API Kimi K3 Tanpa Sensor

Sebagian besar panduan pemilihan model ditulis seolah-olah kemampuan itu gratis. Tidak. Pertanyaan menarik soal model kelas atas tidak pernah "apakah ia lebih baik" — biasanya memang iya — melainkan "apakah ia cukup lebih baik, pada tugas ini, untuk membenarkan tagihan lima kali lebih besar dibanding model satu anak tangga di bawahnya." Panduan ini menjawabnya dengan aritmetika nyata, dan menyebut terus terang di mana opsi yang lebih murah menang.

01Apa sebenarnya Kimi K3 itu

Kimi K3 adalah model andalan bobot terbuka dari Moonshot AI, dirilis Juli 2026 di bawah Kimi K3 License — generasi ketiga dari garis keturunan yang dimulai dengan Kimi K2, dan benar-benar arsitektur baru alih-alih sekadar fine-tune.

Tata letak yang dipublikasikan adalah 93 lapisan — 69 memakai Kimi Delta Attention, 24 memakai gated multi-head latent attention, satu dense — dengan router Stable LatentMoE yang memilih 16 dari 896 expert per token plus 2 expert bersama. Moonshot melaporkan kira-kira peningkatan efisiensi penskalaan 2,5x dibanding Kimi K2 dari kombinasi itu. Visinya native, bukan ditempelkan belakangan: encoder MoonViT-V2 berukuran 401M parameter memberi masukan ke batang model yang sama yang menangani teks.

Angka sparsity-nya layak diresapi: K3 mengaktifkan 104 miliar parameter per token, berhadapan dengan kisaran 30 sampai 40 miliar untuk sebagian besar katalog kami. Itu kira-kira tiga kali lipat aritmetika per token yang dihasilkan, dan itulah seluruh alasan model ini memuncaki daftar harga. Anda tidak membayar tingkatan merek — Anda membayar detik-GPU.

Garis keturunannya, secara ringkas

• Kimi K2 — 1 triliun parameter, 32 miliar aktif, 384 expert dengan 8 dirutekan per token, dipra-latih pada 15,5 triliun token memakai optimizer MuonClip, dibangun untuk menghentikan ledakan atensi yang merusak pelatihan MoE pada skala itu.
• Kimi K2 Thinking — fondasi yang sama yang diajari menyelang-nyelingkan penalaran dengan pemakaian tool, dilaporkan sanggup mempertahankan 200 sampai 300 tool call berurutan dalam satu sesi, dengan 44,9% pada Humanity's Last Exam bersama tool dan 60,2% pada BrowseComp.
• Kimi K3 — dibangun ulang dengan multimodalitas native dan jendela 1 juta token di sisi hulu, dengan pelatihan sadar-kuantisasi sejak tahap supervised fine-tuning dan seterusnya (bobot MXFP4, aktivasi MXFP8). Itulah sebabnya K3 menoleransi kompresi agresif lebih baik dibanding model yang tidak pernah dilatih dengan itu dalam pikirannya.

Benang merahnya adalah keagenan berhorizon panjang: setiap generasi dioptimalkan untuk tetap koheren melintasi ratusan langkah alih-alih untuk memenangkan benchmark jawaban singkat. Itulah kemampuan yang Anda beli.

02Apa arti "3BIT-REAP", dan kenapa model 2,8T membutuhkannya

Akhiran pada id model bukan hiasan — ia menyatakan apa yang dilakukan terhadap bobotnya sebelum dimuat ke klaster GPU kami sendiri, dan ia adalah catatan jujur yang melekat pada setiap klaim di sini. Mulai dari aritmetikanya. Model 2,8 triliun parameter pada presisi 16-bit berukuran sekitar 5,6 terabita bobot. Pada 3 bit per bobot ukurannya mendekati 1,05 terabita — masih besar, tetapi merupakan penyebaran yang bisa dikerjakan dengan sisa ruang untuk cache KV 262K token. REAP adalah separuh keduanya: metode pemangkasan expert yang memprofilkan expert mana yang benar-benar dijangkau router lalu membuang yang jarang dipilih sebelum dikuantisasi, bukan sesudahnya. Pada model yang hanya merutekan 16 dari 896 expert per token, itu cocok secara alami — distribusi sesparse itu punya ekor panjang yang menyumbang sangat sedikit pada trafik nyata — dan memangkas lebih dulu berarti sisa anggaran bit dibelanjakan pada expert yang penting.

