Цензурасыз Kimi K3 API
Shannon AI шлюзүндөгү эң жогорку деңгээл: көрүүсү, курал чакыруусу жана 262K контексти бар 2,8 триллион параметрлик мультимодалдык негиз — баш тартуу катмары жок жана прайс-барагыбыздагы эң жогорку баа. Ошол баа качан төлөөгө арзырын төмөндө айтабыз.
Кыскача
Kimi-K3-3BIT-REAP — тейлеген моделдерибиздин ичинен эң күчтүүсү жана эң кымбаты: миллион кирүү токенине $3.83, миллион чыгууга $19.12. Анда көрүү, 262 144 токендик контекст, 16 384 токендик эң чоң чыгуу, курал чакыруу, JSON схема боюнча чыгуу, жөнгө салынуучу reasoning_effort жана үч API диалектинин баарында агымдуу берүү бар — баш тартуу катмары жана чыгуу чыпкасы жок. Узак горизонттогу агенттик иштер, оор көп кадамдуу ой жүгүртүү жана майда визуалдык деталь маанилүү болгон сүрөт иштери үчүн туура тандоо. Классификация, чыгарып алуу, маек жана күнүнө жүз миң жолу иштетилчү нерселердин баары үчүн туура эмес тандоо.
Модель тандоо боюнча колдонмолордун көбү жөндөм бекер экендей жазылат. Ал бекер эмес. Жогорку деңгээлдеги модель жөнүндөгү кызыктуу суроо эч качан «ал жакшыраакпы» эмес — адатта жакшыраак — тескерисинче, «бир баскыч төмөнкү моделден беш эсе чоң эсепти актагыдай, дал ушул тапшырмада жетишерлик жакшыраакпы». Бул колдонмо ага чыныгы эсеп менен жооп берет жана арзаныраак варианттар кайда утарын түз айтат.
01Kimi K3 чындыгында эмне
Kimi K3 — Moonshot AI'дын ачык салмактуу флагманы, 2026-жылдын июлунда Kimi K3 лицензиясы алдында чыккан: Kimi K2 менен башталган тектин үчүнчү мууну жана кайра үйрөтүү эмес, чындап жаңы архитектура.
Жарыяланган түзүлүш — 93 катмар: 69у Kimi Delta Attention колдонот, 24ү дарбазаланган көп баштуу латенттик көңүл буруу, бирөө тыгыз — жана Stable LatentMoE маршрутизатору ар бир токенге 896 эксперттин 16сын, плюс 2 жалпысын тандайт. Moonshot ошол айкалыштан Kimi K2 менен салыштырганда масштабдоо натыйжалуулугу болжол менен 2,5 эсе жакшырганын билдирет. Көрүү сырттан жабыштырылган эмес, өзүнөн бар: 401M параметрлик MoonViT-V2 энкодери текстти иштеткен ошол эле дөңгөчкө берет.
Сейректик санын өздөштүрүү керек: K3 ар бир токенге 104 миллиард параметрди активдештирет, ал эми каталогубуздун көбүндө бул 30–40 миллиард аралыгында. Бул жаратылган токенге болжол менен үч эсе көп арифметика, жана бул модель прайс-баракты баштап турушунун бүткүл себеби. Сиз бренд деңгээли үчүн эмес, GPU-секунддар үчүн төлөп жатасыз.
Теги, кыскача
- Kimi K2 — 1 триллион параметр, 32 миллиард активдүү, ар бир токенге 8 маршруттолгон 384 эксперт, MuonClip оптимизатору менен 15,5 триллион токенде алдын ала үйрөтүлгөн; ошол масштабда MoE үйрөтүүсүн бузган көңүл буруу жарылууларын токтотуу үчүн курулган.
