ನಾವು ಯಾವುದೇ ಬಳಕೆದಾರರ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದಿಲ್ಲ ಅಥವಾ ಪ್ರವೇಶಿಸುವುದಿಲ್ಲ, ಮತ್ತು ಕಾನೂನು ಜಾರಿಯ ಸಂಸ್ಥೆ ಕ್ರಮಕ್ಕೆ ಬಲಾತ್ಕರಿಸದ ಹೊರತು ಖಾತೆಗಳನ್ನು suspend ಮಾಡುವುದಿಲ್ಲ.

ಮಾಡೆಲ್ ಗೈಡ್ · Kimi-K3 · 3BIT-REAP

ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K3 API

Shannon AI ಗೇಟ್‌ವೇಯ ಟಾಪ್-ಸಾಮರ್ಥ್ಯದ ಶ್ರೇಣಿ: ದೃಷ್ಟಿ, ಟೂಲ್ ಕಾಲಿಂಗ್ ಮತ್ತು 262K ಸಂದರ್ಭ ಹೊಂದಿರುವ 2.8-ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಮಲ್ಟಿಮೋಡಲ್ ಫೌಂಡೇಶನ್ — ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲ, ಮತ್ತು ನಮ್ಮ ಪಟ್ಟಿಯಲ್ಲಿ ಅತಿ ಹೆಚ್ಚಿನ ಬೆಲೆ. ಆ ಬೆಲೆ ಯಾವಾಗ ಪಾವತಿಸಲು ಯೋಗ್ಯ ಎಂಬುದು ಇಲ್ಲಿದೆ.

ಸೆಪ್ಟೆಂಬರ್ 5, 2026 ರಂದು ನವೀಕರಿಸಲಾಗಿದೆಮಾಡೆಲ್ ಗೈಡ್ಫೌಂಡೇಶನ್: Moonshot AI Kimi K3

ಸಂಕ್ಷಿಪ್ತವಾಗಿ

Kimi-K3-3BIT-REAP ಎಂಬುದು ನಾವು ಸೇವೆ ನೀಡುವ ಅತ್ಯಂತ ಬಲಿಷ್ಠ ಮಾಡೆಲ್ ಮತ್ತು ಅತಿ ದುಬಾರಿ: ಪ್ರತಿ ಮಿಲಿಯನ್ ಇನ್‌ಪುಟ್ ಟೋಕನ್‌ಗೆ $3.83, ಪ್ರತಿ ಮಿಲಿಯನ್ ಔಟ್‌ಪುಟ್‌ಗೆ $19.12. ಇದಕ್ಕೆ ದೃಷ್ಟಿ, 262,144-ಟೋಕನ್ ಸಂದರ್ಭ, 16,384-ಟೋಕನ್ ಗರಿಷ್ಠ ಔಟ್‌ಪುಟ್, ಟೂಲ್ ಕಾಲಿಂಗ್, JSON-schema ಔಟ್‌ಪುಟ್, ಹೊಂದಿಸಬಹುದಾದ reasoning_effort ಮತ್ತು ಎಲ್ಲಾ ಮೂರು API ಶೈಲಿಗಳಲ್ಲಿ ಸ್ಟ್ರೀಮಿಂಗ್ ಇದೆ — ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಫಿಲ್ಟರಿಂಗ್ ಇಲ್ಲ. ದೀರ್ಘ-ಕ್ಷಿತಿಜ ಏಜೆಂಟಿಕ್ ರನ್‌ಗಳಿಗೆ, ಕಠಿಣ ಬಹು-ಹಂತದ ರೀಸನಿಂಗ್‌ಗೆ, ಮತ್ತು ಸೂಕ್ಷ್ಮ ದೃಶ್ಯ ವಿವರ ಮುಖ್ಯವಾಗಿರುವ ಚಿತ್ರ ಕೆಲಸಕ್ಕೆ ಸರಿಯಾದ ಆಯ್ಕೆ. ವರ್ಗೀಕರಣ, ಹೊರತೆಗೆಯುವಿಕೆ, ಚಾಟ್, ಮತ್ತು ದಿನಕ್ಕೆ ಲಕ್ಷಾಂತರ ಬಾರಿ ಚಲಾಯಿಸುವ ಯಾವುದೇ ಕೆಲಸಕ್ಕೆ ತಪ್ಪು ಆಯ್ಕೆ.

ಬಹುತೇಕ ಮಾಡೆಲ್-ಆಯ್ಕೆ ಗೈಡ್‌ಗಳು ಸಾಮರ್ಥ್ಯ ಉಚಿತ ಎಂಬಂತೆ ಬರೆಯಲ್ಪಟ್ಟಿವೆ. ಅದು ಅಲ್ಲ. ಟಾಪ್-ಶ್ರೇಣಿಯ ಮಾಡೆಲ್ ಬಗ್ಗೆ ಆಸಕ್ತಿದಾಯಕ ಪ್ರಶ್ನೆ ಎಂದಿಗೂ "ಇದು ಉತ್ತಮವೇ" ಅಲ್ಲ — ಸಾಮಾನ್ಯವಾಗಿ ಅದು ಉತ್ತಮವೇ ಆಗಿರುತ್ತದೆ — ಬದಲಿಗೆ "ಈ ಕೆಲಸದಲ್ಲಿ, ಒಂದು ಮೆಟ್ಟಿಲು ಕೆಳಗಿನ ಮಾಡೆಲ್‌ಗಿಂತ ಐದು ಪಟ್ಟು ದೊಡ್ಡ ಬಿಲ್ ಸಮರ್ಥಿಸುವಷ್ಟು ಇದು ಸಾಕಷ್ಟು ಉತ್ತಮವೇ" ಎಂಬುದು. ಈ ಗೈಡ್ ನಿಜವಾದ ಗಣಿತದೊಂದಿಗೆ ಅದಕ್ಕೆ ಉತ್ತರಿಸುತ್ತದೆ, ಮತ್ತು ಅಗ್ಗದ ಆಯ್ಕೆಗಳು ಎಲ್ಲಿ ಗೆಲ್ಲುತ್ತವೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತದೆ.

01Kimi K3 ನಿಜವಾಗಿ ಏನು

Kimi K3 ಎಂಬುದು Moonshot AI ಯ ಓಪನ್-ವೈಟ್ಸ್ ಫ್ಲ್ಯಾಗ್‌ಶಿಪ್, ಜುಲೈ 2026 ರಲ್ಲಿ Kimi K3 License ಅಡಿಯಲ್ಲಿ ಬಿಡುಗಡೆಯಾಗಿದೆ — Kimi K2 ಇಂದ ಆರಂಭವಾದ ವಂಶಾವಳಿಯ ಮೂರನೇ ತಲೆಮಾರು, ಮತ್ತು ಫೈನ್-ಟ್ಯೂನ್ ಬದಲಿಗೆ ನಿಜವಾಗಿಯೂ ಹೊಸ ವಾಸ್ತುಶಿಲ್ಪ.

2.8T

ಒಟ್ಟು ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು

104B

ಸಕ್ರಿಯ / ಟೋಕನ್

896

ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳು (16 ರೂಟ್ ಮಾಡಿದ)

262K

Shannon ನಲ್ಲಿ ಸಂದರ್ಭ

ಪ್ರಕಟಿತ ಲೇಔಟ್ 93 ಪದರಗಳು — 69 Kimi Delta Attention ಬಳಸುತ್ತವೆ, 24 ಗೇಟೆಡ್ ಮಲ್ಟಿ-ಹೆಡ್ ಲೇಟೆಂಟ್ ಅಟೆನ್ಷನ್ ಬಳಸುತ್ತವೆ, ಒಂದು ಡೆನ್ಸ್ — ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 896 ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳಲ್ಲಿ 16 ಜೊತೆಗೆ 2 ಹಂಚಿದವನ್ನು ಆಯ್ಕೆ ಮಾಡುವ Stable LatentMoE ರೂಟರ್ ಜೊತೆ. Moonshot ಆ ಸಂಯೋಜನೆಯಿಂದ Kimi K2 ಗಿಂತ ಸ್ಕೇಲಿಂಗ್ ದಕ್ಷತೆಯಲ್ಲಿ ಸುಮಾರು 2.5x ಸುಧಾರಣೆ ವರದಿ ಮಾಡುತ್ತದೆ. ದೃಷ್ಟಿ ಜೋಡಿಸಿದ್ದಲ್ಲ, ಸ್ಥಳೀಯ: 401M-ಪ್ಯಾರಾಮೀಟರ್ MoonViT-V2 ಎನ್ಕೋಡರ್ ಪಠ್ಯ ನಿಭಾಯಿಸುವ ಅದೇ ಟ್ರಂಕ್‌ಗೆ ಆಹಾರ ನೀಡುತ್ತದೆ.

ಸ್ಪಾರ್ಸಿಟಿ ಸಂಖ್ಯೆ ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕಾದದ್ದು: K3 ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 104 ಬಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ, ನಮ್ಮ ಕ್ಯಾಟಲಾಗ್‌ನ ಬಹುತೇಕ ಭಾಗಕ್ಕೆ 30-ಇಂದ-40-ಬಿಲಿಯನ್ ವ್ಯಾಪ್ತಿಗೆ ಎದುರಾಗಿ. ಅದು ಉತ್ಪಾದಿಸಲಾದ ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಸುಮಾರು ಮೂರು ಪಟ್ಟು ಗಣಿತ, ಮತ್ತು ಈ ಮಾಡೆಲ್ ಬೆಲೆ ಪಟ್ಟಿಯ ಮೇಲ್ಭಾಗದಲ್ಲಿರಲು ಇದೇ ಸಂಪೂರ್ಣ ಕಾರಣ. ನೀವು ಬ್ರಾಂಡ್ ಶ್ರೇಣಿಗೆ ಪಾವತಿಸುತ್ತಿಲ್ಲ — ನೀವು GPU-ಸೆಕೆಂಡ್‌ಗಳಿಗೆ ಪಾವತಿಸುತ್ತಿದ್ದೀರಿ.

