Kimi K3 API bez cenzury

Většina průvodců výběrem modelu je psaná, jako by schopnosti byly zadarmo. Nejsou. Zajímavá otázka u špičkového modelu nikdy nezní „je lepší?“ — obvykle je — ale „je na téhle úloze o tolik lepší, aby to ospravedlnilo pětinásobný účet oproti modelu o příčku níž?“. Tenhle průvodce na to odpovídá skutečnou aritmetikou a otevřeně říká, kde vyhrávají levnější možnosti.

01Co je Kimi K3 ve skutečnosti

Kimi K3 je vlajkový model s otevřenými váhami od Moonshot AI, vydaný v červenci 2026 pod licencí Kimi K3 License — třetí generace linie, která začala u Kimi K2, a skutečně nová architektura, ne dotrénování.

Zveřejněné rozvržení je 93 vrstev — 69 používá Kimi Delta Attention, 24 hradlovanou multi-head latent attention, jedna je hustá — s routerem Stable LatentMoE, který na token vybírá 16 z 896 expertů plus 2 sdílené. Moonshot uvádí z té kombinace zhruba 2,5× lepší efektivitu škálování oproti Kimi K2. Vidění je nativní, ne přišroubované: enkodér MoonViT-V2 se 401 miliony parametrů napájí tentýž kmen, který zpracovává text.

Za zapamatování stojí číslo o řídkosti: K3 aktivuje 104 miliard parametrů na token, oproti rozmezí 30 až 40 miliard u většiny našeho katalogu. To je zhruba trojnásobek aritmetiky na vygenerovaný token a je to jediný důvod, proč tenhle model vede ceník. Neplatíte za značkový tier — platíte za GPU sekundy.

Linie, stručně

• Kimi K2 — bilion parametrů, 32 miliard aktivních, 384 expertů s 8 routovanými na token, předtrénováno na 15,5 bilionu tokenů optimalizátorem MuonClip, postaveno tak, aby zastavilo výbuchy pozornosti, které v tomhle měřítku ničí trénink MoE.
• Kimi K2 Thinking — tentýž základ naučený prokládat uvažování s používáním nástrojů, s uváděným udržením 200 až 300 sekvenčních volání nástrojů v jednom běhu, s 44,9 % na Humanity's Last Exam s nástroji a 60,2 % na BrowseComp.
• Kimi K3 — přestavěný s nativní multimodalitou a milionovým oknem nahoře u výrobce, s kvantizačně uvědomělým tréninkem už od fáze supervizovaného dotrénování (váhy MXFP4, aktivace MXFP8). Proto K3 snáší agresivní kompresi lépe než modely, které s ní nikdy trénované nebyly.

Průběžnou linkou je dlouhodobá agentura: každá generace byla optimalizovaná na udržení soudržnosti napříč stovkami kroků, ne na vítězství v benchmarcích s krátkou odpovědí. Právě tuhle schopnost kupujete.

02Co znamená „3BIT-REAP“ a proč to model s 2,8 bilionu parametrů potřebuje

Přípona v id modelu není dekorace — říká, co se s váhami stalo, než byly nahrány na náš vlastní GPU cluster, a je to poctivá výhrada připojená ke každému tvrzení tady. Začněme aritmetikou. Model s 2,8 bilionu parametrů v 16bitové přesnosti má zhruba 5,6 terabajtu vah. Při 3 bitech na váhu je to spíš 1,05 terabajtu — pořád hodně, ale zvládnutelné nasazení s místem navíc pro KV cache na 262K tokenů. REAP je ta druhá polovina: metoda prořezávání expertů, která zprofiluje, po kterých expertech router skutečně sahá, a ty zřídka vybírané zahodí před kvantizací, ne po ní. U modelu, který na token routuje jen 16 z 896 expertů, to přirozeně sedí — takhle řídká distribuce má dlouhý chvost, který ke skutečnému provozu přispívá velmi málo — a prořezat nejdřív znamená, že se zbylý bitový rozpočet utratí za experty, na kterých záleží.

