Necenzurirani Kimi K3 API

Većina vodiča za izbor modela piše se kao da je sposobnost besplatna. Nije. Zanimljivo pitanje o vrhunskom modelu nikada nije „je li bolji” — obično jeste — nego „je li dovoljno bolji, na ovom zadatku, da opravda pet puta veći račun od modela jednu stepenicu niže”. Ovaj vodič na to odgovara stvarnom računicom i otvoreno kaže gdje jeftinije opcije pobjeđuju.

01Šta je Kimi K3 zapravo

Kimi K3 je vodeći model otvorenih težina kompanije Moonshot AI, objavljen u julu 2026. pod Kimi K3 licencom — treća generacija loze koja je počela sa Kimi K2, i zaista nova arhitektura, a ne dodatno podešavanje.

Objavljeni raspored ima 93 sloja — 69 koristi Kimi Delta Attention, 24 koriste latentnu višeglavu pažnju sa kapijama, jedan je gust — uz Stable LatentMoE usmjerivač koji po tokenu bira 16 od 896 eksperata plus 2 zajednička. Moonshot iz te kombinacije izvještava o otprilike 2,5× boljoj efikasnosti skaliranja u odnosu na Kimi K2. Vid je izvoran, a ne prikačen naknadno: enkoder MoonViT-V2 sa 401 milionom parametara hrani isto stablo koje obrađuje tekst.

Brojku o rijetkosti vrijedi usvojiti: K3 po tokenu aktivira 104 milijarde parametara, naspram raspona od 30 do 40 milijardi za većinu našeg kataloga. To je otprilike tri puta više računanja po generisanom tokenu i to je cijeli razlog zbog kojeg je ovaj model na vrhu cjenovnika. Ne plaćate nivo brenda — plaćate GPU-sekunde.

Loza, ukratko

• Kimi K2 — bilion parametara, 32 milijarde aktivnih, 384 eksperta sa 8 usmjerenih po tokenu, prethodno treniran na 15,5 biliona tokena uz optimizator MuonClip, građen da spriječi eksplozije pažnje koje na toj skali uništavaju MoE treniranje.
• Kimi K2 Thinking — isti temelj naučen da isprepliće rezonovanje sa upotrebom alata, uz prijavljeno održavanje 200 do 300 uzastopnih poziva alata u jednom radu, sa 44,9% na Humanity's Last Exam uz alate i 60,2% na BrowseCompu.
• Kimi K3 — iznova izgrađen sa izvornom multimodalnošću i prozorom od milion tokena uzvodno, uz treniranje svjesno kvantizacije od faze nadziranog finog podešavanja nadalje (MXFP4 težine, MXFP8 aktivacije). Zato K3 agresivnu kompresiju podnosi bolje od modela koji nikada nisu trenirani s njom na umu.

Crvena nit je dugoročna agentnost: svaka generacija optimizovana je da ostane koherentna kroz stotine koraka, a ne da pobjeđuje na benchmarkovima kratkih odgovora. To je sposobnost koju kupujete.

02Šta znači „3BIT-REAP” i zašto modelu od 2,8 biliona to treba

Sufiks na id-u modela nije ukras — on kaže šta je urađeno sa težinama prije nego što su učitane na naš vlastiti GPU klaster, i to je poštena ograda uz svaku tvrdnju ovdje. Počnite od računice. Model sa 2,8 biliona parametara u 16-bitnoj preciznosti ima oko 5,6 terabajta težina. Pri 3 bita po težini to je bliže 1,05 terabajta — i dalje mnogo, ali izvodljiva instalacija sa preostalim prostorom za KV keš od 262K tokena. REAP je druga polovina: metoda obrezivanja eksperata koja profiliše kojima se eksperata usmjerivač zaista obraća i izbacuje rijetko birane prije kvantizacije, a ne poslije. Na modelu koji po tokenu usmjerava samo 16 od 896 eksperata to prirodno pristaje — toliko rijetka raspodjela ima dugi rep koji stvarnom saobraćaju doprinosi vrlo malo — a obrezivanje prvo znači da se preostali bitni budžet troši na eksperte koji su bitni.

