API de Kimi K3 sen censura

A maioría das guías de selección de modelo escríbense coma se a capacidade fose de balde. Non o é. A pregunta interesante sobre un modelo de primeiro nivel nunca é "é mellor" — adoita selo —, senón "é o bastante mellor, nesta tarefa, para xustificar unha factura cinco veces maior ca a do modelo do chanzo de abaixo". Esta guía responde iso con aritmética real, e di ás claras onde gañan as opcións máis baratas.

01Que é realmente Kimi K3

Kimi K3 é o modelo insignia de pesos abertos de Moonshot AI, publicado en xullo de 2026 baixo a Kimi K3 License — a terceira xeración dunha liñaxe que comezou con Kimi K2, e unha arquitectura xenuinamente nova e non un axuste fino.

O esquema publicado son 93 capas — 69 con Kimi Delta Attention, 24 con atención latente multicabeza con portas e unha densa — cun enrutador Stable LatentMoE que selecciona 16 de 896 expertos por token máis 2 compartidos. Moonshot informa dunha mellora de arredor de 2.5x na eficiencia de escalado fronte a Kimi K2 grazas a esa combinación. A visión é nativa e non un engadido: un codificador MoonViT-V2 de 401M de parámetros alimenta o mesmo tronco que manexa o texto.

Paga a pena interiorizar a cifra de dispersión: K3 activa 104 mil millóns de parámetros por token, fronte ao rango de 30 a 40 mil millóns da maior parte do noso catálogo. Iso son arredor de tres veces máis aritmética por token xerado, e é toda a razón pola que este modelo encabeza a lista de prezos. Non estás a pagar por un nivel de marca — estás a pagar segundos de GPU.

A liñaxe, en breve

• Kimi K2 — 1 billón de parámetros, 32 mil millóns activos, 384 expertos con 8 enrutados por token, preadestrado con 15.5 billóns de tokens usando o optimizador MuonClip, construído para deter as explosións de atención que arruínan o adestramento de MoE a esa escala.
• Kimi K2 Thinking — a mesma base ensinada a intercalar razoamento con uso de ferramentas, da que se informa que sostén de 200 a 300 chamadas de ferramentas secuenciais nunha soa execución, cun 44.9% en Humanity's Last Exam con ferramentas e un 60.2% en BrowseComp.
• Kimi K3 — reconstruído con multimodalidade nativa e unha xanela de 1M de tokens augas arriba, con adestramento consciente da cuantización desde a etapa de axuste fino supervisado en diante (pesos MXFP4, activacións MXFP8). Por iso K3 tolera unha compresión agresiva mellor ca os modelos que nunca se adestraron tendo en conta iso.

O fío condutor é a axencia a longo horizonte: todas as xeracións se optimizaron para manterse coherentes ao longo de centos de pasos, e non para gañar benchmarks de resposta curta. Esa é a capacidade que estás a mercar.

02Que significa "3BIT-REAP" e por que o precisa un modelo de 2.8T

O sufixo do identificador do modelo non é decoración — di o que se lles fixo aos pesos antes de cargalos no noso propio clúster de GPU, e é a advertencia honesta que acompaña todas as afirmacións desta páxina. Empeza pola aritmética. Un modelo de 2.8 billóns de parámetros a precisión de 16 bits son arredor de 5.6 terabytes de pesos. A 3 bits por peso quédase máis preto de 1.05 terabytes — segue sendo grande, pero é un despregamento manexable con sitio de sobra para unha caché KV de 262K tokens. REAP é a segunda metade: un método de poda de expertos que perfila a que expertos recorre realmente o enrutador e elimina os pouco seleccionados antes de cuantizar en vez de despois. Nun modelo que enruta só 16 de 896 expertos por token iso encaixa de xeito natural — unha distribución tan dispersa ten unha longa cola que aporta moi pouco ao tráfico real — e podar primeiro significa que o orzamento de bits restante se gasta nos expertos que importan.