ವಂಶಾವಳಿ, ಸಂಕ್ಷಿಪ್ತವಾಗಿ

Kimi K2 — 1 ಟ್ರಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು, 32 ಬಿಲಿಯನ್ ಸಕ್ರಿಯ, ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 8 ರೂಟ್ ಮಾಡಿದ 384 ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳು, MuonClip ಆಪ್ಟಿಮೈಜರ್ ಬಳಸಿ 15.5 ಟ್ರಿಲಿಯನ್ ಟೋಕನ್‌ಗಳ ಮೇಲೆ ಪೂರ್ವ-ತರಬೇತಿ ಪಡೆದಿದೆ, ಆ ಪ್ರಮಾಣದಲ್ಲಿ MoE ತರಬೇತಿಯನ್ನು ಹಾಳುಮಾಡುವ ಅಟೆನ್ಷನ್ ಸ್ಫೋಟಗಳನ್ನು ನಿಲ್ಲಿಸಲು ಕಟ್ಟಲ್ಪಟ್ಟಿದೆ.
Kimi K2 Thinking — ಟೂಲ್ ಬಳಕೆಯೊಂದಿಗೆ ರೀಸನಿಂಗ್ ಅನ್ನು ಹೆಣೆಯಲು ಕಲಿಸಿದ ಅದೇ ಫೌಂಡೇಶನ್, ಒಂದೇ ರನ್‌ನಲ್ಲಿ 200 ರಿಂದ 300 ಅನುಕ್ರಮ ಟೂಲ್ ಕಾಲ್‌ಗಳನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದಾಗಿ ವರದಿಯಾಗಿದೆ, ಟೂಲ್‌ಗಳೊಂದಿಗೆ Humanity's Last Exam ನಲ್ಲಿ 44.9% ಮತ್ತು BrowseComp ನಲ್ಲಿ 60.2% ಜೊತೆ.
Kimi K3 — ಸ್ಥಳೀಯ ಮಲ್ಟಿಮೋಡಾಲಿಟಿ ಮತ್ತು ಅಪ್‌ಸ್ಟ್ರೀಮ್‌ನಲ್ಲಿ 1M-ಟೋಕನ್ ವಿಂಡೋ ಜೊತೆ ಮರುನಿರ್ಮಿಸಲಾಗಿದೆ, supervised fine-tuning ಹಂತದಿಂದ ಮುಂದೆ ಕ್ವಾಂಟೈಸೇಶನ್-ಜಾಗೃತ ತರಬೇತಿಯೊಂದಿಗೆ (MXFP4 ವೈಟ್ಸ್, MXFP8 ಆಕ್ಟಿವೇಶನ್‌ಗಳು). ಅದಕ್ಕಾಗಿಯೇ K3 ಅದನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಂಡು ಎಂದಿಗೂ ತರಬೇತಿ ಪಡೆಯದ ಮಾಡೆಲ್‌ಗಳಿಗಿಂತ ಆಕ್ರಮಣಕಾರಿ ಸಂಕುಚನವನ್ನು ಚೆನ್ನಾಗಿ ಸಹಿಸುತ್ತದೆ.

ಸಾಮಾನ್ಯ ಎಳೆ ದೀರ್ಘ-ಕ್ಷಿತಿಜ ಏಜೆನ್ಸಿ: ಪ್ರತಿ ತಲೆಮಾರೂ ಚಿಕ್ಕ-ಉತ್ತರ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳನ್ನು ಗೆಲ್ಲುವುದಕ್ಕಿಂತ ನೂರಾರು ಹಂತಗಳಾದ್ಯಂತ ಸುಸಂಬದ್ಧವಾಗಿ ಉಳಿಯಲು ಆಪ್ಟಿಮೈಸ್ ಆಗಿತ್ತು. ಅದೇ ನೀವು ಖರೀದಿಸುತ್ತಿರುವ ಸಾಮರ್ಥ್ಯ.

02"3BIT-REAP" ಎಂದರೆ ಏನು, ಮತ್ತು 2.8T ಮಾಡೆಲ್‌ಗೆ ಅದು ಏಕೆ ಬೇಕು

ಮಾಡೆಲ್ id ಯ ಸಫಿಕ್ಸ್ ಅಲಂಕಾರವಲ್ಲ — ವೈಟ್ಸ್ ಅನ್ನು ನಮ್ಮದೇ GPU ಕ್ಲಸ್ಟರ್‌ಗೆ ಲೋಡ್ ಮಾಡುವ ಮೊದಲು ಅವುಗಳಿಗೆ ಏನು ಮಾಡಲಾಗಿದೆ ಎಂಬುದನ್ನು ಅದು ಹೇಳುತ್ತದೆ, ಮತ್ತು ಇಲ್ಲಿನ ಪ್ರತಿ ಹಕ್ಕಿಗೂ ಜೋಡಿಸಿದ ಪ್ರಾಮಾಣಿಕ ಎಚ್ಚರಿಕೆ ಇದು. ಗಣಿತದಿಂದ ಆರಂಭಿಸಿ. 16-ಬಿಟ್ ನಿಖರತೆಯಲ್ಲಿ 2.8-ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಮಾಡೆಲ್ ಸುಮಾರು 5.6 ಟೆರಾಬೈಟ್ ವೈಟ್ಸ್. ಪ್ರತಿ ವೈಟ್‌ಗೆ 3 ಬಿಟ್‌ನಲ್ಲಿ ಅದು 1.05 ಟೆರಾಬೈಟ್‌ಗೆ ಹತ್ತಿರ — ಇನ್ನೂ ದೊಡ್ಡದು, ಆದರೆ 262K-ಟೋಕನ್ KV ಕ್ಯಾಶ್‌ಗೆ ಜಾಗ ಉಳಿಸಿಕೊಂಡ ನಿಭಾಯಿಸಬಹುದಾದ ಡಿಪ್ಲಾಯ್‌ಮೆಂಟ್. REAP ಎರಡನೇ ಅರ್ಧ: ರೂಟರ್ ನಿಜವಾಗಿ ಯಾವ ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳನ್ನು ತಲುಪುತ್ತದೆ ಎಂಬುದನ್ನು ಪ್ರೊಫೈಲ್ ಮಾಡಿ, ಕ್ವಾಂಟೈಸ್ ಮಾಡಿದ ನಂತರ ಬದಲು ಮೊದಲು ಅಪರೂಪವಾಗಿ-ಆಯ್ಕೆ ಮಾಡುವವನ್ನು ಬಿಡುವ ಎಕ್ಸ್‌ಪರ್ಟ್-ಪ್ರೂನಿಂಗ್ ವಿಧಾನ. ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 896 ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳಲ್ಲಿ ಕೇವಲ 16 ಅನ್ನು ಮಾತ್ರ ರೂಟ್ ಮಾಡುವ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಅದು ಸಹಜ ಹೊಂದಾಣಿಕೆ — ಅಷ್ಟು ಸ್ಪಾರ್ಸ್ ಆಗಿರುವ ವಿತರಣೆಗೆ ನಿಜ ಸಂಚಾರಕ್ಕೆ ಬಹಳ ಕಡಿಮೆ ಕೊಡುಗೆ ನೀಡುವ ಉದ್ದ ಬಾಲ ಇರುತ್ತದೆ — ಮತ್ತು ಮೊದಲು ಪ್ರೂನ್ ಮಾಡುವುದೆಂದರೆ ಉಳಿದ ಬಿಟ್ ಬಜೆಟ್ ಮುಖ್ಯವಾದ ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳ ಮೇಲೆ ಖರ್ಚಾಗುತ್ತದೆ.

ಟ್ರೇಡ್-ಆಫ್ ಬಗ್ಗೆ ಪ್ರಾಮಾಣಿಕವಾಗಿರಿ

ಸಂಕುಚನ ನಿಖರತೆಗೆ ವೆಚ್ಚವಾಗುತ್ತದೆ, ಮತ್ತು ಏಕರೂಪವಾಗಿ ಅಲ್ಲ. ಅದು ಮೊದಲು ಉದ್ದ-ಬಾಲದ ಸತ್ಯ ನೆನಪಿನಲ್ಲಿ ಮತ್ತು ಕಠಿಣ-ಗಣಿತ ನಿಖರತೆಯ ಕೊನೆಯ ಬಿಂದುಗಳಲ್ಲಿ ಕಾಣಿಸುತ್ತದೆ, ಸೂಚನೆ ಅನುಸರಣೆ, ಟೂಲ್-ಕಾಲ್ ಫಾರ್ಮ್ಯಾಟಿಂಗ್, ಅಥವಾ ದೀರ್ಘ ಏಜೆಂಟಿಕ್ ಯೋಜನೆಯ ರಚನೆಯಲ್ಲಿ ಬಹಳ ಕಡಿಮೆ. K3 ಯ ಕ್ವಾಂಟೈಸೇಶನ್-ಜಾಗೃತ ತರಬೇತಿಯೇ ಈ ಬಿಲ್ಡ್ ಚೆನ್ನಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಲು ಕಾರಣ. ಆದರೆ ನಿಮ್ಮ ಕೆಲಸದ ಭಾರ ಒಂಟಿ-ಪ್ರಯತ್ನದ ಅಸ್ಪಷ್ಟ-ಸತ್ಯ ಹಿಂಪಡೆಯುವಿಕೆಯಾಗಿದ್ದರೆ, ಕ್ವಾಂಟೈಸ್ ಮಾಡಿದ 2.8T ಮಾಡೆಲ್ ಕೇವಲ ಪ್ಯಾರಾಮೀಟರ್ ಎಣಿಕೆಯ ಆಧಾರದ ಮೇಲೆ 8-ಬಿಟ್ ಚಿಕ್ಕದನ್ನು ಸೋಲಿಸುತ್ತದೆ ಎಂದು ಭಾವಿಸಬೇಡಿ.

