Cenzúrázatlan Kimi K3 API

A legtöbb modellválasztási útmutatót úgy írják, mintha a képesség ingyen lenne. Nem az. Egy csúcskategóriás modellel kapcsolatban az érdekes kérdés soha nem az, hogy „jobb-e” — általában igen —, hanem az, hogy „ezen a feladaton eléggé jobb-e ahhoz, hogy indokolja az egy fokkal lejjebb lévő modellnél ötször nagyobb számlát”. Ez az útmutató valódi számtannal válaszol erre, és nyíltan megmondja, hol nyernek az olcsóbb lehetőségek.

01Mi is valójában a Kimi K3

A Kimi K3 a Moonshot AI nyílt súlyú zászlóshajója, amelyet 2026 júliusában adtak ki a Kimi K3 licenc alatt — a Kimi K2-vel kezdődött vonal harmadik generációja, és valóban új architektúra, nem finomhangolás.

A közzétett elrendezés 93 réteg — ebből 69 Kimi Delta Attentiont használ, 24 kapuzott többfejű látens figyelmet, egy pedig sűrű —, egy Stable LatentMoE útválasztóval, amely tokenenként 896 szakértőből 16-ot választ ki, plusz 2 megosztottat. A Moonshot ebből a kombinációból nagyjából 2,5-szeres javulást jelent a Kimi K2-höz képest a skálázási hatékonyságban. A képfeldolgozás natív, nem utólag ráakasztott: egy 401 millió paraméteres MoonViT-V2 kódoló ugyanazt a törzset táplálja, amely a szöveget kezeli.

A ritkasági számot érdemes megjegyezni: a K3 tokenenként 104 milliárd paramétert aktivál, szemben a katalógusunk nagy részére jellemző 30–40 milliárdos sávval. Ez nagyjából háromszoros számtan generált tokenenként, és ez a teljes oka annak, hogy ez a modell vezeti az árlistát. Nem márkaszintért fizet — GPU-másodpercekért.

A vonal röviden

• Kimi K2 — 1 billió paraméter, 32 milliárd aktív, 384 szakértő tokenenként 8 útvonalazottal, 15,5 billió tokenen előtanítva a MuonClip optimalizálóval, amelyet arra építettek, hogy megállítsa azokat a figyelmi kirobbanásokat, amelyek ekkora léptékben tönkreteszik a MoE-tanítást.
• Kimi K2 Thinking — ugyanaz az alapmodell, megtanítva arra, hogy a gondolkodást összefűzze az eszközhasználattal; a jelentések szerint egyetlen futásban 200–300 egymást követő eszközhívást tart fenn, 44,9%-kal a Humanity's Last Examen eszközökkel és 60,2%-kal a BrowseCompon.
• Kimi K3 — natív multimodalitással és egymillió tokenes ablakkal újraépítve a forrásoldalon, kvantálástudatos tanítással a felügyelt finomhangolási szakasztól kezdve (MXFP4 súlyok, MXFP8 aktivációk). Ezért viseli a K3 jobban az agresszív tömörítést, mint azok a modellek, amelyeket sosem tanítottak erre gondolva.

A vezérfonal a hosszú távú ügynökiség: minden generációt arra optimalizáltak, hogy több száz lépésen át koherens maradjon, nem pedig arra, hogy rövidválaszos benchmarkokat nyerjen. Ezt a képességet vásárolja meg.

02Mit jelent a „3BIT-REAP”, és miért van rá szüksége egy 2,8 billiós modellnek

A modellazonosító utótagja nem díszítés — azt mondja meg, mit tettünk a súlyokkal, mielőtt felkerültek a saját GPU-fürtünkre, és ez az őszinte fenntartás, amely minden itteni állításhoz tartozik. Kezdjük a számtannal. Egy 2,8 billió paraméteres modell 16 bites pontossággal nagyjából 5,6 terabájtnyi súly. Súlyonként 3 biten inkább 1,05 terabájt — még mindig nagy, de kezelhető üzembe helyezés, amelyben marad hely egy 262K tokenes KV-gyorsítótárnak. A REAP a második fele: szakértőmetszési módszer, amely feltérképezi, mely szakértőkhöz nyúl valójában az útválasztó, és a ritkán kiválasztottakat a kvantálás előtt dobja el, nem utána. Egy olyan modellen, amely tokenenként csak 16-ot útvonalaz 896 szakértőből, ez természetesen illeszkedik — egy ennyire ritka eloszlásnak hosszú farka van, amely nagyon keveset ad hozzá a valós forgalomhoz —, és ha előbb metszünk, a maradék bitköltségvetés a számító szakértőkre megy el.