O noso catálogo usa tres sufixos como unha escaleira deliberada. 3BIT-REAP vai nas bases máis grandes, onde non cabe nada máis. W4A16-AUTOROUND-REAP son pesos de 4 bits con activacións de 16 bits cuantizados con AutoRound — redondeo aprendido que recupera precisión real fronte ao redondeo inxenuo ao máis próximo — máis a mesma poda. W8A16 é o nivel de maior fidelidade, para bases abondo pequenas como para non precisar unha compresión agresiva. En resumo: o sufixo dicheche canto sobreviviu do orixinal; o prezo dicheche canto custa executalo.

03Visión: que che dá a comprensión de imaxes

Kimi-K3 é un dos cinco modelos con visión do noso catálogo de doce, e o máis capaz dos cinco. A maioría das API comerciais de visión pasan un clasificador sobre as imaxes subidas e rexeitan unha categoría ampla de entradas antes de que o modelo as vexa sequera — un valor por defecto razoable para o consumidor e un obstáculo serio para o traballo lexítimo. Quen investiga seguridade e fai capturas da saída dun exploit, os equipos de moderación que constrúen os seus propios clasificadores, o traballo forense e de auditoría de conxuntos de datos e a avaliación de red team topan todos con ese muro. Kimi-K3 non ten capa de negativas nin filtrado da saída.

Onde a visión de K3 merece o seu prezo fronte a modelos con visión máis baratos

• Diagramas e esquemas densos — diagramas de arquitectura, topoloxías de rede, circuítos: calquera cousa onde a resposta dependa de seguir liñas e etiquetas e non de nomear obxectos.
• Texto pequeno en capturas de pantalla — trazas de pila, saída de terminal, celas de folla de cálculo. A distancia entre niveis de visión é maior na lexibilidade a pequena escala.
• Imaxe dentro dun texto longo — unha captura solta nun contexto de 200K tokens, onde o modelo debe relacionar o que ve co que leu cincuenta mil tokens antes.
• Comparación de varias imaxes — dúas versións dunha interface, ou unha gráfica fronte á táboa que a xerou.

Onde non merece o seu prezo: subtitulado, texto alternativo, OCR de documentos limpos e canalizacións de etiquetado. Iso resólvese a $0.50 por millón de tokens de entrada — se a túa carga de imaxes é de gran volume e cada elemento é sinxelo por separado, Kimi-K2.6 ou MiniMax-M3 producen respostas que non distinguirás das de K3.

As imaxes consomen tokens do mesmo orzamento de 262,144 tokens có texto e factúranse á tarifa de entrada. Un puñado de capturas de alta resolución non é de balde.

04Traballo con axentes a longo horizonte — para iso é este nivel

Se hai unha carga de traballo que xustifica o nivel máximo, é esta. As tarefas curtas fallan con indulxencia: o modelo equivócase, ti dáste conta, reinténtalo e perdiches catro segundos. Un axente de corenta quendas que colle unha rama equivocada na quenda seis pasa as trinta e catro seguintes construíndo elaboradamente sobre un erro, e ti enteráraste ao final tendo pagado por todos os tokens polo medio. Esa asimetría é a razón pola que o prezo por token está preto de ser a métrica equivocada aquí. O que importa é o custo por completación exitosa, dominado pola frecuencia con que unha execución se tira ao lixo. Estas son as cifras publicadas por Moonshot para a base K3 en benchmarks de axentes:

Todas as cifras están informadas por Moonshot para a base Kimi K3 sen cuantizar, xullo de 2026. Non son medicións da nosa compilación 3BIT-REAP e non as presentamos como tales.

A forma concorda con aquilo para o que se construíu a arquitectura: BrowseComp e Terminal-Bench son benchmarks de bucle de ferramentas — ciclos repetidos de actuar, observar e revisar. SWE Marathon nun 42.0 é o contrapeso: a avaliación de programación a longo horizonte máis difícil do conxunto, onde mesmo un modelo de fronteira falla a maioría das tarefas. "Con axentes" non é unha categoría resolta; deseña pensando no fallo escollas o modelo que escollas.

Axustes prácticos para execucións longas

K3 expón reasoning_effort, e aquí é unha panca de custo real: os tokens de razoamento factúranse como tokens de saída, a $19.12 por millón.