ನಮ್ಮ ಕ್ಯಾಟಲಾಗ್ ಉದ್ದೇಶಪೂರ್ವಕ ಏಣಿಯಾಗಿ ಮೂರು ಸಫಿಕ್ಸ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ. 3BIT-REAP ಬೇರೆ ಏನೂ ಹೊಂದದ ಅತಿ ದೊಡ್ಡ ಫೌಂಡೇಶನ್‌ಗಳ ಮೇಲೆ ಹೋಗುತ್ತದೆ. W4A16-AUTOROUND-REAP ಎಂದರೆ AutoRound ಬಳಸಿ ಕ್ವಾಂಟೈಸ್ ಮಾಡಿದ 16-ಬಿಟ್ ಆಕ್ಟಿವೇಶನ್‌ಗಳ ಜೊತೆ 4-ಬಿಟ್ ವೈಟ್ಸ್ — ನಿಷ್ಕಪಟ ರೌಂಡ್-ಟು-ನಿಯರೆಸ್ಟ್‌ಗಿಂತ ನಿಜವಾದ ನಿಖರತೆ ಮರಳಿ ಪಡೆಯುವ ಕಲಿತ ರೌಂಡಿಂಗ್ — ಜೊತೆಗೆ ಅದೇ ಪ್ರೂನಿಂಗ್. W8A16 ಆಕ್ರಮಣಕಾರಿ ಸಂಕುಚನ ಬೇಕಾಗದಷ್ಟು ಚಿಕ್ಕದಾದ ಫೌಂಡೇಶನ್‌ಗಳಿಗೆ, ಅತ್ಯುನ್ನತ-ನಿಷ್ಠೆಯ ಶ್ರೇಣಿ. ಸಂಕ್ಷಿಪ್ತವಾಗಿ: ಸಫಿಕ್ಸ್ ಮೂಲದ ಎಷ್ಟು ಭಾಗ ಉಳಿದಿದೆ ಎಂಬುದನ್ನು ಹೇಳುತ್ತದೆ; ಬೆಲೆ ಅದನ್ನು ಚಲಾಯಿಸಲು ಎಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಹೇಳುತ್ತದೆ.

03ದೃಷ್ಟಿ: ಚಿತ್ರ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ನಿಮಗೆ ಏನು ಕೊಡುತ್ತದೆ

Kimi-K3 ನಮ್ಮ ಹನ್ನೆರಡು-ಮಾಡೆಲ್ ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ದೃಷ್ಟಿ ಇರುವ ಐದು ಮಾಡೆಲ್‌ಗಳಲ್ಲಿ ಒಂದು, ಮತ್ತು ಐದರಲ್ಲಿ ಅತಿ ಸಮರ್ಥವಾದದ್ದು. ಬಹುತೇಕ ವಾಣಿಜ್ಯಿಕ ದೃಷ್ಟಿ API ಗಳು ಅಪ್‌ಲೋಡ್ ಮಾಡಿದ ಚಿತ್ರಗಳ ಮೇಲೆ ವರ್ಗೀಕಾರಕ ಚಲಾಯಿಸಿ, ಮಾಡೆಲ್ ಅವನ್ನು ನೋಡುವ ಮೊದಲೇ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ನಿರಾಕರಿಸುತ್ತವೆ — ಸಮಂಜಸ ಗ್ರಾಹಕ ಡೀಫಾಲ್ಟ್ ಮತ್ತು ನ್ಯಾಯಸಮ್ಮತ ಕೆಲಸಕ್ಕೆ ಗಂಭೀರ ಅಡಚಣೆ. ಎಕ್ಸ್‌ಪ್ಲಾಯ್ಟ್ ಔಟ್‌ಪುಟ್‌ನ ಸ್ಕ್ರೀನ್‌ಶಾಟ್ ತೆಗೆಯುವ ಭದ್ರತಾ ಸಂಶೋಧಕರು, ತಮ್ಮದೇ ವರ್ಗೀಕಾರಕಗಳನ್ನು ಕಟ್ಟುವ ಮಾಡರೇಶನ್ ತಂಡಗಳು, ಫೊರೆನ್ಸಿಕ್ ಮತ್ತು ಡೇಟಾಸೆಟ್-ಆಡಿಟ್ ಕೆಲಸ, ಮತ್ತು ರೆಡ್-ಟೀಮ್ ಮೌಲ್ಯಮಾಪನ ಎಲ್ಲವೂ ಆ ಗೋಡೆಗೆ ಡಿಕ್ಕಿ ಹೊಡೆಯುತ್ತವೆ. Kimi-K3 ಗೆ ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಮೇಲೆ ಫಿಲ್ಟರಿಂಗ್ ಇಲ್ಲ.

K3 ಯ ದೃಷ್ಟಿ ಅಗ್ಗದ ದೃಷ್ಟಿ ಮಾಡೆಲ್‌ಗಳಿಗಿಂತ ತನ್ನ ಬೆಲೆಯನ್ನು ಎಲ್ಲಿ ಅರ್ಹಿಸುತ್ತದೆ

ದಟ್ಟ ಡಯಾಗ್ರಾಮ್‌ಗಳು ಮತ್ತು ಸ್ಕೀಮ್ಯಾಟಿಕ್‌ಗಳು — ವಾಸ್ತುಶಿಲ್ಪ ಡಯಾಗ್ರಾಮ್‌ಗಳು, ನೆಟ್‌ವರ್ಕ್ ಟೋಪಾಲಜಿಗಳು, ಸರ್ಕ್ಯೂಟ್‌ಗಳು: ಆಬ್ಜೆಕ್ಟ್‌ಗಳಿಗೆ ಹೆಸರಿಸುವುದಕ್ಕಿಂತ ಲೈನ್‌ಗಳು ಮತ್ತು ಲೇಬಲ್‌ಗಳನ್ನು ಅನುಸರಿಸುವುದರ ಮೇಲೆ ಉತ್ತರ ಅವಲಂಬಿತವಾಗಿರುವ ಯಾವುದೇ ವಿಷಯ.
ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳಲ್ಲಿ ಚಿಕ್ಕ ಪಠ್ಯ — ಸ್ಟ್ಯಾಕ್ ಟ್ರೇಸ್‌ಗಳು, ಟರ್ಮಿನಲ್ ಔಟ್‌ಪುಟ್, ಸ್ಪ್ರೆಡ್‌ಶೀಟ್ ಸೆಲ್‌ಗಳು. ಚಿಕ್ಕ ಪ್ರಮಾಣದಲ್ಲಿ ಓದುಗುಣತೆಯ ಮೇಲೆ ದೃಷ್ಟಿ ಶ್ರೇಣಿಗಳ ನಡುವಿನ ಅಂತರ ಅತಿ ವಿಶಾಲವಾಗಿದೆ.
ದೀರ್ಘ ಪಠ್ಯದೊಳಗಿನ ಚಿತ್ರ — 200K-ಟೋಕನ್ ಸಂದರ್ಭಕ್ಕೆ ಬಿಟ್ಟ ಸ್ಕ್ರೀನ್‌ಶಾಟ್, ಅಲ್ಲಿ ಮಾಡೆಲ್ ತಾನು ನೋಡುತ್ತಿರುವುದನ್ನು ಐವತ್ತು ಸಾವಿರ ಟೋಕನ್‌ಗಳ ಹಿಂದೆ ಓದಿದ್ದಕ್ಕೆ ಸಂಬಂಧಿಸಬೇಕು.
ಬಹು-ಚಿತ್ರ ಹೋಲಿಕೆ — UI ಯ ಎರಡು ಆವೃತ್ತಿಗಳು, ಅಥವಾ ಚಾರ್ಟ್ ಅನ್ನು ಅದನ್ನು ರಚಿಸಿದ ಟೇಬಲ್‌ಗೆ ಎದುರಾಗಿ.