Naš katalog koristi tri sufiksa kao namjerne stepenice. 3BIT-REAP ide na najveće temelje, gdje ništa drugo ne stane. W4A16-AUTOROUND-REAP su 4-bitne težine sa 16-bitnim aktivacijama kvantizovane pomoću AutoRounda — naučeno zaokruživanje koje vraća stvaran dio tačnosti u odnosu na naivno zaokruživanje na najbliže — uz isto obrezivanje. W8A16 je nivo najveće vjernosti, za temelje dovoljno male da im agresivna kompresija ne treba. Ukratko: sufiks vam govori koliko je od originala preživjelo; cijena vam govori koliko košta pokretanje.

03Vid: šta vam razumijevanje slika donosi

Kimi-K3 je jedan od pet modela sa vidom u našem katalogu od dvanaest modela, i najsposobniji među tih pet. Većina komercijalnih API-ja sa vidom pokreće klasifikator nad otpremljenim slikama i odbija širok raspon ulaza prije nego što ih model uopšte vidi — razumna podrazumijevana postavka za potrošače i ozbiljna prepreka legitimnom poslu. Sigurnosni istraživači koji snimaju izlaz eksploita, timovi za moderaciju koji grade vlastite klasifikatore, forenzički rad i revizija skupova podataka, te evaluacija crvenih timova — svi udaraju u taj zid. Kimi-K3 nema ni sloj odbijanja ni filtriranje izlaza.

Gdje K3-ov vid zaslužuje svoju cijenu u odnosu na jeftinije modele sa vidom

• Gusti dijagrami i sheme — arhitektonski dijagrami, mrežne topologije, električne šeme: sve gdje odgovor zavisi od praćenja linija i oznaka, a ne od imenovanja predmeta.
• Sitan tekst na snimcima ekrana — tragovi steka, izlaz terminala, ćelije tabele. Razmak između nivoa najveći je upravo na čitljivosti u sitnoj razmjeri.
• Slika unutar dugog teksta — snimak ekrana ubačen u kontekst od 200K tokena, gdje model mora povezati ono što vidi sa onim što je pročitao pedeset hiljada tokena ranije.
• Poređenje više slika — dvije verzije korisničkog interfejsa, ili grafikon naspram tabele koja ga je proizvela.

Gdje svoju cijenu ne zaslužuje: opisivanje slika, alternativni tekst, OCR čistih dokumenata i cjevovodi za označavanje. To je riješeno po $0.50 na milion ulaznih tokena — ako je vaše opterećenje sa slikama velikog obima, a svaka je stavka pojedinačno jednostavna, Kimi-K2.6 ili MiniMax-M3 daju odgovore koje nećete razlikovati od K3-ovih.

Slike troše tokene iz istog budžeta od 262.144 tokena kao i tekst i naplaćuju se po ulaznoj cijeni. Šačica snimaka ekrana visoke rezolucije nije besplatna.

04Dugoročni agentski rad — ono za šta ovaj nivo postoji

Ako jedno opterećenje opravdava vrhunski nivo, onda je to ovo. Kratki zadaci propadaju blagonaklono: model pogriješi, vi primijetite, ponovite, izgubili ste četiri sekunde. Agent od četrdeset poteza koji u šestom potezu skrene na pogrešnu granu narednih trideset i četiri poteza razrađeno gradi na grešci, a vi to otkrijete na kraju, pošto ste platili svaki token između. Ta asimetrija je razlog zašto je cijena po tokenu ovdje gotovo pogrešna mjera. Bitan je trošak po uspješnom dovršenju, kojim dominira to koliko često se neki rad baci. Moonshotove objavljene brojke za K3 temelj na agentskim benchmarkovima:

Sve brojke prijavio je Moonshot za nekvantizovani Kimi K3 temelj, jul 2026. One nisu mjerenja našeg 3BIT-REAP izdanja i ne predstavljamo ih kao takva.

Oblik odgovara onome za šta je arhitektura građena: BrowseComp i Terminal-Bench su benchmarkovi petlje sa alatima — ponovljeni ciklusi djelovanja, posmatranja i ispravljanja. SWE Marathon sa 42,0 je protuteža: najteža dugoročna evaluacija programiranja u skupu, gdje čak i vrhunski model padne na većini zadataka. „Agentsko” nije riješena kategorija; projektujte za neuspjeh koji god model odabrali.

Praktične postavke za duge radove

K3 izlaže reasoning_effort, a ovdje je to stvarna poluga troška: tokeni rezonovanja naplaćuju se kao izlazni tokeni, po $19.12 na milion.

