Kimi K3 API bez cenzure

Većina vodiča za odabir modela napisana je kao da je sposobnost besplatna. Nije. Zanimljivo pitanje o vrhunskom modelu nikad nije „je li bolji” — obično jest — nego „je li na ovom zadatku dovoljno bolji da opravda pet puta veći račun od modela jednu stepenicu niže”. Ovaj vodič na to odgovara stvarnom aritmetikom i otvoreno kaže gdje pobjeđuju jeftinije opcije.

01Što je Kimi K3 zapravo

Kimi K3 vodeći je model otvorenih težina tvrtke Moonshot AI, objavljen u srpnju 2026. pod licencom Kimi K3 — treća generacija podrijetla koje je počelo s Kimi K2 i uistinu nova arhitektura, a ne dotreniranje.

Objavljeni raspored ima 93 sloja — 69 koristi Kimi Delta Attention, 24 koriste zatvorenu latentnu višeglavu pažnju, jedan je gust — uz Stable LatentMoE usmjerivač koji po tokenu bira 16 od 896 stručnjaka plus 2 dijeljena. Moonshot iz te kombinacije izvještava o otprilike 2,5× boljoj učinkovitosti skaliranja u odnosu na Kimi K2. Vid je izvoran, a ne naknadno prikvačen: koder MoonViT-V2 od 401 milijun parametara napaja isto deblo koje obrađuje tekst.

Brojku o rijetkosti vrijedi usvojiti: K3 po tokenu aktivira 104 milijarde parametara, naspram raspona od 30 do 40 milijardi za većinu našeg kataloga. To je otprilike trostruko više računanja po generiranom tokenu i to je cijeli razlog zašto je ovaj model na vrhu cjenika. Ne plaćate razinu brenda — plaćate GPU sekunde.

Podrijetlo, ukratko

• Kimi K2 — bilijun parametara, 32 milijarde aktivnih, 384 stručnjaka s 8 usmjerenih po tokenu, predtreniran na 15,5 bilijuna tokena optimizatorom MuonClip, izgrađen da zaustavi eksplozije pažnje koje na toj skali uništavaju MoE treniranje.
• Kimi K2 Thinking — isti temelj naučen da isprepliće promišljanje s uporabom alata, s prijavljenim održavanjem 200 do 300 uzastopnih poziva alata u jednom izvođenju, uz 44,9 % na Humanity's Last Exam s alatima i 60,2 % na BrowseCompu.
• Kimi K3 — iznova izgrađen s izvornom multimodalnošću i uzvodnim prozorom od milijun tokena, uz treniranje svjesno kvantizacije od faze nadziranog dotreniranja nadalje (MXFP4 težine, MXFP8 aktivacije). Zato K3 agresivnu kompresiju podnosi bolje od modela koji na nju nikad nisu bili pripremani.

Zajednička nit je dugoročna agentnost: svaka je generacija optimizirana za očuvanje suvislosti kroz stotine koraka, a ne za pobjede na mjerilima s kratkim odgovorima. To je sposobnost koju kupujete.

02Što znači „3BIT-REAP” i zašto je modelu od 2,8 bilijuna potreban

Sufiks u id-u modela nije ukras — govori što je učinjeno s težinama prije nego što su učitane na naš vlastiti GPU klaster i pošteno je ograđivanje koje ide uz svaku tvrdnju ovdje. Počnimo od aritmetike. Model s 2,8 bilijuna parametara u 16-bitnoj preciznosti iznosi oko 5,6 terabajta težina. Pri 3 bita po težini to je bliže 1,05 terabajta — i dalje mnogo, ali izvediva postava s prostorom za KV predmemoriju od 262K tokena. REAP je druga polovica: metoda obrezivanja stručnjaka koja profilira do kojih stručnjaka usmjerivač doista poseže i izbacuje rijetko birane prije kvantizacije, a ne poslije. Na modelu koji po tokenu usmjerava samo 16 od 896 stručnjaka to je prirodno rješenje — tako rijetka raspodjela ima dugačak rep koji stvarnom prometu doprinosi vrlo malo — a obrezivanje prvo znači da se preostali proračun bitova troši na stručnjake koji su bitni.