ಅದು ತನ್ನ ಬೆಲೆಯನ್ನು ಅರ್ಹಿಸದ ಸ್ಥಳ: ಕ್ಯಾಪ್ಷನಿಂಗ್, ಆಲ್ಟ್ ಟೆಕ್ಸ್ಟ್, ಸ್ವಚ್ಛ ದಾಖಲೆಗಳ OCR, ಮತ್ತು ಟ್ಯಾಗಿಂಗ್ ಪೈಪ್‌ಲೈನ್‌ಗಳು. ಅವನ್ನು ಪ್ರತಿ ಮಿಲಿಯನ್ ಇನ್‌ಪುಟ್ ಟೋಕನ್‌ಗೆ $0.50 ರಲ್ಲಿ ಪರಿಹರಿಸಲಾಗಿದೆ — ನಿಮ್ಮ ಚಿತ್ರ ಕೆಲಸದ ಭಾರ ಹೆಚ್ಚಿನ-ಪ್ರಮಾಣ ಮತ್ತು ಪ್ರತಿ ಐಟಂ ಪ್ರತ್ಯೇಕವಾಗಿ ಸರಳವಾಗಿದ್ದರೆ, Kimi-K2.6 ಅಥವಾ MiniMax-M3 K3 ಯದಕ್ಕಿಂತ ನೀವು ಪ್ರತ್ಯೇಕಿಸಲಾಗದ ಉತ್ತರಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ.

ಚಿತ್ರಗಳು ಪಠ್ಯದಂತೆಯೇ ಅದೇ 262,144-ಟೋಕನ್ ಬಜೆಟ್‌ನಿಂದ ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುತ್ತವೆ ಮತ್ತು ಇನ್‌ಪುಟ್ ದರದಲ್ಲಿ ಬಿಲ್ ಆಗುತ್ತವೆ. ಕೆಲವು ಹೈ-ರೆಸಲ್ಯೂಶನ್ ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳು ಉಚಿತವಲ್ಲ.

04ದೀರ್ಘ-ಕ್ಷಿತಿಜ ಏಜೆಂಟಿಕ್ ಕೆಲಸ — ಈ ಶ್ರೇಣಿ ಯಾವುದಕ್ಕಾಗಿ

ಒಂದು ಕೆಲಸದ ಭಾರ ಟಾಪ್ ಶ್ರೇಣಿಯನ್ನು ಸಮರ್ಥಿಸುವುದಾದರೆ, ಇದೇ ಅದು. ಚಿಕ್ಕ ಕೆಲಸಗಳು ಕ್ಷಮಿಸುವ ರೀತಿಯಲ್ಲಿ ವಿಫಲವಾಗುತ್ತವೆ: ಮಾಡೆಲ್ ತಪ್ಪು ಮಾಡುತ್ತದೆ, ನೀವು ಗಮನಿಸುತ್ತೀರಿ, ಮತ್ತೆ ಪ್ರಯತ್ನಿಸುತ್ತೀರಿ, ನೀವು ನಾಲ್ಕು ಸೆಕೆಂಡುಗಳನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದೀರಿ. ಸುತ್ತು ಆರರಲ್ಲಿ ತಪ್ಪು ಶಾಖೆ ತೆಗೆದುಕೊಳ್ಳುವ ನಲವತ್ತು-ಸುತ್ತಿನ ಏಜೆಂಟ್ ಮುಂದಿನ ಮೂವತ್ತನಾಲ್ಕು ಸುತ್ತುಗಳನ್ನು ಆ ತಪ್ಪಿನ ಮೇಲೆ ವಿಸ್ತಾರವಾಗಿ ಕಟ್ಟುತ್ತಾ ಕಳೆಯುತ್ತದೆ, ಮತ್ತು ಮಧ್ಯದ ಪ್ರತಿ ಟೋಕನ್‌ಗೂ ಪಾವತಿಸಿದ ನಂತರ ಕೊನೆಯಲ್ಲಿ ನಿಮಗೆ ತಿಳಿಯುತ್ತದೆ. ಆ ಅಸಮಾನತೆಯೇ ಇಲ್ಲಿ ಪ್ರತಿ-ಟೋಕನ್ ಬೆಲೆ ತಪ್ಪು ಮಾಪನಕ್ಕೆ ಹತ್ತಿರವಾಗಿರುವುದಕ್ಕೆ ಕಾರಣ. ಮುಖ್ಯವಾದುದು ಪ್ರತಿ ಯಶಸ್ವಿ ಪೂರ್ಣಗೊಳಿಕೆಯ ವೆಚ್ಚ, ಎಷ್ಟು ಬಾರಿ ರನ್ ಎಸೆಯಲ್ಪಡುತ್ತದೆ ಎಂಬುದರಿಂದ ಪ್ರಾಬಲ್ಯ ಪಡೆದಿದೆ. ಏಜೆಂಟಿಕ್ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳ ಮೇಲೆ K3 ಫೌಂಡೇಶನ್‌ಗಾಗಿ Moonshot ನ ಪ್ರಕಟಿತ ಅಂಕಿಗಳು:

BrowseComp91.2

Terminal-Bench 2.188.3

FrontierSWE81.2

DeepSWE67.5

HLE-Full (ಟೂಲ್‌ಗಳೊಂದಿಗೆ)56.0

SWE Marathon42.0

ಎಲ್ಲಾ ಅಂಕಿಗಳು ಜುಲೈ 2026 ರ ಸಂಕುಚಿತವಲ್ಲದ Kimi K3 ಫೌಂಡೇಶನ್‌ಗಾಗಿ Moonshot-ವರದಿ ಮಾಡಿದ. ಅವು ನಮ್ಮ 3BIT-REAP ಬಿಲ್ಡ್‌ನ ಅಳತೆಗಳಲ್ಲ ಮತ್ತು ನಾವು ಅವನ್ನು ಹಾಗೆ ಪ್ರಸ್ತುತಪಡಿಸುವುದಿಲ್ಲ.

ಆಕಾರ ವಾಸ್ತುಶಿಲ್ಪ ಯಾವುದಕ್ಕಾಗಿ ಕಟ್ಟಲ್ಪಟ್ಟಿತ್ತೋ ಅದಕ್ಕೆ ಹೊಂದುತ್ತದೆ: BrowseComp ಮತ್ತು Terminal-Bench ಟೂಲ್-ಲೂಪ್ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳು — ಕಾರ್ಯ, ಗಮನಿಸು, ಪರಿಷ್ಕರಿಸು ಎಂಬ ಪುನರಾವರ್ತಿತ ಸೈಕಲ್‌ಗಳು. 42.0 ರಲ್ಲಿ SWE Marathon ಪ್ರತಿತೂಕ: ಸೆಟ್‌ನಲ್ಲಿ ಅತಿ ಕಠಿಣ ದೀರ್ಘ-ಕ್ಷಿತಿಜ ಕೋಡಿಂಗ್ ಮೌಲ್ಯಮಾಪನ, ಅಲ್ಲಿ ಫ್ರಂಟಿಯರ್ ಮಾಡೆಲ್ ಕೂಡ ಬಹುತೇಕ ಕೆಲಸಗಳಲ್ಲಿ ವಿಫಲವಾಗುತ್ತದೆ. "ಏಜೆಂಟಿಕ್" ಒಂದು ಪರಿಹರಿಸಲಾದ ವರ್ಗವಲ್ಲ; ನೀವು ಯಾವ ಮಾಡೆಲ್ ಆಯ್ಕೆ ಮಾಡಿದರೂ ವೈಫಲ್ಯಕ್ಕಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಿ.

ದೀರ್ಘ ರನ್‌ಗಳಿಗೆ ಪ್ರಾಯೋಗಿಕ ಸೆಟ್ಟಿಂಗ್‌ಗಳು

K3 reasoning_effort ಒಡ್ಡುತ್ತದೆ, ಮತ್ತು ಇಲ್ಲಿ ಅದು ನಿಜವಾದ ವೆಚ್ಚ ಲಿವರ್: ರೀಸನಿಂಗ್ ಟೋಕನ್‌ಗಳು ಔಟ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳಾಗಿ, ಪ್ರತಿ ಮಿಲಿಯನ್‌ಗೆ $19.12 ದರದಲ್ಲಿ ಬಿಲ್ ಆಗುತ್ತವೆ.

Low — ಟೂಲ್-ಕಾಲ್ ರೂಟಿಂಗ್ ಮತ್ತು ರಚನಾತ್ಮಕ ಹೊರತೆಗೆಯುವಿಕೆ, ಅಲ್ಲಿ ಮಾಡೆಲ್ ಕೆಲವು ತಿಳಿದ ಆಯ್ಕೆಗಳ ನಡುವೆ ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ.
High — ನಿಜವಾದ ಏಜೆಂಟಿಕ್ ಕೆಲಸಕ್ಕೆ ಡೀಫಾಲ್ಟ್: ಬಹು-ಹಂತದ ಬದಲಾವಣೆಯನ್ನು ಯೋಜಿಸುವುದು, ಸ್ಟ್ಯಾಕ್ ಟ್ರೇಸ್‌ನಿಂದ ಡೀಬಗ್ ಮಾಡುವುದು, ವಿರೋಧಾಭಾಸದ ಮೂಲಗಳನ್ನು ಸಮನ್ವಯಗೊಳಿಸುವುದು.
Max — ಪೈಪ್‌ಲೈನ್‌ನಲ್ಲಿ ಅತಿ ಕಠಿಣ ಒಂಟಿ ಕರೆಗಾಗಿ ಮೀಸಲಿಡಿ: ರನ್‌ನ ಮೇಲ್ಭಾಗದ ಯೋಜನೆ, ಅಥವಾ ಅಂತಿಮ ಪರಿಶೀಲನೆ. high ನಲ್ಲಿ 30K ರೀಸನಿಂಗ್ ಟೋಕನ್‌ಗಳು ಮತ್ತು max ನಲ್ಲಿ 90K ಖರ್ಚು ಮಾಡುವ ರನ್ ಆ ಒಂದು ಫ್ಲ್ಯಾಗ್‌ಗಾಗಿ ಹೆಚ್ಚುವರಿ $1.15 ಪಾವತಿಸುತ್ತದೆ.

