Нецензурирано Kimi K3 API

Повеќето водичи за избор на модел се напишани како способноста да е бесплатна. Не е. Интересното прашање за модел од врвно ниво никогаш не е „дали е подобар“ — обично е — туку „дали е доволно подобар, на оваа задача, за да оправда сметка пет пати поголема од онаа на моделот едно скалило подолу“. Овој водич одговара на тоа со вистинска аритметика, и отворено кажува каде победуваат поевтините опции.

01Што всушност е Kimi K3

Kimi K3 е водечкиот модел со отворени тежини на Moonshot AI, објавен во јули 2026 година под лиценцата Kimi K3 — третата генерација на лоза што почна со Kimi K2, и вистински нова архитектура, а не дотренирање.

Објавениот распоред е 93 слоја — 69 со Kimi Delta Attention, 24 со порталско повеќеглаво латентно внимание, еден густ — со рутер Stable LatentMoE што избира 16 од 896 експерти по токен плус 2 споделени. Moonshot објавува приближно 2,5× подобрување во ефикасноста на скалирањето во однос на Kimi K2 од таа комбинација. Видот е роден, а не накалемен: енкодер MoonViT-V2 со 401 милион параметри го храни истото стебло што се справува со текстот.

Бројката за реткоста вреди да се усвои: K3 активира 104 милијарди параметри по токен, наспроти опсегот од 30 до 40 милијарди кај поголемиот дел од нашиот каталог. Тоа е приближно тројно повеќе аритметика по генериран токен, и тоа е целата причина зошто овој модел е на врвот на ценовната листа. Не плаќаш за ниво на бренд — плаќаш за GPU-секунди.

Лозата, накратко

• Kimi K2 — 1 трилион параметри, 32 милијарди активни, 384 експерти со 8 рутирани по токен, претходно тренирани на 15,5 трилиони токени со оптимизаторот MuonClip, граден за да ги запре експлозиите на вниманието што го уништуваат MoE тренирањето на таа скала.
• Kimi K2 Thinking — истиот фундамент научен да го испреплетува расудувањето со употребата на алатки, со објавено одржување на 200 до 300 последователни повици на алатки во едно извршување, со 44,9% на Humanity's Last Exam со алатки и 60,2% на BrowseComp.
• Kimi K3 — препокрен со родна мултимодалност и прозорец од 1M токени нагоре кај изворот, со тренирање свесно за квантизацијата почнувајќи од фазата на надгледувано дотренирање (MXFP4 тежини, MXFP8 активации). Затоа K3 поднесува агресивна компресија подобро од модели што никогаш не биле тренирани со неа на ум.

Нишката низ генерациите е агенцијата на долга патека: секоја генерација беше оптимизирана да остане кохерентна низ стотици чекори, а не да добива бенчмарци со кратки одговори. Тоа е способноста што ја купуваш.

02Што значи „3BIT-REAP“ и зошто на модел од 2,8 трилиони му треба

Наставката на идентификаторот на моделот не е украс — таа кажува што е направено со тежините пред да бидат вчитани на нашиот сопствен GPU кластер, и таа е искрената ограда закачена на секое тврдење овде. Почни од аритметиката. Модел со 2,8 трилиони параметри на 16-битна прецизност е околу 5,6 терабајти тежини. На 3 бита по тежина тоа е поблиску до 1,05 терабајти — сè уште големо, но изводливо распоредување со преостанат простор за KV кеш од 262K токени. REAP е втората половина: метод за поткастрување експерти што профилира кои експерти рутерот навистина ги посегнува и ги отфрла ретко избираните пред квантизацијата, а не по неа. Кај модел што рутира само 16 од 896 експерти по токен тоа е природно совпаѓање — распределба толку ретка има долга опашка што придонесува многу малку кај вистинскиот сообраќај — а поткаструвањето прво значи дека преостанатиот битов буџет се троши на експерти што се важни.

Нашиот каталог користи три наставки како намерна скала. 3BIT-REAP оди на најголемите фундаменти, каде ништо друго не собира. W4A16-AUTOROUND-REAP се 4-битни тежини со 16-битни активации квантизирани со AutoRound — научено заокружување што враќа вистинска точност во однос на наивното заокружување на најблиско — плус истото поткастрување. W8A16 е нивото со највисока верност, за фундаменти доволно мали за да не им треба агресивна компресија. Накратко: наставката ти кажува колку од оригиналот преживеало; цената ти кажува колку чини да се води.

