限流档位。

Kimi K3 vs GPT-4o：成本与上下文优势

对跑高流量推理的团队来说，Kimi K3 的经济性很有吸引力。每百万输入 token $0.30、每百万输出 token $1.10（撰写本文时的 kimi-latest 价格），输入侧大约是 GPT-4o 的五分之一。对批量文档处理、RAG 管线或任何 prompt token 占账单主导的负载，差距累积得很快。

指标Kimi K3 (kimi-latest)GPT-4o
输入价格$0.30 / M tokens约 $2.50 / M tokens
输出价格$1.10 / M tokens约 $10.00 / M tokens
上下文窗口1,000,000 tokens128,000 tokens
OpenAI 兼容是是（原生）
流式输出是是
函数调用是是

1M token 上下文窗口是另一个主要的实际优势。把整个代码库、一份长法律合同或一整天的客服日志装进单一上下文，省掉了那些增加复杂度、还可能丢失跨文档关系的分块策略。

对于在 Kimi K3 之外还想探索多个中国 AI API 的团队，glm5.app 上的 GLM 5.2 API 指南 覆盖了 Zhipu AI 的 GLM-4-Plus——它把 1M 上下文窗口与视觉（图像理解）能力结合起来，接口同样兼容 OpenAI，输入 token 价格为 $1.40/M。

全部串起来

现在你有了 Kimi K3 API 的完整可用工具箱：

  • 认证：环境变量里的 Bearer token，通过 OpenAI SDK 的 api_key 和 base_url 覆盖传入。
  • 模型选择：按模型名选上下文档位，从成本优先的 moonshot-v1-8k 到能力最大的 kimi-latest。
  • Chat completions：带 system 和 user 角色的标准 messages 数组。
  • 流式输出：stream=True 加 chunk 迭代，实时输出。
  • 函数调用：OpenAI schema 的 tools 参数；工具执行两步流。
  • JSON 模式：response_format 输出结构化结果。
  • 错误处理：429 和 500 码的指数退避。

OpenAI 兼容性意味着你只需改两行——api_key 和 base_url——就能在 Kimi K3 和其他供应商之间切换，这在多模型架构里给你真正的灵活性。

来源

（来源链接）

More Posts

Colibri AI 与 GLM 5.2：打造实时对话智能

Colibri AI 与 GLM 5.2：打造实时对话智能

Colibri AI 如何与 GLM 5.2 集成，实现实时对话智能、在线教练与多语言 AI 支持——包括配置方法与使用场景。

DeepSeek V4 Flash 替代方案：8 个备选模型排名（2026）

DeepSeek V4 Flash 替代方案：8 个备选模型排名（2026）

2026 年最好的 DeepSeek V4 Flash 替代方案排名——GLM 5.2、V4 Pro、Gemini 2.5 Flash、GPT-5 Mini、Qwen、Kimi 与 Llama，附大致价格、上下文与适用场景指南。

DeepSeek V4 Flash API 接入指南：Key、接口地址与 Python 快速上手

DeepSeek V4 Flash API 接入指南：Key、接口地址与 Python 快速上手

几分钟内接入 DeepSeek V4 Flash API：在 platform.deepseek.com 获取 key，调用 OpenAI 兼容接口，运行 Python 与 curl 示例，开启流式输出，并了解计费价格。

Start Using GLM 5 Today

Try GLM 5 free — reasoning, coding, agents, and image generation in one platform.

Try GLM 5 Free