API Kimi K3 Heb Sensoriaeth

Mae'r rhan fwyaf o ganllawiau dewis model wedi'u hysgrifennu fel pe bai gallu am ddim. Nid yw. Nid ‘a yw'n well’ yw'r cwestiwn diddorol am fodel haen uchaf — fel arfer mae — ond ‘a yw'n ddigon gwell, ar y dasg hon, i gyfiawnhau bil bum gwaith yn fwy na'r model un ris yn is’. Mae'r canllaw hwn yn ateb hynny gyda rhifyddeg go iawn, ac yn dweud yn blaen ble mae'r opsiynau rhatach yn ennill.

01Beth yw Kimi K3 mewn gwirionedd

Kimi K3 yw model blaenllaw pwysau agored Moonshot AI, a ryddhawyd ym mis Gorffennaf 2026 o dan Drwydded Kimi K3 — trydedd genhedlaeth llinach a ddechreuodd gyda Kimi K2, a phensaernïaeth wirioneddol newydd yn hytrach na mireinio.

Y cynllun cyhoeddedig yw 93 haen — 69 yn defnyddio Kimi Delta Attention, 24 yn defnyddio sylw cudd aml-ben giatiedig, un yn ddwys — gyda llwybrydd Stable LatentMoE yn dewis 16 o 896 arbenigwr fesul tocyn ynghyd â 2 a rennir. Mae Moonshot yn adrodd gwelliant o tua 2.5x mewn effeithlonrwydd graddio dros Kimi K2 o'r cyfuniad hwnnw. Mae'r gweledol yn frodorol yn hytrach na bolltiedig arno: mae amgodiwr MoonViT-V2 401M paramedr yn bwydo'r un boncyff sy'n trin testun.

Mae'r rhif teneurwydd yn werth ei fewnoli: mae K3 yn actifadu 104 biliwn o baramedrau fesul tocyn, yn erbyn yr ystod 30 i 40 biliwn ar gyfer y rhan fwyaf o'n catalog. Mae hynny tua theirgwaith y rhifyddeg fesul tocyn a gynhyrchir, a dyna'r rheswm cyfan pam mae'r model hwn ar frig y rhestr brisiau. Nid talu am haen brand ydych chi — rydych chi'n talu am eiliadau GPU.

Y llinach, yn fyr

• Kimi K2 — triliwn o baramedrau, 32 biliwn yn actif, 384 arbenigwr gydag 8 wedi'u llwybro fesul tocyn, wedi'i rag-hyfforddi ar 15.5 triliwn o docynnau gan ddefnyddio'r optimeiddiwr MuonClip, wedi'i adeiladu i atal y ffrwydradau sylw sy'n dinistrio hyfforddiant MoE ar y raddfa honno.
• Kimi K2 Thinking — yr un sylfaen wedi'i dysgu i blethu rhesymu â defnyddio offer, ac adroddir ei bod yn cynnal 200 i 300 o alwadau offer dilyniannol mewn un rhediad, gyda 44.9% ar Humanity's Last Exam gydag offer a 60.2% ar BrowseComp.
• Kimi K3 — wedi'i hailadeiladu ag amlfoddoldeb brodorol a ffenestr miliwn tocyn i fyny'r afon, gyda hyfforddiant ymwybodol o gwanteiddio o gam y mireinio dan oruchwyliaeth ymlaen (pwysau MXFP4, actifadu MXFP8). Dyna pam mae K3 yn goddef cywasgu ymosodol yn well na modelau na chawsant erioed eu hyfforddi gyda hynny mewn golwg.

Y llinyn cyswllt yw asiantaeth gorwel hir: cafodd pob cenhedlaeth ei hoptimeiddio ar gyfer aros yn gydlynol ar draws cannoedd o gamau yn hytrach nag ar gyfer ennill meincnodau ateb byr. Dyna'r gallu rydych chi'n ei brynu.

