Óritskoðað Kimi K3 API

Flestir leiðarvísar um val á líkani eru skrifaðir eins og geta væri ókeypis. Hún er það ekki. Áhugaverða spurningin um líkan í efsta flokki er aldrei „er það betra“ — það er það yfirleitt — heldur „er það nógu miklu betra, í þessu verki, til að réttlæta fimmfalt hærri reikning en líkanið einu þrepi neðar“. Þessi leiðarvísir svarar því með raunverulegum reikningi og segir berum orðum hvar ódýrari kostirnir vinna.

01Hvað Kimi K3 er í raun

Kimi K3 er flaggskip Moonshot AI með opnum þyngdum, gefið út í júlí 2026 undir Kimi K3 leyfinu — þriðja kynslóð ættar sem hófst með Kimi K2, og raunverulega nýtt byggingarlag frekar en fínstilling.

Birta sniðið er 93 lög — 69 nota Kimi Delta Attention, 24 nota hliðaða fjölhausa dulda athygli, eitt er þétt — með Stable LatentMoE beini sem velur 16 af 896 sérfræðingum á hvert tákn auk 2 sameiginlegra. Moonshot greinir frá gróflega 2,5-faldri bætingu í skölunarskilvirkni umfram Kimi K2 af þeirri samsetningu. Sjónin er innbyggð frekar en skrúfuð utan á: MoonViT-V2 kóðari með 401 milljón færibreytum matar sama bol og sér um textann.

Strjálleikatalan er þess virði að tileinka sér: K3 virkjar 104 milljarða færibreyta á hvert tákn, á móti 30 til 40 milljörðum hjá flestum í skránni okkar. Það er gróflega þrefaldur reikningur á hvert framleitt tákn, og það er öll ástæðan fyrir því að þetta líkan trónir efst á verðlistanum. Þú ert ekki að borga fyrir vörumerkjaþrep — þú ert að borga fyrir GPU-sekúndur.

Ættin, í stuttu máli

• Kimi K2 — 1 billjón færibreyta, 32 milljarðar virkir, 384 sérfræðingar með 8 beindum á hvert tákn, forþjálfað á 15,5 billjónum tákna með MuonClip bestunaraðferðinni, byggt til að stöðva athyglissprengingarnar sem eyðileggja MoE-þjálfun í þeirri stærð.
• Kimi K2 Thinking — sama grunnlíkan kennt að samflétta rökhugsun og notkun verkfæra, sagt halda uppi 200 til 300 verkfærakalla í röð í einni keyrslu, með 44,9% á Humanity's Last Exam með verkfærum og 60,2% á BrowseComp.
• Kimi K3 — endurbyggt með innbyggða fjölþáttun og milljón tákna glugga hjá framleiðanda, með þjálfun sem tekur mið af bitaþjöppun frá og með stýrðri fínstillingu (MXFP4 þyngdir, MXFP8 virkjanir). Þess vegna þolir K3 harkalega þjöppun betur en líkön sem aldrei voru þjálfuð með hana í huga.

Rauði þráðurinn er gerendageta yfir langan tíma: hver kynslóð var fínstillt fyrir það að haldast samkvæm í gegnum hundruð skrefa frekar en til að vinna viðmið með stuttum svörum. Það er getan sem þú ert að kaupa.

02Hvað „3BIT-REAP“ þýðir, og hvers vegna 2,8 billjóna líkan þarf það

Viðskeytið á líkanaauðkenninu er ekki skraut — það segir hvað var gert við þyngdirnar áður en þær voru hlaðnar á okkar eigin GPU-klasa, og það er heiðarlegi fyrirvarinn sem fylgir hverri staðhæfingu hér. Byrjum á reikningnum. Líkan með 2,8 billjón færibreytum á 16 bita nákvæmni er um 5,6 terabæt af þyngdum. Á 3 bitum á hverja þyngd er það nær 1,05 terabætum — enn stórt, en viðráðanleg uppsetning með rými eftir fyrir 262K tákna KV-skyndiminni. REAP er seinni helmingurinn: grisjunaraðferð fyrir sérfræðinga sem kortleggur hvaða sérfræðinga beinirinn sækir í raun og hendir þeim sjaldan völdu áður en þjappað er frekar en eftir á. Á líkani sem beinir aðeins 16 af 896 sérfræðingum á hvert tákn á það sérstaklega vel við — dreifing sem er svona strjál hefur langan hala sem leggur mjög lítið til raunverulegrar umferðar — og að grisja fyrst þýðir að þeim bitum sem eftir eru er varið í sérfræðinga sem skipta máli.