Náš katalog používá tři přípony jako záměrný žebřík. 3BIT-REAP jde na největší základy, kam se nic jiného nevejde. W4A16-AUTOROUND-REAP jsou 4bitové váhy s 16bitovými aktivacemi kvantizované pomocí AutoRound — naučené zaokrouhlování, které oproti naivnímu zaokrouhlení k nejbližšímu vrací skutečnou přesnost — plus totéž prořezávání. W8A16 je nejvěrnější tier, pro základy dost malé na to, aby agresivní kompresi nepotřebovaly. Zkrátka: přípona vám říká, kolik z originálu přežilo; cena vám říká, kolik stojí ho provozovat.

03Vidění: co vám porozumění obrázkům přinese

Kimi-K3 je jedním z pěti modelů v našem dvanáctimodelovém katalogu s viděním a z těch pěti nejschopnější. Většina komerčních API pro vidění pouští nahrané obrázky přes klasifikátor a širokou kategorii vstupů odmítne dřív, než je model vůbec uvidí — rozumné výchozí nastavení pro spotřebitele a vážná překážka legitimní práci. Bezpečnostní výzkumníci fotící výstup exploitu, moderační týmy stavějící vlastní klasifikátory, forenzní práce a audity datových sad i red-teamové hodnocení do téhle zdi narážejí. Kimi-K3 nemá žádnou vrstvu odmítání ani filtrování výstupu.

Kde si vidění K3 zaslouží svou cenu oproti levnějším modelům s viděním

• Husté diagramy a schémata — architektonické diagramy, síťové topologie, obvody: cokoli, kde odpověď závisí na sledování čar a popisků, ne na pojmenování objektů.
• Malý text ve screenshotech — výpisy zásobníku, výstup terminálu, buňky tabulek. Rozdíl mezi tiery vidění je největší právě u čitelnosti v malém měřítku.
• Obrázek uvnitř dlouhého textu — screenshot vhozený do kontextu o 200K tokenech, kde model musí vztáhnout to, co vidí, k tomu, co četl o padesát tisíc tokenů dřív.
• Porovnání více obrázků — dvě verze rozhraní, nebo graf proti tabulce, ze které vznikl.

Kde si svou cenu nezaslouží: popisky, alternativní texty, OCR čistých dokumentů a tagovací pipeliny. To je vyřešené za $0.50 za milion vstupních tokenů — pokud je vaše obrazová zátěž objemná a každá položka sama o sobě jednoduchá, Kimi-K2.6 nebo MiniMax-M3 vyprodukují odpovědi, které od těch z K3 nerozeznáte.

Obrázky ukrajují tokeny z téhož rozpočtu 262 144 tokenů jako text a účtují se vstupní sazbou. Hrstka screenshotů ve vysokém rozlišení není zadarmo.

04Dlouhodobá agentní práce — na tohle ten tier je

Jestli jedna zátěž ospravedlňuje špičkový tier, je to tahle. Krátké úlohy selhávají odpustitelně: model to splete, vy si toho všimnete, zopakujete to, ztratili jste čtyři sekundy. Čtyřicetikolový agent, který se v šestém kole vydá špatnou větví, stráví dalších třicet čtyři kol propracovaným stavěním na omylu a vy se to dozvíte na konci, když už jste zaplatili za každý token mezitím. Kvůli téhle asymetrii je cena za token skoro špatnou metrikou. Záleží na ceně za úspěšné dokončení, které dominuje to, jak často se běh zahodí. Zveřejněná čísla Moonshotu pro základ K3 na agentních benchmarcích:

Všechna čísla uvádí Moonshot pro nekvantizovaný základ Kimi K3, červenec 2026. Nejsou to měření našeho buildu 3BIT-REAP a nepředkládáme je tak.

Ten tvar odpovídá tomu, na co byla architektura postavena: BrowseComp a Terminal-Bench jsou benchmarky smyčky s nástroji — opakované cykly jednat, pozorovat, opravit. SWE Marathon na 42,0 je protiváha: nejtěžší dlouhodobé kódovací hodnocení v sadě, kde i špičkový model většinu úloh nezvládne. „Agentní“ není vyřešená kategorie; ať zvolíte kterýkoli model, počítejte v návrhu se selháním.

