Kimi K3 API χωρίς λογοκρισία

Οι περισσότεροι οδηγοί επιλογής μοντέλου γράφονται σαν η ικανότητα να ήταν δωρεάν. Δεν είναι. Το ενδιαφέρον ερώτημα για ένα κορυφαίο μοντέλο δεν είναι ποτέ «είναι καλύτερο» — συνήθως είναι — αλλά «είναι αρκετά καλύτερο, σε αυτή τη δουλειά, ώστε να δικαιολογεί λογαριασμό πέντε φορές μεγαλύτερο από το μοντέλο ένα σκαλί πιο κάτω». Αυτός ο οδηγός απαντά με πραγματική αριθμητική και λέει καθαρά πού κερδίζουν οι φθηνότερες επιλογές.

01Τι είναι πραγματικά το Kimi K3

Το Kimi K3 είναι η ναυαρχίδα ανοιχτών βαρών της Moonshot AI, που κυκλοφόρησε τον Ιούλιο του 2026 με την άδεια Kimi K3 — η τρίτη γενιά μιας καταγωγής που ξεκίνησε με το Kimi K2, και μια πραγματικά νέα αρχιτεκτονική και όχι ένα fine-tune.

Η δημοσιευμένη διάταξη είναι 93 επίπεδα — 69 με Kimi Delta Attention, 24 με gated multi-head latent attention, ένα πυκνό — με έναν router Stable LatentMoE που επιλέγει 16 από 896 ειδικούς ανά token συν 2 κοινούς. Η Moonshot αναφέρει περίπου 2,5x βελτίωση στην αποδοτικότητα κλιμάκωσης σε σχέση με το Kimi K2 από αυτόν τον συνδυασμό. Η όραση είναι εγγενής και όχι προσαρτημένη: ένας κωδικοποιητής MoonViT-V2 401M παραμέτρων τροφοδοτεί τον ίδιο κορμό που χειρίζεται το κείμενο.

Το νούμερο της αραιότητας αξίζει να το εσωτερικεύσεις: το K3 ενεργοποιεί 104 δισεκατομμύρια παραμέτρους ανά token, έναντι του εύρους 30 έως 40 δισεκατομμυρίων για τα περισσότερα του καταλόγου μας. Αυτό είναι περίπου τριπλάσια αριθμητική ανά παραγόμενο token, και είναι ολόκληρος ο λόγος που αυτό το μοντέλο κορυφώνει τη λίστα τιμών. Δεν πληρώνεις για μια βαθμίδα μάρκας — πληρώνεις για GPU-δευτερόλεπτα.

Η καταγωγή, εν συντομία

• Kimi K2 — 1 τρισεκατομμύριο παράμετροι, 32 δισεκατομμύρια ενεργές, 384 ειδικοί με 8 δρομολογημένους ανά token, προεκπαιδευμένο σε 15,5 τρισεκατομμύρια tokens με τον optimizer MuonClip, χτισμένο για να σταματήσει τις εκρήξεις προσοχής που καταστρέφουν την εκπαίδευση MoE σε αυτή την κλίμακα.
• Kimi K2 Thinking — το ίδιο θεμέλιο διδαγμένο να εναλλάσσει συλλογιστική με χρήση εργαλείων, με αναφορές ότι διατηρεί 200 έως 300 διαδοχικές κλήσεις εργαλείων σε μία εκτέλεση, με 44,9% στο Humanity's Last Exam με εργαλεία και 60,2% στο BrowseComp.
• Kimi K3 — ξαναχτισμένο με εγγενή πολυτροπικότητα και παράθυρο 1M tokens στην πηγή, με εκπαίδευση με επίγνωση κβάντισης από το στάδιο του εποπτευόμενου fine-tuning και μετά (βάρη MXFP4, ενεργοποιήσεις MXFP8). Γι' αυτό το K3 ανέχεται την επιθετική συμπίεση καλύτερα από μοντέλα που δεν εκπαιδεύτηκαν ποτέ με αυτήν κατά νου.