- Kimi K2 Thinking — ошол эле негиз ой жүгүртүүнү курал колдонуу менен кезектештирүүгө үйрөтүлгөн; бир иште 200дөн 300гө чейин ырааттуу курал чакырууну кармаганы билдирилген, куралдар менен Humanity's Last Exam боюнча 44,9% жана BrowseComp боюнча 60,2% менен.
- Kimi K3 — өзүнүн мультимодалдуулугу жана баштапкы 1M токендик терезеси менен кайра курулган, көзөмөлдөнгөн кийинки үйрөтүү баскычынан тартып кванттоону эске алган үйрөтүү менен (MXFP4 салмактар, MXFP8 активациялар). Дал ошондуктан K3 муну эске албай үйрөтүлгөн моделдерге караганда катуу кысууга жакшыраак чыдайт.
Өзөктүү сызык — узак горизонттогу агенттик: ар бир муун кыска жооптуу бенчмарктарды утуу үчүн эмес, жүздөгөн кадамда ырааттуу бойдон калуу үчүн оптималдаштырылган. Сиз сатып алып жаткан жөндөм — ошол.
02«3BIT-REAP» эмнени билдирет жана 2,8T моделге ал эмне үчүн керек
Модель id'синдеги кошумча жасалга эмес — ал салмактар өз GPU кластерибизге жүктөлөөрдөн мурун аларга эмне жасалганын айтат жана бул жердеги ар бир дооматка тиркелген чынчыл эскертүү. Арифметикадан баштайлы. 2,8 триллион параметрлик модель 16 биттик тактыкта болжол менен 5,6 терабайт салмак. Ар бир салмакка 3 бит болгондо ал 1,05 терабайтка жакындайт — дагы эле чоң, бирок 262K токендик KV кэшине орун калтырган, ишке ашырууга боло турган жайгаштыруу. REAP — экинчи жарымы: маршрутизатор чындыгында кайсы эксперттерге кайрыларын профилдеп, сейрек тандалгандарын кванттоодон кийин эмес, мурун алып салган эксперт кыскартуу ыкмасы. Ар бир токенге 896 эксперттин 16сын гана маршруттаган моделде бул табигый дал келүү — мынчалык сейрек бөлүштүрүүдө чыныгы трафикке аз салым кошкон узун куйрук болот — ал эми адегенде кыскартуу калган бит бюджетинин маанилүү эксперттерге жумшаларын билдирет.
Алмашуу тууралуу чынын айталы
Кысуу тактыкка турат, жана ал бирдей эмес. Ал биринчи кезекте узун куйруктагы фактыларды эстөөдө жана оор математикадагы акыркы упайлардын тактыгында, ал эми көрсөтмө аткарууда, курал чакыруунун форматында же узун агенттик пландын түзүлүшүндө алда канча азыраак көрүнөт. K3'түн кванттоону эске алган үйрөтүүсү — бул курулуштун чыдап турушунун себеби. Бирок жумушуңуз бир жолку сейрек факт издөө болсо, кванттелген 2,8T модель параметр санынын гана эсебинен 8 биттик кичирээк моделден утат деп ойлобоңуз.
Каталогубуз үч кошумчаны атайын тепкич катары колдонот. 3BIT-REAP — башка эч нерсе батпаган эң чоң негиздер үчүн. W4A16-AUTOROUND-REAP — 16 биттик активациялары бар 4 биттик салмактар, AutoRound менен кванттелген (үйрөнүлгөн тегеректөө, эң жакын мааниге түз тегеректөөгө караганда чыныгы тактыкты калыбына келтирет), плюс ошол эле кыскартуу. W8A16 — эң жогорку тактыктагы деңгээл, катуу кысууну талап кылбагыдай кичине негиздер үчүн. Кыскасы: кошумча түп нускадан канчасы аман калганын, ал эми баа аны иштетүү канчага турарын айтат.
