अनसेंसर्ड Kimi K3 API

मॉडल चुनने की ज़्यादातर गाइड ऐसे लिखी जाती हैं मानो क्षमता मुफ़्त हो। वह मुफ़्त नहीं है। किसी शीर्ष-श्रेणी मॉडल के बारे में दिलचस्प सवाल कभी "क्या यह बेहतर है" नहीं होता — आमतौर पर होता ही है — बल्कि यह होता है कि "इस काम पर यह इतना बेहतर है कि एक पायदान नीचे वाले मॉडल से पाँच गुना बड़ा बिल जायज़ ठहर सके?" यह गाइड उसका जवाब असली हिसाब-किताब से देती है, और साफ़ बताती है कि सस्ते विकल्प कहाँ जीतते हैं।

01Kimi K3 असल में है क्या

Kimi K3 Moonshot AI का ओपन-वेट्स फ़्लैगशिप है, जो जुलाई 2026 में Kimi K3 License के तहत जारी हुआ — उस वंश की तीसरी पीढ़ी जो Kimi K2 से शुरू हुई थी, और सचमुच एक नया आर्किटेक्चर, कोई फ़ाइन-ट्यून नहीं।

प्रकाशित ढाँचा 93 लेयरों का है — 69 में Kimi Delta Attention, 24 में गेटेड मल्टी-हेड लेटेंट अटेंशन, एक डेंस — और एक Stable LatentMoE राउटर प्रति टोकन 896 में से 16 एक्सपर्ट तथा 2 साझा एक्सपर्ट चुनता है। Moonshot बताता है कि इस संयोजन से Kimi K2 की तुलना में स्केलिंग दक्षता में करीब 2.5 गुना सुधार हुआ है। विज़न ऊपर से चिपकाया हुआ नहीं बल्कि नेटिव है: 401M पैरामीटर वाला MoonViT-V2 एनकोडर उसी ट्रंक को खिलाता है जो टेक्स्ट संभालता है।

स्पार्सिटी वाला आँकड़ा दिमाग में बिठा लेने लायक है: K3 प्रति टोकन 104 अरब पैरामीटर सक्रिय करता है, जबकि हमारी ज़्यादातर कैटलॉग के लिए यह 30 से 40 अरब के बीच है। यह प्रति जनरेट किए गए टोकन करीब तीन गुना गणित है, और यही एकमात्र वजह है कि यह मॉडल कीमत सूची में सबसे ऊपर है। आप किसी ब्रांड श्रेणी के लिए भुगतान नहीं कर रहे — आप GPU-सेकंड के लिए भुगतान कर रहे हैं।

वंश, संक्षेप में

• Kimi K2 — 1 ट्रिलियन पैरामीटर, 32 अरब सक्रिय, 384 एक्सपर्ट जिनमें प्रति टोकन 8 रूट होते थे, MuonClip ऑप्टिमाइज़र से 15.5 ट्रिलियन टोकन पर प्री-ट्रेन, और इसी मक़सद से बनाया गया कि उस पैमाने पर MoE ट्रेनिंग को बरबाद करने वाले अटेंशन विस्फोट रुकें।
• Kimi K2 Thinking — वही फ़ाउंडेशन, पर रीज़निंग और टूल उपयोग को गूँथना सिखाया गया; बताया गया कि यह एक ही रन में 200 से 300 क्रमिक टूल कॉल तक टिकता है, टूल के साथ Humanity's Last Exam पर 44.9% और BrowseComp पर 60.2% के साथ।
• Kimi K3 — नेटिव मल्टीमॉडलिटी और अपस्ट्रीम 1M-टोकन विंडो के साथ नए सिरे से बनाया गया, और सुपरवाइज़्ड फ़ाइन-ट्यूनिंग चरण से ही क्वांटाइज़ेशन-अवेयर ट्रेनिंग (MXFP4 वेट्स, MXFP8 एक्टिवेशन) के साथ। यही वजह है कि K3 आक्रामक कंप्रेशन को उन मॉडलों से बेहतर झेलता है जिन्हें कभी इसे ध्यान में रखकर प्रशिक्षित नहीं किया गया।