Ο κοινός άξονας είναι η δράση μεγάλου ορίζοντα: κάθε γενιά βελτιστοποιήθηκε για να παραμένει συνεκτική σε εκατοντάδες βήματα και όχι για να κερδίζει benchmark σύντομων απαντήσεων. Αυτή είναι η ικανότητα που αγοράζεις.

02Τι σημαίνει «3BIT-REAP» και γιατί το χρειάζεται ένα μοντέλο 2,8T

Η κατάληξη στο id του μοντέλου δεν είναι διακόσμηση — λέει τι έγινε στα βάρη πριν φορτωθούν στο δικό μας cluster GPU, και είναι η ειλικρινής επιφύλαξη που συνοδεύει κάθε ισχυρισμό εδώ. Ξεκίνα από την αριθμητική. Ένα μοντέλο 2,8 τρισεκατομμυρίων παραμέτρων σε ακρίβεια 16 bit είναι περίπου 5,6 terabyte βαρών. Στα 3 bit ανά βάρος πλησιάζει το 1,05 terabyte — ακόμη μεγάλο, αλλά μια εφικτή ανάπτυξη με χώρο να περισσεύει για KV cache 262K tokens. Το REAP είναι το δεύτερο μισό: μια μέθοδος κλαδέματος ειδικών που καταγράφει ποιους ειδικούς φτάνει πράγματι ο router και αφαιρεί τους σπάνια επιλεγμένους πριν την κβάντιση και όχι μετά. Σε ένα μοντέλο που δρομολογεί μόνο 16 από 896 ειδικούς ανά token, αυτό ταιριάζει φυσικά — μια τόσο αραιή κατανομή έχει μακριά ουρά που συνεισφέρει ελάχιστα στην πραγματική κίνηση — και το κλάδεμα πρώτα σημαίνει ότι ο υπόλοιπος προϋπολογισμός bit ξοδεύεται σε ειδικούς που μετράνε.

Ο κατάλογός μας χρησιμοποιεί τρεις καταλήξεις ως συνειδητή κλίμακα. Το 3BIT-REAP μπαίνει στα μεγαλύτερα θεμέλια, όπου τίποτε άλλο δεν χωρά. Το W4A16-AUTOROUND-REAP είναι βάρη 4 bit με ενεργοποιήσεις 16 bit κβαντισμένα με AutoRound — μαθημένη στρογγυλοποίηση που ανακτά πραγματική ακρίβεια έναντι της αφελούς στρογγυλοποίησης στο πλησιέστερο — συν το ίδιο κλάδεμα. Το W8A16 είναι η βαθμίδα μεγαλύτερης πιστότητας, για θεμέλια αρκετά μικρά ώστε να μη χρειάζονται επιθετική συμπίεση. Με λίγα λόγια: η κατάληξη σου λέει πόσο από το πρωτότυπο επέζησε· η τιμή σου λέει τι κοστίζει να τρέξει.

03Όραση: τι σου αγοράζει η κατανόηση εικόνας

Το Kimi-K3 είναι ένα από τα πέντε μοντέλα με όραση στον δωδεκαμελή κατάλογό μας, και το πιο ικανό από τα πέντε. Τα περισσότερα εμπορικά API όρασης τρέχουν έναν ταξινομητή πάνω στις εικόνες που ανεβάζεις και απορρίπτουν μια ευρεία κατηγορία εισόδων πριν καν τις δει το μοντέλο — λογική προεπιλογή για καταναλωτές και σοβαρό εμπόδιο για θεμιτή δουλειά. Ερευνητές ασφάλειας που τραβούν στιγμιότυπα εξόδου exploit, ομάδες moderation που χτίζουν δικούς τους ταξινομητές, εγκληματολογική δουλειά και έλεγχος συνόλων δεδομένων, και αξιολόγηση red team χτυπούν όλα σε αυτόν τον τοίχο. Το Kimi-K3 δεν έχει επίπεδο άρνησης ούτε φιλτράρισμα στην έξοδο.