03Көрүү: сүрөт түшүнүү сизге эмне берет
Kimi-K3 — он эки моделдүү каталогубуздагы көрүүсү бар беш моделдин бири жана бешөөнүн эң жөндөмдүүсү. Коммерциялык көрүү API'леринин көбү жүктөлгөн сүрөттөрдүн үстүнөн классификаторду иштетип, кириштердин кеңири категориясын модель аларды көрө электе четке кагат — керектөөчү үчүн акылга сыярлык демейки жөндөө жана мыйзамдуу иш үчүн олуттуу тоскоолдук. Эксплойттун чыгуусун скриншотко түшүргөн коопсуздук изилдөөчүлөрү, өз классификаторлорун куруп жаткан модерация топтору, соттук-медициналык жана маалымат топтомун текшерүү иштери, ошондой эле red-team баалоосу — баары ошол дубалга урунат. Kimi-K3'тө баш тартуу катмары жок жана чыгуу чыпкаланбайт.
K3'түн көрүүсү арзаныраак көрүүчү моделдерден баасын кайда актайт
- Тыгыз диаграммалар жана схемалар — архитектура диаграммалары, тармак топологиялары, электр схемалары: жооп объекттерди атоого эмес, сызыктар менен белгилерди көзөмөлдөөгө көз каранды болгон нерселердин баары.
- Скриншоттордогу майда текст — стек издери, терминалдын чыгуусу, электрондук жадыбалдын уячалары. Көрүү деңгээлдеринин ортосундагы ажырым майда масштабдагы окулуштуулукта эң чоң.
- Узун тексттин ичиндеги сүрөт — 200K токендик контекстке салынган скриншот, анда модель көргөнүн элүү миң токен мурун окуганы менен байланыштырууга тийиш.
- Бир нече сүрөттү салыштыруу — интерфейстин эки версиясы же диаграмма менен аны жараткан жадыбал.
Баасын кайда актабайт: жазуу түшүрүү, alt текст, таза документтерди OCR кылуу жана тег коюу түтүктөрү. Булар миллион кирүү токенине $0.50 баада чечилген — эгер сүрөт жумушуңуз көлөмдүү жана ар бир нерсе өз-өзүнчө жөнөкөй болсо, Kimi-K2.6 же MiniMax-M3 сиз K3'тукунан ажырата албай турган жооптарды берет.
Сүрөттөр текст менен бирдей 262 144 токендик бюджеттен токен жейт жана кирүү баасы боюнча эсептелет. Бир нече жогорку чечилиштеги скриншот бекер эмес.
04Узак горизонттогу агенттик иш — бул деңгээл ошол үчүн
Эгер бир жумуш жогорку деңгээлди актаса, ошол ушул. Кыска тапшырмалар кечиримдүү бузулат: модель ката кетирет, сиз байкайсыз, кайра аракет кыласыз, төрт секунд жоготтуңуз. Ал эми алтынчы кезекте туура эмес тармакка кирген кырк кезектик агент кийинки отуз төрт кезекти катанын үстүнө кылдат курууга сарптайт, сиз болсо ортодогу ар бир токенге төлөп бүткөндөн кийин билесиз. Дал ушул асимметрия бул жерде токендин баасын дээрлик туура эмес өлчөм кылат. Маанилүүсү — бир ийгиликтүү аяктоонун баасы, ал эми аны иштин канчалык көп ыргытылганы аныктайт. Moonshot'тун K3 негизи үчүн агенттик бенчмарктарда жарыялаган сандары:
Бардык сандар — 2026-жылдын июлунда кванттелбеген Kimi K3 негизи үчүн Moonshot билдирген сандар. Алар биздин 3BIT-REAP курулушубуздун өлчөөлөрү эмес жана биз аларды ошондой деп көрсөтпөйбүз.