पूरी कहानी की दिशा है लंबी अवधि की स्वायत्तता: हर पीढ़ी को छोटे-जवाब वाले बेंचमार्क जीतने के बजाय सैकड़ों कदमों तक सुसंगत बने रहने के लिए अनुकूलित किया गया। आप यही क्षमता खरीद रहे हैं।

02"3BIT-REAP" का मतलब क्या है, और 2.8T मॉडल को इसकी ज़रूरत क्यों है

मॉडल आईडी का यह प्रत्यय सजावट नहीं है — यह बताता है कि हमारे अपने GPU क्लस्टर पर लोड होने से पहले वेट्स के साथ क्या किया गया, और यह हर दावे के साथ जुड़ी ईमानदार चेतावनी है। हिसाब से शुरू कीजिए। 16-बिट प्रिसिज़न पर 2.8 ट्रिलियन पैरामीटर वाला मॉडल करीब 5.6 टेराबाइट वेट्स होता है। प्रति वेट 3 बिट पर यह 1.05 टेराबाइट के करीब आ जाता है — फिर भी बड़ा, पर एक ऐसी तैनाती जो संभव है और जिसमें 262K-टोकन KV कैश के लिए जगह भी बचती है। REAP दूसरा आधा हिस्सा है: एक एक्सपर्ट-प्रूनिंग विधि जो देखती है कि राउटर असल में किन एक्सपर्ट तक पहुँचता है और कम चुने जाने वालों को क्वांटाइज़ करने के बाद नहीं, पहले हटा देती है। जो मॉडल प्रति टोकन 896 में से सिर्फ़ 16 एक्सपर्ट रूट करता हो, उसके लिए यह स्वाभाविक मेल है — इतने विरल वितरण की एक लंबी पूँछ असली ट्रैफ़िक में बहुत कम योगदान देती है — और पहले प्रून करने का मतलब है कि बचा हुआ बिट बजट उन एक्सपर्ट पर खर्च हो जो मायने रखते हैं।

हमारी कैटलॉग तीन प्रत्ययों को एक सोची-समझी सीढ़ी के रूप में इस्तेमाल करती है। 3BIT-REAP सबसे बड़े फ़ाउंडेशनों पर लगता है, जहाँ और कुछ समाता ही नहीं। W4A16-AUTOROUND-REAP का मतलब है 4-बिट वेट्स और 16-बिट एक्टिवेशन, AutoRound से क्वांटाइज़ किए हुए — यानी सीखी हुई राउंडिंग जो सीधे नज़दीकी मान पर गोल करने की तुलना में असली सटीकता वापस लाती है — साथ में वही प्रूनिंग। W8A16 सबसे ऊँची निष्ठा वाली श्रेणी है, उन फ़ाउंडेशनों के लिए जो इतने छोटे हैं कि उन्हें आक्रामक कंप्रेशन की ज़रूरत नहीं। संक्षेप में: प्रत्यय बताता है कि मूल का कितना हिस्सा बचा; कीमत बताती है कि उसे चलाने में क्या लगता है।

03विज़न: इमेज समझने से आपको क्या मिलता है

Kimi-K3 हमारी बारह-मॉडल कैटलॉग के उन पाँच मॉडलों में से एक है जिनमें विज़न है, और इन पाँचों में सबसे सक्षम है। ज़्यादातर व्यावसायिक विज़न API अपलोड की गई इमेज पर एक क्लासिफ़ायर चलाते हैं और मॉडल के देखने से पहले ही इनपुट की एक बड़ी श्रेणी ठुकरा देते हैं — उपभोक्ताओं के लिए यह वाजिब डिफ़ॉल्ट है और जायज़ काम के लिए गंभीर अड़चन। एक्सप्लॉइट आउटपुट के स्क्रीनशॉट लेते सिक्योरिटी शोधकर्ता, अपने खुद के क्लासिफ़ायर बनाती मॉडरेशन टीमें, फ़ोरेंसिक और डेटासेट-ऑडिट का काम, और रेड-टीम मूल्यांकन — सब इसी दीवार से टकराते हैं। Kimi-K3 पर कोई रिफ्यूज़ल लेयर नहीं है और आउटपुट पर कोई फ़िल्टरिंग नहीं है।