Πού η όραση του K3 αξίζει την τιμή της έναντι φθηνότερων μοντέλων όρασης

• Πυκνά διαγράμματα και σχηματικά — διαγράμματα αρχιτεκτονικής, τοπολογίες δικτύων, κυκλώματα: οτιδήποτε όπου η απάντηση εξαρτάται από την παρακολούθηση γραμμών και ετικετών και όχι από την ονομασία αντικειμένων.
• Μικρά γράμματα σε στιγμιότυπα οθόνης — stack traces, έξοδος τερματικού, κελιά λογιστικού φύλλου. Η απόσταση ανάμεσα στις βαθμίδες όρασης είναι μεγαλύτερη στην αναγνωσιμότητα σε μικρή κλίμακα.
• Εικόνα μέσα σε μεγάλο κείμενο — ένα στιγμιότυπο ριγμένο μέσα σε context 200K tokens, όπου το μοντέλο πρέπει να συσχετίσει αυτό που βλέπει με αυτό που διάβασε πενήντα χιλιάδες tokens νωρίτερα.
• Σύγκριση πολλών εικόνων — δύο εκδοχές ενός UI, ή ένα γράφημα απέναντι στον πίνακα που το παρήγαγε.

Πού δεν αξίζει την τιμή της: λεζάντες, εναλλακτικό κείμενο, OCR καθαρών εγγράφων και ροές ετικετοποίησης. Αυτά λύνονται με $0.50 ανά εκατομμύριο tokens εισόδου — αν ο φόρτος εικόνων σου είναι μεγάλου όγκου και κάθε στοιχείο ξεχωριστά απλό, το Kimi-K2.6 ή το MiniMax-M3 παράγουν απαντήσεις που δεν θα ξεχωρίσεις από αυτές του K3.

Οι εικόνες καταναλώνουν tokens από τον ίδιο προϋπολογισμό των 262.144 tokens με το κείμενο και χρεώνονται με την τιμή εισόδου. Μια χούφτα στιγμιότυπα υψηλής ανάλυσης δεν είναι δωρεάν.

04Αντζεντική δουλειά μεγάλου ορίζοντα — για αυτό υπάρχει αυτή η βαθμίδα

Αν ένας φόρτος δικαιολογεί την κορυφαία βαθμίδα, είναι αυτός. Οι σύντομες εργασίες αποτυγχάνουν συγχωρητικά: το μοντέλο κάνει λάθος, το προσέχεις, ξαναδοκιμάζεις, έχασες τέσσερα δευτερόλεπτα. Ένας πράκτορας σαράντα γύρων που παίρνει λάθος διακλάδωση στον γύρο έξι ξοδεύει τους επόμενους τριάντα τέσσερις γύρους χτίζοντας περίτεχνα πάνω σε ένα λάθος, και το μαθαίνεις στο τέλος έχοντας πληρώσει για κάθε token ενδιάμεσα. Αυτή η ασυμμετρία είναι που κάνει την τιμή ανά token σχεδόν λάθος μετρική εδώ. Σημασία έχει το κόστος ανά επιτυχή ολοκλήρωση, που καθορίζεται από το πόσο συχνά μια εκτέλεση πετιέται. Τα δημοσιευμένα νούμερα της Moonshot για το θεμέλιο K3 σε αντζεντικά benchmark:

Όλα τα νούμερα είναι δηλωμένα από τη Moonshot για το μη κβαντισμένο θεμέλιο Kimi K3, Ιούλιος 2026. Δεν είναι μετρήσεις του δικού μας build 3BIT-REAP και δεν τα παρουσιάζουμε ως τέτοιες.

Η μορφή ταιριάζει με αυτό για το οποίο χτίστηκε η αρχιτεκτονική: τα BrowseComp και Terminal-Bench είναι benchmark βρόχου εργαλείων — επαναλαμβανόμενοι κύκλοι δράσης, παρατήρησης, αναθεώρησης. Το SWE Marathon στο 42,0 είναι το αντίβαρο: η δυσκολότερη αξιολόγηση προγραμματισμού μεγάλου ορίζοντα του συνόλου, όπου ακόμη και ένα κορυφαίο μοντέλο αποτυγχάνει στις περισσότερες εργασίες. Το «αντζεντικό» δεν είναι λυμένη κατηγορία· σχεδίασε με γνώμονα την αστοχία όποιο μοντέλο κι αν διαλέξεις.

