Ucensureret Kimi K3-API

De fleste guides til modelvalg er skrevet, som om kapacitet var gratis. Det er den ikke. Det interessante spørgsmål om en topmodel er aldrig »er den bedre« — det er den som regel — men »er den tilstrækkeligt meget bedre, på denne opgave, til at retfærdiggøre en regning fem gange større end modellen ét trin nede«. Denne guide besvarer det med rigtig hovedregning og siger lige ud, hvor de billigere muligheder vinder.

01Hvad Kimi K3 egentlig er

Kimi K3 er Moonshot AI's flagskib med åbne vægte, udgivet i juli 2026 under Kimi K3-licensen — tredje generation af en slægt, der begyndte med Kimi K2, og en reelt ny arkitektur frem for en finjustering.

Den offentliggjorte opbygning er 93 lag — 69 med Kimi Delta Attention, 24 med gated multi-head latent attention, ét tæt — med en Stable LatentMoE-router, der vælger 16 af 896 eksperter pr. token plus 2 delte. Moonshot rapporterer cirka en 2,5× forbedring i skaleringseffektivitet i forhold til Kimi K2 af den kombination. Vision er indbygget frem for påmonteret: en MoonViT-V2-encoder på 401 mio. parametre fodrer den samme stamme, der håndterer tekst.

Sparsitetstallet er værd at få ind under huden: K3 aktiverer 104 milliarder parametre pr. token, mod 30-40 milliarder for det meste af vores katalog. Det er cirka tre gange så meget regnearbejde pr. genereret token, og det er hele grunden til, at denne model topper prislisten. Du betaler ikke for et mærkeniveau — du betaler for GPU-sekunder.

Slægten, kort fortalt

• Kimi K2 — 1 billion parametre, 32 milliarder aktive, 384 eksperter med 8 rutet pr. token, fortrænet på 15,5 billioner tokens med MuonClip-optimeringen, bygget til at stoppe de attention-eksplosioner, der ødelægger MoE-træning i den skala.
• Kimi K2 Thinking — den samme grundmodel lært op i at flette ræsonnement sammen med værktøjsbrug, rapporteret at kunne holde 200 til 300 sekventielle tool calls i ét forløb, med 44,9 % på Humanity's Last Exam med værktøjer og 60,2 % på BrowseComp.
• Kimi K3 — genopbygget med indbygget multimodalitet og et vindue på 1 mio. tokens opstrøms, med kvantiseringsbevidst træning fra det superviserede finjusteringstrin og fremefter (MXFP4-vægte, MXFP8-aktiveringer). Det er derfor, K3 tåler aggressiv komprimering bedre end modeller, der aldrig blev trænet med det for øje.

Den røde tråd er agenthandling over lange horisonter: hver generation er blevet optimeret til at forblive sammenhængende hen over hundredvis af trin frem for til at vinde benchmarks med korte svar. Det er den evne, du køber.

02Hvad »3BIT-REAP« betyder, og hvorfor en model på 2,8 bio. har brug for det

Endelsen på model-id'et er ikke pynt — den fortæller, hvad der blev gjort ved vægtene, før de blev indlæst på vores egen GPU-klynge, og den er det ærlige forbehold, der hænger på hver eneste påstand her. Start med regnestykket. En model på 2,8 billioner parametre i 16-bit præcision fylder cirka 5,6 terabyte vægte. Ved 3 bit pr. vægt er det nærmere 1,05 terabyte — stadig stort, men en overkommelig udrulning med plads tilbage til en KV-cache på 262K tokens. REAP er den anden halvdel: en ekspertbeskæringsmetode, der profilerer, hvilke eksperter routeren faktisk griber til, og fjerner de sjældent valgte før kvantisering frem for efter. På en model, der kun ruter 16 af 896 eksperter pr. token, passer det naturligt — en så sparsom fordeling har en lang hale, der bidrager meget lidt til virkelig trafik — og at beskære først betyder, at det resterende bitbudget bruges på de eksperter, der betyder noget.

