Sencenzura Kimi K3 API
La plejsupra kapabla nivelo sur la Enirejo de Shannon AI: plurmodala fundamento kun 2.8 bilionoj da parametroj kun vido, ilvokado kaj 262K kunteksto — neniu rifuza tavolo, kaj la plej alta prezo sur nia listo. Jen kiam tiu prezo indas pagi.
Resume
Kimi-K3-3BIT-REAP estas la plej forta modelo, kiun ni servas, kaj la plej multekosta: $3.83 por miliono da enigaj ĵetonoj, $19.12 por miliono elige. Ĝi havas vidon, kuntekston de 262,144 ĵetonoj, maksimuman eligon de 16,384 ĵetonoj, ilvokadon, eligon laŭ JSON-skemo, agordeblan reasoning_effort kaj flusendadon sur ĉiuj tri API-dialektoj — kun neniu rifuza tavolo kaj neniu filtrado de la eligo. Ĝusta elekto por longhorizontaj agentaj ruloj, malfacila plurpaŝa rezonado, kaj bilda laboro, kie fajna vida detalo gravas. Malĝusta elekto por klasifikado, ekstraktado, babilado, kaj ĉio, kion vi rulas centmil fojojn tage.
Plej multaj gvidiloj pri elekto de modelo estas verkitaj kvazaŭ kapablo estus senpaga. Ĝi ne estas. La interesa demando pri pintnivela modelo neniam estas "ĉu ĝi estas pli bona" — kutime jes — sed "ĉu ĝi estas sufiĉe pli bona, ĉe ĉi tiu tasko, por pravigi fakturon kvinoble pli grandan ol tiu de la modelo unu ŝtupon sube". Ĉi tiu gvidilo respondas tion per vera aritmetiko, kaj diras klare, kie la pli malmultekostaj opcioj venkas.
01Kio Kimi K3 efektive estas
Kimi K3 estas la malfermpeza ĉefŝipo de Moonshot AI, eldonita en julio 2026 sub la Kimi K3 License — la tria generacio de deveno, kiu komenciĝis kun Kimi K2, kaj vere nova arkitekturo anstataŭ fajnagordo.
La publikigita aranĝo estas 93 tavoloj — 69 uzantaj Kimi Delta Attention, 24 uzantaj kluzitan plurkapan latentan atenton, unu densa — kun enkursigilo Stable LatentMoE elektanta 16 el 896 spertuloj po ĵetono plus 2 komunaj. Moonshot raportas proksimume 2.5-oblan plibonigon de la skala efikeco kompare kun Kimi K2 el tiu kombino. La vido estas denaska anstataŭ alŝraŭbita: kodilo MoonViT-V2 kun 401 milionoj da parametroj nutras la saman trunkon, kiu traktas tekston.
La cifero pri maldenseco indas interne kompreni: K3 aktivigas 104 miliardojn da parametroj po ĵetono, kontraŭ la gamo de 30 ĝis 40 miliardoj por plej multe de nia katalogo. Tio estas proksimume trioble pli da aritmetiko po generita ĵetono, kaj ĝi estas la tuta kialo, kial ĉi tiu modelo staras supre en la prezolisto. Vi ne pagas por marka nivelo — vi pagas por GPU-sekundoj.
La deveno, mallonge
- Kimi K2 — 1 biliono da parametroj, 32 miliardoj aktivaj, 384 spertuloj kun 8 enkursigitaj po ĵetono, antaŭtrejnita sur 15.5 bilionoj da ĵetonoj per la optimumigilo MuonClip, konstruita por haltigi la atento-eksplodojn, kiuj ruinigas MoE-trejnadon je tiu skalo.
- Kimi K2 Thinking — la sama fundamento instruita interplekti rezonadon kun ilouzo, kun raportita subteno de 200 ĝis 300 sinsekvaj ilvokoj en unu rulo, kun 44.9% ĉe Humanity's Last Exam kun iloj kaj 60.2% ĉe BrowseComp.
- Kimi K3 — rekonstruita kun denaska plurmodaleco kaj fenestro de 1M ĵetonoj ĉe la fonto, kun kvantig-konscia trejnado ekde la stadio de kontrolita fajnagordo (MXFP4-pezoj, MXFP8-aktivigoj). Jen kial K3 toleras agresan kunpremon pli bone ol modeloj neniam trejnitaj kun ĝi enmense.
