Memulai dengan Kimi

Anda dapat mengetik pertanyaan di kotak obrolan, mengunggah berkas, atau beralih antarmodel sesuai kebutuhan. Buka kimi.com dan coba kirim pesan — sapa Kimi:

Text

Memilih model

Kimi menyediakan beberapa model. Klik tombol beralih model di atas kotak input untuk berpindah.

Model	Kekuatan thinking	Paling cocok untuk
K2.6	Standard / High	Percakapan dan tanya jawab cepat dengan respons lebih gesit
K3	Low / High / Max	Tugas obrolan dan Agent; paling andal secara keseluruhan
K3 Swarm	Low / High / Max	Pencarian skala besar dan pemrosesan batch, dituntaskan sekaligus

K2.6 tidak mengonsumsi kredit; K3 dan K3 Swarm ditagih berdasarkan kredit. Lihat manfaat keanggotaan untuk detailnya.

Tentang Kimi K3

Kimi K3 saat ini adalah model paling andal dari Kimi, dengan 2,8 triliun parameter, dibangun di atas Kimi Delta Attention (KDA) dan Attention Residuals, menghadirkan visi natif dan jendela konteks 1 juta token. Sebagai model kelas 3T terbuka pertama di dunia, K3 dirancang untuk kecerdasan mutakhir di seluruh coding berjangka panjang, pekerjaan berbasis pengetahuan, dan penalaran, mencapai performa terdepan dalam coding, eksekusi berjangka panjang, serta beragam tugas kecerdasan umum.

Alat bawaan

Langsung tersedia tanpa perlu konfigurasi:

Alat	Deskripsi
Web Search	Pencarian web waktu nyata untuk berita dan informasi terbaru
Fetch Tool	Akses langsung ke URL tertentu (halaman web, dokumen, gambar, dan sumber daya daring lainnya)
Image Search	Pencarian teks-ke-gambar dan gambar-ke-gambar untuk menemukan konten visual dengan cepat
IPython	Menjalankan kode Python untuk analisis dan visualisasi data
Memory	Memori cerdas yang mencatat preferensi dan kebiasaan pribadi Anda

Kemampuan visual & multimodal

Kimi K3 mendukung pemahaman menyeluruh atas gambar, video, dan dokumen perkantoran (PDF/Word/Excel) menggunakan arsitektur multimodal natif (bukan OCR yang ditambahkan belakangan). Model ini dapat langsung mengurai isi dokumen dan menjalankan tugas perkantoran tingkat menengah hingga lanjutan (seperti menulis rumus Excel atau membuat kerangka PPT/kode VBA). Dipadukan dengan visi natif dan jendela konteks 1 juta token, model ini dapat menangani materi multimodal yang lebih panjang dan lebih kompleks.

Dukungan input multimodal

Gambar: PNG, JPEG, WebP, GIF, dll. (melalui URL, Base64, atau unggahan berkas lokal)
Video: MP4, dll. (melalui video_url atau urutan bingkai gambar + parameter fps)
Dokumen: PDF, Word, Excel, TXT, Markdown, dll.
Sumber daya daring: URL, tautan artikel
Pencarian gambar: Unggah gambar untuk mencari gambar yang terkait atau serupa
Pemahaman video: Mendukung pemahaman video — dapat menganalisis rekaman layar dan mereplikasi logika interaksi
Visual coding: Unggah tangkapan layar atau rekaman layar untuk menghasilkan kode frontend (HTML/Vue/React, dll.); dapat secara otomatis mereproduksi halaman web dari mockup desain

Format keluaran

Teks polos / campuran teks-dan-gambar: Balasan percakapan standar
Markdown: Teks kaya dengan judul, daftar, tabel, dan tautan
Blok kode: HTML/Vue/React/Python/JSON/Mermaid, dll. (dengan penanda bahasa)
Data terstruktur JSON: Keluaran mode JSON terkunci
Diagram Mermaid: Diagram alir, diagram urutan, peta pikiran, dll.
Rumus matematika LaTeX: Ekspresi matematika inline maupun tingkat blok
Keluaran dua mode (Thinking): Mengembalikan reasoning_content (proses berpikir) dan content (jawaban akhir)
Format pemanggilan alat: Format standar Function Calling (untuk pengembang)

Catatan penting

Keluaran berkas: K3 dapat menghasilkan dokumen yang dapat diedit secara end-to-end (seperti .pptx, .docx, .xlsx, .pdf) serta hasil kerja kompleks lainnya; K2.6 berfokus pada tanya jawab cepat dan hanya menghasilkan teks (seperti kerangka PPT, isi teks Word, atau kode).