Skráin okkar notar þrjú viðskeyti sem meðvitaðan stiga. 3BIT-REAP fer á stærstu grunnlíkönin, þar sem ekkert annað kemst fyrir. W4A16-AUTOROUND-REAP er 4 bita þyngdir með 16 bita virkjunum, þjappaðar með AutoRound — lærðri námundun sem endurheimtir raunverulega nákvæmni umfram einfalda námundun að næsta gildi — auk sömu grisjunar. W8A16 er þrepið með mestri trúmennsku, fyrir grunnlíkön sem eru nógu lítil til að þurfa ekki harkalega þjöppun. Í stuttu máli: viðskeytið segir þér hversu mikið af upprunalega líkaninu lifði af; verðið segir þér hvað það kostar að keyra það.

03Sjón: hvað myndskilningur kaupir þér

Kimi-K3 er eitt af fimm líkönum með sjón í tólf líkana skránni okkar, og það getumesta þeirra. Flest viðskiptaleg sjón-API keyra flokkara yfir myndir sem hlaðið er upp og hafna breiðum flokki inntaks áður en líkanið sér þær — skynsamlegt sjálfgildi fyrir neytendur og alvarleg hindrun fyrir lögmæta vinnu. Öryggisrannsakendur sem taka skjámyndir af úttaki misnotkunarkóða, ritstýringarteymi sem byggja sína eigin flokkara, réttarfræðileg vinna og úttektir á gagnasöfnum, og mat rauðra teyma lenda öll á þeim vegg. Kimi-K3 hefur ekkert neitunarlag og enga síun á úttaki.

Hvar sjón K3 stendur undir verðinu umfram ódýrari sjónlíkön

• Þéttar skýringarmyndir og teikningar — byggingarmyndir, netskipulag, rafrásir: allt þar sem svarið veltur á því að rekja línur og merkingar frekar en að nefna hluti.
• Smár texti í skjámyndum — stakkarakningar, skipanalínuúttak, reitir í töflureikni. Bilið milli sjónþrepa er mest í læsileika í smáum stærðum.
• Mynd inni í löngum texta — skjámynd sett inn í 200K tákna samhengi, þar sem líkanið verður að tengja það sem það sér við það sem það las fimmtíu þúsund táknum fyrr.
• Samanburður margra mynda — tvær útgáfur af viðmóti, eða graf á móti töflunni sem bjó það til.

Hvar það stendur ekki undir verðinu: myndatextar, myndlýsingar fyrir aðgengi, ljóslestur á hreinum skjölum og merkingarferli. Þau eru leyst á $0.50 á hverja milljón inntakstákna — ef myndavinnuálagið þitt er í miklu magni og hvert atriði einfalt fyrir sig, þá skila Kimi-K2.6 eða MiniMax-M3 svörum sem þú munt ekki greina frá svörum K3.

Myndir taka tákn af sömu 262,144 tákna heimild og textinn og eru rukkaðar á inntaksverðinu. Handfylli af háupplausnarskjámyndum er ekki ókeypis.

04Gerendavinna yfir langan tíma — það sem þetta þrep er til fyrir

Ef eitt vinnuálag réttlætir efsta þrepið er það þetta. Stutt verk bregðast fyrirgefanlega: líkanið hefur rangt fyrir sér, þú tekur eftir því, þú reynir aftur, þú hefur tapað fjórum sekúndum. Fjörutíu umferða gerandi sem velur ranga grein í umferð sex eyðir næstu þrjátíu og fjórum umferðum í að byggja íburðarmikið ofan á mistök, og þú kemst að því í lokin eftir að hafa borgað fyrir hvert tákn þar á milli. Þetta ójafnvægi er ástæðan fyrir því að verð á tákn er nálægt því að vera röng mælikvarði hér. Það sem skiptir máli er kostnaður á hverja árangursríka klárun, sem ræðst af því hversu oft keyrslu er hent. Birtar tölur Moonshot fyrir K3-grunnlíkanið á gerendaviðmiðum:

Allar tölur eru frá Moonshot fyrir óþjappaða Kimi K3 grunnlíkanið, júlí 2026. Þær eru ekki mælingar á okkar 3BIT-REAP smíð og við setjum þær ekki fram sem slíkar.

Formið passar við það sem byggingarlagið var smíðað fyrir: BrowseComp og Terminal-Bench eru viðmið um verkfæralykkjur — endurteknar umferðir af því að framkvæma, fylgjast með og endurskoða. SWE Marathon á 42,0 er mótvægið: erfiðasta langtímamatið á forritun í safninu, þar sem jafnvel framlínulíkan fellur á flestum verkefnum. „Gerendamiðað“ er ekki leystur flokkur; hannaðu fyrir bilun hvaða líkan sem þú velur.