Сүрөтү архитектура эмне үчүн курулганына дал келет: BrowseComp менен Terminal-Bench — курал циклинин бенчмарктары, б.а. аракет кыл, байка, оңдо деген кайталанган айланымдар. SWE Marathon боюнча 42,0 — тең салмак: топтомдогу эң оор узак горизонттогу код баалоосу, анда алдыңкы модель да тапшырмалардын көбүн аткара албайт. «Агенттик» — чечилген категория эмес; кайсы моделди тандасаңыз да, бузулууну эске алып долбоорлоңуз.
Узак иштер үчүн практикалык жөндөөлөр
K3 reasoning_effort параметрин ачат, ал эми бул жерде ал чыныгы чыгым рычагы: ой жүгүртүү токендери чыгуу токендери катары, миллионуна $19.12 баада эсептелет.
- Low — курал чакырууну багыттоо жана структураланган чыгарып алуу, б.а. модель бир нече белгилүү варианттын арасынан тандаган учурлар.
- High — чыныгы агенттик иш үчүн демейки: көп кадамдуу өзгөрүүнү пландоо, стек изинен мүчүлүштүк издөө, карама-каршы булактарды салыштыруу.
- Max — аны түтүктөгү эң оор бир чакыруу үчүн калтырыңыз: иштин башындагы план же акыркы карап чыгуу. High'да 30K, max'та 90K ой жүгүртүү токенин коротуучу иш ошол бир желекче үчүн кошумча $1.15 төлөйт.
Контекстти да атайын бюджеттеңиз: терезебиз 262 144 токен, эң чоң чыгуусу 16 384 токен, ал эми миллион кирүүгө $3.83 баада кыскартылбаган тарых көбөйө берет — ар бир кезек бүт префикстин акысын кайра эсептейт.
05Бул учта «цензурасыз» эмнени билдирет
Shannon AI шлюзүндөгү ар бир модель баш тартуу катмарысыз жана чыгууда мазмун чыпкасысыз тейленет. Бул эң жогорку деңгээлде маанилүүрөөк, анткени адамдар жогорку деңгээлдеги моделге алып келген тапшырмалар чыпканы иштетүү ыктымалдыгы эң жогору болгондор: атаандаштык коопсуздук изилдөөсү, чабуул куралдарын талдоо, модерация классификаторлорун иштеп чыгуу, коркунуч чалгындоосу, оор көркөм адабият жана моделден так сиз аныктоого аракет кылып жаткан нерсени чыгарууну талап кылган ар кандай баалоо.
- Чыгуу классификатору жок. Жооптор жаратылгандан кийин сканерленип, кайра жазылбайт же бөгөттөлбөйт.
- Кирүү дарбазасы жок. Промпттор менен сүрөттөр моделге жетээрден мурун текшерилбейт.
- Бул башка модель эмес. Бул — адатта анын алдында турган катмарсыз тейленген ошол эле Kimi K3 негизи.
- Бул жоопкерчиликти өткөрүп берүү эмес. Баш тартуу катмарын алып салуу чечим кабыл алууну сизге жылдырат — биздин жоопкерчиликтүү колдонуу саясатыбызды караңыз.
Баалоо системаларын курган ар кимге тийген үнсүзүрөөк пайдасы да бар: чыпкаланбаган модель — туруктуу базалык чекит. Күтүүсүз баш тарткан модель өлчөөлөрдү ызы-чуулуу кылат, анткени жөндөмдүн чегин саясаттын чегинен ажырата албайсыз. Бул жерде бузулуу — жөндөмдүн бузулушу, б.а. мүчүлүштүгүн изилдей ала турган бирден-бир түрү.
06Баасы: $3.83 кирүү, $19.12 чыгуу — жана ал качан актайт
Бул — прайс-барагыбыздагы эң кымбат модель, чоң айырма менен: чыгуусу $2.00 түбүбүздөн 9,6 эсе жана Kimi-K2.6'ныкынан 5,2 эсе кымбат. Арифметикасы төмөндө ачык.
| Модель | Кирүү / 1M | Чыгуу / 1M | Көрүү | JSON схема |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Ооба | Ооба |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | Жок | Ооба |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | Ооба | Жок |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Ооба | Ооба |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Жок | Ооба |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Ооба | Ооба |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | Ооба | Ооба |
Тандалган саптар, кирүү баасы боюнча иреттелген. Он эки моделдин баары бирдей 262 144 токендик контекстти, 16 384 токендик эң чоң чыгууну, агымдуу берүүнү, курал чакырууну жана reasoning_effort параметрин бөлүшөт. Жандуу мүмкүнчүлүк желекчелери API документтеринин барагында.