Naš katalog koristi tri sufiksa kao namjernu ljestvicu. 3BIT-REAP ide na najveće temelje, gdje ništa drugo ne stane. W4A16-AUTOROUND-REAP su 4-bitne težine sa 16-bitnim aktivacijama kvantiziranima pomoću AutoRounda — naučeno zaokruživanje koje vraća stvarnu točnost u odnosu na naivno zaokruživanje na najbliže — uz isto obrezivanje. W8A16 razina je najveće vjernosti, za temelje dovoljno male da im agresivna kompresija nije potrebna. Ukratko: sufiks vam govori koliko je izvornika preživjelo; cijena govori koliko stoji pokretanje.

03Vid: što vam donosi razumijevanje slika

Kimi-K3 jedan je od pet modela s vidom u našem katalogu od dvanaest modela i najsposobniji među njima. Većina komercijalnih API-ja s vidom pokreće klasifikator nad prenesenim slikama i odbija široku kategoriju ulaza prije nego što ih model uopće vidi — razumna zadana postavka za potrošače i ozbiljna prepreka legitimnom radu. Sigurnosni istraživači koji snimaju zaslon s izlazom eksploita, timovi za moderaciju koji grade vlastite klasifikatore, forenzički rad i revizije skupova podataka te red team evaluacije svi udaraju u taj zid. Kimi-K3 nema sloj odbijanja ni filtriranje izlaza.

Gdje K3-ov vid opravdava svoju cijenu u odnosu na jeftinije modele s vidom

• Gusti dijagrami i sheme — arhitektonski dijagrami, mrežne topologije, strujni krugovi: sve gdje odgovor ovisi o praćenju linija i oznaka, a ne o imenovanju objekata.
• Sitan tekst na snimkama zaslona — tragovi stoga, izlaz terminala, ćelije proračunske tablice. Razmak među razinama vida najveći je upravo na čitljivosti u malom mjerilu.
• Slika unutar dugog teksta — snimka zaslona ubačena u kontekst od 200K tokena, gdje model mora povezati ono što vidi s onim što je pročitao pedeset tisuća tokena ranije.
• Usporedba više slika — dvije verzije sučelja ili grafikon uz tablicu koja ga je proizvela.

Gdje ne opravdava svoju cijenu: opisivanje slika, alternativni tekst, OCR čistih dokumenata i cjevovodi za označavanje. To je riješeno uz 0,50 $ po milijunu ulaznih tokena — ako je vaše slikovno opterećenje veliko po obujmu, a svaka stavka pojedinačno jednostavna, Kimi-K2.6 ili MiniMax-M3 daju odgovore koje nećete razlikovati od K3-ovih.

Slike troše tokene iz istog proračuna od 262.144 tokena kao i tekst te se naplaćuju po ulaznoj stopi. Šačica snimki zaslona visoke razlučivosti nije besplatna.

04Dugoročni agentski rad — čemu ova razina služi

Ako jedno opterećenje opravdava vrhunsku razinu, onda je to ovo. Kratki zadaci zakazuju blago: model pogriješi, vi to primijetite, ponovite pokušaj, izgubili ste četiri sekunde. Agent s četrdeset poteza koji u šestom potezu krene krivom granom sljedeća trideset i četiri poteza razrađeno gradi na pogrešci, a vi to doznate na kraju, plativši svaki token između. Ta je asimetrija razlog zašto je cijena po tokenu ovdje gotovo pogrešna mjera. Važan je trošak po uspješnom dovršetku, kojim dominira učestalost bacanja cijelih izvođenja. Moonshotove objavljene brojke za K3 temelj na agentskim mjerilima:

Sve su brojke Moonshotove, prijavljene za nekvantizirani Kimi K3 temelj, srpanj 2026. One nisu mjerenja naše 3BIT-REAP izvedbe i ne prikazujemo ih kao takva.

Oblik odgovara onome za što je arhitektura građena: BrowseComp i Terminal-Bench mjerila su petlje s alatima — ponovljeni ciklusi djelovanja, promatranja i ispravljanja. SWE Marathon s 42,0 protuteža je: najteža evaluacija dugoročnog programiranja u skupu, na kojoj i vrhunski model pada na većini zadataka. „Agentski” nije riješena kategorija; projektirajte za neuspjeh koji god model odabrali.

Praktične postavke za duga izvođenja

K3 izlaže reasoning_effort, a ovdje je to stvarna poluga troška: tokeni promišljanja naplaćuju se kao izlazni tokeni, po 19,12 $ po milijunu.