• Baixo — enrutamento de chamadas de ferramentas e extracción estruturada, onde o modelo escolle entre un puñado de opcións coñecidas.
• Alto — o valor por defecto para o traballo real con axentes: planificar un cambio en varios pasos, depurar a partir dunha traza de pila, conciliar fontes contraditorias.
• Máximo — resérvao para a chamada máis difícil dunha canalización: o plan ao comezo dunha execución, ou a revisión final. Unha execución que gasta 30K tokens de razoamento en alto e 90K en máximo paga $1.15 de máis por esa soa marca.

Orzamenta o contexto tamén deliberadamente: a nosa xanela é de 262,144 tokens cunha saída máxima de 16,384 tokens, e a $3.83 por millón de entrada un historial sen podar acumúlase — cada quenda volve facturar o prefixo enteiro.

05Que significa "sen censura" neste endpoint

Todos os modelos da pasarela de Shannon AI sérvense sen capa de negativas e sen filtrado de contido na saída. Importa máis no nivel máximo, porque as tarefas que a xente lle leva a un modelo de primeiro nivel son as que teñen máis probabilidade de disparar un filtro: investigación adversarial en seguridade, análise de ferramentas ofensivas, desenvolvemento de clasificadores de moderación, intelixencia de ameazas, ficción difícil e calquera avaliación que esixa que o modelo produza aquilo mesmo que intentas detectar.

• Sen clasificador de saída. As respostas non se escanean para reescribilas ou bloquealas despois de xeralas.
• Sen porta de entrada. Os prompts e as imaxes non se criban antes de chegar ao modelo.
• Non é un modelo distinto. Esta é a base Kimi K3 servida sen a capa que adoita poñerse diante dela.
• Non é unha transferencia de responsabilidade. Quitar unha capa de negativas move a decisión de criterio cara a ti — consulta a nosa política de uso responsable.

Hai un beneficio máis discreto para quen constrúe sistemas de avaliación: un modelo sen filtrar é unha liña base estable. Un modelo que rexeita de forma imprevisible fai que as medicións sexan ruidosas, porque non podes separar un límite de capacidade dun límite de política. Aquí un fallo é un fallo de capacidade — o único tipo que podes depurar.

06O prezo: $3.83 de entrada, $19.12 de saída — e cando o merece

Este é o modelo máis caro da nosa lista por unha marxe ampla: a saída custa 9.6x o noso chan de $2.00 e 5.2x o que custa Kimi-K2.6. Aquí está a aritmética á vista.

Modelo	Entrada / 1M	Saída / 1M	Visión	Esquema JSON
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Si	Si
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Non	Si
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Si	Non
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Si	Si
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Non	Si
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Si	Si
MiMo-V2.5 · W8A16	$0.50	$2.00	Si	Si

Filas seleccionadas, ordenadas polo prezo de entrada. Os doce modelos comparten o mesmo contexto de 262,144 tokens, a mesma saída máxima de 16,384 tokens, streaming, chamada de ferramentas e reasoning_effort. As marcas de capacidade en vivo están na páxina de documentación da API.

Dous exemplos traballados

Primeiro, unha entrada de 120,000 tokens — un envorcado dunha base de código, unha presentación regulatoria — que produce unha análise de 3,000 tokens. Segundo, unha execución de axente de corenta quendas: arredor de 1.2M de tokens de entrada acumulados a medida que se acumula o contexto, e 90,000 tokens de saída incluíndo o razoamento.

Escenario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K de entrada / 3K de saída	$0.517	$0.105	$0.066
Execución de axente de 40 quendas	$6.32	$1.27	$0.78

K3 custa arredor de 4.9x o de Kimi-K2.6 na chamada do documento. Medio dólar non é nada unha vez; son $517 ao día con mil chamadas, fronte a $105. Na execución do axente a diferenza é de arredor de $5. Agora aplica a única proba que importa: se a tarefa vale unha hora do tempo dunha enxeñeira a $100, K3 amortízase no momento en que sobe o éxito á primeira en cinco puntos porcentuais — e no traballo a longo horizonte xenuinamente difícil a distancia entre niveis adoita ser maior. Se a tarefa vale trinta segundos do tempo de calquera, eses mesmos $5 son indefendibles.