03Вид: што ти купува разбирањето слики

Kimi-K3 е еден од петте модели во нашиот каталог од дванаесет што имаат вид, и најспособниот од петте. Повеќето комерцијални API-ја со вид пуштаат класификатор врз прикачените слики и одбиваат широка категорија влезови пред моделот воопшто да ги види — разумна стандардна поставка за широка публика и сериозна пречка за легитимна работа. Безбедносните истражувачи што снимаат екран од излез на експлоат, тимовите за модерација што градат сопствени класификатори, форензичката работа и ревизијата на податочни сетови, и оценувањето од црвени тимови — сите удираат во тој ѕид. Kimi-K3 нема слој за одбивање и нема филтрирање на излезот.

Каде видот на K3 си ја заслужува цената над поевтините модели со вид

• Густи дијаграми и шеми — архитектонски дијаграми, мрежни топологии, кола: сè каде што одговорот зависи од следење линии и ознаки, а не од именување предмети.
• Ситен текст на слики од екран — траги од стек, излез од терминал, ќелии во табела. Јазот меѓу нивоата на вид е најширок кај читливоста на мала скала.
• Слика внатре во долг текст — слика од екран спуштена во контекст од 200K токени, каде што моделот мора да го поврзе она што го гледа со она што го прочитал педесет илјади токени порано.
• Споредба на повеќе слики — две верзии на кориснички интерфејс, или графикон наспроти табелата што го создала.

Каде не си ја заслужува цената: опишување слики, алтернативен текст, OCR на чисти документи и конвејери за означување. Тоа е решено по 0,50 долари на милион влезни токени — ако твојата работа со слики е со голем обем, а секоја ставка поединечно едноставна, Kimi-K2.6 или MiniMax-M3 даваат одговори што нема да ги разликуваш од оние на K3.

Сликите трошат токени од истиот буџет од 262.144 токени како и текстот и се наплаќаат по влезната стапка. Прегршт слики од екран со висока резолуција не се бесплатни.

04Агентска работа на долга патека — за тоа е ова ниво

Ако една работа го оправдува врвното ниво, тоа е оваа. Кратките задачи откажуваат простително: моделот погрешил, ти забележуваш, повторуваш, изгубил си четири секунди. Агент со четириесет круга што ќе тргне по погрешна гранка во шестиот круг ги троши следните триесет и четири круга градејќи разработено врз грешка, а ти дознаваш на крајот, откако си платил за секој токен помеѓу. Таа асиметрија е причината зошто цената по токен е близу до погрешната мерка овде. Она што е важно е цената по успешно довршување, доминирана од тоа колку често едно извршување се фрла. Објавените бројки на Moonshot за фундаментот K3 на агентски бенчмарци:

Сите бројки се објавени од Moonshot за неквантизираниот фундамент Kimi K3, јули 2026 година. Тие не се мерења на нашата верзија 3BIT-REAP и не ги претставуваме како такви.

Обликот се совпаѓа со тоа за што е градена архитектурата: BrowseComp и Terminal-Bench се бенчмарци за јамка со алатки — повторувани циклуси на дејствување, набљудување и поправање. SWE Marathon на 42,0 е противтегата: најтешкото оценување за кодирање на долга патека во сетот, каде дури и фронтиер модел не успева во повеќето задачи. „Агентско“ не е решена категорија; проектирај за откажување кој и да го избереш моделот.

Практични поставки за долги извршувања

K3 изложува reasoning_effort, а тука тој е вистинска рачка за цената: токените за размислување се наплаќаат како излезни токени, по 19,12 долари на милион.

• Ниско — насочување на повици на алатки и структурирано извлекување, каде што моделот бира меѓу прегршт познати опции.
• Високо — стандардот за вистинска агентска работа: планирање повеќечекорна промена, дебагирање од трага на стек, помирување противречни извори.
• Максимално — задржи го за најтешкиот поединечен повик во конвејерот: планот на почетокот на извршувањето, или конечниот преглед. Извршување што троши 30K токени за размислување на високо и 90K на максимално плаќа дополнителни 1,15 долари за тоа едно знаменце.