La kontinua linio estas longhorizonta agenteco: ĉiu generacio estis optimumigita por resti kohera tra centoj da paŝoj anstataŭ por gajni mallongrespondajn benchmark-ojn. Jen la kapablo, kiun vi aĉetas.
02Kion "3BIT-REAP" signifas, kaj kial modelo kun 2.8 bilionoj bezonas ĝin
La sufikso sur la modela identigilo ne estas ornamo — ĝi diras, kio estis farita al la pezoj antaŭ ol ili estis ŝargitaj sur nian propran GPU-aron, kaj ĝi estas la honesta averto alkroĉita al ĉiu aserto ĉi tie. Komencu per la aritmetiko. Modelo kun 2.8 bilionoj da parametroj je 16-bita precizeco estas ĉirkaŭ 5.6 terabajtoj da pezoj. Je 3 bitoj po pezo ĝi estas pli proksime al 1.05 terabajtoj — ankoraŭ granda, sed traktebla disponigo kun spaco restanta por KV-kaŝmemoro de 262K ĵetonoj. REAP estas la dua duono: metodo de spertul-pritondado, kiu profilas, kiujn spertulojn la enkursigilo efektive elektas, kaj forigas la malofte elektatajn antaŭ la kvantigo anstataŭ poste. Sur modelo enkursiganta nur 16 el 896 spertuloj po ĵetono tio estas natura kongruo — distribuo tiel maldensa havas longan voston kontribuantan tre malmulte al vera trafiko — kaj pritondi unue signifas, ke la restanta bitbuĝeto estas elspezita por spertuloj, kiuj gravas.
Estu honesta pri la kompromiso
Kunpremo kostas precizecon, kaj ne unuforme. Ĝi montriĝas unue en la longvosta fakta memorado kaj en la lastaj poentoj de malfacila matematika precizeco, multe malpli en la sekvado de instrukcioj, la formatado de ilvokoj, aŭ la strukturo de longa agenta plano. La kvantig-konscia trejnado de K3 estas la kialo, kial ĉi tiu konstruo tenas sin. Sed se via ŝarĝo estas unupafa retrovo de obskuraj faktoj, ne supozu, ke kvantigita modelo kun 2.8 bilionoj venkas 8-bitan pli malgrandan modelon nur laŭ la nombro de parametroj.
Nia katalogo uzas tri sufiksojn kiel intencan ŝtuparon. 3BIT-REAP iras sur la plej grandajn fundamentojn, kie nenio alia enteniĝas. W4A16-AUTOROUND-REAP estas 4-bitaj pezoj kun 16-bitaj aktivigoj kvantigitaj per AutoRound — lernita rondigo, kiu reakiras veran precizecon kompare kun naiva rondigo al la plej proksima — plus la sama pritondado. W8A16 estas la plej altfidela nivelo, por fundamentoj sufiĉe malgrandaj por ne bezoni agresan kunpremon. Mallonge: la sufikso diras al vi, kiom da la originalo postvivis; la prezo diras al vi, kiom kostas ruli ĝin.
03Vido: kion bildkompreno aĉetas al vi
Kimi-K3 estas unu el kvin modeloj en nia dekdu-modela katalogo kun vido, kaj la plej kapabla el la kvin. Plej multaj komercaj vidaj API-oj rulas klasifikilon super la alŝutitaj bildoj kaj rifuzas larĝan kategorion da enigoj antaŭ ol la modelo iam vidas ilin — racia konsumanta defaŭlto kaj serioza obstaklo por legitima laboro. Sekurecaj esploristoj ekrankopiantaj eligon de ekspluato, moderigaj teamoj konstruantaj siajn proprajn klasifikilojn, krimmedicina kaj datumar-revizia laboro, kaj taksado de ruĝaj teamoj ĉiuj trafas tiun muron. Kimi-K3 havas neniun rifuzan tavolon kaj neniun filtradon de la eligo.
Kie la vido de K3 meritas sian prezon super pli malmultekostaj vidaj modeloj
- Densaj diagramoj kaj skemoj — arkitekturaj diagramoj, retaj topologioj, cirkvitoj: ĉio, kie la respondo dependas de sekvi liniojn kaj etikedojn anstataŭ nomi objektojn.