Πρακτικές ρυθμίσεις για μεγάλες εκτελέσεις

Το K3 εκθέτει το reasoning_effort, και εδώ είναι πραγματικός μοχλός κόστους: τα tokens συλλογιστικής χρεώνονται ως tokens εξόδου, στα $19.12 ανά εκατομμύριο.

• Low — δρομολόγηση κλήσεων εργαλείων και δομημένη εξαγωγή, όπου το μοντέλο διαλέγει ανάμεσα σε λίγες γνωστές επιλογές.
• High — η προεπιλογή για πραγματική αντζεντική δουλειά: σχεδιασμός μιας αλλαγής πολλών βημάτων, αποσφαλμάτωση από ένα stack trace, συμφιλίωση αντικρουόμενων πηγών.
• Max — κράτησέ το για την πιο δύσκολη μεμονωμένη κλήση μιας ροής: το σχέδιο στην αρχή μιας εκτέλεσης ή τον τελικό έλεγχο. Μια εκτέλεση που ξοδεύει 30K tokens συλλογιστικής σε high και 90K σε max πληρώνει επιπλέον $1.15 γι' αυτή τη μία σημαία.

Προϋπολόγισε και το context συνειδητά: το παράθυρό μας είναι 262.144 tokens με μέγιστη έξοδο 16.384 tokens, και στα $3.83 ανά εκατομμύριο εισόδου ένα ακλάδευτο ιστορικό ανατοκίζεται — κάθε γύρος ξαναχρεώνει ολόκληρο το πρόθεμα.

05Τι σημαίνει «χωρίς λογοκρισία» σε αυτό το endpoint

Κάθε μοντέλο στο Shannon AI Gateway σερβίρεται χωρίς επίπεδο άρνησης και χωρίς φιλτράρισμα περιεχομένου στην έξοδο. Μετράει περισσότερο στην κορυφαία βαθμίδα, επειδή οι εργασίες που φέρνει ο κόσμος σε ένα κορυφαίο μοντέλο είναι οι πιθανότερες να σκοντάψουν σε φίλτρο: ανταγωνιστική έρευνα ασφάλειας, ανάλυση επιθετικών εργαλείων, ανάπτυξη ταξινομητών moderation, πληροφορίες απειλών, δύσκολη μυθοπλασία και κάθε αξιολόγηση που απαιτεί από το μοντέλο να παράγει ακριβώς αυτό που προσπαθείς να ανιχνεύσεις.

• Κανένας ταξινομητής εξόδου. Οι απαντήσεις δεν σαρώνονται και δεν ξαναγράφονται ή μπλοκάρονται μετά την παραγωγή.
• Καμία πύλη εισόδου. Τα prompt και οι εικόνες δεν ελέγχονται πριν φτάσουν στο μοντέλο.
• Δεν είναι διαφορετικό μοντέλο. Είναι το θεμέλιο Kimi K3 σερβιρισμένο χωρίς το επίπεδο που συνήθως κάθεται μπροστά του.
• Δεν είναι μεταβίβαση ευθύνης. Η αφαίρεση ενός επιπέδου άρνησης μετακινεί την κρίση σε σένα — δες την πολιτική υπεύθυνης χρήσης μας.

Υπάρχει και ένα πιο σιωπηλό όφελος για όποιον χτίζει συστήματα αξιολόγησης: ένα αφιλτράριστο μοντέλο είναι σταθερή γραμμή βάσης. Ένα μοντέλο που αρνείται απρόβλεπτα κάνει τις μετρήσεις θορυβώδεις, επειδή δεν μπορείς να ξεχωρίσεις ένα όριο ικανότητας από ένα όριο πολιτικής. Εδώ μια αστοχία είναι αστοχία ικανότητας — το μόνο είδος που μπορείς να αποσφαλματώσεις.

06Η τιμή: $3.83 in, $19.12 out — και πότε την αξίζει

Αυτό είναι το ακριβότερο μοντέλο της λίστας μας με μεγάλη διαφορά: η έξοδος κοστίζει 9,6x το δάπεδό μας των $2.00 και 5,2x όσο κοστίζει το Kimi-K2.6. Να η αριθμητική στα ανοιχτά.