K3 का विज़न सस्ते विज़न मॉडलों के मुक़ाबले अपनी कीमत कहाँ वसूल करता है

• घने डायग्राम और स्कीमैटिक — आर्किटेक्चर डायग्राम, नेटवर्क टोपोलॉजी, सर्किट: यानी हर वह चीज़ जहाँ जवाब वस्तुओं के नाम लेने के बजाय रेखाओं और लेबल का पीछा करने पर टिका हो।
• स्क्रीनशॉट में छोटा टेक्स्ट — स्टैक ट्रेस, टर्मिनल आउटपुट, स्प्रेडशीट की कोशिकाएँ। छोटे आकार पर पढ़ने की क्षमता में ही विज़न श्रेणियों के बीच सबसे बड़ा अंतर होता है।
• लंबे टेक्स्ट के भीतर इमेज — 200K-टोकन कॉन्टेक्स्ट में डाला गया कोई स्क्रीनशॉट, जहाँ मॉडल को जो दिख रहा है उसे उससे जोड़ना है जो उसने पचास हज़ार टोकन पहले पढ़ा था।
• कई इमेज की तुलना — किसी UI के दो संस्करण, या कोई चार्ट और वह तालिका जिससे वह बना।

जहाँ यह अपनी कीमत नहीं वसूलता: कैप्शन लिखना, ऑल्ट टेक्स्ट, साफ़ दस्तावेज़ों का OCR, और टैगिंग पाइपलाइन। ये $0.50 प्रति दस लाख इनपुट टोकन पर हल हो चुके हैं — अगर आपका इमेज वर्कलोड ज़्यादा मात्रा वाला है और हर आइटम अपने आप में सरल है, तो Kimi-K2.6 या MiniMax-M3 ऐसे जवाब देंगे जिन्हें आप K3 के जवाबों से अलग नहीं कर पाएँगे।

इमेज उसी 262,144-टोकन बजट से टोकन खर्च करती हैं जिससे टेक्स्ट, और इनपुट दर पर बिल होती हैं। मुट्ठी भर हाई-रिज़ॉल्यूशन स्क्रीनशॉट मुफ़्त नहीं हैं।

04लंबी अवधि का एजेंटिक काम — यह श्रेणी इसी के लिए है

अगर कोई एक वर्कलोड शीर्ष श्रेणी को जायज़ ठहराता है, तो वह यही है। छोटे काम माफ़ी लायक ढंग से नाकाम होते हैं: मॉडल गलत करता है, आप देख लेते हैं, दोबारा चलाते हैं, चार सेकंड गए। लेकिन चालीस टर्न वाला एजेंट जो छठे टर्न पर गलत शाखा पकड़ लेता है, अगले चौंतीस टर्न किसी गलती पर विस्तार से इमारत खड़ी करने में लगाता है, और आपको यह आख़िर में पता चलता है, तब तक बीच का हर टोकन आप चुका चुके होते हैं। यही विषमता वजह है कि प्रति-टोकन कीमत यहाँ लगभग गलत मापदंड है। जो मायने रखता है वह है प्रति सफल काम की लागत, जिस पर इस बात का दबदबा है कि कितनी बार कोई रन फेंकना पड़ता है। एजेंटिक बेंचमार्क पर K3 फ़ाउंडेशन के लिए Moonshot के प्रकाशित आँकड़े:

सभी आँकड़े जुलाई 2026 में बिना क्वांटाइज़ किए गए Kimi K3 फ़ाउंडेशन के लिए Moonshot द्वारा बताए गए हैं। ये हमारे 3BIT-REAP बिल्ड के माप नहीं हैं और हम इन्हें वैसा पेश भी नहीं करते।

इनका स्वरूप वही है जिसके लिए यह आर्किटेक्चर बना था: BrowseComp और Terminal-Bench टूल-लूप बेंचमार्क हैं — करो, देखो, सुधारो के बार-बार दोहराए जाने वाले चक्र। 42.0 पर SWE Marathon संतुलन बिठाता है: इस सेट का सबसे कठिन लंबी-अवधि वाला कोडिंग मूल्यांकन, जहाँ कोई फ़्रंटियर मॉडल भी ज़्यादातर काम में नाकाम रहता है। "एजेंटिक" कोई हल हो चुकी श्रेणी नहीं है; आप कोई भी मॉडल चुनें, नाकामी को ध्यान में रखकर डिज़ाइन कीजिए।