- Malgranda teksto en ekrankopioj — stakspuroj, terminala eligo, kalkultabelaj ĉeloj. La breĉo inter vidaj niveloj estas plej larĝa ĉe legebleco je malgranda skalo.
- Bildo ene de longa teksto — ekrankopio faligita en kuntekston de 200K ĵetonoj, kie la modelo devas rilatigi tion, kion ĝi vidas, al tio, kion ĝi legis kvindek mil ĵetonojn pli frue.
- Plurbilda komparo — du versioj de fasado, aŭ diagramo kontraŭ la tabelo, kiu generis ĝin.
Kie ĝi ne meritas sian prezon: bildosubskriboj, alternativa teksto, OCR de puraj dokumentoj, kaj etikedaj ĉenstabloj. Tiuj estas solvitaj je $0.50 por miliono da enigaj ĵetonoj — se via bilda ŝarĝo estas altvoluma kaj ĉiu ero individue simpla, Kimi-K2.6 aŭ MiniMax-M3 produktas respondojn, kiujn vi ne distingos de tiuj de K3.
Bildoj konsumas ĵetonojn el la sama buĝeto de 262,144 ĵetonoj kiel teksto kaj estas fakturataj laŭ la eniga tarifo. Manpleno da altdistingivaj ekrankopioj ne estas senpaga.
04Longhorizonta agenta laboro — por kio ĉi tiu nivelo ekzistas
Se unu ŝarĝo pravigas la plejsupran nivelon, jen ĝi. Mallongaj taskoj fiaskas pardoneme: la modelo eraras, vi rimarkas, vi reprovas, vi perdis kvar sekundojn. Kvardek-vica agento, kiu prenas malĝustan branĉon ĉe vico ses, pasigas la sekvajn tridek kvar vicojn konstruante detale sur eraro, kaj vi ekscias fine, paginte por ĉiu ĵetono intertempe. Tiu malsimetrio estas la kialo, kial prezo po ĵetono estas preskaŭ la malĝusta mezuro ĉi tie. Kio gravas estas kosto po sukcesa plenumo, dominata de tio, kiom ofte rulo estas forĵetata. Jen la publikigitaj ciferoj de Moonshot por la fundamento K3 ĉe agentaj benchmark-oj:
Ĉiuj ciferoj estas raportitaj de Moonshot por la nekvantigita fundamento Kimi K3, julio 2026. Ili ne estas mezuroj de nia konstruo 3BIT-REAP kaj ni ne prezentas ilin kiel tiajn.
La formo kongruas kun tio, por kio la arkitekturo estis konstruita: BrowseComp kaj Terminal-Bench estas benchmark-oj de ilbukloj — ripetaj cikloj de agi, observi, revizii. SWE Marathon je 42.0 estas la kontraŭpezo: la plej malfacila longhorizonta koda taksado en la aro, kie eĉ pintnivela modelo fiaskas ĉe plej multaj taskoj. "Agenta" ne estas solvita kategorio; desegnu por fiasko, kiun ajn modelon vi elektas.
Praktikaj agordoj por longaj ruloj
K3 elmetas reasoning_effort, kaj ĉi tie ĝi estas vera kosta levilo: rezonadaj ĵetonoj estas fakturataj kiel eligaj ĵetonoj, je $19.12 por miliono.
- Low — enkursigo de ilvokoj kaj strukturita ekstraktado, kie la modelo elektas inter manpleno da konataj opcioj.
- High — la defaŭlto por vera agenta laboro: plani plurpaŝan ŝanĝon, sencimigi el stakspuro, akordigi kontraŭdirajn fontojn.
- Max — rezervu ĝin por la plej malfacila unuopa voko en ĉenstablo: la plano ĉe la komenco de rulo, aŭ la fina revizio. Rulo elspezanta 30K rezonadajn ĵetonojn je high kaj 90K je max pagas kromajn $1.15 por tiu unu flago.
Buĝetu ankaŭ la kuntekston intence: nia fenestro estas 262,144 ĵetonoj kun maksimuma eligo de 16,384 ĵetonoj, kaj je $3.83 por miliono enige nepritondita historio akumuliĝas — ĉiu vico refakturas la tutan prefikson.
