GLM 5 — 新一代前沿大模型GLM 5
Kimi K3 思考模式：扩展推理原理与 API 用法
Jul 31, 2026

Kimi K3 思考模式：扩展推理原理与 API 用法

Kimi K3 思考模式全解析——扩展思维链推理如何工作、何时启用、API 参数、难题表现与成本权衡。

当月之暗面（Moonshot AI）在 2025 年 7 月发布 Kimi K3 时，最受关注的功能之一就是它的思考模式——一种扩展思维链推理能力，让它与 OpenAI o1 和 Claude 的扩展思考（extended thinking）直接同台竞技。但 Kimi K3 的价格让这些竞争对手显得贵得吓人。

本指南讲清 Kimi K3 思考模式到底是什么、底层如何运作、什么时候该用什么时候不该用，以及如何通过 API 启用它。

什么是 Kimi K3 思考模式？

Kimi K3 的思考模式是一种扩展思维链（CoT）推理系统。启用后，模型不会直接跳到答案——它先生成一段内部推理轨迹，逐步推演问题，然后产出最终回复。

这与 OpenAI 在 o1 上开创、Anthropic 在 Claude 的扩展思考中实现的架构模式相同。核心思想是：复杂问题——尤其是数学、逻辑和多步规划——受益于深思熟虑的结构化推理，而不是即时的模式化应答。

在思考模式下，Kimi K3 本质上是在内部「出声思考」。这些推理 token 在推理过程中生成，虽然模型可能根据 API 调用方式暴露部分或全部推理轨迹，但关键是最终答案已经通过显式的中间步骤验证。

痛点：什么时候用思考模式

**痛点：**开发者常常在不需要的任务上启用思考模式，浪费 token 和时间——或者反过来，因为从不启用它，在难题上拿到糟糕的结果。

思考模式不是万能升级。它是针对特定问题类别的特定工具。把它用在简单的摘要任务上不会提升质量；只会多生成 2–5 倍的 token，并在首个输出 token 出现前显著增加延迟。

经验法则：如果人类专家解题需要打草稿，思考模式就有帮助。如果一个合格的人能一口气答出来，普通模式就够了。

这些场景用思考模式：

  • 数学奥赛级问题与竞赛编程挑战
  • 多步逻辑演绎（如约束满足、形式证明）
  • 需要先做算法规划再动笔的复杂代码生成
  • 模型必须考虑并否决多种方案的问题
  • 正确性要求严格、答错代价高昂的任务

这些场景留在普通模式：

  • 摘要、翻译与抽取
  • 事实查证式的简单问答
  • 无复杂约束的创意写作
  • 分类与路由任务
  • 任何速度与低成本比极限准确度更重要的任务

API 怎么用

Kimi K3 使用 OpenAI 兼容 API，如果你已经在用 OpenAI SDK，上手很容易。base URL 是 https://api.moonshot.cn/v1。

要启用思考模式，你在 model 参数里指定一个支持思考的模型变体。截至撰写时，该变体的标识是 moonshot-v1-thinking-latest——最新模型名以月之暗面平台文档为准，新版本发布时可能变化。

下面是用 Python OpenAI SDK 调思考模式的标准调用：

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.cn/v1"
)

response = client.chat.completions.create(
    model="moonshot-v1-thinking-latest",
    messages=[
        {
            "role": "user",
            "content": "A train leaves Station A at 9:00 AM traveling at 80 km/h. Another train leaves Station B (300 km away) at 10:00 AM traveling at 100 km/h toward Station A. At what time do they meet, and how far from Station A?"
        }
    ],
    max_tokens=4096
)

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

这是一个更完整的示例，演示思考模式解决编程问题——模型先规划再动笔：

from openai import OpenAI

client = OpenAI(
    api_key="your_moonshot_api_key",
    base_url="https://api.moonshot.cn/v1"
)

problem = """
Implement an efficient algorithm to find all pairs of integers in an array
that sum to a target value. The array may contain duplicates and negative
numbers. Return all unique pairs sorted by the first element.
Time complexity should be O(n log n) or better.
"""

response = client.chat.completions.create(
    model="moonshot-v1-thinking-latest",
    messages=[
        {
            "role": "system",
            "content": "You are an expert software engineer. Think carefully about edge cases and complexity before writing code."
        },
        {
            "role": "user",
            "content": problem
        }
    ],
    max_tokens=8192,
    temperature=0.6
)

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

# Token usage — thinking tokens count toward billing
usage = response.usage
print(f"Prompt tokens: {usage.prompt_tokens}")
print(f"Completion tokens: {usage.completion_tokens}")
print(f"Total tokens: {usage.total_tokens}")

使用 API 时的几条实用提醒：

  • **思考 token 按输出费率计费。**响应里的 completion_tokens 字段同时包含推理轨迹和最终答案。预算时请留意。
  • **max_tokens 设得宽裕些。**困难的推理链可能很长。如果 max_tokens 太低，模型可能在推理中途被截断。
  • **首 token 延迟显著更高。**模型在产出输出前至少要先完成一部分推理。复杂问题的延迟预计在几秒到几十秒。
  • **1M token 上下文窗口依然适用。**思考 token 占用同一个上下文预算。极长的推理链加上大输入，在极复杂任务上可能逼近上下文上限。