• Low — usmjeravanje poziva alata i strukturirano izlučivanje, gdje model bira između šačice poznatih opcija.
• High — zadana postavka za pravi agentski rad: planiranje višekoračne izmjene, otklanjanje pogrešaka iz traga stoga, usklađivanje proturječnih izvora.
• Max — čuvajte je za najteži pojedinačni poziv u cjevovodu: plan na početku izvođenja ili završni pregled. Izvođenje koje potroši 30 tis. tokena promišljanja pri high i 90 tis. pri max plaća dodatnih 1,15 $ za tu jednu zastavicu.

Namjerno planirajte i kontekst: naš je prozor 262.144 tokena uz najveći izlaz od 16.384 tokena, a pri 3,83 $ po milijunu ulaza neobrezana se povijest zbraja — svaki potez iznova naplaćuje cijeli prefiks.

05Što „bez cenzure” znači na ovoj krajnjoj točki

Svaki se model na Shannon AI pristupniku poslužuje bez sloja odbijanja i bez filtriranja sadržaja na izlazu. To je važnije na vrhunskoj razini, jer zadaci koje ljudi donose vrhunskom modelu najvjerojatnije okidaju filtar: protivnička sigurnosna istraživanja, analiza ofenzivnih alata, razvoj klasifikatora za moderaciju, obavještajni rad o prijetnjama, zahtjevna fikcija i svaka evaluacija koja traži da model proizvede upravo ono što pokušavate otkriti.

• Nema klasifikatora izlaza. Odgovori se nakon generiranja ne pregledavaju pa prepisuju ili blokiraju.
• Nema ulaznih vrata. Promptovi i slike ne provjeravaju se prije nego što stignu do modela.
• Nije riječ o drugom modelu. Ovo je Kimi K3 temelj poslužen bez sloja koji obično stoji ispred njega.
• Nije prijenos odgovornosti. Uklanjanje sloja odbijanja prosudbu premješta na vas — pogledajte naša pravila odgovorne uporabe.

Postoji i tiša korist za svakoga tko gradi sustave za evaluaciju: nefiltriran je model stabilna polazna točka. Model koji odbija nepredvidljivo mjerenja čini šumnima, jer ne možete razlučiti granicu sposobnosti od granice politike. Ovdje je propust propust sposobnosti — jedina vrsta koju možete otkloniti.

06Cijena: 3,83 $ ulaz, 19,12 $ izlaz — i kada se isplati

Ovo je uvjerljivo najskuplji model na našem popisu: izlaz stoji 9,6× više od našeg dna od 2,00 $ i 5,2× više nego Kimi-K2.6. Evo aritmetike na otvorenom.

Model	Ulaz / 1M	Izlaz / 1M	Vid	JSON shema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Da	Da
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Ne	Da
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Da	Ne
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Da	Da
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Da
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Da	Da
MiMo-V2.5 · W8A16	$0.50	$2.00	Da	Da

Odabrani retci, poredani po ulaznoj cijeni. Svih dvanaest modela dijeli isti kontekst od 262.144 tokena, najveći izlaz od 16.384 tokena, streaming, pozivanje alata i reasoning_effort. Žive zastavice mogućnosti nalaze se na stranici s dokumentacijom API-ja.

Dva razrađena primjera

Prvi, ulaz od 120.000 tokena — izvoz baze koda, regulatorna prijava — koji proizvodi analizu od 3000 tokena. Drugi, agentsko izvođenje s četrdeset poteza: otprilike 1,2 milijuna kumulativnih ulaznih tokena kako se kontekst nakuplja i 90.000 izlaznih tokena uključujući promišljanje.

Scenarij	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ulaz / 3K izlaz	$0.517	$0.105	$0.066
Agentsko izvođenje s 40 poteza	$6.32	$1.27	$0.78

K3 na tom pozivu s dokumentom stoji oko 4,9× više od Kimi-K2.6. Pedeset centi je ništa jednom; pri tisuću poziva to je 517 $ dnevno, naspram 105 $. Na agentskom izvođenju razlika je oko 5 $. Sada primijenite jedini test koji je važan: ako zadatak vrijedi sat inženjerova vremena po 100 $, K3 se isplati onog trenutka kad uspješnost iz prvog pokušaja podigne za pet postotnih bodova — a na uistinu teškom dugoročnom radu razmak među razinama obično je veći. Ako zadatak vrijedi trideset sekundi ičijeg vremena, tih je istih 5 $ neobranjivo.