05Kion "sencenzura" signifas sur ĉi tiu finpunkto
Ĉiu modelo sur la Enirejo de Shannon AI estas servata kun neniu rifuza tavolo kaj neniu enhavfiltrado de la eligo. Tio gravas pli sur la plejsupra nivelo, ĉar la taskoj, kiujn homoj alportas al pintnivela modelo, estas la plej verŝajnaj ekigi filtrilon: kontraŭula sekureca esplorado, analizo de ofensivaj iloj, disvolvado de moderigaj klasifikiloj, minaca inteligenteco, malfacila fikcio, kaj ĉiu taksado postulanta, ke la modelo produktu ĝuste tion, kion vi provas detekti.
- Neniu eliga klasifikilo. Respondoj ne estas skanataj kaj reverkataj aŭ blokataj post la generado.
- Neniu eniga pordo. Petoj kaj bildoj ne estas kribrataj antaŭ ol ili atingas la modelon.
- Ne alia modelo. Ĉi tio estas la fundamento Kimi K3 servata sen la tavolo, kiu kutime sidas antaŭ ĝi.
- Ne transdono de respondeco. Forigi rifuzan tavolon movas la juĝon al vi — vidu nian politikon pri respondeca uzo.
Ekzistas pli kvieta avantaĝo por ĉiu, kiu konstruas taksajn sistemojn: nefiltrita modelo estas stabila bazlinio. Modelo, kiu rifuzas neantaŭvideble, faras mezurojn bruaj, ĉar vi ne povas apartigi kapablan limon disde politika limo. Ĉi tie fiasko estas kapabla fiasko — la sola speco, kiun vi povas sencimigi.
06La prezo: $3.83 enige, $19.12 elige — kaj kiam ĝi meritas tion
Ĉi tio estas la plej multekosta modelo sur nia listo je larĝa marĝeno: la eligo kostas 9.6x nian plankon de $2.00 kaj 5.2x tion, kion kostas Kimi-K2.6. Jen la aritmetiko malkaŝe.
| Modelo | Enige / 1M | Elige / 1M | Vido | JSON-skemo |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Jes | Jes |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | Ne | Jes |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | Jes | Ne |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Jes | Jes |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Ne | Jes |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Jes | Jes |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | Jes | Jes |
Elektitaj vicoj, ordigitaj laŭ eniga prezo. Ĉiuj dek du modeloj dividas la saman kuntekston de 262,144 ĵetonoj, la saman maksimuman eligon de 16,384 ĵetonoj, flusendadon, ilvokadon kaj reasoning_effort. La vivaj kapablaj flagoj troviĝas sur la paĝo de la API-dokumentado.
Du ellaboritaj ekzemploj
Unue, enigo de 120,000 ĵetonoj — elŝuto de kodbazo, reguliga dosiero — produktanta analizon de 3,000 ĵetonoj. Due, kvardek-vica agenta rulo: proksimume 1.2M kumulaj enigaj ĵetonoj dum la kunteksto akumuliĝas, 90,000 eligaj ĵetonoj inkluzive de rezonado.
| Scenaro | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 120K enige / 3K elige | $0.517 | $0.105 | $0.066 |
| Kvardek-vica agenta rulo | $6.32 | $1.27 | $0.78 |
K3 kostas ĉirkaŭ 4.9x tiom kiom Kimi-K2.6 ĉe la dokumenta voko. Kvindek cendoj estas nenio unufoje; ĝi estas $517 tage ĉe mil vokoj, kontraŭ $105. Ĉe la agenta rulo la diferenco estas ĉirkaŭ $5. Nun apliku la solan teston, kiu gravas: se la tasko valoras horon de la tempo de inĝeniero je $100, K3 pagas por si mem en la momento, kiam ĝi levas la unuapaŝan sukceson je kvin procentaj punktoj — kaj ĉe vere malfacila longhorizonta laboro la breĉo inter niveloj kutime estas pli granda. Se la tasko valoras tridek sekundojn de ies tempo, la samaj $5 estas nepravigeblaj.
La regulo, kiun ni efektive uzas
Eskalu al Kimi-K3, kiam la kosto de la fiasko de la rulo superas la prezan diferencon de ruli ĝin sur la pli bona modelo. Tio metas la decidon sur la valoron de la tasko anstataŭ sur la prezon de la ĵetono. Altvalora, malaltvoluma, longhorizonta, malfacile kontrolebla laboro iras al K3. Altvoluma, malaltriska, facile reprovebla laboro ne — kiom ajn impona estas la nombro de parametroj.
07Kimi-K3 aŭ pli malmultekosta frato?