• Low — usmjeravanje poziva alata i strukturirano izvlačenje podataka, gdje model bira između šačice poznatih opcija.
• High — podrazumijevano za stvaran agentski rad: planiranje višekoračne izmjene, otklanjanje greške iz traga steka, usklađivanje protivrječnih izvora.
• Max — sačuvajte ga za najteži pojedinačni poziv u cjevovodu: plan na početku rada ili završni pregled. Rad koji potroši 30K tokena rezonovanja pri high i 90K pri max plaća dodatnih $1.15 za tu jednu zastavicu.

Namjenski planirajte i kontekst: naš prozor je 262.144 tokena sa maksimalnim izlazom od 16.384 tokena, a po $3.83 na milion ulaza neobrezana historija se gomila — svaki potez iznova naplaćuje cijeli prefiks.

05Šta „necenzurirano” znači na ovoj krajnjoj tački

Svaki model na Shannon AI Gatewayu poslužuje se bez sloja odbijanja i bez filtriranja sadržaja na izlazu. To više znači na vrhunskom nivou, jer zadaci koje ljudi donose vrhunskom modelu najvjerovatnije će zapeti o filter: protivnička sigurnosna istraživanja, analiza ofanzivnih alata, razvoj klasifikatora za moderaciju, obavještajni rad o prijetnjama, teška fikcija i svaka evaluacija koja traži da model proizvede upravo ono što pokušavate detektovati.

• Nema klasifikatora izlaza. Odgovori se nakon generisanja ne skeniraju pa prepisuju ili blokiraju.
• Nema ulazne kapije. Promptovi i slike ne prosijavaju se prije nego što stignu do modela.
• Nije drugi model. Ovo je Kimi K3 temelj poslužen bez sloja koji obično stoji ispred njega.
• Nije prenos odgovornosti. Uklanjanje sloja odbijanja prebacuje prosudbu na vas — pogledajte našu politiku odgovornog korištenja.

Postoji i tiša korist za svakoga ko gradi sisteme za evaluaciju: nefiltriran model je stabilna osnovica. Model koji odbija nepredvidivo čini mjerenja šumovitim, jer ne možete razdvojiti granicu sposobnosti od granice politike. Ovdje je kvar kvar sposobnosti — jedina vrsta koju možete otkloniti.

06Cijena: $3.83 ulaz, $19.12 izlaz — i kada se isplati

Ovo je uvjerljivo najskuplji model na našoj listi: izlaz košta 9,6× više od našeg poda od $2.00 i 5,2× više od Kimi-K2.6. Evo računice otvoreno.

Model	Ulaz / 1M	Izlaz / 1M	Vid	JSON shema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Da	Da
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Ne	Da
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Da	Ne
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Da	Da
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Da
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Da	Da
MiMo-V2.5 · W8A16	$0.50	$2.00	Da	Da

Odabrani redovi, poredani po ulaznoj cijeni. Svih dvanaest modela dijeli isti kontekst od 262.144 tokena, maksimalni izlaz od 16.384 tokena, striming, pozivanje alata i reasoning_effort. Žive oznake mogućnosti nalaze se na stranici sa API dokumentacijom.

Dva razrađena primjera

Prvo, ulaz od 120.000 tokena — izvoz baze koda, regulatorna prijava — koji proizvodi analizu od 3.000 tokena. Drugo, agentski rad od četrdeset poteza: otprilike 1,2 miliona kumulativnih ulaznih tokena kako se kontekst gomila, i 90.000 izlaznih tokena uključujući rezonovanje.

Scenarij	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ulaz / 3K izlaz	$0.517	$0.105	$0.066
Agentski rad od 40 poteza	$6.32	$1.27	$0.78

K3 na tom pozivu sa dokumentom košta oko 4,9× više od Kimi-K2.6. Pedeset centi jednom nije ništa; pri hiljadu poziva to je $517 dnevno, naspram $105. Na agentskom radu razlika je oko $5. Sada primijenite jedini test koji je bitan: ako zadatak vrijedi sat inženjerovog vremena po $100, K3 se isplati onog trenutka kada podigne uspjeh iz prvog pokušaja za pet procentnih poena — a na zaista teškom dugoročnom poslu razlika između nivoa obično je veća. Ako zadatak vrijedi trideset sekundi bilo čijeg vremena, tih istih $5 ne može se braniti.

07Kimi-K3 ili jeftiniji srodnik?