Эки иштелген мисал
Биринчиси — 120 000 токендик кирүү (код базасынын дампы, жөнгө салуучу органга берилген документ), андан 3 000 токендик талдоо чыгат. Экинчиси — кырк кезектик агент иши: контекст топтолгон сайын болжол менен 1,2M жалпы кирүү токени, ой жүгүртүүнү кошкондо 90 000 чыгуу токени.
| Сценарий | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 120K кирүү / 3K чыгуу | $0.517 | $0.105 | $0.066 |
| 40 кезектик агент иши | $6.32 | $1.27 | $0.78 |
Документ чакыруусунда K3 Kimi-K2.6'дан болжол менен 4,9 эсе кымбат. Элүү цент бир жолу эч нерсе эмес; миң чакырууда ал күнүнө $517, ал эми $105'ке каршы. Агент ишинде айырма болжол менен $5. Эми маанилүү болгон бирден-бир текшерүүнү колдонуңуз: эгер тапшырма инженердин бир сааттык убактысына, б.а. $100'гө арзыса, K3 биринчи аракеттен ийгиликти беш пайыздык пунктка жогорулатары менен өзүн актайт — ал эми чындап оор, узак горизонттогу иште деңгээлдердин ортосундагы ажырым адатта чоңураак. Эгер тапшырма отуз секунддук убакытка арзыса, ошол эле $5 актоого болбойт.
Биз чындыгында колдонгон эреже
Kimi-K3'кө иштин бузулушунун баасы аны жакшыраак моделде иштетүүнүн баа айырмасынан ашканда көтөрүлүңүз. Бул чечимди токендин баасына эмес, тапшырманын баалуулугуна таянтат. Баалуулугу жогору, көлөмү аз, узак горизонттогу, текшерүүсү кыйын иштер K3'кө барат. Көлөмү чоң, тобокели аз, оңой кайталанчу иштер барбайт — параметр саны канчалык таасирдүү болбосун.
07Kimi-K3 же арзаныраак тууганыбы?
Каталогубуздагы эки Kimi модели атаандаш эмес, бир тепкичтин эки баскычы. Kimi-K2.6 жумшагыраак кванттелген — W4A16-AUTOROUND-REAP, үйрөнүлгөн тегеректөөсү бар 4 биттик салмактар, K3'түн 3 битине каршы — жана кичирээк негизде. Анда көрүү, JSON схема боюнча чыгуу, ошол эле контекст терезеси бар, ал эми баасы болжол менен бештен бири.