07Kimi-K3 ili jeftiniji srodnik?

Dva Kimi modela u našem katalogu dvije su prečke iste ljestvice, a ne konkurenti. Kimi-K2.6 kvantiziran je manje agresivno — W4A16-AUTOROUND-REAP, 4-bitne težine s naučenim zaokruživanjem, naspram K3-ova 3 bita — na manjem temelju. Ima vid, izlaz po JSON shemi, isti kontekstni prozor i stoji otprilike petinu.

Zadatak	Koristite	Zašto
Samostalan agent s četrdeset poteza	Kimi-K3	Propust se zbraja; kvaliteta plana u prvom potezu odlučuje izvođenje
Refaktoriranje na razini repozitorija	Kimi-K3	Treba puni kontekst držati suvislo, a ne tek dohvaćati iz njega
Gusti dijagrami, sitan tekst na snimkama zaslona	Kimi-K3	Najveći razmak u vidu među razinama je čitljivost i prostorno promišljanje
Izmjene u jednoj datoteci, dobro specificirane	Kimi-K2.6	Omeđen zadatak, jeftin ponovni pokušaj, bez mjerljive razlike u stropu
Opisivanje slika u velikom obujmu	MiniMax-M3 / MiMo-V2.5	Riješeno uz 0,50 $ ulaza; K3 izlaz je 9,6× skuplji za isti opis
Zahtjevno promišljanje, ali samo tekst	DeepSeek-V4-Pro	3,90 $ izlaza naspram 19,12 $ — ispustite K3 ako vam slike ne trebaju

Taj je zadnji redak najčešće propuštena ušteda. Ako vaš zadatak ne uključuje slike, najprije provjerite DeepSeek-V4-Pro. I on je 3BIT-REAP izvedba na velikom temelju, jak u teškom promišljanju, a izlaz mu stoji 3,90 $ naspram K3-ovih 19,12 $. Velik dio prometa koji poseže za vrhunskom razinom tekstualno je promišljanje jednako dobro posluženo jedan redak niže.

08Pozivanje Kimi K3 API-ja bez cenzure

Model je izložen kao Kimi-K3-3BIT-REAP na sva tri dijalekta, sa streamingom na svakome i bez razlike u mogućnostima među njima — razlikuje se samo format prijenosa: /v1/chat/completions (kompatibilan s OpenAI-jem), /v1/messages (kompatibilan s Anthropicom) i /v1/responses. Zahtjev s vidom i podignutom razinom promišljanja za težak vizualni zadatak:

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 podržava i response_format i puni json_schema, pa možete ograničiti argumente alata agenta ili izvještaj natjerati u fiksni oblik bez naknadnog raščlanjivanja. Pozivanje alata je izvorno i predviđen je način vođenja dugih izvođenja. Parametri, autentifikacija, ograničenja stope i živi playground nalaze se na stranici s dokumentacijom API-ja.

Tri stvari koje štede novac od prvog dana

• Obrežite prefiks. Svaki potez iznova naplaćuje cijeli razgovor po 3,83 $ po milijunu; jednokratno sažimanje povijesti od 40 poteza u objekt stanja od 4 tis. tokena štedi više od većine zamjena modela.
• Smanjite slike. Tokeni slika ulazni su tokeni; snimka zaslona u 4K smanjena na nešto još uvijek čitljivo daje isti odgovor za manje novca.
• Usmjeravajte prema težini. Jeftin model na rutinskim potezima, uz K3 na planu, teškoj grani i završnom pregledu, često daje 80 % sposobnosti uz 25 % računa.

09Često postavljana pitanja

---

Činjenice o temelju i mjerila Moonshot AI-jeve su objavljene brojke za Kimi K3 i Kimi K2 i opisuju nekvantizirane uzvodne modele; naša je izvedba 3-bitna REAP kvantizacija i razlikovat će se. Cijene, kontekst i zastavice mogućnosti Shannon AI-jevi su vlastiti podaci, važeći na dan 5. rujna 2026. — žive su vrijednosti uvijek one koje vraća /v1/models. Izvori: kartica modela Kimi K3 · repozitorij Kimi K3 · Kimi K2 Thinking.