07Kimi-K3 ou un irmán máis barato?

Os dous modelos Kimi do noso catálogo son dous chanzos dunha mesma escaleira e non competidores. Kimi-K2.6 está cuantizado menos agresivamente — W4A16-AUTOROUND-REAP, pesos de 4 bits con redondeo aprendido, fronte aos 3 bits de K3 — sobre unha base máis pequena. Ten visión, saída en esquema JSON, a mesma xanela de contexto, e custa arredor dunha quinta parte.

Tarefa	Usa	Por que
Axente autónomo de corenta quendas	Kimi-K3	O fallo acumúlase; a calidade do plan na quenda un decide a execución
Refactorización a escala de repositorio	Kimi-K3	Precisa manter o contexto completo con coherencia, non só recuperar del
Diagramas densos, texto pequeno en capturas	Kimi-K3	A maior distancia de visión entre niveis está na lexibilidade e no razoamento espacial
Edicións dun só ficheiro, ben especificadas	Kimi-K2.6	Tarefa acoutada, reintento barato, sen diferenza de teito medible
Subtitulado de imaxes a volume	MiniMax-M3 / MiMo-V2.5	Resolto a $0.50 de entrada; a saída de K3 é 9.6x polo mesmo subtítulo
Moito razoamento pero só texto	DeepSeek-V4-Pro	$3.90 de saída fronte a $19.12 — deixa K3 se non precisas imaxes

Esa última fila é o aforro que máis se pasa por alto. Se a túa tarefa non implica imaxes, mira primeiro DeepSeek-V4-Pro. Tamén é unha compilación 3BIT-REAP sobre unha base grande, forte en razoamento difícil, e a súa saída custa $3.90 fronte aos $19.12 de K3. Boa parte do tráfico que acode ao nivel máximo é razoamento só de texto que se serve igual de ben unha fila máis abaixo.

08Como chamar á API de Kimi K3 sen censura

O modelo exponse como Kimi-K3-3BIT-REAP nos tres dialectos, con streaming en cada un e sen diferenza de capacidade entre eles — só de formato de transmisión: /v1/chat/completions (compatible con OpenAI), /v1/messages (compatible con Anthropic) e /v1/responses. Unha petición con visión e o esforzo de razoamento subido para unha tarefa visual difícil:

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 admite tanto response_format como json_schema completo, así que podes restrinxir os argumentos de ferramenta dun axente ou forzar un informe a unha forma fixa sen análise posterior. A chamada de ferramentas é nativa e é a forma prevista de guiar as execucións longas. Os parámetros, a autenticación, os límites de taxa e un playground en vivo están na páxina de documentación da API.

Tres cousas que aforran cartos desde o primeiro día

• Poda o prefixo. Cada quenda volve facturar a conversa enteira a $3.83 por millón; resumir un historial de 40 quendas nun obxecto de estado de 4K tokens unha soa vez aforra máis ca a maioría dos cambios de modelo.
• Reduce as imaxes. Os tokens de imaxe son tokens de entrada; unha captura 4K redimensionada a algo que siga sendo lexible dá a mesma resposta por menos.
• Enruta por dificultade. Un modelo barato nas quendas rutineiras, con K3 no plan, na rama difícil e na revisión final, adoita ser o 80% da capacidade polo 25% da factura.

09Preguntas frecuentes

---

Os datos da base e os benchmarks son as cifras publicadas por Moonshot AI para Kimi K3 e Kimi K2 e describen os modelos augas arriba sen cuantizar; a nosa compilación é unha cuantización REAP de 3 bits e diferirá. Os prezos, o contexto e as marcas de capacidade son de Shannon AI, vixentes a 5 de setembro de 2026 — os valores en vivo son sempre os que devolve /v1/models. Fontes: ficha do modelo Kimi K3 · repositorio de Kimi K3 · Kimi K2 Thinking.