लंबे रन के लिए व्यावहारिक सेटिंग

K3 reasoning_effort देता है, और यहाँ यह लागत का असली लीवर है: रीज़निंग टोकन आउटपुट टोकन के रूप में, $19.12 प्रति दस लाख पर बिल होते हैं।

• Low — टूल-कॉल रूटिंग और स्ट्रक्चर्ड निष्कर्षण, जहाँ मॉडल मुट्ठी भर ज्ञात विकल्पों में से चुनता है।
• High — असली एजेंटिक काम के लिए डिफ़ॉल्ट: कई चरणों वाले बदलाव की योजना बनाना, स्टैक ट्रेस से डीबग करना, विरोधाभासी स्रोतों में मेल बिठाना।
• Max — इसे पाइपलाइन की सबसे कठिन एकल कॉल के लिए बचाकर रखिए: रन की शुरुआत की योजना, या अंतिम समीक्षा। जो रन high पर 30K रीज़निंग टोकन और max पर 90K खर्च करता है, वह उस एक फ़्लैग के लिए $1.15 अतिरिक्त चुकाता है।

कॉन्टेक्स्ट का बजट भी सोच-समझकर बनाइए: हमारी विंडो 262,144 टोकन है और अधिकतम आउटपुट 16,384 टोकन, और $3.83 प्रति दस लाख इनपुट पर बिना छाँटा हुआ इतिहास जुड़ता चला जाता है — हर टर्न पूरे पिछले हिस्से का बिल दोबारा बनाता है।

05इस एंडपॉइंट पर "अनसेंसर्ड" का मतलब क्या है

Shannon AI Gateway का हर मॉडल बिना किसी रिफ्यूज़ल लेयर और आउटपुट पर बिना किसी कंटेंट फ़िल्टरिंग के परोसा जाता है। शीर्ष श्रेणी पर यह ज़्यादा मायने रखता है, क्योंकि लोग जो काम शीर्ष-श्रेणी मॉडल तक लाते हैं उन्हीं के किसी फ़िल्टर से टकराने की सबसे ज़्यादा संभावना होती है: प्रतिकूल सिक्योरिटी रिसर्च, आक्रामक-औज़ार विश्लेषण, मॉडरेशन-क्लासिफ़ायर विकास, थ्रेट इंटेलिजेंस, मुश्किल कथा-साहित्य, और हर वह मूल्यांकन जिसमें मॉडल से ठीक वही चीज़ बनवानी पड़ती है जिसे आप पकड़ने की कोशिश कर रहे हैं।

• कोई आउटपुट क्लासिफ़ायर नहीं। जवाबों को बनने के बाद स्कैन करके दोबारा लिखा या रोका नहीं जाता।
• कोई इनपुट फाटक नहीं। प्रॉम्प्ट और इमेज मॉडल तक पहुँचने से पहले छाने नहीं जाते।
• यह कोई अलग मॉडल नहीं है। यह वही Kimi K3 फ़ाउंडेशन है, बस उस परत के बिना परोसा गया जो आमतौर पर उसके आगे बैठी होती है।
• यह ज़िम्मेदारी का हस्तांतरण नहीं है। रिफ्यूज़ल लेयर हटाने से विवेक का फ़ैसला आप पर आ जाता है — हमारी ज़िम्मेदार उपयोग नीति देखिए।

मूल्यांकन प्रणालियाँ बनाने वालों के लिए इसका एक शांत फ़ायदा भी है: बिना फ़िल्टर वाला मॉडल एक स्थिर आधार-रेखा होता है। जो मॉडल अनिश्चित ढंग से इनकार करता है वह मापों को शोर से भर देता है, क्योंकि आप क्षमता की सीमा और नीति की सीमा में फ़र्क़ नहीं कर पाते। यहाँ नाकामी क्षमता की नाकामी है — और यही इकलौती किस्म है जिसे आप डीबग कर सकते हैं।

06कीमत: $3.83 इन, $19.12 आउट — और यह उसे कब वसूल करता है

यह हमारी सूची का सबसे महँगा मॉडल है, और बड़े अंतर से: आउटपुट हमारी $2.00 वाली निचली दर का 9.6 गुना और Kimi-K2.6 की कीमत का 5.2 गुना है। यह रहा खुला हिसाब।