02Beth mae ‘3BIT-REAP’ yn ei olygu, a pham mae angen hynny ar fodel 2.8T

Nid addurn yw'r ôl-ddodiad ar id y model — mae'n dweud beth a wnaed i'r pwysau cyn iddynt gael eu llwytho ar ein clwstwr GPU ein hunain, a dyma'r amod gonest sydd ynghlwm wrth bob honiad yma. Dechreuwch gyda'r rhifyddeg. Mae model 2.8 triliwn paramedr ar gywirdeb 16-did tua 5.6 terabeit o bwysau. Ar 3 did fesul pwysau mae'n nes at 1.05 terabeit — yn dal yn fawr, ond yn ddefnydd ymarferol gyda lle ar ôl ar gyfer storfa KV 262K tocyn. REAP yw'r hanner arall: dull tocio arbenigwyr sy'n proffilio pa arbenigwyr y mae'r llwybrydd yn estyn atynt mewn gwirionedd ac yn gollwng y rhai a ddewisir yn anaml cyn cwanteiddio yn hytrach nag wedyn. Ar fodel sy'n llwybro dim ond 16 o 896 arbenigwr fesul tocyn mae hynny'n ffit naturiol — mae gan ddosraniad mor denau â hynny gynffon hir sy'n cyfrannu ychydig iawn at draffig go iawn — ac mae tocio'n gyntaf yn golygu bod y gyllideb ddidau sy'n weddill yn cael ei gwario ar arbenigwyr sy'n cyfrif.

Mae ein catalog yn defnyddio tri ôl-ddodiad fel ysgol fwriadol. Mae 3BIT-REAP yn mynd ar y sylfeini mwyaf, lle nad oes dim arall yn ffitio. Mae W4A16-AUTOROUND-REAP yn bwysau 4-did gydag actifadu 16-did wedi'u cwanteiddio gan ddefnyddio AutoRound — talgrynnu a ddysgwyd sy'n adfer cywirdeb go iawn dros dalgrynnu naïf i'r agosaf — ynghyd â'r un tocio. W8A16 yw'r haen ffyddlondeb uchaf, ar gyfer sylfeini sy'n ddigon bach i beidio ag angen cywasgu ymosodol. Yn fyr: mae'r ôl-ddodiad yn dweud wrthych faint o'r gwreiddiol a oroesodd; mae'r pris yn dweud wrthych beth mae'n ei gostio i'w redeg.

03Gweledol: beth mae deall delweddau'n ei brynu i chi

Mae Kimi-K3 yn un o bum model yn ein catalog deuddeg model sydd â gweledol, a'r mwyaf galluog o'r pump. Mae'r rhan fwyaf o APIau gweledol masnachol yn rhedeg dosbarthydd dros ddelweddau a uwchlwythir ac yn gwrthod categori eang o fewnbynnau cyn i'r model eu gweld o gwbl — rhagosodiad defnyddwyr rhesymol a rhwystr difrifol i waith dilys. Mae ymchwilwyr diogelwch yn cymryd sgrinluniau o allbwn ecsbloetiau, timau cymedroli'n adeiladu eu dosbarthwyr eu hunain, gwaith fforensig ac archwilio setiau data, a gwerthuso tîm coch i gyd yn taro'r wal honno. Nid oes gan Kimi-K3 haen wrthod na hidlo ar yr allbwn.

Ble mae gweledol K3 yn ennill ei bris dros fodelau gweledol rhatach

• Diagramau a sgematigau dwys — diagramau pensaernïaeth, topolegau rhwydwaith, cylchedau: unrhyw beth lle mae'r ateb yn dibynnu ar ddilyn llinellau a labeli yn hytrach nag enwi gwrthrychau.
• Testun bach mewn sgrinluniau — olrheiniadau pentwr, allbwn terfynell, celloedd taenlen. Mae'r bwlch rhwng haenau gweledol ar ei letaf ar ddarllenadwyedd ar raddfa fach.
• Delwedd o fewn testun hir — sgrinlun wedi'i ollwng i gyd-destun 200K tocyn, lle mae'n rhaid i'r model gysylltu'r hyn y mae'n ei weld â'r hyn a ddarllenodd hanner can mil o docynnau ynghynt.
• Cymharu aml-ddelwedd — dwy fersiwn o UI, neu siart yn erbyn y tabl a'i cynhyrchodd.

Ble nad yw'n ennill ei bris: capsiynu, testun amgen, OCR o ddogfennau glân, a phiblinellau tagio. Mae'r rheini wedi'u datrys ar $0.50 fesul miliwn o docynnau mewnbwn — os yw eich llwyth gwaith delwedd yn gyfaint uchel a phob eitem yn syml ynddi ei hun, bydd Kimi-K2.6 neu MiniMax-M3 yn cynhyrchu atebion na fyddwch yn eu gwahaniaethu oddi wrth rai K3.