ಸಂದರ್ಭವನ್ನೂ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಬಜೆಟ್ ಮಾಡಿ: ನಮ್ಮ ವಿಂಡೋ 262,144 ಟೋಕನ್‌ಗಳು 16,384-ಟೋಕನ್ ಗರಿಷ್ಠ ಔಟ್‌ಪುಟ್ ಜೊತೆ, ಮತ್ತು ಪ್ರತಿ ಮಿಲಿಯನ್ ಇನ್‌ಪುಟ್‌ಗೆ $3.83 ದರದಲ್ಲಿ ಪ್ರೂನ್ ಮಾಡದ ಇತಿಹಾಸ ಸಂಯುಕ್ತಗೊಳ್ಳುತ್ತದೆ — ಪ್ರತಿ ಸುತ್ತೂ ಇಡೀ ಪ್ರಿಫಿಕ್ಸ್ ಅನ್ನು ಮರುಬಿಲ್ ಮಾಡುತ್ತದೆ.

05ಈ ಎಂಡ್‌ಪಾಯಿಂಟ್‌ನಲ್ಲಿ "ಸೆನ್ಸಾರ್ ರಹಿತ" ಎಂದರೆ ಏನು

Shannon AI ಗೇಟ್‌ವೇಯ ಪ್ರತಿ ಮಾಡೆಲ್ ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲದೆ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಮೇಲೆ ವಿಷಯ ಫಿಲ್ಟರಿಂಗ್ ಇಲ್ಲದೆ ಸೇವೆ ನೀಡಲಾಗಿದೆ. ಟಾಪ್ ಶ್ರೇಣಿಯಲ್ಲಿ ಇದು ಹೆಚ್ಚು ಮುಖ್ಯ, ಏಕೆಂದರೆ ಜನರು ಟಾಪ್-ಶ್ರೇಣಿಯ ಮಾಡೆಲ್‌ಗೆ ತರುವ ಕೆಲಸಗಳು ಫಿಲ್ಟರ್ ಅನ್ನು ಪ್ರಚೋದಿಸುವ ಸಾಧ್ಯತೆ ಅತಿ ಹೆಚ್ಚು: ವಿರೋಧಾತ್ಮಕ ಭದ್ರತಾ ಸಂಶೋಧನೆ, ಆಕ್ರಮಣಕಾರಿ-ಟೂಲಿಂಗ್ ವಿಶ್ಲೇಷಣೆ, ಮಾಡರೇಶನ್-ವರ್ಗೀಕಾರಕ ಅಭಿವೃದ್ಧಿ, ಬೆದರಿಕೆ ಗುಪ್ತಚರ, ಕಠಿಣ ಕಥಾಸಾಹಿತ್ಯ, ಮತ್ತು ನೀವು ಪತ್ತೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ವಿಷಯವನ್ನೇ ಮಾಡೆಲ್ ಉತ್ಪಾದಿಸಬೇಕಾದ ಯಾವುದೇ ಮೌಲ್ಯಮಾಪನ.

ಔಟ್‌ಪುಟ್ ವರ್ಗೀಕಾರಕ ಇಲ್ಲ. ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಉತ್ಪಾದನೆಯ ನಂತರ ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮರುಬರೆಯುವುದಿಲ್ಲ ಅಥವಾ ನಿರ್ಬಂಧಿಸುವುದಿಲ್ಲ.
ಇನ್‌ಪುಟ್ ಗೇಟ್ ಇಲ್ಲ. ಪ್ರಾಂಪ್ಟ್‌ಗಳು ಮತ್ತು ಚಿತ್ರಗಳು ಮಾಡೆಲ್ ತಲುಪುವ ಮೊದಲು ಸ್ಕ್ರೀನ್ ಆಗುವುದಿಲ್ಲ.
ಬೇರೆ ಮಾಡೆಲ್ ಅಲ್ಲ. ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಅದರ ಮುಂದೆ ಕೂರುವ ಪದರ ಇಲ್ಲದೆ ಸೇವೆ ನೀಡಲಾದ Kimi K3 ಫೌಂಡೇಶನ್.
ಹೊಣೆಗಾರಿಕೆ ವರ್ಗಾವಣೆ ಅಲ್ಲ. ನಿರಾಕರಣೆ ಪದರ ತೆಗೆಯುವುದೆಂದರೆ ತೀರ್ಪಿನ ನಿರ್ಧಾರ ನಿಮಗೆ ಸ್ಥಳಾಂತರಿಸುವುದು — ನಮ್ಮ ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆ ನೀತಿ ನೋಡಿ.

ಮೌಲ್ಯಮಾಪನ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಕಟ್ಟುವ ಯಾರಿಗಾದರೂ ಒಂದು ಶಾಂತ ಪ್ರಯೋಜನ ಇದೆ: ಫಿಲ್ಟರ್ ಮಾಡದ ಮಾಡೆಲ್ ಸ್ಥಿರ ಬೇಸ್‌ಲೈನ್. ಅನಿರೀಕ್ಷಿತವಾಗಿ ನಿರಾಕರಿಸುವ ಮಾಡೆಲ್ ಅಳತೆಗಳನ್ನು ಗದ್ದಲಮಯವಾಗಿಸುತ್ತದೆ, ಏಕೆಂದರೆ ನೀವು ಸಾಮರ್ಥ್ಯದ ಮಿತಿಯನ್ನು ನೀತಿಯ ಮಿತಿಯಿಂದ ಬೇರ್ಪಡಿಸಲಾಗುವುದಿಲ್ಲ. ಇಲ್ಲಿ ವೈಫಲ್ಯವೆಂದರೆ ಸಾಮರ್ಥ್ಯದ ವೈಫಲ್ಯ — ನೀವು ಡೀಬಗ್ ಮಾಡಬಹುದಾದ ಏಕೈಕ ವಿಧ.

06ಬೆಲೆ: $3.83 ಇನ್, $19.12 ಔಟ್ — ಮತ್ತು ಅದು ಯಾವಾಗ ಅರ್ಹ

ಇದು ದೊಡ್ಡ ಅಂತರದಿಂದ ನಮ್ಮ ಪಟ್ಟಿಯಲ್ಲಿ ಅತಿ ದುಬಾರಿ ಮಾಡೆಲ್: ಔಟ್‌ಪುಟ್ ನಮ್ಮ $2.00 ನೆಲಮಟ್ಟದ 9.6x ಮತ್ತು Kimi-K2.6 ಯ ವೆಚ್ಚದ 5.2x ವೆಚ್ಚವಾಗುತ್ತದೆ. ಗಣಿತ ಇಲ್ಲಿ ಬಹಿರಂಗವಾಗಿದೆ.

ಮಾಡೆಲ್	ಇನ್ / 1M	ಔಟ್ / 1M	ದೃಷ್ಟಿ	JSON schema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	ಹೌದು	ಹೌದು
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	ಇಲ್ಲ	ಹೌದು
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	ಹೌದು	ಇಲ್ಲ
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	ಹೌದು	ಹೌದು
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	ಇಲ್ಲ	ಹೌದು
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	ಹೌದು	ಹೌದು
MiMo-V2.5 · W8A16	$0.50	$2.00	ಹೌದು	ಹೌದು

ಆಯ್ದ ಸಾಲುಗಳು, ಇನ್‌ಪುಟ್ ಬೆಲೆಯ ಪ್ರಕಾರ ಕ್ರಮಬದ್ಧವಾಗಿ. ಎಲ್ಲಾ ಹನ್ನೆರಡು ಮಾಡೆಲ್‌ಗಳು ಅದೇ 262,144-ಟೋಕನ್ ಸಂದರ್ಭ, 16,384-ಟೋಕನ್ ಗರಿಷ್ಠ ಔಟ್‌ಪುಟ್, ಸ್ಟ್ರೀಮಿಂಗ್, ಟೂಲ್ ಕಾಲಿಂಗ್ ಮತ್ತು reasoning_effort ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ. ಲೈವ್ ಸಾಮರ್ಥ್ಯ ಫ್ಲ್ಯಾಗ್‌ಗಳು API ದಾಖಲಾತಿ ಪುಟದಲ್ಲಿವೆ.

ಎರಡು ಕೆಲಸ ಮಾಡಿದ ಉದಾಹರಣೆಗಳು

ಮೊದಲನೆಯದು, 120,000-ಟೋಕನ್ ಇನ್‌ಪುಟ್ — ಕೋಡ್‌ಬೇಸ್ ಡಂಪ್, ನಿಯಂತ್ರಕ ಫೈಲಿಂಗ್ — 3,000-ಟೋಕನ್ ವಿಶ್ಲೇಷಣೆ ಉತ್ಪಾದಿಸುತ್ತದೆ. ಎರಡನೆಯದು, ನಲವತ್ತು-ಸುತ್ತಿನ ಏಜೆಂಟ್ ರನ್: ಸಂದರ್ಭ ಸಂಗ್ರಹವಾಗುತ್ತಿದ್ದಂತೆ ಸುಮಾರು 1.2M ಸಂಚಿತ ಇನ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳು, ರೀಸನಿಂಗ್ ಸೇರಿ 90,000 ಔಟ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳು.