Praktická nastavení pro dlouhé běhy

K3 vystavuje reasoning_effort a tady je to skutečná páka na náklady: uvažovací tokeny se účtují jako výstupní tokeny, tedy za $19.12 za milion.

• Low — směrování volání nástrojů a strukturovaná extrakce, kde model vybírá z hrstky známých možností.
• High — výchozí pro skutečnou agentní práci: plánování vícekrokové změny, ladění z výpisu zásobníku, sesouhlasování protichůdných zdrojů.
• Max — vyhraďte ho pro nejtěžší jediné volání v pipelině: plán na začátku běhu, nebo závěrečnou revizi. Běh, který utratí 30 tisíc uvažovacích tokenů na high a 90 tisíc na max, zaplatí za tenhle jeden přepínač o $1.15 navíc.

Rozpočtujte záměrně i kontext: naše okno je 262 144 tokenů s maximálním výstupem 16 384 tokenů a při $3.83 za milion vstupu se neprořezaná historie kumuluje — každé kolo znovu účtuje celý prefix.

05Co na tomhle endpointu znamená „bez cenzury“

Každý model na bráně Shannon AI je servírován bez vrstvy odmítání a bez filtrování obsahu na výstupu. U špičkového tieru na tom záleží víc, protože úlohy, se kterými lidé ke špičkovému modelu přicházejí, nejspíš spustí filtr: adversariální bezpečnostní výzkum, analýza útočných nástrojů, vývoj moderačních klasifikátorů, threat intelligence, náročná beletrie a jakékoli hodnocení, které od modelu vyžaduje vytvořit právě to, co se snažíte detekovat.

• Žádný výstupní klasifikátor. Odpovědi se po vygenerování neskenují ani nepřepisují či neblokují.
• Žádná vstupní brána. Prompty a obrázky se před doručením modelu neprověřují.
• Není to jiný model. Tohle je základ Kimi K3 servírovaný bez vrstvy, která před ním obvykle sedí.
• Není to přenos odpovědnosti. Odstranění vrstvy odmítání přesouvá rozhodnutí na vás — viz naše zásady odpovědného užívání.

Pro každého, kdo staví hodnoticí systémy, je tu tišší přínos: nefiltrovaný model je stabilní základní linie. Model, který odmítá nepředvídatelně, dělá měření hlučným, protože nemůžete oddělit mez schopností od meze pravidel. Tady je selhání selháním schopností — jediným druhem, který se dá ladit.

06Cena: $3.83 vstup, $19.12 výstup — a kdy si ji zaslouží

Tohle je s velkým odstupem nejdražší model na našem seznamu: výstup stojí 9,6× naše dno $2.00 a 5,2× to, co stojí Kimi-K2.6. Tady je ta aritmetika otevřeně.

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

Vybrané řádky, seřazené podle ceny vstupu. Všech dvanáct modelů sdílí stejný kontext 262 144 tokenů, maximální výstup 16 384 tokenů, streamování, volání nástrojů a reasoning_effort. Živé příznaky schopností najdete na stránce s dokumentací API.

Dva rozebrané příklady

První: vstup o 120 000 tokenech — výpis kódové základny, regulatorní podání — produkující analýzu o 3 000 tokenech. Druhý: čtyřicetikolový běh agenta, zhruba 1,2 milionu kumulativních vstupních tokenů, jak se kontext hromadí, a 90 000 výstupních tokenů včetně uvažování.

Scénář	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K vstup / 3K výstup	$0.517	$0.105	$0.066
Čtyřicetikolový běh agenta	$6.32	$1.27	$0.78

K3 stojí u toho volání nad dokumentem zhruba 4,9× tolik co Kimi-K2.6. Padesát centů jednou není nic; při tisíci voláních je to $517 denně proti $105. U běhu agenta je rozdíl asi $5. A teď použijte jediný test, na kterém záleží: pokud úloha stojí za hodinu inženýrova času za $100, zaplatí se K3 ve chvíli, kdy zvedne úspěšnost na první pokus o pět procentních bodů — a u opravdu těžké dlouhodobé práce bývá rozdíl mezi tiery větší. Pokud úloha stojí za třicet sekund něčího času, je týchž $5 neobhajitelných.