Mae delweddau'n bwyta tocynnau o'r un gyllideb 262,144 tocyn â thestun ac yn bilio ar y gyfradd fewnbwn. Nid yw dyrnaid o sgrinluniau cydraniad uchel am ddim.

04Gwaith asiantaidd gorwel hir — beth yw pwrpas yr haen hon

Os oes un llwyth gwaith yn cyfiawnhau'r haen uchaf, dyma fe. Mae tasgau byr yn methu'n faddeugar: mae'r model yn ei chael yn anghywir, rydych chi'n sylwi, rydych chi'n ailgeisio, rydych chi wedi colli pedair eiliad. Mae asiant deugain tro sy'n cymryd cangen anghywir ar dro chwech yn treulio'r pedwar tro ar ddeg ar hugain nesaf yn adeiladu'n gywrain ar gamgymeriad, ac rydych chi'n darganfod ar y diwedd wedi talu am bob tocyn rhyngddynt. Yr anghymesuredd hwnnw sy'n golygu bod pris fesul tocyn yn agos at fod y metrig anghywir yma. Yr hyn sy'n cyfrif yw cost fesul cwblhad llwyddiannus, wedi'i dominyddu gan ba mor aml y caiff rhediad ei daflu i ffwrdd. Ffigurau cyhoeddedig Moonshot ar gyfer sylfaen K3 ar feincnodau asiantaidd:

Mae'r holl ffigurau wedi'u hadrodd gan Moonshot ar gyfer sylfaen Kimi K3 heb ei chwanteiddio, Gorffennaf 2026. Nid mesuriadau o'n hadeiladwaith 3BIT-REAP ydynt ac nid ydym yn eu cyflwyno felly.

Mae'r siâp yn cyfateb i'r hyn yr adeiladwyd y bensaernïaeth ar ei gyfer: meincnodau dolen offer yw BrowseComp a Terminal-Bench — cylchoedd ailadroddus o weithredu, arsylwi, adolygu. SWE Marathon ar 42.0 yw'r gwrthbwysau: y gwerthusiad codio gorwel hir anoddaf yn y set, lle mae hyd yn oed model blaengar yn methu'r rhan fwyaf o dasgau. Nid categori sydd wedi'i ddatrys yw ‘asiantaidd’; cynlluniwch ar gyfer methiant pa bynnag fodel a ddewiswch.

Gosodiadau ymarferol ar gyfer rhediadau hir

Mae K3 yn amlygu reasoning_effort, ac yma mae'n lifer cost go iawn: mae tocynnau rhesymu'n bilio fel tocynnau allbwn, ar $19.12 fesul miliwn.

• Isel — llwybro galwadau offer ac echdynnu strwythuredig, lle mae'r model yn dewis rhwng dyrnaid o opsiynau hysbys.
• Uchel — y diofyn ar gyfer gwaith asiantaidd go iawn: cynllunio newid aml-gam, dadfygio o olrhain pentwr, cysoni ffynonellau gwrthgyferbyniol.
• Uchaf — cadwch ef ar gyfer yr alwad unigol anoddaf mewn piblinell: y cynllun ar frig rhediad, neu'r adolygiad terfynol. Mae rhediad sy'n gwario 30K o docynnau rhesymu ar uchel a 90K ar uchaf yn talu $1.15 ychwanegol am yr un faner honno.

Cyllidebwch gyd-destun yn fwriadol hefyd: mae ein ffenestr yn 262,144 tocyn gydag allbwn mwyaf o 16,384 tocyn, ac ar $3.83 fesul miliwn mewnbwn mae hanes heb ei docio'n cyfansymio — mae pob tro'n ailfilio'r rhagddodiad cyfan.

05Beth mae ‘heb sensoriaeth’ yn ei olygu ar y pwynt terfyn hwn

Caiff pob model ar Borth Shannon AI ei wasanaethu heb haen wrthod a heb hidlo cynnwys ar yr allbwn. Mae'n cyfrif mwy ar yr haen uchaf, am mai'r tasgau y mae pobl yn eu dwyn at fodel haen uchaf yw'r rhai mwyaf tebygol o faglu hidlydd: ymchwil diogelwch gwrthwynebus, dadansoddi offer ymosodol, datblygu dosbarthwyr cymedroli, gwybodaeth am fygythiadau, ffuglen anodd, ac unrhyw werthusiad sy'n gofyn i'r model gynhyrchu'r union beth rydych chi'n ceisio ei ganfod.