ಸನ್ನಿವೇಶ	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ಇನ್ / 3K ಔಟ್	$0.517	$0.105	$0.066
40-ಸುತ್ತಿನ ಏಜೆಂಟ್ ರನ್	$6.32	$1.27	$0.78

ದಾಖಲೆ ಕರೆಯಲ್ಲಿ K3 Kimi-K2.6 ಗಿಂತ ಸುಮಾರು 4.9x ವೆಚ್ಚವಾಗುತ್ತದೆ. ಐವತ್ತು ಸೆಂಟ್ ಒಮ್ಮೆ ಏನೂ ಅಲ್ಲ; ಸಾವಿರ ಕರೆಗಳಲ್ಲಿ ಅದು ದಿನಕ್ಕೆ $517, $105 ಗೆ ಎದುರಾಗಿ. ಏಜೆಂಟ್ ರನ್‌ನಲ್ಲಿ ವ್ಯತ್ಯಾಸ ಸುಮಾರು $5. ಈಗ ಮುಖ್ಯವಾದ ಏಕೈಕ ಪರೀಕ್ಷೆ ಅನ್ವಯಿಸಿ: ಕೆಲಸ ಗಂಟೆಗೆ $100 ರಂತೆ ಎಂಜಿನಿಯರ್‌ನ ಒಂದು ಗಂಟೆ ಸಮಯದ ಯೋಗ್ಯವಾಗಿದ್ದರೆ, ಮೊದಲ-ಪ್ರಯತ್ನ ಯಶಸ್ಸನ್ನು ಐದು ಶೇಕಡಾ ಪಾಯಿಂಟ್‌ಗಳಷ್ಟು ಹೆಚ್ಚಿಸಿದ ಕ್ಷಣ K3 ತನಗಾಗಿ ಪಾವತಿಸುತ್ತದೆ — ಮತ್ತು ನಿಜವಾಗಿಯೂ ಕಠಿಣ ದೀರ್ಘ-ಕ್ಷಿತಿಜ ಕೆಲಸದಲ್ಲಿ ಶ್ರೇಣಿಗಳ ನಡುವಿನ ಅಂತರ ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡದಾಗಿರುತ್ತದೆ. ಕೆಲಸ ಯಾರದ್ದೇ ಮೂವತ್ತು ಸೆಕೆಂಡುಗಳ ಸಮಯದ ಯೋಗ್ಯವಾಗಿದ್ದರೆ, ಅದೇ $5 ಸಮರ್ಥನೀಯವಲ್ಲ.

ನಾವು ನಿಜವಾಗಿ ಬಳಸುವ ನಿಯಮ

ರನ್ ವಿಫಲವಾಗುವ ವೆಚ್ಚ ಉತ್ತಮ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಚಲಾಯಿಸುವ ಬೆಲೆ ವ್ಯತ್ಯಾಸವನ್ನು ಮೀರಿದಾಗ Kimi-K3 ಗೆ ಏರಿಸಿ. ಅದು ಟೋಕನ್‌ನ ಬೆಲೆಯ ಬದಲು ಕೆಲಸದ ಮೌಲ್ಯದ ಮೇಲೆ ನಿರ್ಧಾರ ಇಡುತ್ತದೆ. ಹೆಚ್ಚಿನ-ಮೌಲ್ಯ, ಕಡಿಮೆ-ಪ್ರಮಾಣ, ದೀರ್ಘ-ಕ್ಷಿತಿಜ, ಪರಿಶೀಲಿಸಲು-ಕಷ್ಟದ ಕೆಲಸ K3 ಗೆ ಹೋಗುತ್ತದೆ. ಹೆಚ್ಚಿನ-ಪ್ರಮಾಣ, ಕಡಿಮೆ-ಪಣ, ಸುಲಭವಾಗಿ-ಮರುಪ್ರಯತ್ನಿಸಬಹುದಾದ ಕೆಲಸ ಹೋಗುವುದಿಲ್ಲ — ಪ್ಯಾರಾಮೀಟರ್ ಎಣಿಕೆ ಎಷ್ಟೇ ಪ್ರಭಾವಶಾಲಿಯಾಗಿದ್ದರೂ.

07Kimi-K3 ಅಥವಾ ಅಗ್ಗದ ಸೋದರ?

ನಮ್ಮ ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿನ ಎರಡು Kimi ಮಾಡೆಲ್‌ಗಳು ಸ್ಪರ್ಧಿಗಳಿಗಿಂತ ಒಂದೇ ಏಣಿಯ ಎರಡು ಮೆಟ್ಟಿಲುಗಳು. Kimi-K2.6 ಕಡಿಮೆ ಆಕ್ರಮಣಕಾರಿಯಾಗಿ ಕ್ವಾಂಟೈಸ್ ಮಾಡಲ್ಪಟ್ಟಿದೆ — W4A16-AUTOROUND-REAP, K3 ಯ 3-ಬಿಟ್‌ಗೆ ಎದುರಾಗಿ ಕಲಿತ ರೌಂಡಿಂಗ್ ಜೊತೆ 4-ಬಿಟ್ ವೈಟ್ಸ್ — ಚಿಕ್ಕ ಫೌಂಡೇಶನ್‌ನಲ್ಲಿ. ಇದಕ್ಕೆ ದೃಷ್ಟಿ, JSON-schema ಔಟ್‌ಪುಟ್, ಅದೇ ಸಂದರ್ಭ ವಿಂಡೋ ಇದೆ, ಮತ್ತು ಸುಮಾರು ಐದನೇ ಒಂದು ಭಾಗದಷ್ಟು ವೆಚ್ಚವಾಗುತ್ತದೆ.

ಕೆಲಸ	ಬಳಸಿ	ಏಕೆ
ನಲವತ್ತು-ಸುತ್ತಿನ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್	Kimi-K3	ವೈಫಲ್ಯ ಸಂಯುಕ್ತಗೊಳ್ಳುತ್ತದೆ; ಸುತ್ತು ಒಂದರಲ್ಲಿನ ಯೋಜನೆಯ ಗುಣಮಟ್ಟ ರನ್ ಅನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ
ರೆಪೊಸಿಟರಿ-ಪ್ರಮಾಣದ ರೀಫ್ಯಾಕ್ಟರ್	Kimi-K3	ಕೇವಲ ಹಿಂಪಡೆಯುವುದಕ್ಕಿಂತ ಇಡೀ ಸಂದರ್ಭವನ್ನು ಸುಸಂಬದ್ಧವಾಗಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳಬೇಕು
ದಟ್ಟ ಡಯಾಗ್ರಾಮ್‌ಗಳು, ಚಿಕ್ಕ ಸ್ಕ್ರೀನ್‌ಶಾಟ್ ಪಠ್ಯ	Kimi-K3	ಶ್ರೇಣಿಗಳ ನಡುವಿನ ಅತಿ ವಿಶಾಲ ದೃಷ್ಟಿ ಅಂತರ ಓದುಗುಣತೆ ಮತ್ತು ಸ್ಥಳ ರೀಸನಿಂಗ್
ಒಂಟಿ-ಫೈಲ್ ಎಡಿಟ್‌ಗಳು, ಚೆನ್ನಾಗಿ ಸ್ಪಷ್ಟಪಡಿಸಿದ	Kimi-K2.6	ಸೀಮಿತ ಕೆಲಸ, ಅಗ್ಗದ ಮರುಪ್ರಯತ್ನ, ಅಳೆಯಬಹುದಾದ ಸೀಲಿಂಗ್ ವ್ಯತ್ಯಾಸ ಇಲ್ಲ
ಪ್ರಮಾಣದಲ್ಲಿ ಚಿತ್ರ ಕ್ಯಾಪ್ಷನಿಂಗ್	MiniMax-M3 / MiMo-V2.5	$0.50 ಇನ್‌ನಲ್ಲಿ ಪರಿಹರಿಸಲಾಗಿದೆ; ಅದೇ ಕ್ಯಾಪ್ಷನ್‌ಗೆ K3 ಔಟ್‌ಪುಟ್ 9.6x
ರೀಸನಿಂಗ್-ಭಾರಿ ಆದರೆ ಪಠ್ಯ-ಮಾತ್ರ	DeepSeek-V4-Pro	$19.12 ಗೆ ಎದುರಾಗಿ $3.90 ಔಟ್‌ಪುಟ್ — ಚಿತ್ರಗಳು ಬೇಡವಾದರೆ K3 ಬಿಡಿ

ಆ ಕೊನೆಯ ಸಾಲೇ ಸಾಮಾನ್ಯವಾಗಿ ತಪ್ಪಿಸಿಕೊಳ್ಳುವ ಉಳಿತಾಯ. ನಿಮ್ಮ ಕೆಲಸ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿಲ್ಲದಿದ್ದರೆ, ಮೊದಲು DeepSeek-V4-Pro ಪರಿಶೀಲಿಸಿ. ಇದೂ ದೊಡ್ಡ ಫೌಂಡೇಶನ್‌ನಲ್ಲಿ 3BIT-REAP ಬಿಲ್ಡ್, ಕಠಿಣ ರೀಸನಿಂಗ್‌ನಲ್ಲಿ ಬಲಿಷ್ಠ, ಮತ್ತು ಇದರ ಔಟ್‌ಪುಟ್ K3 ಯ $19.12 ಗೆ ಎದುರಾಗಿ $3.90 ವೆಚ್ಚವಾಗುತ್ತದೆ. ಟಾಪ್ ಶ್ರೇಣಿಯನ್ನು ತಲುಪುವ ಬಹಳಷ್ಟು ಸಂಚಾರ ಪಠ್ಯ-ಮಾತ್ರ ರೀಸನಿಂಗ್ ಆಗಿದ್ದು ಒಂದು ಸಾಲು ಕೆಳಗೆ ಅಷ್ಟೇ ಚೆನ್ನಾಗಿ ಸೇವೆ ಸಲ್ಲಿಸಲ್ಪಡುತ್ತದೆ.