A katalógusunk három utótagot használ szándékos létraként. A 3BIT-REAP a legnagyobb alapmodellekre kerül, ahol semmi más nem fér el. A W4A16-AUTOROUND-REAP 4 bites súly 16 bites aktivációkkal, AutoRounddal kvantálva — tanult kerekítéssel, amely valódi pontosságot nyer vissza a naiv legközelebbire kerekítéshez képest — plusz ugyanaz a metszés. A W8A16 a legnagyobb hűségű szint, azoknak az alapmodelleknek, amelyek elég kicsik ahhoz, hogy ne legyen szükségük agresszív tömörítésre. Röviden: az utótag megmondja, mennyi maradt meg az eredetiből; az ár megmondja, mibe kerül futtatni.

03Képfeldolgozás: mit vesz meg a képértelmezés

A Kimi-K3 a tizenkét modellből álló katalógusunk öt képfeldolgozásra képes modelljének egyike, és az öt közül a legképesebb. A legtöbb kereskedelmi képfeldolgozó API osztályozót futtat a feltöltött képeken, és a bemenetek széles kategóriáját utasítja el, mielőtt a modell egyáltalán látná őket — ésszerű fogyasztói alapbeállítás, és komoly akadály a jogszerű munkában. A kihasználás kimenetéről képernyőképet készítő biztonsági kutatók, a saját osztályozójukat építő moderálási csapatok, az igazságügyi és adathalmaz-auditálási munka, valamint a red team értékelés mind ebbe a falba ütközik. A Kimi-K3-nál nincs elutasítási réteg és nincs szűrés a kimeneten.

Hol érdemli ki a K3 képfeldolgozása az árát az olcsóbb képfeldolgozó modellekkel szemben

• Sűrű ábrák és sémák — architektúradiagramok, hálózati topológiák, áramkörök: minden, ahol a válasz vonalak és címkék követésén múlik, nem tárgyak megnevezésén.
• Apró szöveg képernyőképeken — hívási veremkiírások, terminálkimenet, táblázatcellák. A képfeldolgozási szintek közötti szakadék a kis méretben való olvashatóságnál a legnagyobb.
• Kép hosszú szövegen belül — egy képernyőkép egy 200K tokenes kontextusba ejtve, ahol a modellnek össze kell kapcsolnia, amit lát, azzal, amit ötvenezer tokennel korábban olvasott.
• Többképes összehasonlítás — egy felület két változata, vagy egy diagram az azt előállító táblázattal szemben.

Ahol nem érdemli ki az árát: képaláírás, alternatív szöveg, tiszta dokumentumok OCR-je és címkézési folyamatok. Ezek millió bemeneti tokenenkénti 0,50 $-ért meg vannak oldva — ha a képes munkaterhelése nagy volumenű, és minden egyes tétel önmagában egyszerű, a Kimi-K2.6 vagy a MiniMax-M3 olyan válaszokat ad, amelyeket nem fog megkülönböztetni a K3-étól.

A képek ugyanabból a 262 144 tokenes keretből fogyasztanak tokent, mint a szöveg, és a bemeneti díjszabás szerint számlázódnak. Néhány nagy felbontású képernyőkép nem ingyenes.

04Hosszú távú ügynöki munka — erre való ez a szint

Ha egyetlen munkaterhelés indokolja a csúcsszintet, ez az. A rövid feladatok megbocsátóan buknak el: a modell téved, Ön észreveszi, újrapróbálja, elveszített négy másodpercet. Egy negyven körös ügynök, amely a hatodik körben rossz ágra téved, a következő harmincnégy kört egy hibára építve tölti kidolgozottan, Ön pedig a végén tudja meg, miután kifizette a közte lévő összes tokent. Ez az aszimmetria az oka annak, hogy a tokenenkénti ár itt közel a rossz metrika. Ami számít, az a sikeres befejezésre eső költség, amelyet az ural, milyen gyakran kell egy futást kidobni. A Moonshot közzétett számai a K3 alapmodellre az ügynöki benchmarkokon:

Minden szám a Moonshot által közölt adat a kvantálatlan Kimi K3 alapmodellre, 2026. július. Ezek nem a mi 3BIT-REAP buildünk mérései, és nem is így mutatjuk be őket.

Az alakzat megfelel annak, amire az architektúrát építették: a BrowseComp és a Terminal-Bench eszközhurkos benchmarkok — cselekvés, megfigyelés, felülvizsgálat ismétlődő ciklusai. A 42,0-s SWE Marathon az ellensúly: a készlet legnehezebb hosszú távú kódolási értékelése, ahol még egy élvonalbeli modell is a feladatok többségén elbukik. Az „ügynöki” nem megoldott kategória; tervezzen a hibára, bármelyik modellt választja.

