月之暗面 Kimi K3.1 Pro 高速版上架 Amazon Bedrock

from openai import OpenAI
from aws_bedrock_token_generator import provide_token

REGION = "us-west-2"
MODEL_ID = "global.moonshotai.kimi-k3.1"

# A short-term token derived from your AWS credentials, so no long-lived key is stored in code
client = OpenAI(
    base_url=f"https://bedrock-runtime.{REGION}.amazonaws.com/openai/v1",
    api_key=provide_token(region=REGION),
)

completion = client.chat.completions.create(
    model=MODEL_ID,
    messages=[
        {"role": "system", "content": "You are a concise senior engineer."},
        {"role": "user", "content": "When should I prefer a queue over a stream?"},
    ],
    reasoning_effort="high",
)
print(completion.choices[0].message.content)

response = client.responses.create(
    model=MODEL_ID,
    input="Summarize the trade-offs between optimistic and pessimistic locking.",
    reasoning={"effort": "low"},
)
print(response.output_text)

import boto3

bedrock = boto3.client("bedrock-runtime", region_name="us-west-2")
response = bedrock.converse(
    modelId="global.moonshotai.kimi-k3.1",
    messages=[{"role": "user", "content": [{"text": "Explain idempotency keys in two sentences."}]}],
)

# The model can return a reasoning block before the answer, so pick the text block
content = response["output"]["message"]["content"]
print(next(block["text"] for block in content if "text" in block))

completion = client.chat.completions.create(
    model=MODEL_ID,
    messages=[{"role": "user", "content": "List edge cases to test in a function that parses ISO 8601 dates."}],
    service_tier="flex",
)
print(completion.choices[0].message.content)
print(completion.service_tier)  # 处理该请求的服务层级

from pathlib import Path

LONG_STATIC_PROMPT = Path("repo_guidelines.md").read_text()  # 稳定内容，至少 256 个 token
QUESTION = "Which of these guidelines apply to database migrations?"

def cached_text(text):
    # 标记可缓存前缀的结束位置
    return {"type": "input_text", "text": text, "prompt_cache_breakpoint": {"mode": "explicit"}}

更多信息，请参阅 [Prompt caching for faster model inference](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-caching.html)。

## Kimi K3.1 Pro Highspeed 实战：使用 OpenCode 进行编码

[OpenCode](https://opencode.ai/) 是一个开源、与模型无关的编码智能体，可在你的终端中运行。你可以通过 Amazon Bedrock Chat Completions API，使用 OpenCode 的 [OpenAI 兼容 provider](https://opencode.ai/docs/providers/) 和 [Amazon Bedrock API 密钥](https://docs.aws.amazon.com/bedrock/latest/userguide/api-keys.html) 将其连接到 Kimi K3.1 Pro Highspeed。要创建密钥，请在 `baseURL` 中设置的 AWS 区域打开 Amazon Bedrock 控制台，然后选择 **API keys**。短期密钥有效期最长 12 小时，仅在生成它的区域内有效，推荐用于生产环境。长期密钥则用于探索性用途。

将以下内容添加到 `~/.config/opencode/opencode.json`，并将 `baseURL` 中的区域替换为你自己的区域：

在你的项目目录中启动 OpenCode，输入 `/connect`，选择 **Amazon Bedrock (Chat Completions)**，然后如图 1 所示粘贴你的 API 密钥。OpenCode 会存储该密钥，因此每个密钥只需连接一次。要在会话期间在 Kimi K3.1 Pro Highspeed 和其他模型之间切换，请输入 `/models`。

[![将 OpenCode 连接到 Amazon Bedrock（Chat Completions）提供商](/api/v1/file/hot_img_56ae8452e7453cf87b012207f0c728a9.webp)](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/11/11/ml-22229-opencode-connect-dialog.png)

图 1：将 OpenCode 连接到 Amazon Bedrock（Chat Completions）提供商

配置中的 `capabilities` 条目列出了模型支持的推理强度级别，因此 OpenCode 会提供 `low`、`high` 和 `max` 作为该模型的变体，如图 2 所示：

[![OpenCode 中 Kimi K3.1 Pro Highspeed 的推理强度变体](/api/v1/file/hot_img_f661f132918d8ebf6a26071f9b89852d.webp)](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/11/11/ml-22229-opencode-select-variant.png)

图 2：OpenCode 中 Kimi K3.1 Pro Highspeed 的推理强度变体

在智能体编程中，输出速度最为关键。为了完成单个任务，编程智能体会连续发起多次模型调用。它会读取文件、规划变更、编辑代码、运行测试，并修复失败之处。每次调用都必须在下一次调用开始前完成，而其中大部分时间都花在生成推理内容和代码上。更高的输出 token 速率可以缩短每一步的耗时，因此整个“编辑—测试—修复”循环能更快完成，你在迭代之间的等待也会更少。

## 可用性

Kimi K3.1 Pro Highspeed 可通过 `global.moonshotai.kimi-k3.1`、`us.moonshotai.kimi-k3.1` 和 `in.moonshotai.kimi-k3.1` 跨区域推理配置文件在 Amazon Bedrock 上使用。有关支持的区域和模型详细信息，请参阅 [Kimi K3.1 Pro Highspeed 模型卡](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-moonshot-ai-kimi-k3-1-highspeed.html)和[区域可用性](https://docs.aws.amazon.com/bedrock/latest/userguide/models-region-compatibility.html)。有关定价，请参阅 [Amazon Bedrock 定价](https://aws.amazon.com/bedrock/pricing/)。

如需开始使用，请在 [Amazon Bedrock 控制台](https://console.aws.amazon.com/bedrock/)中试用 Kimi K3.1 Pro Highspeed。如需与 Amazon Bedrock 团队讨论你的使用场景，请[联系我们](https://pages.awscloud.com/Amazon-Bedrock-Contact-Us.html)。