🔥OpenStarry 已正式接入 Kimi-K3：月之暗面迄今最强旗舰，2.8T 参数 · 1M 上下文

一句话版：Kimi K3 是月之暗面迄今能力最强的旗舰模型——2.8 万亿参数、全球首个开源的 3 万亿级别模型、原生视觉、真正可用的 1M 上下文；它已经以原厂直连方式接入 OpenStarry，model 填 kimi-k3 即可调用。Coding Plan 按次计费、OpenAI 兼容协议 60 秒迁移。

一、为什么是 Kimi K3

根据 Kimi 官方 Quickstart 与技术博客，Kimi K3 的定位非常清晰：

Kimi 迄今能力最强的旗舰模型，拥有 2.8 万亿参数，基于 Kimi Delta Attention（KDA）与 Attention Residuals 构建，原生支持视觉理解，并拥有 100 万 token 上下文窗口，面向软件工程、知识工作与深度推理等前沿智能场景。

对开发者来说，这意味着三件事第一次在同一档模型上同时发生：

开源规模拉到 3T 级——官方称其为全球首个开源的 3 万亿级别模型；完整权重计划于 2026 年 7 月 27 日前发布。
长程编程 + 视觉 + Agent 同框——可在极少人工监督下持续完成长时间工程任务，理解大型代码库，协调终端工具；也擅长结合截图/视觉反馈做前端、游戏与 CAD 类优化。
1M 上下文 + 始终开启思考——默认走思考模式，通过顶层 reasoning_effort 配置力度（当前仅 max）；流式响应分别返回 reasoning_content 与最终 content。不要再使用 K2.x 的 thinking 参数。

关键能力清单（官方文档核对）

能力	说明
Model ID	kimi-k3
参数规模	2.8 万亿（MoE：896 专家中激活 16）
上下文	1,048,576 tokens（1M）
视觉	原生支持；图片用 base64 / ms://，不支持公网图片 URL
思考	始终开启；reasoning_effort="max"（默认）
工具调用	Tool Calls + tool_choice + 动态加载工具
结构化输出	response_format / JSON Schema（strict: true）
缓存	自动上下文缓存（长前缀命中降本）
max_completion_tokens	默认 131072，最大可至 1048576

⚠️ 官方提示：联网搜索（web_search）正在升级，近期不建议用于生产；多轮 / 工具调用须原样回传完整 assistant message，不要只留 content。

二、为什么选择 OpenStarry 调 Kimi-K3

- ✅ 原厂直连——版本与月之暗面官方同步，满血 kimi-k3。

- ✅ 严选主流大模型，恪守少而精：不搞凑数列表。

- ✅ 🔥自选套餐模式：模型 + 次数可自定义，不受固定套餐绑死。

- ✅ Coding Plan 按次计费，预算可预期。

- ✅ OpenAI / Anthropic 兼容协议——只改 base_url + api_key + model，60 秒迁移。

- ✅ 3 国内 + 3 海外节点，国内直连、人民币结算、ICP 备案合规。

当前支持的模型（精选 · 持续扩展）

🔥 本周新接入

模型	提供商	亮点
Kimi-K3	月之暗面 Moonshot	2.8T · 1M 上下文 · 原生视觉 · 深度推理 · 原厂直连
Qwen3.7-Max	阿里千问	1M 真长上下文 · 国产最强 Coding · 原厂直连

🔥 支持模型

Kimi K3 / K2.7-Code
GLM-5.2
DeepSeek-V4-Pro / DeepSeek-V4-Flash
MiniMax M3 / M2.7
Qwen3.7-Plus / Qwen3.7-Max
Mimo-V2.5-Pro

模型列表随时更新，可在文档与控制台中查看。

三、定价是什么样（最新核对）

1）OpenStarry Coding Plan：按次计费 · ¥9.9/周起

适合探索期 / 不想精算 token / 想稳定预算的开发者。价格来自官网 JSON-LD 实时 Offer 数据（2026-07-18 核对）：

套餐	价格	次数	总量（≈）
星序版	¥9.9 / 周	2,000 次 / 周	约 1 亿 Tokens
星创版	¥49 / 月	10,000 次 / 月	约 5 亿 Tokens
⭐星途版⭐	¥119 / 月	25,000 次 / 月	约 12.5 亿 Tokens
⭐星舰版⭐	¥299 / 月	60,000 次 / 月	约 30 亿 Tokens