ಒಂದು ಮೆಟ್ಟಿಲು ಕೆಳಗೆ ನೋಡುತ್ತಿದ್ದೀರಾ? ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K2.6 ಗೈಡ್ ದೃಷ್ಟಿ ಮತ್ತು 4-ಬಿಟ್ AutoRound ಕ್ವಾಂಟೈಸೇಶನ್ ಜೊತೆ $0.78 ಇನ್ / $3.67 ಔಟ್‌ನಲ್ಲಿ ಅದೇ ವಂಶಾವಳಿಯನ್ನು ಒಳಗೊಳ್ಳುತ್ತದೆ — ಬಹುತೇಕ Kimi-ಕುಟುಂಬ ಕೆಲಸಕ್ಕೆ ಡೀಫಾಲ್ಟ್ ಆಯ್ಕೆ. ಪೂರ್ಣ ಕ್ಯಾಟಲಾಗ್ Shannon AI Research ನಲ್ಲಿದೆ.

08ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K3 API ಕರೆಯುವುದು

ಮಾಡೆಲ್ ಎಲ್ಲಾ ಮೂರು ಶೈಲಿಗಳಲ್ಲಿ Kimi-K3-3BIT-REAP ಆಗಿ ಒಡ್ಡಲ್ಪಟ್ಟಿದೆ, ಪ್ರತಿಯೊಂದರಲ್ಲೂ ಸ್ಟ್ರೀಮಿಂಗ್ ಇದ್ದು ಅವುಗಳ ನಡುವೆ ಸಾಮರ್ಥ್ಯ ವ್ಯತ್ಯಾಸ ಇಲ್ಲ — ಕೇವಲ ವೈರ್ ಫಾರ್ಮ್ಯಾಟ್: /v1/chat/completions (OpenAI-ಹೊಂದಾಣಿಕೆ), /v1/messages (Anthropic-ಹೊಂದಾಣಿಕೆ), ಮತ್ತು /v1/responses. ಕಠಿಣ ದೃಶ್ಯ ಕೆಲಸಕ್ಕೆ ರೀಸನಿಂಗ್ ಎಫರ್ಟ್ ಏರಿಸಿದ ದೃಷ್ಟಿ ವಿನಂತಿ:

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 ಮತ್ತು ಪೂರ್ಣ json_schema ಎರಡನ್ನೂ ಬೆಂಬಲಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ನೀವು ಏಜೆಂಟ್‌ನ ಟೂಲ್ ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಬಂಧಿಸಬಹುದು ಅಥವಾ ಪೋಸ್ಟ್-ಹಾಕ್ ಪಾರ್ಸಿಂಗ್ ಇಲ್ಲದೆ ವರದಿಯನ್ನು ಸ್ಥಿರ ಆಕಾರಕ್ಕೆ ಒತ್ತಾಯಿಸಬಹುದು. ಟೂಲ್ ಕಾಲಿಂಗ್ ಸ್ಥಳೀಯ ಮತ್ತು ದೀರ್ಘ ರನ್‌ಗಳನ್ನು ಚಾಲಿಸುವ ಉದ್ದೇಶಿತ ಮಾರ್ಗ. ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು, ದೃಢೀಕರಣ, ದರ ಮಿತಿಗಳು ಮತ್ತು ಲೈವ್ ಪ್ಲೇಗ್ರೌಂಡ್ API ದಾಖಲಾತಿ ಪುಟದಲ್ಲಿವೆ.

ಮೊದಲ ದಿನದಲ್ಲಿ ಹಣ ಉಳಿಸುವ ಮೂರು ವಿಷಯಗಳು

ಪ್ರಿಫಿಕ್ಸ್ ಪ್ರೂನ್ ಮಾಡಿ. ಪ್ರತಿ ಸುತ್ತೂ ಪ್ರತಿ ಮಿಲಿಯನ್‌ಗೆ $3.83 ದರದಲ್ಲಿ ಇಡೀ ಸಂಭಾಷಣೆಯನ್ನು ಮರುಬಿಲ್ ಮಾಡುತ್ತದೆ; 40-ಸುತ್ತಿನ ಇತಿಹಾಸವನ್ನು ಒಮ್ಮೆ 4K-ಟೋಕನ್ ಸ್ಟೇಟ್ ಆಬ್ಜೆಕ್ಟ್‌ಗೆ ಸಂಕ್ಷೇಪಿಸುವುದು ಬಹುತೇಕ ಮಾಡೆಲ್ ಬದಲಾವಣೆಗಳಿಗಿಂತ ಹೆಚ್ಚು ಉಳಿಸುತ್ತದೆ.
ಚಿತ್ರಗಳನ್ನು ಡೌನ್‌ಸ್ಕೇಲ್ ಮಾಡಿ. ಚಿತ್ರ ಟೋಕನ್‌ಗಳು ಇನ್‌ಪುಟ್ ಟೋಕನ್‌ಗಳು; ಇನ್ನೂ ಓದಬಹುದಾದಂತೆ ಮರುಗಾತ್ರಿಸಿದ 4K ಸ್ಕ್ರೀನ್‌ಶಾಟ್ ಕಡಿಮೆ ವೆಚ್ಚಕ್ಕೆ ಅದೇ ಉತ್ತರ ಕೊಡುತ್ತದೆ.
ಕಷ್ಟದ ಪ್ರಕಾರ ರೂಟ್ ಮಾಡಿ. ದಿನನಿತ್ಯದ ಸುತ್ತುಗಳ ಮೇಲೆ ಅಗ್ಗದ ಮಾಡೆಲ್, ಯೋಜನೆ, ಕಠಿಣ ಶಾಖೆ ಮತ್ತು ಅಂತಿಮ ಪರಿಶೀಲನೆಯ ಮೇಲೆ K3, ಸಾಮಾನ್ಯವಾಗಿ ಬಿಲ್ಲಿನ 25% ಗೆ ಸಾಮರ್ಥ್ಯದ 80%.

09ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K3 API ಎಂದರೇನು?

ಇದು Shannon AI ಗೇಟ್‌ವೇಯಲ್ಲಿ Kimi-K3 3BIT-REAP ಮಾಡೆಲ್: Moonshot AI ಯ 2.8-ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಮಲ್ಟಿಮೋಡಲ್ ಮಿಶ್ರಣ-ಆಫ್-ಎಕ್ಸ್‌ಪರ್ಟ್ಸ್ ಫೌಂಡೇಶನ್, ನಮ್ಮದೇ GPU ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ 262,144-ಟೋಕನ್ ಸಂದರ್ಭ, 16,384-ಟೋಕನ್ ಗರಿಷ್ಠ ಔಟ್‌ಪುಟ್, ದೃಷ್ಟಿ, ಟೂಲ್ ಕಾಲಿಂಗ್, JSON-schema ರಚನಾತ್ಮಕ ಔಟ್‌ಪುಟ್ ಮತ್ತು ಸ್ಟ್ರೀಮಿಂಗ್ ಜೊತೆ, ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲದೆ ಮತ್ತು ಔಟ್‌ಪುಟ್‌ಗೆ ಫಿಲ್ಟರಿಂಗ್ ಅನ್ವಯಿಸದೆ ಸೇವೆ ನೀಡಲಾಗಿದೆ. ಇದು /v1/chat/completions, /v1/messages ಮತ್ತು /v1/responses ಮೂಲಕ ತಲುಪಬಹುದಾಗಿದೆ.

ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K3 API ದೃಷ್ಟಿ ಬೆಂಬಲಿಸುತ್ತದೆಯೇ?

ಹೌದು. Kimi-K3 ನಮ್ಮ ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ಚಿತ್ರ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಿಕೆ ಇರುವ ಐದು ಮಾಡೆಲ್‌ಗಳಲ್ಲಿ ಒಂದು, ಮತ್ತು ಅತಿ ಹೆಚ್ಚಿನ-ಸಾಮರ್ಥ್ಯದ್ದು. ನೀವು ಯಾವುದೇ OpenAI-ಹೊಂದಾಣಿಕೆ ಎಂಡ್‌ಪಾಯಿಂಟ್‌ಗೆ ಕಳುಹಿಸುವಂತೆಯೇ ಚಿತ್ರಗಳನ್ನು ಕಳುಹಿಸುತ್ತೀರಿ, ಪಠ್ಯದ ಜೊತೆಗೆ image_url ವಿಷಯ ಭಾಗಗಳಾಗಿ. ಚಿತ್ರಗಳು ಪಠ್ಯದಂತೆಯೇ ಅದೇ 262,144-ಟೋಕನ್ ಬಜೆಟ್‌ನಿಂದ ಸಂದರ್ಭವನ್ನು ಬಳಸುತ್ತವೆ, ಮತ್ತು ಚಿತ್ರ ಟೋಕನ್‌ಗಳು ಪ್ರತಿ ಮಿಲಿಯನ್‌ಗೆ $3.83 ರ ಇನ್‌ಪುಟ್ ದರದಲ್ಲಿ ಬಿಲ್ ಆಗುತ್ತವೆ.