Katalog kami memakai tiga akhiran sebagai tangga yang disengaja. 3BIT-REAP dipasang pada fondasi terbesar, tempat tidak ada yang lain muat. W4A16-AUTOROUND-REAP adalah bobot 4-bit dengan aktivasi 16-bit yang dikuantisasi memakai AutoRound — pembulatan terpelajar yang memulihkan akurasi nyata dibanding pembulatan-ke-terdekat yang naif — plus pemangkasan yang sama. W8A16 adalah tingkat kesetiaan tertinggi, untuk fondasi yang cukup kecil sehingga tidak perlu kompresi agresif. Singkatnya: akhirannya memberi tahu Anda seberapa banyak yang selamat dari aslinya; harganya memberi tahu Anda berapa biaya menjalankannya.

03Visi: apa yang Anda beli dari pemahaman gambar

Kimi-K3 adalah satu dari lima model di katalog dua belas model kami yang punya visi, dan yang paling mampu di antara kelimanya. Sebagian besar API visi komersial menjalankan pengklasifikasi atas gambar yang diunggah dan menolak kategori masukan yang luas sebelum modelnya sempat melihatnya — default yang wajar untuk konsumen dan hambatan serius bagi pekerjaan yang sah. Peneliti keamanan yang men-screenshot keluaran eksploit, tim moderasi yang membangun pengklasifikasinya sendiri, pekerjaan forensik dan audit dataset, serta evaluasi red-team semuanya menabrak tembok itu. Kimi-K3 tidak punya lapisan penolakan dan tidak punya penyaringan pada keluarannya.

Di mana visi K3 sepadan dengan harganya dibanding model visi yang lebih murah

• Diagram dan skematik yang padat — diagram arsitektur, topologi jaringan, rangkaian listrik: apa pun yang jawabannya bergantung pada mengikuti garis dan label alih-alih menamai objek.
• Teks kecil di dalam screenshot — stack trace, keluaran terminal, sel spreadsheet. Jarak antar tingkatan visi paling lebar pada keterbacaan di ukuran kecil.
• Gambar di dalam teks panjang — sebuah screenshot yang dijatuhkan ke dalam konteks 200K token, di mana modelnya harus mengaitkan apa yang dilihatnya dengan apa yang dibacanya lima puluh ribu token sebelumnya.
• Perbandingan multi-gambar — dua versi sebuah UI, atau sebuah grafik dibandingkan tabel yang menghasilkannya.

Di mana ia tidak sepadan dengan harganya: pembuatan keterangan gambar, teks alt, OCR dokumen bersih, dan pipeline penandaan. Semua itu sudah beres pada $0.50 per satu juta token masukan — kalau beban kerja gambar Anda bervolume tinggi dan tiap itemnya sederhana secara individual, Kimi-K2.6 atau MiniMax-M3 menghasilkan jawaban yang tidak akan bisa Anda bedakan dari jawaban K3.

Gambar memakan token dari anggaran 262.144 token yang sama dengan teks dan ditagih pada tarif masukan. Segenggam screenshot beresolusi tinggi tidaklah gratis.

04Kerja agentik berhorizon panjang — untuk inilah tingkatan ini ada

Kalau ada satu beban kerja yang membenarkan tingkat teratas, inilah dia. Tugas pendek gagal dengan cara yang memaafkan: modelnya keliru, Anda melihatnya, Anda mencoba lagi, Anda kehilangan empat detik. Agen empat puluh giliran yang mengambil cabang yang salah di giliran keenam menghabiskan tiga puluh empat giliran berikutnya membangun secara rumit di atas sebuah kekeliruan, dan Anda baru tahu di ujungnya setelah membayar setiap token di antaranya. Asimetri itulah yang membuat harga per token nyaris menjadi metrik yang keliru di sini. Yang penting adalah biaya per penyelesaian yang berhasil, yang didominasi oleh seberapa sering sebuah sesi harus dibuang. Berikut angka yang dipublikasikan Moonshot untuk fondasi K3 pada benchmark agentik:

Semua angka dilaporkan Moonshot untuk fondasi Kimi K3 yang tidak terkuantisasi, Juli 2026. Angka-angka itu bukan pengukuran atas build 3BIT-REAP kami dan kami tidak menyajikannya sebagai itu.

Bentuknya cocok dengan tujuan arsitekturnya dibangun: BrowseComp dan Terminal-Bench adalah benchmark loop tool — siklus berulang bertindak, mengamati, merevisi. SWE Marathon di 42,0 adalah penyeimbangnya: evaluasi pemrograman berhorizon panjang paling sulit dalam kumpulan ini, di mana bahkan model garda depan gagal pada sebagian besar tugasnya. "Agentik" bukan kategori yang sudah selesai; rancanglah untuk kegagalan, model mana pun yang Anda pilih.