• Dim dosbarthydd allbwn. Nid yw ymatebion yn cael eu sganio a'u hailysgrifennu na'u blocio ar ôl eu cynhyrchu.
• Dim giât fewnbwn. Nid yw anogaethau a delweddau'n cael eu sgrinio cyn iddynt gyrraedd y model.
• Nid model gwahanol. Sylfaen Kimi K3 yw hon wedi'i gwasanaethu heb yr haen sydd fel arfer yn eistedd o'i blaen.
• Nid trosglwyddiad atebolrwydd. Mae tynnu haen wrthod yn symud y penderfyniad barn atoch chi — gweler ein polisi defnydd cyfrifol.

Mae budd tawelach i unrhyw un sy'n adeiladu systemau gwerthuso: mae model heb ei hidlo'n llinell sylfaen sefydlog. Mae model sy'n gwrthod yn anrhagweladwy'n gwneud mesuriadau'n swnllyd, am na allwch wahanu terfyn gallu oddi wrth derfyn polisi. Yma mae methiant yn fethiant gallu — yr unig fath y gallwch ei ddadfygio.

06Y pris: $3.83 i mewn, $19.12 allan — a phryd mae'n ei ennill

Dyma'r model drutaf ar ein rhestr o bell ffordd: mae'r allbwn yn costio 9.6x ein llawr $2.00 a 5.2x yr hyn y mae Kimi-K2.6 yn ei gostio. Dyma'r rhifyddeg yn agored.

Model	I mewn / 1M	Allan / 1M	Gweledol	Sgema JSON
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ie	Ie
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Na	Ie
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ie	Na
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ie	Ie
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Na	Ie
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ie	Ie
MiMo-V2.5 · W8A16	$0.50	$2.00	Ie	Ie

Rhesi dethol, wedi'u trefnu yn ôl pris mewnbwn. Mae'r deuddeg model i gyd yn rhannu'r un cyd-destun 262,144 tocyn, allbwn mwyaf o 16,384 tocyn, ffrydio, galw offer a reasoning_effort. Mae'r baneri gallu byw ar dudalen y dogfennau API.

Dwy enghraifft weithiedig

Yn gyntaf, mewnbwn 120,000 tocyn — dadlwythiad cronfa god, ffeiliad rheoleiddiol — yn cynhyrchu dadansoddiad 3,000 tocyn. Yn ail, rhediad asiant deugain tro: tua 1.2M o docynnau mewnbwn cronnol wrth i'r cyd-destun gronni, 90,000 o docynnau allbwn gan gynnwys rhesymu.

Senario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K i mewn / 3K allan	$0.517	$0.105	$0.066
Rhediad asiant 40 tro	$6.32	$1.27	$0.78

Mae K3 yn costio tua 4.9x Kimi-K2.6 ar yr alwad ddogfen. Nid yw hanner can sent yn ddim unwaith; mae'n $517 y dydd ar fil o alwadau, yn erbyn $105. Ar y rhediad asiant mae'r gwahaniaeth tua $5. Nawr cymhwyswch yr unig brawf sy'n cyfrif: os yw'r dasg yn werth awr o amser peiriannydd ar $100, mae K3 yn talu amdano'i hun y foment y mae'n codi llwyddiant y pas cyntaf pum pwynt canran — ac ar waith gorwel hir gwirioneddol galed mae'r bwlch rhwng haenau fel arfer yn fwy. Os yw'r dasg yn werth deg eiliad ar hugain o amser unrhyw un, mae'r un $5 yn anamddiffynadwy.

07Kimi-K3 neu frawd rhatach?

Dwy ris o un ysgol yw'r ddau fodel Kimi yn ein catalog yn hytrach na chystadleuwyr. Caiff Kimi-K2.6 ei gwanteiddio'n llai ymosodol — W4A16-AUTOROUND-REAP, pwysau 4-did gyda thalgrynnu a ddysgwyd, yn erbyn 3-did K3 — ar sylfaen lai. Mae ganddo weledol, allbwn sgema JSON, yr un ffenestr cyd-destun, ac mae'n costio tua phumed rhan cymaint.

