Kimi K3.1 Pro: параметри й журнал першого тесту
У прикладі Simon Willison і поточній документації Kimi різняться рівні reasoning_effort. Що перевірити перед власним API-тестом.
Simon Willison описав 23 жовтня свій перший виклик Kimi K3.1 Pro через утиліту LLM. Він порівняв результати одного візуального завдання за різних налаштувань міркування. Для розробника тут корисна деталь: перелік режимів у його дописі відрізняється від поточної документації API. Перш ніж повторювати приклад, варто звірити параметри й подбати про запис результату.
Станом на 26 жовтня посібник Kimi перелічує для reasoning_effort значення low, high і max; типовим є max. Willison називає low, medium і max. Ця розбіжність не доводить, що його попередній виклик був помилковим. Вона означає, що medium із допису не слід автоматично вважати актуальним документованим налаштуванням. Для нового порівняння запишіть точний ідентифікатор моделі, дату та передане значення параметра.
Інша пастка — журнал. За документацією LLM, команда llm openai endpoint не реєструє модель і не зберігає запит та відповідь у звичайному журналі. У своєму прикладі Willison окремо записав стандартний вивід і потік помилок у файли. Якщо результат потрібен для подальшого розбору, збережіть ці потоки разом із параметрами запуску, а не покладайтеся лише на історію термінала. Файли можуть містити сам запит і відповідь: перевірте їх перед передаванням колезі.
Доступ до сервісу також варто відділяти від самостійного розгортання. В анонсі Moonshot API вже доступний, а повні ваги обіцяні до 4 листопада 2026 року. Обіцяна дата не підтверджує, що конкретний файл ваг уже можна завантажити чи запустити на вашому обладнанні.
Це розбір опублікованого досвіду та документації, не власний тест Kimi від NODVIEW. Платних API-викликів ми не робили. Одне завдання Willison не встановлює якість моделі на вашому коді; збережений запит, налаштування й відповідь лише дають основу для відтворюваного порівняння.