| Тапшырма | Колдонуу | Эмне үчүн |
|---|---|---|
| Кырк кезектик автономдуу агент | Kimi-K3 | Ката топтолот; биринчи кезектеги пландын сапаты бүт ишти чечет |
| Репозиторий масштабындагы рефакторинг | Kimi-K3 | Бүт контексттен жөн гана издөө эмес, аны ырааттуу кармоо керек |
| Тыгыз диаграммалар, скриншоттогу майда текст | Kimi-K3 | Деңгээлдердин ортосундагы эң чоң көрүү ажырымы — окулуштуулук жана мейкиндиктик ой жүгүртүү |
| Так аныкталган бир файлдык оңдоолор | Kimi-K2.6 | Чектелген тапшырма, арзан кайталоо, чектин байкаларлык айырмасы жок |
| Көлөмдүү сүрөт жазуу түшүрүү | MiniMax-M3 / MiMo-V2.5 | $0.50 кирүүдө чечилген; ошол эле жазуу үчүн K3'түн чыгуусу 9,6 эсе кымбат |
| Ой жүгүртүүгө оор, бирок текст гана | DeepSeek-V4-Pro | $19.12'ге каршы $3.90 чыгуу — сүрөт керек болбосо, K3'тү таштаңыз |
Акыркы сап — эң көп өткөрүлүп жиберилген үнөмдөө. Эгер тапшырмаңызда сүрөт болбосо, адегенде DeepSeek-V4-Pro'ну караңыз. Ал да чоң негиздеги 3BIT-REAP курулушу, оор ой жүгүртүүдө күчтүү, ал эми чыгуусу K3'түн $19.12'сине каршы $3.90 турат. Жогорку деңгээлге кайрылган трафиктин көбү — бир сап төмөндө так ошондой жакшы тейленген текст гана ой жүгүртүүсү.
08Цензурасыз Kimi K3 API'ди чакыруу
Модель үч диалекттин баарында Kimi-K3-3BIT-REAP катары ачылган, ар биринде агымдуу берүү менен жана алардын ортосунда мүмкүнчүлүк айырмасы жок — зымдагы формат гана башка: /v1/chat/completions (OpenAI'ге шайкеш), /v1/messages (Anthropic'ке шайкеш) жана /v1/responses. Оор визуалдык тапшырма үчүн ой жүгүртүү аракети көтөрүлгөн көрүү сурамы:
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'ты да, толук json_schema'ны да колдойт, ошондуктан агенттин курал аргументтерин чектей аласыз же отчетту кийин талдабай туруп белгиленген формага түртө аласыз. Курал чакыруу өзүнөн бар жана узак иштерди айдоонун ниеттелген жолу. Параметрлер, аутентификация, ылдамдык чектөөлөрү жана жандуу аянтча API документтеринин барагында.
Биринчи күндөн акча үнөмдөгөн үч нерсе
- Префиксти кыскартыңыз. Ар бир кезек бүт маектин акысын миллионуна $3.83 баада кайра эсептейт; 40 кезектик тарыхты бир жолу 4K токендик абал объектине жыйноо моделди алмаштыруунун көбүнөн көп үнөмдөйт.
- Сүрөттөрдү кичирейтиңиз. Сүрөт токендери — кирүү токендери; 4K скриншотту дагы эле окула турган өлчөмгө кичирейтүү ошол эле жоопту арзаныраак берет.
- Татаалдыгы боюнча багыттаңыз. Кадимки кезектерге арзан модель, ал эми планга, оор тармакка жана акыркы карап чыгууга K3 — көбүнчө эсептин 25%ына жөндөмдүн 80%ы.
09Көп берилүүчү суроолор
Цензурасыз Kimi K3 API деген эмне?
Бул — Shannon AI шлюзүндөгү Kimi-K3 3BIT-REAP модели: Moonshot AI'дын 2,8 триллион параметрлик мультимодалдык Mixture-of-Experts негизи, өз GPU кластерибизде 262 144 токендик контекст, 16 384 токендик эң чоң чыгуу, көрүү, курал чакыруу, JSON схема боюнча структураланган чыгуу жана агымдуу берүү менен, баш тартуу катмарысыз жана чыгууга чыпка колдонулбай тейленет. Ага /v1/chat/completions, /v1/messages жана /v1/responses аркылуу жетүүгө болот.
Цензурасыз Kimi K3 API көрүүнү колдойбу?
Ооба. Kimi-K3 — каталогубуздагы сүрөт түшүнгөн беш моделдин бири жана алардын эң жөндөмдүүсү. Сүрөттөрдү каалаган OpenAI'ге шайкеш учка жөнөткөндөй, текст менен катар image_url мазмун бөлүктөрү катары жөнөтөсүз. Сүрөттөр текст менен бирдей 262 144 токендик бюджеттен контекст жейт, ал эми сүрөт токендери миллионуна $3.83 кирүү баасы боюнча эсептелет.