Vores katalog bruger tre endelser som en bevidst stige. 3BIT-REAP lægges på de største grundmodeller, hvor intet andet passer. W4A16-AUTOROUND-REAP er 4-bit vægte med 16-bit aktiveringer kvantiseret med AutoRound — lært afrunding, der genvinder reel nøjagtighed i forhold til naiv afrunding til nærmeste — plus den samme beskæring. W8A16 er niveauet med højest trofasthed, til grundmodeller, der er små nok til ikke at have brug for aggressiv komprimering. Kort sagt: endelsen fortæller, hvor meget af originalen der overlevede; prisen fortæller, hvad det koster at køre.

03Vision: hvad billedforståelse giver dig

Kimi-K3 er en af fem modeller i vores katalog med tolv modeller, der har vision, og den mest kapable af de fem. De fleste kommercielle vision-API'er kører en klassifikator hen over uploadede billeder og afviser en bred kategori af input, før modellen overhovedet ser dem — en fornuftig standard til forbrugere og en alvorlig forhindring for legitimt arbejde. Sikkerhedsforskere, der tager skærmbilleder af exploit-output, modereringsteams, der bygger deres egne klassifikatorer, retsmedicinsk arbejde og datasætrevision samt red team-evaluering rammer alle den mur. Kimi-K3 har intet afvisningslag og ingen filtrering af output.

Hvor K3's vision gør sig fortjent til prisen frem for billigere vision-modeller

• Tætte diagrammer og skemaer — arkitekturdiagrammer, netværkstopologier, kredsløb: alt hvor svaret afhænger af at følge linjer og etiketter frem for at navngive objekter.
• Lille tekst i skærmbilleder — stack traces, terminaloutput, regnearksceller. Forskellen mellem vision-niveauerne er størst på læsbarhed i lille skala.
• Billede inde i lang tekst — et skærmbillede lagt ind i en kontekst på 200K tokens, hvor modellen skal forbinde det, den ser, med det, den læste halvtreds tusind tokens tidligere.
• Sammenligning af flere billeder — to versioner af en brugerflade, eller et diagram holdt op mod den tabel, det er lavet ud fra.

Hvor den ikke gør sig fortjent til prisen: billedtekster, alt-tekst, OCR af rene dokumenter og tagging-pipelines. Det er løst til $0,50 pr. million input-tokens — er din billedopgave stor i volumen og hvert element enkelt for sig, giver Kimi-K2.6 eller MiniMax-M3 svar, du ikke vil kunne skelne fra K3's.

Billeder bruger tokens fra det samme budget på 262.144 tokens som tekst og faktureres til inputprisen. En håndfuld skærmbilleder i høj opløsning er ikke gratis.

04Agentarbejde over lange horisonter — det er dét, dette niveau er til

Hvis én arbejdsopgave retfærdiggør topniveauet, er det den her. Korte opgaver fejler tilgiveligt: modellen tager fejl, du opdager det, du prøver igen, du har mistet fire sekunder. En agent på fyrre ture, der tager en forkert forgrening i tur seks, bruger de næste fireogtredive ture på at bygge udførligt videre på en fejl, og du finder ud af det til sidst, efter at have betalt for hver eneste token undervejs. Den asymmetri er grunden til, at pris pr. token er tæt på at være den forkerte måleenhed her. Det, der betyder noget, er omkostning pr. vellykket gennemførsel, som domineres af, hvor ofte et forløb må smides væk. Moonshots offentliggjorte tal for K3-grundmodellen på agentiske benchmarks:

Alle tal er rapporteret af Moonshot for den ukvantiserede Kimi K3-grundmodel, juli 2026. De er ikke målinger af vores 3BIT-REAP-build, og vi præsenterer dem ikke som sådan.

Mønsteret svarer til det, arkitekturen blev bygget til: BrowseComp og Terminal-Bench er værktøjsløkke-benchmarks — gentagne cyklusser af handle, observere, revidere. SWE Marathon på 42,0 er modvægten: den sværeste evaluering af kodning over lange horisonter i sættet, hvor selv en frontier-model fejler de fleste opgaver. »Agentisk« er ikke en løst kategori; design efter fejl, uanset hvilken model du vælger.