Gyakorlati beállítások hosszú futásokhoz

A K3 kínálja a reasoning_effort paramétert, és itt ez valódi költségkar: a gondolkodási tokenek kimeneti tokenként számlázódnak, millió tokenenkénti 19,12 $-on.

• Low — eszközhívás-irányítás és strukturált kinyerés, ahol a modell néhány ismert lehetőség közül választ.
• High — az alapértelmezés valódi ügynöki munkához: többlépcsős változtatás megtervezése, hibakeresés egy veremkiírásból, ellentmondó források összeegyeztetése.
• Max — tartsa fenn egy folyamat legnehezebb egyetlen hívására: a futás elején álló tervre vagy a végső átnézésre. Az a futás, amely high mellett 30 ezer, max mellett 90 ezer gondolkodási tokent költ, 1,15 $-t fizet többletként ezért az egy kapcsolóért.

A kontextust is szándékosan tervezze meg: az ablakunk 262 144 token, 16 384 tokenes maximális kimenettel, és millió bemeneti tokenenkénti 3,83 $ mellett a metszetlen előzmény halmozódik — minden kör újraszámlázza a teljes előtagot.

05Mit jelent a „cenzúrázatlan” ezen a végponton

A Shannon AI átjáró minden modelljét elutasítási réteg és a kimenetre alkalmazott tartalomszűrés nélkül szolgáljuk ki. A csúcsszinten ez többet számít, mert azok a feladatok, amelyeket az emberek egy csúcskategóriás modellhez visznek, a legvalószínűbben botlanak bele egy szűrőbe: adverzáriális biztonsági kutatás, támadóeszköz-elemzés, moderálási osztályozók fejlesztése, fenyegetésfelderítés, nehéz szépirodalom, és minden olyan értékelés, amelyhez a modellnek elő kell állítania azt, amit épp észlelni próbál.

• Nincs kimeneti osztályozó. A válaszokat nem vizsgáljuk át, és nem írjuk át vagy blokkoljuk a generálás után.
• Nincs bemeneti kapu. A promptokat és a képeket nem szűrjük, mielőtt a modellhez érnének.
• Nem másik modell. Ez a Kimi K3 alapmodell, kiszolgálva az általában előtte ülő réteg nélkül.
• Nem felelősségátruházás. Az elutasítási réteg eltávolítása Önre helyezi a megítélést — lásd a felelős használati irányelvünket.

Van egy csendesebb előny is mindenkinek, aki értékelő rendszereket épít: a szűretlen modell stabil alapvonal. Az a modell, amely kiszámíthatatlanul utasít el, zajossá teszi a méréseket, mert nem tudja szétválasztani a képességi korlátot a szabályzati korláttól. Itt a hiba képességi hiba — az egyetlen, amelyet hibakeresni lehet.

06Az ár: 3,83 $ be, 19,12 $ ki — és mikor érdemli ki

Ez messze a legdrágább modell a listánkon: a kimenet a 2,00 $-os alsó szintünk 9,6-szerese és a Kimi-K2.6 árának 5,2-szerese. Íme a számtan nyíltan.

Modell	Be / 1M	Ki / 1M	Képfeldolgozás	JSON séma
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Igen	Igen
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Nem	Igen
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Igen	Nem
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Igen	Igen
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nem	Igen
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Igen	Igen
MiMo-V2.5 · W8A16	$0.50	$2.00	Igen	Igen

Válogatott sorok, bemeneti ár szerint rendezve. Mind a tizenkét modell ugyanazt a 262 144 tokenes kontextust, 16 384 tokenes maximális kimenetet, streamelést, eszközhívást és reasoning_effort paramétert osztja. Az élő képességjelzők az API-dokumentációs oldalon találhatók.

Két kidolgozott példa

Először egy 120 000 tokenes bemenet — egy kódbázis-kiíratás, egy hatósági beadvány —, amely 3000 tokenes elemzést állít elő. Másodszor egy negyven körös ügynökfutás: nagyjából 1,2 millió halmozott bemeneti token, ahogy a kontextus gyűlik, és 90 000 kimeneti token a gondolkodással együtt.

Forgatókönyv	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K be / 3K ki	$0.517	$0.105	$0.066
40 körös ügynökfutás	$6.32	$1.27	$0.78

A K3 nagyjából 4,9-szeresébe kerül a Kimi-K2.6-nak a dokumentumhívásnál. Ötven cent egyszer semmi; ezer hívásnál napi 517 $, szemben a 105 $-ral. Az ügynökfutásnál a különbség körülbelül 5 $. Most alkalmazza az egyetlen tesztet, ami számít: ha a feladat megér egy mérnökórát 100 $-on, a K3 abban a pillanatban megtérül, amint öt százalékponttal emeli az elsőmenetes sikerarányt — és valóban nehéz, hosszú távú munkánál a szintek közötti szakadék általában nagyobb. Ha a feladat bárki harminc másodpercét éri meg, ugyanaz az 5 $ védhetetlen.