Башка Shannon моделдери $0.50 жана $2.00 турганда, Kimi K3 эмне үчүн $3.83 кирүү жана $19.12 чыгуу турат?
Анткени негиз болжол менен 2,8 триллион параметрден турат жана ар бир токенге 104 миллиард активдешет, ал эми каталогдун башка жериндеги моделдерде 30–40 миллиард активдүү. Токенге активдүү параметр канча көп болсо, токенге GPU-секунд ошончо көп, ал эми баа жөндөм салыгын эмес, тейлөө чыгымын чагылдырат. Чыгуу түптөгү моделдерибиздикинен 9,6 эсе кымбат, ошондуктан чечүүчү суроо мындай: узун тапшырмада биринчи аракеттен ийгилик чыгуу ыктымалдыгынын жогорулашы эсептин болжол менен беш эсе өсүшүнө арзыйбы.
Kimi K3 Kimi K2 же Kimi K2 Thinking менен бир эле моделби?
Жок. Kimi K2 — 32 миллиард активдүү параметри жана 384 эксперти бар 1 триллион параметрлик MoE болгон; K2 Thinking ошол эле негизге кезектешкен ой жүгүртүүнү жана узун курал чакыруу чынжырларын кошкон. Moonshot AI 2026-жылдын июлунда чыгарган Kimi K3 — башка архитектура: жалпы 2,8 триллион параметр, 104 миллиард активдүү, ар бир токенге 16 маршруттолгон 896 эксперт, Kimi Delta Attention жана өзүнүн көрүү энкодери. K2 менен K3 моделди эмес, текти бөлүшөт.
Kimi-K3'түн ордуна Kimi-K2.6'ны качан колдонушум керек?
Тапшырма чектелген жана аны көп жолу иштете турган болсоңуз, Kimi-K2.6 W4A16-AUTOROUND-REAP'ти колдонуңуз: классификация, чыгарып алуу, бир файлдык оңдоолор, маек жана майда визуалдык ой жүгүртүү эмес, жөндүү сүрөттөмө керек болгон сүрөт тапшырмалары. Анда да көрүү бар, ал жумшагыраак кванттелген жана $0.78 кирүү, $3.67 чыгуу турат, б.а. K3'түн болжол менен бештен бири. Иш узун, тармактуу же ката кетирүү кымбатка турганда Kimi-K3'кө көтөрүлүңүз.
Бул жердеги ар бир архитектуралык жана бенчмарк саны Moonshot AI тарабынан жарыяланган же алардын ачык модель карточкасында көрүнүп турат жана биздин 3BIT-REAP курулушубузду эмес, кванттелбеген негизди сүрөттөйт. Аларды өзүңүз текшериңиз.
Цензурасыз Kimi K3 API'ди сынап көрүңүз
Эң жогорку агенттик жана көрүү деңгээли. Баш тартуу катмары жок. Токен боюнча төлөө.
API документтерин окуу Бардык моделдерди карооShannon Lab LLC · Нью-Мексико, АКШ · моделдер өз GPU кластерибизде тейленет
Негиз тууралуу фактылар менен бенчмарктар — Moonshot AI'дын Kimi K3 жана Kimi K2 үчүн жарыялаган сандары жана алар кванттелбеген баштапкы моделдерди сүрөттөйт; биздин курулушубуз — 3 биттик REAP кванттоосу жана айырмаланат. Баалар, контекст жана мүмкүнчүлүк желекчелери — Shannon AI'дын өзүнүкү, 2026-жылдын 5-сентябрына карата актуалдуу; жандуу маанилер ар дайым /v1/models кайтарган маанилер. Булактар: Kimi K3 модель карточкасы · Kimi K3 репозиторийи · Kimi K2 Thinking.