07Kimi-K3, nebo levnější sourozenec?

Dva modely Kimi v našem katalogu jsou spíš dvě příčky jednoho žebříku než konkurenti. Kimi-K2.6 je kvantizovaný méně agresivně — W4A16-AUTOROUND-REAP, 4bitové váhy s naučeným zaokrouhlováním, oproti 3 bitům u K3 — na menším základu. Má vidění, výstup podle JSON schématu, stejné kontextové okno a stojí zhruba pětinu.

Úloha	Použijte	Proč
Čtyřicetikolový autonomní agent	Kimi-K3	Selhání se kumuluje; kvalita plánu v prvním kole rozhoduje o běhu
Refaktor v měřítku repozitáře	Kimi-K3	Potřebuje celý kontext udržený soudržně, ne jen vyhledávat v něm
Husté diagramy, malý text ve screenshotech	Kimi-K3	Největší rozdíl ve vidění mezi tiery je čitelnost a prostorové uvažování
Dobře zadané úpravy jednoho souboru	Kimi-K2.6	Ohraničená úloha, levné opakování, žádný měřitelný rozdíl ve stropu
Popisky obrázků ve velkém	MiniMax-M3 / MiMo-V2.5	Vyřešeno za $0.50 na vstupu; výstup K3 je 9,6× dražší za týž popisek
Náročné na uvažování, ale jen text	DeepSeek-V4-Pro	$3.90 výstup proti $19.12 — vynechte K3, pokud nepotřebujete obrázky

Ten poslední řádek je nejčastěji přehlédnutá úspora. Pokud vaše úloha nezahrnuje obrázky, podívejte se nejdřív na DeepSeek-V4-Pro. Je to také build 3BIT-REAP na velkém základu, silný v těžkém uvažování, a jeho výstup stojí $3.90 proti $19.12 u K3. Velká část provozu, který sahá po špičkovém tieru, je uvažování jen nad textem, obsloužené stejně dobře o řádek níž.

08Volání Kimi K3 API bez cenzury

Model je vystaven jako Kimi-K3-3BIT-REAP na všech třech dialektech, na každém se streamováním a bez rozdílu ve schopnostech mezi nimi — liší se jen formát na drátě: /v1/chat/completions (kompatibilní s OpenAI), /v1/messages (kompatibilní s Anthropic) a /v1/responses. Požadavek s obrázkem a zvýšeným úsilím uvažování pro těžkou vizuální úlohu:

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 podporuje jak response_format, tak plné json_schema, takže můžete omezit argumenty nástrojů agenta nebo vynutit pevný tvar reportu bez dodatečného parsování. Volání nástrojů je nativní a je zamýšleným způsobem, jak řídit dlouhé běhy. Parametry, autentizaci, limity a živé hřiště najdete na stránce s dokumentací API.

Tři věci, které ušetří peníze hned první den

• Prořezejte prefix. Každé kolo znovu účtuje celou konverzaci za $3.83 za milion; jednorázové shrnutí čtyřicetikolové historie do stavového objektu o 4 tisících tokenech ušetří víc než většina výměn modelu.
• Zmenšujte obrázky. Obrazové tokeny jsou vstupní tokeny; screenshot ve 4K zmenšený na něco pořád čitelného dá stejnou odpověď levněji.
• Směrujte podle obtížnosti. Levný model na rutinní kola a K3 na plán, těžkou větev a závěrečnou revizi bývá 80 % schopností za 25 % účtu.

09Často kladené otázky

---

Fakta o základu a benchmarky jsou čísla zveřejněná Moonshot AI pro Kimi K3 a Kimi K2 a popisují nekvantizované modely od výrobce; náš build je 3bitová kvantizace REAP a bude se lišit. Ceny, kontext a příznaky schopností jsou vlastní údaje Shannon AI platné k 5. září 2026 — živými hodnotami jsou vždy ty, které vrací /v1/models. Zdroje: karta modelu Kimi K3 · repozitář Kimi K3 · Kimi K2 Thinking.