07Kimi-K3 vagy egy olcsóbb testvér?

A katalógusunk két Kimi-modellje egyetlen létra két foka, nem versenytársak. A Kimi-K2.6 kevésbé agresszíven kvantált — W4A16-AUTOROUND-REAP, 4 bites súlyok tanult kerekítéssel, szemben a K3 3 bitjével —, kisebb alapmodellen. Van benne képfeldolgozás, JSON sémás kimenet, ugyanaz a kontextusablak, és nagyjából ötödannyiba kerül.

Feladat	Használja ezt	Miért
Negyven körös autonóm ügynök	Kimi-K3	A hiba halmozódik; az első kör tervminősége dönti el a futást
Repóméretű átszervezés	Kimi-K3	A teljes kontextust koherensen kell tartani, nem csak visszakeresni belőle
Sűrű ábrák, apró képernyőkép-szöveg	Kimi-K3	A szintek közötti legnagyobb vizuális szakadék az olvashatóság és a téri következtetés
Egyfájlos, jól specifikált szerkesztések	Kimi-K2.6	Körülhatárolt feladat, olcsó újrapróbálás, nincs mérhető plafonkülönbség
Képaláírás nagy volumenben	MiniMax-M3 / MiMo-V2.5	0,50 $ bemeneten megoldva; a K3 kimenete 9,6-szeres ugyanazért az aláírásért
Következtetésigényes, de csak szöveges	DeepSeek-V4-Pro	3,90 $ kimenet a 19,12 $-tal szemben — hagyja el a K3-at, ha nincs szüksége képekre

Ez az utolsó sor a leggyakrabban elmulasztott megtakarítás. Ha a feladata nem érint képeket, előbb nézze meg a DeepSeek-V4-Prót. Az is 3BIT-REAP build egy nagy alapmodellen, erős a nehéz következtetésben, és a kimenete 3,90 $ a K3 19,12 $-jával szemben. A csúcsszinthez nyúló forgalom nagy része csak szöveges következtetés, amelyet egy sorral lejjebb is ugyanolyan jól kiszolgálunk.

08A cenzúrázatlan Kimi K3 API meghívása

A modell Kimi-K3-3BIT-REAP néven érhető el mindhárom dialektuson, mindegyiken streameléssel, és nincs köztük képességbeli különbség — csak a huzalformátum tér el: /v1/chat/completions (OpenAI-kompatibilis), /v1/messages (Anthropic-kompatibilis) és /v1/responses. Egy képes kérés, megemelt gondolkodási erőfeszítéssel egy nehéz vizuális feladathoz:

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

A K3 támogatja a response_format és a teljes json_schema lehetőséget is, tehát megszorítható vele egy ügynök eszközargumentumainak alakja, vagy rögzített formába kényszeríthető egy jelentés utólagos elemzés nélkül. Az eszközhívás natív, és ez a szánt módja a hosszú futások vezérlésének. A paraméterek, a hitelesítés, a sebességkorlátok és egy élő játszótér az API-dokumentációs oldalon találhatók.

Három dolog, amely már az első napon pénzt takarít meg

• Metssze az előtagot. Minden kör újraszámlázza a teljes beszélgetést millió tokenenkénti 3,83 $-on; ha egy 40 körös előzményt egyszer összefoglal egy 4K tokenes állapotobjektumba, azzal többet spórol, mint a legtöbb modellcserével.
• Kicsinyítse a képeket. A képtokenek bemeneti tokenek; egy 4K-s képernyőkép, még olvasható méretre átméretezve, ugyanazt a választ adja olcsóbban.
• Nehézség szerint irányítson. Egy olcsó modell a rutinkörökre, a K3 pedig a tervre, a nehéz ágra és a végső átnézésre gyakran a képesség 80%-át hozza a számla 25%-áért.

09Gyakori kérdések

---

Az alapmodellre vonatkozó tények és benchmarkok a Moonshot AI által a Kimi K3-hoz és a Kimi K2-höz közzétett számok, és a kvantálatlan forrásmodelleket írják le; a mi buildünk 3 bites REAP-kvantálás, és el fog térni. Az árak, a kontextus és a képességjelzők a Shannon AI sajátjai, 2026. szeptember 5-i állapot szerint — az élő értékek mindig azok, amelyeket a /v1/models visszaad. Források: Kimi K3 modellkártya · Kimi K3 repó · Kimi K2 Thinking.