La du Kimi-modeloj en nia katalogo estas du ŝtupoj de unu ŝtuparo anstataŭ konkurantoj. Kimi-K2.6 estas kvantigita malpli agrese — W4A16-AUTOROUND-REAP, 4-bitaj pezoj kun lernita rondigo, kontraŭ la 3-bita de K3 — sur pli malgranda fundamento. Ĝi havas vidon, eligon laŭ JSON-skemo, la saman kuntekstan fenestron, kaj kostas proksimume kvinonon.
| Tasko | Uzu | Kial |
|---|---|---|
| Kvardek-vica aŭtonoma agento | Kimi-K3 | La fiasko akumuliĝas; la kvalito de la plano ĉe vico unu decidas la rulon |
| Refaktorado je la skalo de deponejo | Kimi-K3 | Bezonas la plenan kuntekston tenatan kohere, ne nur retrovatan el ĝi |
| Densaj diagramoj, malgranda teksto en ekrankopioj | Kimi-K3 | La plej larĝa vida breĉo inter niveloj estas legebleco kaj spaca rezonado |
| Unudosieraj redaktoj, bone specifitaj | Kimi-K2.6 | Limigita tasko, malmultekosta reprovo, neniu mezurebla diferenco de plafono |
| Bildosubskriboj je volumeno | MiniMax-M3 / MiMo-V2.5 | Solvita je $0.50 enige; la eligo de K3 estas 9.6x por la sama subskribo |
| Rezonad-peza sed nur teksta | DeepSeek-V4-Pro | $3.90 elige kontraŭ $19.12 — forlasu K3, se vi ne bezonas bildojn |
Tiu lasta vico estas la plej ofte maltrafita ŝparo. Se via tasko ne implikas bildojn, kontrolu DeepSeek-V4-Pro unue. Ĝi ankaŭ estas konstruo 3BIT-REAP sur granda fundamento, forta ĉe malfacila rezonado, kaj ĝia eligo kostas $3.90 kontraŭ la $19.12 de K3. Multe de la trafiko, kiu etendiĝas al la plejsupra nivelo, estas nur-teksta rezonado servata same bone unu vicon sube.
08Voki la sencenzuran Kimi K3 API
La modelo estas elmetita kiel Kimi-K3-3BIT-REAP sur ĉiuj tri dialektoj, kun flusendado sur ĉiu kaj neniu kapabla diferenco inter ili — nur la drata formato: /v1/chat/completions (kongrua kun OpenAI), /v1/messages (kongrua kun Anthropic), kaj /v1/responses. Vida peto kun levita rezonada peno por malfacila vida tasko:
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 subtenas kaj response_format kaj plenan json_schema, do vi povas limigi la ilargumentojn de agento aŭ devigi raporton en fiksitan formon sen postan analizadon. La ilvokado estas denaska kaj estas la intencita maniero konduki longajn rulojn. Parametroj, aŭtentigo, rapidlimoj kaj viva ludejo troviĝas sur la paĝo de la API-dokumentado.
Tri aferoj, kiuj ŝparas monon jam la unuan tagon
- Pritondu la prefikson. Ĉiu vico refakturas la tutan konversacion je $3.83 por miliono; resumi 40-vican historion en 4K-ĵetonan statobjekton unufoje ŝparas pli ol plej multaj modelŝanĝoj.
- Malgrandigu bildojn. Bildaj ĵetonoj estas enigaj ĵetonoj; 4K-ekrankopio regrandigita al io ankoraŭ legebla donas la saman respondon por malpli.
- Enkursigu laŭ malfacileco. Malmultekosta modelo ĉe la rutinaj vicoj, kun K3 ĉe la plano, la malfacila branĉo kaj la fina revizio, ofte estas 80% de la kapablo je 25% de la fakturo.
09Oftaj demandoj
Kio estas la sencenzura Kimi K3 API?
Ĝi estas la modelo Kimi-K3 3BIT-REAP sur la Enirejo de Shannon AI: la plurmodala fundamento laŭ Miksaĵo de Spertuloj de Moonshot AI kun 2.8 bilionoj da parametroj, servata sur nia propra GPU-aro kun kunteksto de 262,144 ĵetonoj, maksimuma eligo de 16,384 ĵetonoj, vido, ilvokado, strukturita eligo laŭ JSON-skemo kaj flusendado, kun neniu rifuza tavolo kaj neniu filtrado aplikata al la eligo. Ĝi estas atingebla tra /v1/chat/completions, /v1/messages kaj /v1/responses.