Hagnýtar stillingar fyrir langar keyrslur

K3 býður upp á reasoning_effort, og hér er það raunveruleg kostnaðarstýring: rökhugsunartákn eru rukkuð sem úttakstákn, á $19.12 á hverja milljón.

• Low — beining verkfærakalla og skipulagður útdráttur, þar sem líkanið velur á milli fárra þekktra kosta.
• High — sjálfgefið fyrir raunverulega gerendavinnu: að skipuleggja margþrepa breytingu, að villuleita út frá stakkarakningu, að samræma misvísandi heimildir.
• Max — geymdu það fyrir erfiðasta einstaka kallið í ferlinu: áætlunina efst í keyrslunni, eða lokayfirferðina. Keyrsla sem eyðir 30K rökhugsunartáknum á high og 90K á max borgar $1.15 aukalega fyrir þennan eina flagg.

Skipuleggðu samhengið líka vísvitandi: glugginn okkar er 262,144 tákn með 16,384 tákna hámarksúttaki, og á $3.83 á hverja milljón inntakstákna hleðst ógrisjuð saga upp — hver umferð rukkar allan forskeytið að nýju.

05Hvað „óritskoðað“ þýðir á þessum endapunkti

Öll líkön á Shannon AI gáttinni eru keyrð með engu neitunarlagi og engri efnissíun á úttaki. Það skiptir meira máli í efsta þrepinu, því verkefnin sem fólk færir líkani í efsta flokki eru líklegust til að hrinda síu af stað: andstæðar öryggisrannsóknir, greining á sóknarverkfærum, þróun ritstýringarflokkara, ógnargreind, erfiður skáldskapur, og hvers kyns mat sem krefst þess að líkanið framleiði einmitt það sem þú ert að reyna að greina.

• Enginn úttaksflokkari. Svör eru ekki skimuð og endurskrifuð eða lokuð eftir að þau eru búin til.
• Ekkert inntakshlið. Fyrirmæli og myndir eru ekki skimuð áður en þau ná til líkansins.
• Ekki annað líkan. Þetta er Kimi K3 grunnlíkanið keyrt án lagsins sem venjulega situr fyrir framan það.
• Ekki tilfærsla á ábyrgð. Að fjarlægja neitunarlag færir dómgreindina til þín — sjá stefnu okkar um ábyrga notkun.

Það er hljóðlátari ávinningur fyrir hvern þann sem byggir matskerfi: ósíað líkan er stöðugur grunnpunktur. Líkan sem hafnar ófyrirsjáanlega gerir mælingar hávaðasamar, því þú getur ekki greint getutakmörkun frá stefnutakmörkun. Hér er bilun getubilun — eina tegundin sem þú getur villuleitað.

06Verðið: $3.83 inn, $19.12 út — og hvenær það borgar sig

Þetta er dýrasta líkanið á listanum okkar með miklum mun: úttakið kostar 9,6× $2.00 gólfið okkar og 5,2× það sem Kimi-K2.6 kostar. Hér er reikningurinn fyrir opnum tjöldum.

Líkan	Inn / 1M	Út / 1M	Sjón	JSON-skema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Já	Já
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Nei	Já
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Já	Nei
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Já	Já
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nei	Já
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Já	Já
MiMo-V2.5 · W8A16	$0.50	$2.00	Já	Já

Valdar línur, raðað eftir inntaksverði. Öll tólf líkönin deila sama 262,144 tákna samhengi, sama 16,384 tákna hámarksúttaki, streymi, verkfærakalli og reasoning_effort. Lifandi getumerkingar eru á API-skjalasíðunni.

Tvö unnin dæmi

Fyrst, 120.000 tákna inntak — afrit af kóðasafni, eftirlitsskýrsla — sem skilar 3.000 tákna greiningu. Í öðru lagi, fjörutíu umferða gerendakeyrsla: gróflega 1,2 milljónir uppsafnaðra inntakstákna eftir því sem samhengið hleðst upp, 90.000 úttakstákn að rökhugsun meðtalinni.

Sviðsmynd	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K inn / 3K út	$0.517	$0.105	$0.066
40 umferða gerendakeyrsla	$6.32	$1.27	$0.78

K3 kostar um 4,9× Kimi-K2.6 í skjalakallinu. Fimmtíu sent eru ekkert einu sinni; það eru $517 á dag við þúsund köll, á móti $105. Í gerendakeyrslunni er munurinn um $5. Beittu nú eina prófinu sem skiptir máli: ef verkið er klukkustundar vinnu verkfræðings virði á $100, þá borgar K3 sig um leið og það hækkar árangur í fyrstu atrennu um fimm prósentustig — og í raunverulega erfiðri vinnu yfir langan tíma er bilið milli þrepa yfirleitt stærra. Ef verkið er þrjátíu sekúndna vinnu einhvers virði eru sömu $5 óverjandi.