Tips: Untuk menghasilkan gambar, audio, atau video, klik "+" → Plugin, pilih fitur yang sesuai, dan gunakan bersama K3. Untuk membuat dokumen kompleks yang dapat diedit atau menjalankan tugas multilangkah, kami sarankan memilih K3 atau K3 Swarm demi pengalaman penuh.

Sesi vs. giliran percakapan

Saat Anda mengeklik "Obrolan Baru", anggaplah itu sebagai memulai percakapan panjang dengan Kimi.

Konsep	Analogi	Definisi Teknis
Sesi	Seluruh rapat (dari awal hingga akhir)	Proses obrolan lengkap dengan awal dan akhir yang jelas
Giliran	Satu pertukaran (Anda berbicara, Kimi membalas)	Input Anda dan respons Kimi membentuk satu putaran

Perbedaan utama

Sesi

Memori berkelanjutan: Kimi mengingat seluruh konteks dalam obrolan saat ini
Konteks lintas giliran: Setiap balasan merujuk pada isi percakapan sebelumnya sebagai konteks untuk giliran berikutnya
Batas yang jelas: Mengeklik "Obrolan Baru" = mulai dari awal; konteks sebelumnya dihapus Giliran
Penghitungan kumulatif: Giliran 1, Giliran 2, … bertambah secara bertahap
Memori terbatas: Terlalu banyak giliran (mis. 50+) dapat membuat Kimi "lupa" isi sebelumnya, terutama untuk penulisan panjang atau tugas dengan persyaratan ketat
Batasan panjang konteks: Dibatasi oleh jumlah token; saat giliran menumpuk, konten paling awal dapat dipadatkan

Kasus khusus: Jika satu tanya jawab tunggal sudah mengakhiri percakapan, maka 1 giliran = 1 sesi.

Mengapa perbedaan ini penting

Dalam satu sesi, setiap pertanyaan atau instruksi baru yang Anda kirim dijawab dengan merujuk pada seluruh giliran sebelumnya. Seiring giliran menumpuk dan konten makin panjang, kualitas respons mungkin perlahan menurun.

Skenario umum

Skenario 1: Beralih topik

Salah: Bertanya "bantu saya menghitung pajak" di sesi tempat Anda sedang menulis novel 30.000 kata
Benar: Mulai sesi baru untuk pertanyaan pajak — agar Kimi tidak mengacaukan tokoh novel dengan konsep pajak Skenario 2: Pemrosesan dokumen panjang
Setelah puluhan giliran, Kimi mungkin "lupa" aturan atau ringkasan berkas yang ditetapkan di awal
Solusi: Secara proaktif buat ringkasan di tengah tugas ("Ringkas rencana kita sejauh ini"), atau mulai sesi baru Skenario 3: Memahami batasan produk
Batas panjang konteks diukur dalam token, tetapi dalam istilah sehari-hari, anggaplah sebagai "giliran"
Jika Anda melihat ajakan "Mulai obrolan baru", itu berarti sesi saat ini sudah memiliki terlalu banyak giliran

Praktik terbaik

Mulai sesi baru untuk setiap tugas: Tugas-tugas independen — menulis esai, riset, debugging — sebaiknya masing-masing memiliki sesi tersendiri agar tidak terjadi gangguan konteks.

Buat ringkasan berkala dalam sesi panjang: Setelah 20+ giliran, minta Kimi secara proaktif untuk meringkas informasi penting demi mencegah kehilangan data.

Bersihkan informasi sensitif dengan segera: Riwayat obrolan tersimpan; hapus seluruh sesi setelah menangani konten pribadi.