竞争差异化：价格 vs 性能

**竞争差异化：**Kimi K3 思考模式以可比模型的零头价格提供扩展推理。

截至撰写时，Kimi K3 思考模式与其他扩展推理方案的对比：

模型输入价格（每 1M token）输出价格（每 1M token）上下文窗口推理风格开放权重
Kimi K3（Moonshot AI）$0.30$1.101,000,000扩展 CoT（思考模式）是（MoE）
OpenAI o1$15.00$60.00128,000扩展 CoT否
OpenAI o3-mini$1.10$4.40200,000扩展 CoT否
Claude 3.5 Sonnet（扩展思考）$3.00$15.00200,000扩展思考否
Claude 3.7 Sonnet（扩展思考）$3.00$15.00200,000扩展思考否

成本优势一目了然。在 Kimi K3 上跑一个思考模式任务，成本大约比 OpenAI o1 便宜 50 倍，比 Claude 扩展思考便宜约 10 倍。对跑大量推理任务的团队——自动评分、代码评审流水线、复杂文档分析——这个差异在实践中是巨大的。

Kimi K3 即使在思考模式下也保持 1M token 上下文窗口，而大多数竞品推理模型上限是 128K–200K。这让 Kimi K3 在长文档、大代码库或累积上下文的多轮对话推理上具有独特价值。

开放权重的可用性又加了一个维度：有合规或数据驻留要求的组织可以自托管 Kimi K3，在不把数据发给第三方 API 的情况下运行思考模式。

难题上的表现预期

在思考模式下，Kimi K3 在它设计针对的问题类别上表现出可测量的提升。对需要多步推导的数学问题，模型倾向于先列方程、检查中间结果、在提交最终答案前抓住代数错误——这种模式在普通模式下很少出现。

对竞赛编程问题，思考模式促使模型先勾勒解法思路、识别边界情况，再写处理它们的代码——而不是输出第一个看似合理的实现就收手。

对多步规划（旅行行程、项目排期、约束密集的决策），思考模式让模型显式枚举约束、检验提出的方案是否满足约束、在给出最终计划前修正。

话说回来，思考模式不是魔法。对真正超出模型知识或能力的问题，扩展推理产出的只是一份更花哨的错误答案，而不是正确答案。思考模式提升的是「可解难题」上的可靠性——它不会扩展模型的知识边界。

预算 token 的实用指南

因为思考 token 按输出费率计费（截至撰写时每 1M token $1.10），成本管理值得想想：

**近似倍数：**取决于问题复杂度，思考模式通常比普通模式多生成 2–5 倍输出 token。普通模式下 500 token 的回复，思考模式下可能变成 1,000–2,500 token。

**估算批处理成本：**假设你要跑 10,000 个推理问题，每个平均输出 2,000 个思考+最终 token，那就是 2,000 万输出 token，按 Kimi K3 的输出费率大约 $22。同样的负载在 OpenAI o1 上大约要 $1,200。

**什么时候做 A/B 测试：**对全新用例，先在普通模式和思考模式下各跑一小批，在评估集上比较准确度，按「每个正确答案的成本」而不是「每个 token 的成本」来计算。思考模式可能准确得多，即使每 token 更贵，按有用结果算反而更便宜。

放在 GLM 生态里看

如果你在基于中国 AI 模型构建、正在评估选项，值得弄明白 Kimi K3 在更大的版图里的位置。GLM 系模型（来自智谱 AI）在编程、推理和中英双语任务上同样表现出色。想详细了解 GLM 家族的 API 与能力，GLM-5.2 API 指南 覆盖了上下文窗口大小、定价与集成模式，是很有用的参考点。

Moonshot 的 Kimi 与智谱的 GLM 两个模型家族占据重叠但不同的生态位，理解两者能帮你为每种任务类型选对工具。

开始使用

在 platform.moonshot.cn 注册 API 访问获取你的 API key。上手流程很简单，OpenAI 兼容接口意味着大多数现有 SDK 无需修改即可工作——只需换 base URL 和模型名。

想在投入 API 集成之前先体验 Kimi K3 能力的团队，glm5.app 提供了一个动手环境来测试前沿中国 AI 模型——在写生产代码之前，这是建立「哪些任务最受益于扩展推理」直觉的有用方式。

总结

Kimi K3 的思考模式是扩展思维链推理，能在硬核数学、逻辑和编程问题上大幅提升准确度——而且价格点让所有可比模型相形见绌。核心权衡很直白：更多 token、更高延迟、在真正困难的问题上更好的答案。任务需要深思熟虑的多步推理时启用它；速度与成本比极限准确度更重要的简单任务则跳过。

1M token 上下文窗口、开放权重可用性和有竞争力的定价，让 Kimi K3 思考模式成为生产级推理负载的现实选择——不只是研究上的好奇。

想在前沿模型之间探索扩展推理能力的开发者，glm5.app 是很好的起点——在优化你的集成之前，先对比输出、建立直觉。

Sources

立即开始使用 GLM 5

免费试用 GLM 5 — 推理、编程、智能体和图像生成，一个平台全搞定。

免费试用 GLM 5
Kimi K3 思考模式：扩展推理原理与 API 用法 - GLM 5