单次折算：星途版 ≈ ¥0.0040/次。
注册即送星痕版：200 次免费调用（有效 7 天），足够跑通接入流程。
各套餐模型范围以控制台 / 使用说明为准。

2）Token Plan：按量计费 · 官方价透传 0 加价

适合用量稳定、需要精确控制 token 成本的团队。Kimi K3 官方单价（每 1M tokens，来源：旗舰模型 Kimi K3 定价）：

模型	计费单位	输入（缓存命中）	输入（缓存未命中）	输出	上下文
kimi-k3	1M tokens	¥2.00	¥20.00	¥100.00	1,048,576

计费不按上下文长度分段：输入区分缓存命中 / 未命中，输出统一单价。
长前缀场景务必保持 system / 知识库前缀稳定，吃满自动缓存红利（命中价仅为未命中的 1/10）。
OpenStarry Token Plan 对模型费官方价透传、0 加价。

四、60 秒接入

方式 A：OpenAI SDK 直调（通用）

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENSTARRY_API_KEY"],  # sk- 开头
    base_url="https://api.openstarry.com/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",  # K3 始终思考；当前仅 max 档
    messages=[{"role": "user", "content": "用一句话介绍 Kimi K3。"}],
)
print(completion.choices[0].message.content)

curl https://api.openstarry.com/v1/chat/completions \
  --header "Authorization: Bearer $OPENSTARRY_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "用一句话介绍 Kimi K3。"}]
  }'

方式 B：Hermes Agent 三步切换

如果你已经在用 Hermes Agent，三步把默认模型切到 Kimi-K3——整个项目的 base_url 只动一处，agent loop / subagent / cron / gateway 自动继承。

第 1 步：在 api.openstarry.com 注册 → 控制台拿 sk- Key，写入 ~/.hermes/.env：

# ~/.hermes/.env
OPENSTARRY_API_KEY=sk-你的Key

第 2 步：在 ~/.hermes/config.yaml 注册 OpenStarry 并设为默认——

# ~/.hermes/config.yaml

providers:
  openstarry:
    name:           OpenStarry
    base_url:       https://api.openstarry.com/v1
    api_key:        ${OPENSTARRY_API_KEY}
    api_mode:       chat_completions
    context_length: 1048576
    default_model:  kimi-k3

model:
  provider: openstarry
  default:  kimi-k3

第 3 步：/reset 后验证——

hermes chat -q "用 Kimi K3 写一个带并发安全的 Go LRU 缓存，并附测试。"
# 或直接进入交互
hermes

跑通后这些场景零额外配置自动走 Kimi-K3：

✅ hermes 交互式 CLI / hermes chat -q "..."
✅ delegate_task 子 agent
✅ hermes cron create 定时任务（日报、代码审查、长上下文周报）
✅ Gateway：Telegram / Discord / Slack / 企业微信 / 飞书 / 邮件 / 钉钉

完整文档：https://api.openstarry.com/openstarry-docs.html

五、什么样的场景最值得立刻切到 Kimi-K3

我们整理了 4 类在 OpenStarry 上高 ROI 的用法：

场景	为什么 Kimi-K3 合适
整仓库长程重构 / Agent 编程	2.8T + 1M 上下文 + 始终思考，适合多文件、长会话、工具循环
前端 / 游戏 / CAD + 视觉反馈	原生视觉，可吃截图迭代 UI 与交互，而不是纯文本猜布局
知识库问答 / 端到端知识工作	1M 窗口 + 自动缓存，长文档前缀复用成本可降到未命中的 1/10
AI IDE / Coding Agent 高频任务	Coding Plan 按次计费控预算；Token Plan 精确吃缓存价

六、接入注意（避免踩坑）

不要传 K2.x 的 thinking 参数，改用顶层 reasoning_effort。
temperature / top_p 等采样参数官方固定（如 temperature=1.0、top_p=0.95），建议不要显式覆盖。
视觉输入：content 必须是对象数组；图片用 base64 或 ms://，不支持公网 URL。
多轮与工具调用：完整回传 assistant message（含 tool_calls / reasoning 相关字段）。
联网搜索：官方标注升级中，生产环境先别依赖。

📌 本文同步发布于 OpenStarry 官方博客：https://api.openstarry.com/blog

📮 商务合作：service@openstarry.com ｜技术支持：support@openstarry.com
🔗 官方参考：Kimi K3 Quickstart · Kimi K3 定价

📚 相关阅读

- [OpenStarry已接入GLM-5.2：1M 真长上下文，单次低至 ¥0.005](https://api.openstarry.com/blog/openstarry-glm-5-2-1m-0-005.html)

- [ZCode+OpenStarry 接入 GLM-5.2 开发指南](https://api.openstarry.com/blog/zcode-openstarry-glm-5-2.html)