Ĉu la sencenzura Kimi K3 API subtenas vidon?
Jes. Kimi-K3 estas unu el kvin modeloj en nia katalogo kun bildkompreno, kaj ĝi estas la plej kapabla el ili. Vi sendas bildojn same kiel al iu ajn finpunkto kongrua kun OpenAI, kiel enhavpartojn image_url apud teksto. Bildoj konsumas kuntekston el la sama buĝeto de 262,144 ĵetonoj kiel teksto, kaj bildaj ĵetonoj estas fakturataj laŭ la eniga tarifo de $3.83 por miliono.
Kial Kimi K3 kostas $3.83 enige kaj $19.12 elige, kiam aliaj Shannon-modeloj kostas $0.50 kaj $2.00?
Ĉar la fundamento havas proksimume 2.8 bilionojn da parametroj kun 104 miliardoj aktivaj po ĵetono, kontraŭ modeloj kun 30 ĝis 40 miliardoj aktivaj aliloke en la katalogo. Pli da aktivaj parametroj po ĵetono signifas pli da GPU-sekundoj po ĵetono, kaj la prezo respegulas la servan koston anstataŭ kapablan imposton. La eligo kostas 9.6x la prezon de niaj plankaj modeloj, do la decida demando estas, ĉu pli alta unuapaŝa sukcesprocento ĉe longa tasko valoras proksimume kvinoblan fakturon.
Ĉu Kimi K3 estas la sama modelo kiel Kimi K2 aŭ Kimi K2 Thinking?
Ne. Kimi K2 estis MoE kun 1 biliono da parametroj, 32 miliardoj da aktivaj parametroj kaj 384 spertuloj; K2 Thinking aldonis interplektitan rezonadon kaj longajn ĉenojn de ilvokoj sur tiu sama fundamento. Kimi K3, eldonita de Moonshot AI en julio 2026, estas alia arkitekturo: 2.8 bilionoj da parametroj entute, 104 miliardoj aktivaj, 896 spertuloj kun 16 enkursigitaj po ĵetono, Kimi Delta Attention, kaj denaska vida kodilo. K2 kaj K3 dividas devenon, ne modelon.
Kiam mi uzu Kimi-K2.6 anstataŭ Kimi-K3?
Uzu Kimi-K2.6 W4A16-AUTOROUND-REAP kiam la tasko estas limigita kaj vi rulus ĝin multfoje: klasifikado, ekstraktado, unudosieraj redaktoj, babilado, kaj bildaj taskoj, kie vi plejparte bezonas kompetentan priskribon anstataŭ fajnan vidan rezonadon. Ĝi ankaŭ havas vidon, ĝi estas kvantigita malpli agrese, kaj ĝi kostas $0.78 enige kaj $3.67 elige, proksimume kvinonon de K3. Eskalu al Kimi-K3, kiam rulo estas longa, disbranĉiĝanta, aŭ multekosta se ĝi misiras.
Ĉiu cifero pri arkitekturo kaj benchmark ĉi tie estas publikigita de Moonshot AI aŭ videbla en ilia malferma modelkarto, kaj priskribas la nekvantigitan fundamenton anstataŭ nian konstruon 3BIT-REAP. Kontrolu ilin mem.
Provu la sencenzuran Kimi K3 API
La plejsupra agenta kaj vida nivelo. Neniu rifuza tavolo. Pagu po ĵetono.
Legu la API-dokumentojn Trarigardu ĉiujn modelojnShannon Lab LLC · Nov-Meksiko, Usono · modeloj servataj sur nia propra GPU-aro
La faktoj kaj benchmark-oj pri la fundamento estas la publikigitaj ciferoj de Moonshot AI por Kimi K3 kaj Kimi K2 kaj priskribas la nekvantigitajn fontajn modelojn; nia konstruo estas 3-bita REAP-kvantigo kaj diferencos. La prezoj, la kunteksto kaj la kapablaj flagoj estas la propraj de Shannon AI, validaj je la 5-a de septembro 2026 — la vivaj valoroj ĉiam estas tiuj redonataj de /v1/models. Fontoj: modelkarto de Kimi K3 · deponejo de Kimi K3 · Kimi K2 Thinking.