Setelan praktis untuk sesi panjang

K3 mengekspos reasoning_effort, dan di sini itu tuas biaya yang nyata: token penalaran ditagih sebagai token keluaran, pada $19.12 per satu juta.

• Low — perutean tool call dan ekstraksi terstruktur, di mana modelnya memilih di antara segelintir opsi yang sudah diketahui.
• High — default untuk kerja agentik sungguhan: merencanakan perubahan bertahap, men-debug dari stack trace, merekonsiliasi sumber yang bertentangan.
• Max — simpan untuk panggilan tersulit dalam sebuah pipeline: rencana di awal sesi, atau tinjauan akhirnya. Sesi yang menghabiskan 30K token penalaran pada high dan 90K pada max membayar tambahan $1.15 hanya untuk satu bendera itu.

Anggarkan konteks dengan sengaja juga: jendela kami adalah 262.144 token dengan keluaran maksimum 16.384 token, dan pada $3.83 per satu juta masukan, riwayat yang tidak dipangkas akan berbunga — setiap giliran menagih ulang seluruh awalan.

05Apa arti "tanpa sensor" pada endpoint ini

Setiap model di Shannon AI Gateway dilayani tanpa lapisan penolakan dan tanpa penyaringan konten pada keluarannya. Hal itu lebih penting pada tingkat teratas, karena tugas yang orang bawa ke model kelas atas adalah yang paling mungkin memicu filter: riset keamanan adversarial, analisis perkakas ofensif, pengembangan pengklasifikasi moderasi, intelijen ancaman, fiksi yang sulit, dan evaluasi apa pun yang menuntut modelnya menghasilkan hal yang justru sedang Anda coba deteksi.

• Tanpa pengklasifikasi keluaran. Respons tidak dipindai lalu ditulis ulang atau diblokir setelah dibangkitkan.
• Tanpa gerbang masukan. Prompt dan gambar tidak disaring sebelum sampai ke modelnya.
• Bukan model yang berbeda. Ini adalah fondasi Kimi K3 yang dilayani tanpa lapisan yang biasanya duduk di depannya.
• Bukan pengalihan tanggung jawab. Menghapus lapisan penolakan memindahkan keputusan penilaian ke Anda — lihat kebijakan penggunaan bertanggung jawab kami.

Ada manfaat yang lebih senyap bagi siapa pun yang membangun sistem evaluasi: model tanpa filter adalah garis dasar yang stabil. Model yang menolak secara tak terduga membuat pengukuran jadi berisik, karena Anda tidak bisa memisahkan batas kemampuan dari batas kebijakan. Di sini sebuah kegagalan adalah kegagalan kemampuan — satu-satunya jenis yang bisa Anda debug.

06Harganya: $3.83 masuk, $19.12 keluar — dan kapan ia sepadan

Ini model termahal di daftar kami dengan selisih lebar: keluarannya berbiaya 9,6x lantai $2.00 kami dan 5,2x biaya Kimi-K2.6. Berikut aritmetikanya secara terbuka.

Model	Masuk / 1J	Keluar / 1J	Visi	JSON schema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ya	Ya
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Tidak	Ya
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ya	Tidak
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ya	Ya
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Tidak	Ya
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ya	Ya
MiMo-V2.5 · W8A16	$0.50	$2.00	Ya	Ya

Baris terpilih, diurutkan berdasarkan harga masukan. Kedua belas model berbagi konteks 262.144 token, keluaran maksimum 16.384 token, streaming, tool calling, dan reasoning_effort yang sama. Bendera kemampuan yang aktif ada di halaman dokumentasi API.

Dua contoh perhitungan

Pertama, masukan 120.000 token — sebuah dump basis kode, sebuah berkas pengajuan regulasi — yang menghasilkan analisis 3.000 token. Kedua, satu sesi agen empat puluh giliran: kira-kira 1,2J token masukan kumulatif seiring konteks menumpuk, 90.000 token keluaran termasuk penalaran.

Skenario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K masuk / 3K keluar	$0.517	$0.105	$0.066
Sesi agen 40 giliran	$6.32	$1.27	$0.78

K3 berbiaya sekitar 4,9x Kimi-K2.6 pada panggilan dokumen itu. Lima puluh sen tidak ada artinya sekali; jumlahnya menjadi $517 sehari pada seribu panggilan, berhadapan dengan $105. Pada sesi agennya, selisihnya sekitar $5. Sekarang terapkan satu-satunya uji yang penting: kalau tugasnya bernilai satu jam waktu seorang insinyur seharga $100, K3 membayar dirinya sendiri begitu ia menaikkan keberhasilan sekali-jalan sebesar lima poin persentase — dan pada kerja berhorizon panjang yang benar-benar sulit, jarak antar tingkatan biasanya lebih besar. Kalau tugasnya bernilai tiga puluh detik waktu siapa pun, $5 yang sama itu tidak bisa dibela.