Dva Kimi modela u našem katalogu prije su dvije prečke iste ljestve nego konkurenti. Kimi-K2.6 je kvantizovan manje agresivno — W4A16-AUTOROUND-REAP, 4-bitne težine sa naučenim zaokruživanjem, naspram K3-ova 3 bita — na manjem temelju. Ima vid, izlaz po JSON shemi, isti kontekstni prozor, i košta oko petinu.

Zadatak	Koristite	Zašto
Autonomni agent od četrdeset poteza	Kimi-K3	Neuspjeh se gomila; kvalitet plana u prvom potezu odlučuje cijeli rad
Refaktorisanje na nivou repozitorija	Kimi-K3	Traži da se cijeli kontekst drži koherentno, a ne samo da se iz njega dohvata
Gusti dijagrami, sitan tekst na snimku ekrana	Kimi-K3	Najveći razmak u vidu između nivoa jesu čitljivost i prostorno rezonovanje
Izmjene u jednoj datoteci, dobro zadate	Kimi-K2.6	Ograničen zadatak, jeftino ponavljanje, bez mjerljive razlike u plafonu
Opisivanje slika u velikom obimu	MiniMax-M3 / MiMo-V2.5	Riješeno po $0.50 na ulazu; K3-ov izlaz je 9,6× skuplji za isti opis
Teško rezonovanje, ali samo tekst	DeepSeek-V4-Pro	$3.90 izlaz naspram $19.12 — ispustite K3 ako vam slike ne trebaju

Taj posljednji red najčešće je propuštena ušteda. Ako vaš zadatak ne uključuje slike, prvo provjerite DeepSeek-V4-Pro. I on je 3BIT-REAP izdanje na velikom temelju, jak na teškom rezonovanju, a njegov izlaz košta $3.90 naspram K3-ovih $19.12. Velik dio saobraćaja koji poseže za vrhunskim nivoom jeste rezonovanje samo nad tekstom, jednako dobro posluženo jedan red niže.

08Pozivanje necenzuriranog Kimi K3 API-ja

Model je izložen kao Kimi-K3-3BIT-REAP na sva tri dijalekta, sa strimingom na svakom i bez razlike u mogućnostima među njima — razlikuje se samo format na žici: /v1/chat/completions (kompatibilan sa OpenAI), /v1/messages (kompatibilan sa Anthropicom) i /v1/responses. Zahtjev sa slikom i podignutim naporom rezonovanja za težak vizuelni zadatak:

curl https://shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Kimi-K3-3BIT-REAP",
    "reasoning_effort": "high",
    "max_tokens": 4096,
    "stream": true,
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text",
          "text": "Trace the data path in this diagram and list every point where an untrusted input crosses a trust boundary." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,..." } }
      ]
    }]
  }'

K3 podržava i response_format i puni json_schema, pa možete ograničiti argumente alata koje agent poziva ili natjerati izvještaj u zadat oblik bez naknadnog parsiranja. Pozivanje alata je izvorno i predviđeni je način vođenja dugih radova. Parametri, autentikacija, ograničenja brzine i živi playground nalaze se na stranici sa API dokumentacijom.

Tri stvari koje štede novac već prvog dana

• Obrežite prefiks. Svaki potez iznova naplaćuje cijeli razgovor po $3.83 na milion; jednokratno sažimanje historije od 40 poteza u objekat stanja od 4K tokena štedi više od većine zamjena modela.
• Smanjite slike. Tokeni slike su ulazni tokeni; snimak ekrana u 4K smanjen na nešto što je i dalje čitljivo daje isti odgovor za manje novca.
• Usmjeravajte po težini. Jeftin model na rutinskim potezima, uz K3 na planu, teškoj grani i završnom pregledu, često daje 80% sposobnosti za 25% računa.

09Često postavljana pitanja

---

Činjenice o temelju i benchmarkovi objavljene su brojke kompanije Moonshot AI za Kimi K3 i Kimi K2 i opisuju nekvantizovane uzvodne modele; naše izdanje je 3-bitna REAP kvantizacija i razlikovaće se. Cijene, kontekst i oznake mogućnosti su Shannon AI-jevi vlastiti, važeći na dan 5. septembra 2026. — žive vrijednosti uvijek su one koje vraća /v1/models. Izvori: kartica modela Kimi K3 · Kimi K3 repozitorij · Kimi K2 Thinking.