मॉडल	इन / 1M	आउट / 1M	विज़न	JSON स्कीमा
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	हाँ	हाँ
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	नहीं	हाँ
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	हाँ	नहीं
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	हाँ	हाँ
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	नहीं	हाँ
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	हाँ	हाँ
MiMo-V2.5 · W8A16	$0.50	$2.00	हाँ	हाँ

चुनी हुई पंक्तियाँ, इनपुट कीमत के क्रम में। सभी बारह मॉडल वही 262,144-टोकन कॉन्टेक्स्ट, 16,384-टोकन अधिकतम आउटपुट, स्ट्रीमिंग, टूल कॉलिंग और reasoning_effort साझा करते हैं। लाइव क्षमता फ़्लैग API दस्तावेज़ीकरण पेज पर हैं।

दो हिसाब लगाए गए उदाहरण

पहला, 1,20,000 टोकन का इनपुट — कोई कोडबेस डंप, कोई नियामक फ़ाइलिंग — जिससे 3,000 टोकन का विश्लेषण निकलता है। दूसरा, चालीस टर्न वाला एजेंट रन: कॉन्टेक्स्ट जमा होते-होते करीब 1.2M संचयी इनपुट टोकन, और रीज़निंग समेत 90,000 आउटपुट टोकन।

परिदृश्य	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K इन / 3K आउट	$0.517	$0.105	$0.066
40-टर्न एजेंट रन	$6.32	$1.27	$0.78

दस्तावेज़ वाली कॉल पर K3 की लागत Kimi-K2.6 से करीब 4.9 गुना है। पचास सेंट एक बार के लिए कुछ नहीं हैं; हज़ार कॉल पर यह रोज़ का $517 है, बनाम $105। एजेंट रन पर अंतर करीब $5 है। अब वही इकलौती कसौटी लगाइए जो मायने रखती है: अगर काम किसी इंजीनियर के $100 प्रति घंटे वाले एक घंटे के लायक है, तो K3 उसी पल अपनी कीमत वसूल कर लेता है जब वह पहली बार में सफलता की दर पाँच प्रतिशत अंक बढ़ा दे — और सचमुच कठिन, लंबी अवधि वाले काम में श्रेणियों का अंतर आमतौर पर इससे बड़ा होता है। अगर वह काम किसी के तीस सेकंड के लायक है, तो वही $5 बिल्कुल जायज़ नहीं ठहरते।

07Kimi-K3 या कोई सस्ता साथी मॉडल?

हमारी कैटलॉग के दोनों Kimi मॉडल प्रतिद्वंद्वी नहीं, एक ही सीढ़ी के दो पायदान हैं। Kimi-K2.6 कम आक्रामक ढंग से क्वांटाइज़ किया गया है — W4A16-AUTOROUND-REAP, यानी सीखी हुई राउंडिंग वाले 4-बिट वेट्स, बनाम K3 के 3-बिट — और वह भी छोटे फ़ाउंडेशन पर। उसमें विज़न है, JSON-स्कीमा आउटपुट है, वही कॉन्टेक्स्ट विंडो है, और कीमत करीब एक-पाँचवीं है।

काम	क्या इस्तेमाल करें	क्यों
चालीस टर्न वाला स्वायत्त एजेंट	Kimi-K3	नाकामी जुड़ती जाती है; पहले टर्न पर योजना की क्वालिटी ही पूरा रन तय करती है
रिपॉज़िटरी-स्तर का रीफ़ैक्टर	Kimi-K3	पूरे कॉन्टेक्स्ट को सुसंगत ढंग से थामे रखना ज़रूरी है, महज़ उसमें से खोजना नहीं
घने डायग्राम, स्क्रीनशॉट का छोटा टेक्स्ट	Kimi-K3	श्रेणियों के बीच विज़न का सबसे बड़ा अंतर पठनीयता और स्थानिक तर्क में है
अच्छी तरह तय की गई एकल-फ़ाइल संपादन	Kimi-K2.6	सीमित काम, सस्ता दोबारा प्रयास, छत में कोई मापने लायक अंतर नहीं
मात्रा में इमेज कैप्शनिंग	MiniMax-M3 / MiMo-V2.5	$0.50 इन पर हल हो चुका; उसी कैप्शन के लिए K3 का आउटपुट 9.6 गुना है
रीज़निंग-भारी पर सिर्फ़ टेक्स्ट वाला	DeepSeek-V4-Pro	$19.12 के मुक़ाबले $3.90 आउटपुट — अगर इमेज नहीं चाहिए तो K3 छोड़ दीजिए