Praktiske indstillinger til lange forløb

K3 eksponerer reasoning_effort, og her er det et reelt omkostningsgreb: ræsonnementstokens faktureres som output-tokens, til $19,12 pr. million.

• Low — routing af tool calls og struktureret udtræk, hvor modellen vælger mellem en håndfuld kendte muligheder.
• High — standarden til reelt agentarbejde: at planlægge en ændring i flere trin, fejlfinde ud fra en stack trace, forlige modstridende kilder.
• Max — gem den til det sværeste enkeltkald i en pipeline: planen øverst i et forløb eller den afsluttende gennemgang. Et forløb, der bruger 30K ræsonnementstokens på high og 90K på max, betaler $1,15 ekstra for det ene flag.

Budgettér også konteksten bevidst: vores vindue er 262.144 tokens med et maksimalt output på 16.384 tokens, og til $3,83 pr. million input hober en ubeskåret historik sig op — hver tur genfakturerer hele præfikset.

05Hvad »ucensureret« betyder på dette endpoint

Alle modeller på Shannon AI Gateway serveres uden afvisningslag og uden indholdsfiltrering af output. Det betyder mest på topniveauet, fordi de opgaver, folk tager med til en topmodel, er dem, der er mest tilbøjelige til at udløse et filter: adversarial sikkerhedsforskning, analyse af offensivt værktøj, udvikling af modereringsklassifikatorer, trusselsefterretning, vanskelig fiktion og enhver evaluering, der kræver, at modellen producerer netop det, du prøver at opdage.

• Ingen outputklassifikator. Svar bliver ikke scannet og omskrevet eller blokeret efter genereringen.
• Ingen indgangsport. Prompts og billeder screenes ikke, før de når modellen.
• Ikke en anden model. Det er Kimi K3-grundmodellen serveret uden det lag, der normalt sidder foran den.
• Ikke en overførsel af ansvar. At fjerne et afvisningslag flytter vurderingen over til dig — se vores politik for ansvarlig brug.

Der er en mere stilfærdig fordel for alle, der bygger evalueringssystemer: en ufiltreret model er et stabilt udgangspunkt. En model, der afviser uforudsigeligt, gør målinger støjende, fordi du ikke kan skille en kapacitetsgrænse fra en politikgrænse. Her er en fejl en kapacitetsfejl — den eneste slags, du kan fejlfinde.

06Prisen: $3,83 ind, $19,12 ud — og hvornår den gør sig fortjent

Det er den dyreste model på vores liste med god margin: output koster 9,6× vores bundpris på $2,00 og 5,2× hvad Kimi-K2.6 koster. Her er regnestykket i det åbne.

Model	Ind / 1M	Ud / 1M	Vision	JSON-skema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ja	Ja
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Nej	Ja
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ja	Nej
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ja	Ja
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nej	Ja
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ja	Ja
MiMo-V2.5 · W8A16	$0.50	$2.00	Ja	Ja

Udvalgte rækker, sorteret efter inputpris. Alle tolv modeller deler den samme kontekst på 262.144 tokens, det samme maksimale output på 16.384 tokens, streaming, tool calling og reasoning_effort. Live-egenskaber findes på API-dokumentationssiden.

To gennemregnede eksempler

Først et input på 120.000 tokens — et dump af en kodebase, en myndighedsindberetning — der producerer en analyse på 3.000 tokens. Dernæst et agentforløb på fyrre ture: cirka 1,2 mio. akkumulerede input-tokens, efterhånden som konteksten hober sig op, og 90.000 output-tokens inklusive ræsonnement.

Scenarie	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ind / 3K ud	$0.517	$0.105	$0.066
Agentforløb på 40 ture	$6.32	$1.27	$0.78

K3 koster cirka 4,9× Kimi-K2.6 på dokumentkaldet. Halvtreds cent er ingenting én gang; det er $517 om dagen ved tusind kald, mod $105. På agentforløbet er forskellen omkring $5. Anvend nu den eneste test, der betyder noget: er opgaven en times ingeniørtid til $100 værd, tjener K3 sig selv ind i samme øjeblik, den hæver succesraten i første forsøg med fem procentpoint — og på reelt svært arbejde over lange horisonter er forskellen mellem niveauerne som regel større. Er opgaven tredive sekunder af nogens tid værd, er de samme $5 uforsvarlige.

