Moonshot
Moonshot's open-weight flagship that sees: screenshots, charts and video frames in, a million tokens of context, reasoning always on.
1M tokens
上下文窗口
Not publicly disclosed
知识截止日期
32,768 tokens
最大输出
快速
速度
Three prompts, three unedited answers, generated on September 2, 2026 through NinjaChat. Click the prompt to copy it and run it yourself.
Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code.
def merge_intervals(intervals):
"""Merge overlapping intervals. Each interval is [start, end]."""
merged = []
for start, end in sorted(intervals):
if merged and start <= merged[-1][1]:
merged[-1][1] = max(merged[-1][1], end)
else:
merged.append([start, end])
return merged
def test_merge_intervals():
# Overlapping and disjoint intervals
assert merge_intervals([[1, 3], [2, 6], [8, 10], [15, 18]]) == [[1, 6], [8, 10], [15, 18]]
# Touching intervals merge; unsorted input handled
assert merge_intervals([[5, 7], [1, 4], [4, 5]]) == [[1, 7]]
# Empty and single-interval edge cases
assert merge_intervals([]) == [] and merge_intervals([[2, 3]]) == [[2, 3]]
test_merge_intervals()
print("All tests passed.")
The function sorts intervals by start time, then walks through once, extending the last merged interval when there's overlap. Runs in O(n log n) time.
Read: We ran the same 3 prompts on 12 AI models — Unedited answers, latency and price for every model, measured through the NinjaChat API in September 2026.
Served by Moonshot via OpenRouter as kimi-k3. Answers vary run to run; these are one take each, not the best of several.
把报错和截图一起贴进来,K3 两者都读得懂,改到点子上。
100 万 token:整个仓库、日志归档、成套文档都放进同一个对话。
多步骤工具调用,推理在整个任务过程中始终在线。
图表、示意图、UI 设计稿和视频帧都可作为一等输入。
Tuned to this model — click any line to copy.
Kimi K3 是 Moonshot AI 的旗舰模型,于 2026 年 7 月发布,是 Kimi K2.5 的继任者。它是一款 2.8 万亿参数的混合专家模型,每个 token 从 896 个专家中激活 16 个,基于 Moonshot 的 Kimi Delta Attention 与注意力残差构建,具备原生视觉能力、100 万 token 上下文窗口和开源权重。在 NinjaChat 上,Kimi K3 与其他模型一起包含在所有套餐中。
在日常使用中,K3 有两点格外突出。一是它「能看见」:图片和视频帧可以直接进入对话,因此它能读懂一张构建失败的截图、报告里的一张图表或视频中的某一帧,并结合你的文字一起推理。二是它「记得住全局」:100 万 token 的上下文意味着一个大型代码仓库、一长串日志与测试记录,或一整叠文档都能装进同一次会话,中途无需反复摘要压缩。
Moonshot 把 K3 设计成面向长周期任务的模型。推理始终开启,遇到难题时还可以调高思考强度;而且它在多步骤工具协同方面表现尤为出色:浏览代码库、执行命令、读取输出再据此调整。这让它非常适合编程智能体、需要兼顾代码与视觉判断的前端工作,以及要串联大量来源的研究型任务。
它同时是开源权重模型——如果你在意模型的来源,或者希望日后保留自行部署的选择,这一点很重要。在 NinjaChat 上,它与 Claude、GPT-5.6 和 Gemini 并列,实际问题只是哪一个更契合当下的任务:视觉加代码的问题、超大上下文选 K3;其他情况下,别家的生态或风格可能更合你意。
从零到第一个结果,不到一分钟。
01
创建 NinjaChat 账户并选择套餐
02
打开聊天,从模型列表中选择 Kimi K3
03
把截图、文件甚至整个文件夹的资料丢进来
04
直接交代完整任务,而不是零散片段;K3 会跨步骤规划
05
一键把同一个提示词换到 Claude 或 GPT-5.6 上对比