ಇತರ Shannon ಮಾಡೆಲ್‌ಗಳು $0.50 ಮತ್ತು $2.00 ಆಗಿರುವಾಗ Kimi K3 $3.83 ಇನ್ ಮತ್ತು $19.12 ಔಟ್ ಏಕೆ ವೆಚ್ಚವಾಗುತ್ತದೆ?

ಏಕೆಂದರೆ ಫೌಂಡೇಶನ್ ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 104 ಬಿಲಿಯನ್ ಸಕ್ರಿಯ ಜೊತೆ ಸುಮಾರು 2.8 ಟ್ರಿಲಿಯನ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು, ಕ್ಯಾಟಲಾಗ್‌ನ ಬೇರೆಡೆಯ 30-ಇಂದ-40-ಬಿಲಿಯನ್-ಸಕ್ರಿಯ ಮಾಡೆಲ್‌ಗಳಿಗೆ ಎದುರಾಗಿ. ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಹೆಚ್ಚು ಸಕ್ರಿಯ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು ಎಂದರೆ ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಹೆಚ್ಚು GPU-ಸೆಕೆಂಡ್‌ಗಳು, ಮತ್ತು ಬೆಲೆ ಸಾಮರ್ಥ್ಯದ ತೆರಿಗೆಗಿಂತ ಸೇವಾ ವೆಚ್ಚವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. ಔಟ್‌ಪುಟ್ ನಮ್ಮ ನೆಲಮಟ್ಟದ ಮಾಡೆಲ್‌ಗಳ ಬೆಲೆಯ 9.6x, ಆದ್ದರಿಂದ ದೀರ್ಘ ಕೆಲಸದಲ್ಲಿ ಹೆಚ್ಚಿನ ಮೊದಲ-ಪ್ರಯತ್ನ ಯಶಸ್ಸಿನ ದರ ಸುಮಾರು ಐದು ಪಟ್ಟು ಬಿಲ್ಲಿನ ಯೋಗ್ಯವೇ ಎಂಬುದೇ ನಿರ್ಧರಿಸುವ ಪ್ರಶ್ನೆ.

Kimi K3 ಎಂಬುದು Kimi K2 ಅಥವಾ Kimi K2 Thinking ನಂತೆಯೇ ಮಾಡೆಲ್ಲೇ?

ಇಲ್ಲ. Kimi K2 32 ಬಿಲಿಯನ್ ಸಕ್ರಿಯ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು ಮತ್ತು 384 ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳ 1-ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ MoE ಆಗಿತ್ತು; K2 Thinking ಅದೇ ಫೌಂಡೇಶನ್ ಮೇಲೆ ಹೆಣೆದ ರೀಸನಿಂಗ್ ಮತ್ತು ದೀರ್ಘ ಟೂಲ್-ಕಾಲ್ ಸರಪಳಿಗಳನ್ನು ಸೇರಿಸಿತು. Moonshot AI ಜುಲೈ 2026 ರಲ್ಲಿ ಬಿಡುಗಡೆ ಮಾಡಿದ Kimi K3, ಬೇರೆ ವಾಸ್ತುಶಿಲ್ಪ: 2.8 ಟ್ರಿಲಿಯನ್ ಒಟ್ಟು ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು, 104 ಬಿಲಿಯನ್ ಸಕ್ರಿಯ, ಪ್ರತಿ ಟೋಕನ್‌ಗೆ 16 ರೂಟ್ ಮಾಡಿದ 896 ಎಕ್ಸ್‌ಪರ್ಟ್‌ಗಳು, Kimi Delta Attention, ಮತ್ತು ಸ್ಥಳೀಯ ದೃಷ್ಟಿ ಎನ್ಕೋಡರ್. K2 ಮತ್ತು K3 ವಂಶಾವಳಿಯನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತವೆ, ಮಾಡೆಲ್ ಅಲ್ಲ.

Kimi-K3 ಬದಲು Kimi-K2.6 ಅನ್ನು ನಾನು ಯಾವಾಗ ಬಳಸಬೇಕು?

ಕೆಲಸ ಸೀಮಿತವಾಗಿದ್ದು ನೀವು ಅದನ್ನು ಹಲವು ಬಾರಿ ಚಲಾಯಿಸುವಾಗ Kimi-K2.6 W4A16-AUTOROUND-REAP ಬಳಸಿ: ವರ್ಗೀಕರಣ, ಹೊರತೆಗೆಯುವಿಕೆ, ಒಂಟಿ-ಫೈಲ್ ಎಡಿಟ್‌ಗಳು, ಚಾಟ್, ಮತ್ತು ಸೂಕ್ಷ್ಮ ದೃಶ್ಯ ರೀಸನಿಂಗ್‌ಗಿಂತ ಬಹುಮಟ್ಟಿಗೆ ಸಮರ್ಥ ವಿವರಣೆ ಬೇಕಾದ ಚಿತ್ರ ಕೆಲಸಗಳು. ಇದಕ್ಕೆ ದೃಷ್ಟಿಯೂ ಇದೆ, ಕಡಿಮೆ ಆಕ್ರಮಣಕಾರಿಯಾಗಿ ಕ್ವಾಂಟೈಸ್ ಮಾಡಲ್ಪಟ್ಟಿದೆ, ಮತ್ತು K3 ಯ ಸುಮಾರು ಐದನೇ ಒಂದು ಭಾಗದಷ್ಟು, $0.78 ಇನ್ ಮತ್ತು $3.67 ಔಟ್ ವೆಚ್ಚವಾಗುತ್ತದೆ. ರನ್ ದೀರ್ಘ, ಶಾಖೆ ಆಗುವ, ಅಥವಾ ತಪ್ಪಾದರೆ ದುಬಾರಿಯಾಗಿದ್ದಾಗ Kimi-K3 ಗೆ ಏರಿಸಿ.

ಮೂಲಗಳಿಂದ, ಪ್ರತಿಪಾದನೆಯಿಂದಲ್ಲ

ಇಲ್ಲಿನ ಪ್ರತಿ ವಾಸ್ತುಶಿಲ್ಪ ಮತ್ತು ಬೆಂಚ್‌ಮಾರ್ಕ್ ಅಂಕಿ Moonshot AI ಪ್ರಕಟಿಸಿದೆ ಅಥವಾ ಅವರ ಓಪನ್ ಮಾಡೆಲ್ ಕಾರ್ಡ್‌ನಲ್ಲಿ ಗೋಚರಿಸುತ್ತದೆ, ಮತ್ತು ನಮ್ಮ 3BIT-REAP ಬಿಲ್ಡ್‌ಗಿಂತ ಸಂಕುಚಿತವಲ್ಲದ ಫೌಂಡೇಶನ್ ಅನ್ನು ವಿವರಿಸುತ್ತದೆ. ಅವನ್ನು ನೀವೇ ಪರಿಶೀಲಿಸಿ.

Moonshot AI — Kimi K3 ಮಾಡೆಲ್ ಕಾರ್ಡ್ Kimi K3 ರೆಪೊಸಿಟರಿ Kimi K2 Thinking

ಸೆನ್ಸಾರ್ ರಹಿತ Kimi K3 API ಪ್ರಯತ್ನಿಸಿ

ಟಾಪ್-ಸಾಮರ್ಥ್ಯದ ಏಜೆಂಟಿಕ್ ಮತ್ತು ದೃಷ್ಟಿ ಶ್ರೇಣಿ. ನಿರಾಕರಣೆ ಪದರ ಇಲ್ಲ. ಪ್ರತಿ ಟೋಕನ್‌ಗೆ ಪಾವತಿಸಿ.

API ದಾಖಲಾತಿ ಓದಿ ಎಲ್ಲಾ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬ್ರೌಸ್ ಮಾಡಿ

Shannon Lab LLC · ನ್ಯೂ ಮೆಕ್ಸಿಕೊ, USA · ಮಾಡೆಲ್‌ಗಳನ್ನು ನಮ್ಮದೇ GPU ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ಸೇವೆ ನೀಡಲಾಗಿದೆ

ಫೌಂಡೇಶನ್ ಸತ್ಯಗಳು ಮತ್ತು ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳು Kimi K3 ಮತ್ತು Kimi K2 ಗಾಗಿ Moonshot AI ಯ ಪ್ರಕಟಿತ ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಸಂಕುಚಿತವಲ್ಲದ ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಮಾಡೆಲ್‌ಗಳನ್ನು ವಿವರಿಸುತ್ತವೆ; ನಮ್ಮ ಬಿಲ್ಡ್ 3-ಬಿಟ್ REAP ಕ್ವಾಂಟೈಸೇಶನ್ ಮತ್ತು ಭಿನ್ನವಾಗಿರುತ್ತದೆ. ಬೆಲೆಗಳು, ಸಂದರ್ಭ ಮತ್ತು ಸಾಮರ್ಥ್ಯ ಫ್ಲ್ಯಾಗ್‌ಗಳು Shannon AI ಯ ಸ್ವಂತ, ಸೆಪ್ಟೆಂಬರ್ 5, 2026 ರ ಪ್ರಕಾರ ಪ್ರಸ್ತುತ — ಲೈವ್ ಮೌಲ್ಯಗಳು ಯಾವಾಗಲೂ /v1/models ಹಿಂದಿರುಗಿಸುವಂಥವು. ಮೂಲಗಳು: Kimi K3 ಮಾಡೆಲ್ ಕಾರ್ಡ್ · Kimi K3 ರೆಪೊಸಿಟರಿ · Kimi K2 Thinking.

ಎಲ್ಲ research links