07Kimi-K3 eller en billigere søskendemodel?

De to Kimi-modeller i vores katalog er to trin på den samme stige frem for konkurrenter. Kimi-K2.6 er kvantiseret mindre aggressivt — W4A16-AUTOROUND-REAP, 4-bit vægte med lært afrunding, mod K3's 3-bit — på en mindre grundmodel. Den har vision, JSON-skema-output, det samme kontekstvindue og koster cirka en femtedel så meget.

Opgave	Brug	Hvorfor
Autonom agent på fyrre ture	Kimi-K3	Fejl hober sig op; plankvaliteten i tur ét afgør forløbet
Refaktorering i hele repositoriet	Kimi-K3	Kræver at hele konteksten holdes sammenhængende, ikke bare hentes fra
Tætte diagrammer, lille tekst i skærmbilleder	Kimi-K3	Den største vision-forskel mellem niveauerne er læsbarhed og rumlig ræsonneren
Velspecificerede redigeringer i enkeltfiler	Kimi-K2.6	Afgrænset opgave, billigt at prøve igen, ingen målbar loftforskel
Billedtekster i stor skala	MiniMax-M3 / MiMo-V2.5	Løst til $0,50 ind; K3's output er 9,6× for den samme billedtekst
Ræsonnementstungt, men kun tekst	DeepSeek-V4-Pro	$3,90 output mod $19,12 — drop K3, hvis du ikke har brug for billeder

Den sidste række er den oftest oversete besparelse. Involverer din opgave ikke billeder, så tjek DeepSeek-V4-Pro først. Den er også et 3BIT-REAP-build på en stor grundmodel, stærk til svært ræsonnement, og dens output koster $3,90 mod K3's $19,12. En stor del af den trafik, der griber til topniveauet, er ræsonnement på ren tekst, som klares lige så godt én række længere nede.

08Sådan kalder du det ucensurerede Kimi K3-API

Modellen er eksponeret som Kimi-K3-3BIT-REAP på alle tre dialekter, med streaming på hver af dem og ingen forskel i egenskaber mellem dem — kun i trådformat: /v1/chat/completions (OpenAI-kompatibel), /v1/messages (Anthropic-kompatibel) og /v1/responses. En vision-forespørgsel med hævet reasoning effort til en svær visuel opgave:

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 understøtter både response_format og fuldt json_schema, så du kan begrænse en agents værktøjsargumenter eller tvinge en rapport ind i en fast form uden efterfølgende parsning. Tool calling er indbygget og er den tiltænkte måde at drive lange forløb på. Parametre, autentificering, rate limits og en live-legeplads findes på API-dokumentationssiden.

Tre ting, der sparer penge fra dag ét

• Beskær præfikset. Hver tur genfakturerer hele samtalen til $3,83 pr. million; at opsummere en historik på 40 ture til et tilstandsobjekt på 4K tokens én gang sparer mere end de fleste modelskift.
• Nedskalér billeder. Billedtokens er input-tokens; et 4K-skærmbillede skaleret ned til noget stadig læsbart giver det samme svar for mindre.
• Rut efter sværhedsgrad. En billig model på rutineturene, med K3 på planen, den svære forgrening og den afsluttende gennemgang, giver ofte 80 % af kapaciteten for 25 % af regningen.

09Ofte stillede spørgsmål

---

Oplysninger og benchmarks om grundmodellen er Moonshot AI's offentliggjorte tal for Kimi K3 og Kimi K2 og beskriver de ukvantiserede opstrømsmodeller; vores build er en 3-bit REAP-kvantisering og vil afvige. Priser, kontekst og egenskaber er Shannon AI's egne, gældende pr. 5. september 2026 — de aktuelle værdier er altid dem, /v1/models returnerer. Kilder: modelkort for Kimi K3 · Kimi K3-repositoriet · Kimi K2 Thinking.