07Kimi-K3 eða ódýrara systkini?

Kimi-líkönin tvö í skránni okkar eru tvö þrep á sama stiga frekar en keppinautar. Kimi-K2.6 er þjappað minna harkalega — W4A16-AUTOROUND-REAP, 4 bita þyngdir með lærðri námundun, á móti 3 bitum K3 — á minna grunnlíkani. Það hefur sjón, JSON-skemaúttak, sama samhengisglugga og kostar um fimmtung af verðinu.

Verk	Notaðu	Hvers vegna
Fjörutíu umferða sjálfstæður gerandi	Kimi-K3	Bilanir hlaðast upp; gæði áætlunarinnar í fyrstu umferð ráða keyrslunni
Endurskrif á heilu kóðasafni	Kimi-K3	Þarf að halda öllu samhenginu samkvæmu, ekki aðeins að sækja í það
Þéttar skýringarmyndir, smár texti í skjámyndum	Kimi-K3	Mesta sjónbilið milli þrepa er í læsileika og rúmfræðilegri rökhugsun
Breytingar á einni skrá, vel skilgreindar	Kimi-K2.6	Afmarkað verk, ódýrt að endurtaka, enginn mælanlegur munur á þaki
Myndatextar í miklu magni	MiniMax-M3 / MiMo-V2.5	Leyst á $0.50 inn; úttak K3 er 9,6× fyrir sama myndatexta
Rökhugsunarþungt en aðeins texti	DeepSeek-V4-Pro	$3.90 úttak á móti $19.12 — slepptu K3 ef þú þarft ekki myndir

Síðasta línan er sá sparnaður sem oftast er misstur af. Ef verkið þitt felur ekki í sér myndir skaltu athuga DeepSeek-V4-Pro fyrst. Það er líka 3BIT-REAP smíð á stóru grunnlíkani, sterkt í erfiðri rökhugsun, og úttak þess kostar $3.90 á móti $19.12 hjá K3. Stór hluti umferðarinnar sem grípur í efsta þrepið er rökhugsun með texta einum saman sem er þjónað jafn vel einni línu neðar.

08Að kalla á óritskoðaða Kimi K3 API-ið

Líkanið er aðgengilegt sem Kimi-K3-3BIT-REAP á öllum þremur mállýskunum, með streymi á hverri og engum getumun á milli þeirra — aðeins mismunandi sniði: /v1/chat/completions (OpenAI-samhæft), /v1/messages (Anthropic-samhæft) og /v1/responses. Sjónbeiðni með rökhugsunarþunga hækkuðum fyrir erfitt sjónrænt verk:

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 styður bæði response_format og fullt json_schema, svo þú getur þvingað viðföng verkfæra hjá geranda eða neytt skýrslu í fast form án þess að þátta hana eftir á. Verkfærakall er innbyggt og er ætlaða leiðin til að knýja langar keyrslur. Færibreytur, auðkenning, hraðatakmarkanir og lifandi leikvöllur eru á API-skjalasíðunni.

Þrennt sem sparar peninga strax á fyrsta degi

• Grisjaðu forskeytið. Hver umferð rukkar allt samtalið að nýju á $3.83 á hverja milljón; að draga 40 umferða sögu saman í 4K tákna stöðuhlut einu sinni sparar meira en flest líkanaskipti.
• Minnkaðu myndir. Myndtákn eru inntakstákn; 4K skjámynd minnkuð niður í eitthvað sem er enn læsilegt gefur sama svar fyrir minna.
• Beindu eftir erfiðleikastigi. Ódýrt líkan á venjubundnu umferðirnar, með K3 á áætlunina, erfiðu greinina og lokayfirferðina, gefur oft 80% af getunni fyrir 25% af reikningnum.

09Algengar spurningar

---

Staðreyndir um grunnlíkanið og viðmið eru birtar tölur Moonshot AI fyrir Kimi K3 og Kimi K2 og lýsa óþjöppuðu líkönunum hjá framleiðanda; okkar smíð er 3 bita REAP-þjöppun og mun víkja frá þeim. Verð, samhengi og getumerkingar eru Shannon AI sín eigin, réttar 5. september 2026 — lifandi gildin eru alltaf þau sem /v1/models skilar. Heimildir: líkanaspjald Kimi K3 · Kimi K3 kóðasafnið · Kimi K2 Thinking.