Μοντέλο	In / 1M	Out / 1M	Όραση	JSON schema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ναι	Ναι
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Όχι	Ναι
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ναι	Όχι
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ναι	Ναι
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Όχι	Ναι
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ναι	Ναι
MiMo-V2.5 · W8A16	$0.50	$2.00	Ναι	Ναι

Επιλεγμένες γραμμές, ταξινομημένες κατά τιμή εισόδου. Και τα δώδεκα μοντέλα μοιράζονται το ίδιο context 262.144 tokens, τη μέγιστη έξοδο 16.384 tokens, streaming, κλήση εργαλείων και reasoning_effort. Οι ζωντανές σημαίες δυνατοτήτων βρίσκονται στη σελίδα τεκμηρίωσης του API.

Δύο δουλεμένα παραδείγματα

Πρώτο, μια είσοδος 120.000 tokens — μια εκφόρτωση βάσης κώδικα, μια κανονιστική κατάθεση — που παράγει ανάλυση 3.000 tokens. Δεύτερο, μια εκτέλεση πράκτορα σαράντα γύρων: περίπου 1,2M σωρευτικά tokens εισόδου καθώς συσσωρεύεται το context, 90.000 tokens εξόδου μαζί με τη συλλογιστική.

Σενάριο	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K in / 3K out	$0.517	$0.105	$0.066
Εκτέλεση πράκτορα 40 γύρων	$6.32	$1.27	$0.78

Το K3 κοστίζει περίπου 4,9x το Kimi-K2.6 στην κλήση του εγγράφου. Πενήντα σεντ δεν είναι τίποτα μία φορά· είναι $517 τη μέρα με χίλιες κλήσεις, έναντι $105. Στην εκτέλεση του πράκτορα η διαφορά είναι περίπου $5. Τώρα εφάρμοσε το μόνο τεστ που μετράει: αν η εργασία αξίζει μία ώρα χρόνου ενός μηχανικού στα $100, το K3 αποπληρώνεται τη στιγμή που ανεβάζει την επιτυχία με την πρώτη κατά πέντε ποσοστιαίες μονάδες — και σε πραγματικά δύσκολη δουλειά μεγάλου ορίζοντα η απόσταση ανάμεσα στις βαθμίδες είναι συνήθως μεγαλύτερη. Αν η εργασία αξίζει τριάντα δευτερόλεπτα του χρόνου οποιουδήποτε, τα ίδια $5 είναι αδικαιολόγητα.

07Kimi-K3 ή ένα φθηνότερο αδελφό μοντέλο;

Τα δύο μοντέλα Kimi του καταλόγου μας είναι δύο σκαλιά μιας σκάλας και όχι ανταγωνιστές. Το Kimi-K2.6 είναι λιγότερο επιθετικά κβαντισμένο — W4A16-AUTOROUND-REAP, βάρη 4 bit με μαθημένη στρογγυλοποίηση, έναντι των 3 bit του K3 — πάνω σε μικρότερο θεμέλιο. Έχει όραση, έξοδο JSON schema, το ίδιο παράθυρο context και κοστίζει περίπου το ένα πέμπτο.

Εργασία	Χρησιμοποίησε	Γιατί
Αυτόνομος πράκτορας σαράντα γύρων	Kimi-K3	Η αστοχία ανατοκίζεται· η ποιότητα του σχεδίου στον πρώτο γύρο κρίνει την εκτέλεση
Αναδιάρθρωση σε κλίμακα αποθετηρίου	Kimi-K3	Χρειάζεται να κρατηθεί συνεκτικά όλο το context, όχι απλώς να ανακτηθεί από αυτό
Πυκνά διαγράμματα, μικρά γράμματα σε στιγμιότυπα	Kimi-K3	Η μεγαλύτερη διαφορά όρασης ανάμεσα στις βαθμίδες είναι η αναγνωσιμότητα και η χωρική συλλογιστική
Επεξεργασίες ενός αρχείου, καλά ορισμένες	Kimi-K2.6	Οριοθετημένη εργασία, φθηνή επανάληψη, καμία μετρήσιμη διαφορά οροφής
Λεζάντες εικόνων σε μεγάλο όγκο	MiniMax-M3 / MiMo-V2.5	Λυμένο με $0.50 είσοδο· η έξοδος του K3 είναι 9,6x για την ίδια λεζάντα
Βαρύ σε συλλογιστική αλλά μόνο κείμενο	DeepSeek-V4-Pro	$3.90 έξοδος έναντι $19.12 — άσε το K3 αν δεν χρειάζεσαι εικόνες