वह आख़िरी पंक्ति सबसे ज़्यादा छूट जाने वाली बचत है। अगर आपके काम में इमेज शामिल नहीं हैं, तो पहले DeepSeek-V4-Pro देखिए। वह भी किसी बड़े फ़ाउंडेशन पर 3BIT-REAP बिल्ड है, कठिन रीज़निंग में मज़बूत है, और उसका आउटपुट K3 के $19.12 के मुक़ाबले $3.90 में पड़ता है। शीर्ष श्रेणी तक पहुँचने वाला बहुत सारा ट्रैफ़िक असल में सिर्फ़ टेक्स्ट वाली रीज़निंग है, जो एक पंक्ति नीचे भी उतनी ही अच्छी तरह निपट जाती है।

08अनसेंसर्ड Kimi K3 API को कॉल करना

यह मॉडल तीनों डायलेक्ट पर Kimi-K3-3BIT-REAP के रूप में उपलब्ध है, हर एक पर स्ट्रीमिंग के साथ और उनके बीच क्षमता का कोई अंतर नहीं — सिर्फ़ वायर फ़ॉर्मैट अलग है: /v1/chat/completions (OpenAI-कम्पैटिबल), /v1/messages (Anthropic-कम्पैटिबल), और /v1/responses। किसी कठिन दृश्य काम के लिए बढ़ाए गए रीज़निंग एफ़र्ट के साथ एक विज़न रिक्वेस्ट:

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 response_format और पूरा json_schema, दोनों सपोर्ट करता है, इसलिए आप किसी एजेंट के टूल आर्ग्युमेंट बाँध सकते हैं या किसी रिपोर्ट को बाद में पार्स किए बिना एक तय ढाँचे में ला सकते हैं। टूल कॉलिंग नेटिव है और लंबे रन चलाने का यही इच्छित तरीका है। पैरामीटर, प्रमाणीकरण, दर सीमाएँ और एक लाइव प्लेग्राउंड API दस्तावेज़ीकरण पेज पर हैं।

तीन चीज़ें जो पहले ही दिन पैसे बचाती हैं

• पिछले हिस्से को छाँटिए। हर टर्न पूरी बातचीत का बिल $3.83 प्रति दस लाख पर दोबारा बनाता है; 40-टर्न के इतिहास को एक बार 4K-टोकन की स्टेट ऑब्जेक्ट में समेट देना ज़्यादातर मॉडल बदलने से ज़्यादा बचाता है।
• इमेज छोटी कीजिए। इमेज टोकन इनपुट टोकन ही हैं; 4K स्क्रीनशॉट को इतना छोटा कर देना कि वह अब भी पढ़ने लायक रहे, कम कीमत में वही जवाब देता है।
• कठिनाई के हिसाब से रूट कीजिए। रोज़मर्रा के टर्न पर कोई सस्ता मॉडल, और योजना, कठिन शाखा तथा अंतिम समीक्षा पर K3 — यह अक्सर 25% बिल में 80% क्षमता दे देता है।

09अक्सर पूछे जाने वाले सवाल

---

फ़ाउंडेशन से जुड़े तथ्य और बेंचमार्क Kimi K3 तथा Kimi K2 के लिए Moonshot AI के प्रकाशित आँकड़े हैं और बिना क्वांटाइज़ किए गए अपस्ट्रीम मॉडलों का वर्णन करते हैं; हमारा बिल्ड 3-बिट REAP क्वांटाइज़ेशन है और उससे अलग रहेगा। कीमतें, कॉन्टेक्स्ट और क्षमता फ़्लैग Shannon AI के अपने हैं, 5 सितंबर 2026 तक के अनुसार — लाइव मान हमेशा वही होते हैं जो /v1/models लौटाता है। स्रोत: Kimi K3 मॉडल कार्ड · Kimi K3 रिपॉज़िटरी · Kimi K2 Thinking।