07Kimi-K3 atau saudaranya yang lebih murah?

Dua model Kimi di katalog kami adalah dua anak tangga dari satu tangga, bukan pesaing. Kimi-K2.6 dikuantisasi lebih ringan — W4A16-AUTOROUND-REAP, bobot 4-bit dengan pembulatan terpelajar, berhadapan dengan 3-bit milik K3 — pada fondasi yang lebih kecil. Ia punya visi, output JSON-schema, jendela konteks yang sama, dan berbiaya sekitar seperlimanya.

Tugas	Pakai	Kenapa
Agen otonom empat puluh giliran	Kimi-K3	Kegagalan berbunga; kualitas rencana di giliran pertama menentukan sesinya
Refactor berskala repositori	Kimi-K3	Butuh konteks penuh dipegang secara koheren, bukan sekadar diambil sebagian
Diagram padat, teks kecil di screenshot	Kimi-K3	Jarak visi terlebar antar tingkatan ada pada keterbacaan dan penalaran spasial
Suntingan satu berkas, tersepesifikasi baik	Kimi-K2.6	Tugas terbatas, pengulangan murah, tanpa beda plafon yang terukur
Pembuatan keterangan gambar bervolume	MiniMax-M3 / MiMo-V2.5	Sudah beres pada $0.50 masuk; keluaran K3 9,6x untuk keterangan yang sama
Berat penalaran tapi hanya teks	DeepSeek-V4-Pro	Keluaran $3.90 berhadapan dengan $19.12 — lepaskan K3 kalau Anda tidak butuh gambar

Baris terakhir itu adalah penghematan yang paling sering terlewat. Kalau tugas Anda tidak melibatkan gambar, periksa DeepSeek-V4-Pro lebih dulu. Ia juga build 3BIT-REAP pada fondasi besar, kuat pada penalaran berat, dan keluarannya berbiaya $3.90 berhadapan dengan $19.12 milik K3. Sebagian besar trafik yang mengambil tingkat teratas sebenarnya adalah penalaran teks saja yang sama baiknya dilayani satu baris di bawahnya.

08Memanggil API Kimi K3 tanpa sensor

Model ini diekspos sebagai Kimi-K3-3BIT-REAP pada ketiga dialek, dengan streaming di masing-masing dan tanpa perbedaan kemampuan di antaranya — hanya format kabelnya: /v1/chat/completions (kompatibel OpenAI), /v1/messages (kompatibel Anthropic), dan /v1/responses. Sebuah permintaan visi dengan reasoning effort dinaikkan untuk tugas visual yang sulit:

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 mendukung baik response_format maupun json_schema penuh, jadi Anda bisa membatasi argumen tool sebuah agen atau memaksa sebuah laporan masuk ke bentuk tetap tanpa penguraian setelahnya. Tool calling bersifat native dan merupakan cara yang dimaksudkan untuk menggerakkan sesi panjang. Parameter, autentikasi, batas laju, dan playground langsung ada di halaman dokumentasi API.

Tiga hal yang menghemat uang sejak hari pertama

• Pangkas awalannya. Setiap giliran menagih ulang seluruh percakapan pada $3.83 per satu juta; meringkas riwayat 40 giliran menjadi satu objek keadaan berukuran 4K token satu kali menghemat lebih banyak daripada kebanyakan pergantian model.
• Perkecil gambarnya. Token gambar adalah token masukan; screenshot 4K yang diperkecil sampai masih terbaca memberi jawaban yang sama dengan biaya lebih rendah.
• Rutekan berdasarkan tingkat kesulitan. Model murah untuk giliran rutin, dengan K3 untuk perencanaan, cabang yang sulit, dan tinjauan akhir, sering kali memberi 80% kemampuannya dengan 25% tagihannya.

09Pertanyaan yang sering diajukan

---

Fakta fondasi dan benchmark adalah angka yang dipublikasikan Moonshot AI untuk Kimi K3 dan Kimi K2 dan menggambarkan model hulu yang tidak terkuantisasi; build kami adalah kuantisasi REAP 3-bit dan akan berbeda. Harga, konteks, dan bendera kemampuan adalah milik Shannon AI sendiri, berlaku per 5 September 2026 — nilai yang aktif selalu yang dikembalikan oleh /v1/models. Sumber: Kartu model Kimi K3 · Repositori Kimi K3 · Kimi K2 Thinking.