Αυτή η τελευταία γραμμή είναι η πιο συχνά χαμένη οικονομία. Αν η εργασία σου δεν περιλαμβάνει εικόνες, κοίτα πρώτα το DeepSeek-V4-Pro. Είναι επίσης build 3BIT-REAP πάνω σε μεγάλο θεμέλιο, δυνατό στη δύσκολη συλλογιστική, και η έξοδός του κοστίζει $3.90 έναντι $19.12 του K3. Μεγάλο μέρος της κίνησης που καταφεύγει στην κορυφαία βαθμίδα είναι συλλογιστική μόνο με κείμενο, που εξυπηρετείται εξίσου καλά μία γραμμή πιο κάτω.

08Πώς καλείς το Kimi K3 API χωρίς λογοκρισία

Το μοντέλο εκτίθεται ως Kimi-K3-3BIT-REAP και στις τρεις διαλέκτους, με streaming στην καθεμία και καμία διαφορά δυνατοτήτων μεταξύ τους — μόνο μορφή καλωδίου: /v1/chat/completions (συμβατό με OpenAI), /v1/messages (συμβατό με Anthropic) και /v1/responses. Ένα αίτημα με όραση και ανεβασμένο reasoning effort για μια δύσκολη οπτική εργασία:

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

Το K3 υποστηρίζει τόσο response_format όσο και πλήρες json_schema, οπότε μπορείς να περιορίσεις τα ορίσματα εργαλείων ενός πράκτορα ή να επιβάλεις σε μια αναφορά σταθερή μορφή χωρίς εκ των υστέρων ανάλυση. Η κλήση εργαλείων είναι εγγενής και είναι ο προβλεπόμενος τρόπος για να οδηγείς μεγάλες εκτελέσεις. Παράμετροι, αυθεντικοποίηση, όρια ρυθμού και ένα ζωντανό playground βρίσκονται στη σελίδα τεκμηρίωσης του API.

Τρία πράγματα που εξοικονομούν χρήματα από την πρώτη μέρα

• Κλάδεψε το πρόθεμα. Κάθε γύρος ξαναχρεώνει ολόκληρη τη συνομιλία στα $3.83 ανά εκατομμύριο· το να συνοψίσεις ένα ιστορικό 40 γύρων σε ένα αντικείμενο κατάστασης 4K tokens μία φορά εξοικονομεί περισσότερα από τις περισσότερες αλλαγές μοντέλου.
• Σμίκρυνε τις εικόνες. Τα tokens εικόνας είναι tokens εισόδου· ένα στιγμιότυπο 4K μειωμένο σε κάτι που παραμένει ευανάγνωστο δίνει την ίδια απάντηση με λιγότερα.
• Δρομολόγησε ανά δυσκολία. Ένα φθηνό μοντέλο στους ρουτίνας γύρους, με το K3 στο σχέδιο, στη δύσκολη διακλάδωση και στον τελικό έλεγχο, δίνει συχνά το 80% της ικανότητας με το 25% του λογαριασμού.

09Συχνές ερωτήσεις

---

Τα στοιχεία και τα benchmark του θεμελίου είναι τα δημοσιευμένα νούμερα της Moonshot AI για τα Kimi K3 και Kimi K2 και περιγράφουν τα μη κβαντισμένα ανάντη μοντέλα· το δικό μας build είναι κβάντιση REAP 3 bit και θα διαφέρει. Οι τιμές, το context και οι σημαίες δυνατοτήτων είναι του Shannon AI, όπως ισχύουν στις 5 Σεπτεμβρίου 2026 — οι ζωντανές τιμές είναι πάντα αυτές που επιστρέφει το /v1/models. Πηγές: κάρτα μοντέλου Kimi K3 · αποθετήριο Kimi K3 · Kimi K2 Thinking.