Tasg	Defnyddiwch	Pam
Asiant ymreolaethol deugain tro	Kimi-K3	Mae methiant yn cyfansymio; ansawdd y cynllun ar dro un sy'n penderfynu'r rhediad
Ailffactorio ar raddfa ystorfa	Kimi-K3	Angen dal y cyd-destun llawn yn gydlynol, nid dim ond adalw ohono
Diagramau dwys, testun bach mewn sgrinluniau	Kimi-K3	Y bwlch gweledol lletaf rhwng haenau yw darllenadwyedd a rhesymu gofodol
Golygiadau un ffeil, wedi'u manylu'n dda	Kimi-K2.6	Tasg wedi'i ffinio, ailgeisio rhad, dim gwahaniaeth nenfwd mesuradwy
Capsiynu delweddau ar gyfaint	MiniMax-M3 / MiMo-V2.5	Wedi'i ddatrys ar $0.50 i mewn; mae allbwn K3 9.6x am yr un capsiwn
Trwm ar resymu ond testun yn unig	DeepSeek-V4-Pro	Allbwn $3.90 yn erbyn $19.12 — gollyngwch K3 os nad oes angen delweddau arnoch

Y rhes olaf honno yw'r arbediad a gollir amlaf. Os nad yw eich tasg yn cynnwys delweddau, gwiriwch DeepSeek-V4-Pro yn gyntaf. Mae hwnnw hefyd yn adeiladwaith 3BIT-REAP ar sylfaen fawr, yn gryf ar resymu caled, ac mae ei allbwn yn costio $3.90 yn erbyn $19.12 K3. Mae llawer o'r traffig sy'n estyn am yr haen uchaf yn resymu testun yn unig sy'n cael ei wasanaethu yr un mor dda un rhes yn is.

08Galw'r API Kimi K3 heb sensoriaeth

Mae'r model yn cael ei amlygu fel Kimi-K3-3BIT-REAP ar y tair tafodiaith, gyda ffrydio ar bob un a dim gwahaniaeth gallu rhyngddynt — dim ond fformat gwifren: /v1/chat/completions (cydnaws ag OpenAI), /v1/messages (cydnaws ag Anthropic), a /v1/responses. Cais gweledol gydag ymdrech resymu wedi'i chodi ar gyfer tasg weledol galed:

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,..." } }
      ]
    }]
  }'

Mae K3 yn cefnogi response_format a json_schema llawn fel ei gilydd, felly gallwch gyfyngu dadleuon offer asiant neu orfodi adroddiad i siâp sefydlog heb ddosrannu ar ôl y ffaith. Mae galw offer yn frodorol a dyna'r ffordd fwriadedig o yrru rhediadau hir. Mae'r paramedrau, y dilysu, y terfynau cyfradd a maes chwarae byw ar dudalen y dogfennau API.

Tri pheth sy'n arbed arian ar y diwrnod cyntaf

• Tociwch y rhagddodiad. Mae pob tro'n ailfilio'r sgwrs gyfan ar $3.83 fesul miliwn; mae crynhoi hanes 40 tro'n wrthrych cyflwr 4K tocyn unwaith yn arbed mwy na'r rhan fwyaf o gyfnewidiadau model.
• Lleihewch faint delweddau. Tocynnau mewnbwn yw tocynnau delwedd; mae sgrinlun 4K wedi'i ail-feintio i rywbeth sy'n dal yn ddarllenadwy'n rhoi'r un ateb am lai.
• Llwybrwch yn ôl anhawster. Mae model rhad ar y troeon arferol, gyda K3 ar y cynllun, y gangen galed a'r adolygiad terfynol, yn aml yn 80% o'r gallu am 25% o'r bil.

09Cwestiynau cyffredin

---

Rhifau cyhoeddedig Moonshot AI ar gyfer Kimi K3 a Kimi K2 yw'r ffeithiau sylfaen a'r meincnodau ac maent yn disgrifio'r modelau i fyny'r afon heb eu cwanteiddio; cwanteiddiad REAP 3-did yw ein hadeiladwaith ni a bydd yn wahanol. Rhai Shannon AI ei hun yw'r prisiau, y cyd-destun a'r baneri gallu, yn gyfredol ar 5 Medi 2026 — y gwerthoedd byw bob amser yw'r rhai a ddychwelir gan /v1/models. Ffynonellau: cerdyn model Kimi K3 · ystorfa Kimi K3 · Kimi K2 Thinking.