Планирај го буџетот за контекст исто така намерно: нашиот прозорец е 262.144 токени со максимален излез од 16.384 токени, а по 3,83 долари на милион влезни, непоткастрената историја се натрупува — секој круг го наплаќа целиот префикс одново.

05Што значи „нецензурирано“ на оваа крајна точка

Секој модел на портата Shannon AI е послужен без слој за одбивање и без филтрирање на содржината на излезот. Тоа е поважно на врвното ниво, затоа што задачите што луѓето му ги носат на модел од врвно ниво се најверојатни да сопнат филтер: спротивставено безбедносно истражување, анализа на офанзивни алатки, развој на класификатори за модерација, разузнавање на закани, тешка фикција и секое оценување што бара од моделот да го произведе токму она што се обидуваш да го откриеш.

• Без класификатор на излезот. Одговорите не се скенираат и не се препишуваат или блокираат по генерирањето.
• Без порта на влезот. Промптите и сликите не се проверуваат пред да стигнат до моделот.
• Не е поинаков модел. Ова е фундаментот Kimi K3 послужен без слојот што обично стои пред него.
• Не е пренос на одговорност. Отстранувањето на слојот за одбивање ја префрла пресудата на тебе — види ја нашата политика за одговорна употреба.

Има и потивка полза за секој што гради системи за оценување: нефилтриран модел е стабилна основа. Модел што одбива непредвидливо ги прави мерењата бучни, затоа што не можеш да ја одвоиш границата на способноста од границата на политиката. Овде откажувањето е откажување на способноста — единствениот вид што може да се дебагира.

06Цената: 3,83 навнатре, 19,12 нанадвор — и кога си ја заслужува

Ова е најскапиот модел на нашата листа со голема разлика: излезот чини 9,6× од нашиот под од 2,00 долари и 5,2× од тоа што чини Kimi-K2.6. Еве ја аритметиката отворено.

Модел	Навнатре / 1M	Нанадвор / 1M	Вид	JSON шема
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Да	Да
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Не	Да
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Да	Не
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Да	Да
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Не	Да
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Да	Да
MiMo-V2.5 · W8A16	$0.50	$2.00	Да	Да

Избрани редови, подредени по влезна цена. Сите дванаесет модели делат ист контекст од 262.144 токени, ист максимален излез од 16.384 токени, стриминг, повикување алатки и reasoning_effort. Живите знаменца за можностите се на страницата со API документацијата.

Два разработени примера

Прво, влез од 120.000 токени — истурен код, регулаторна пријава — што дава анализа од 3.000 токени. Второ, агентско извршување со четириесет круга: приближно 1,2M кумулативни влезни токени како што се натрупува контекстот, 90.000 излезни токени вклучувајќи го размислувањето.

Сценарио	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K навнатре / 3K нанадвор	$0.517	$0.105	$0.066
Агентско извршување со 40 круга	$6.32	$1.27	$0.78

K3 чини околу 4,9× од Kimi-K2.6 на повикот со документот. Педесет центи не се ништо еднаш; тоа се 517 долари дневно при илјада повици, наспроти 105. Кај агентското извршување разликата е околу 5 долари. Сега примени го единствениот тест што е важен: ако задачата вреди еден час од времето на инженер по 100 долари, K3 се исплаќа во моментот кога ќе го подигне успехот од прв обид за пет процентни поени — а кај вистински тешка работа на долга патека, јазот меѓу нивоата обично е поголем. Ако задачата вреди триесет секунди од нечие време, истите 5 долари се неодбранливи.

07Kimi-K3 или поевтин роднина?

Двата Kimi модели во нашиот каталог се две скалила од иста скала, а не конкуренти. Kimi-K2.6 е квантизиран помалку агресивно — W4A16-AUTOROUND-REAP, 4-битни тежини со научено заокружување, наспроти 3-те бита на K3 — врз помал фундамент. Има вид, излез по JSON шема, ист контекстен прозорец и чини околу петтина.

Задача	Користи	Зошто
Автономен агент со четириесет круга	Kimi-K3	Откажувањето се натрупува; квалитетот на планот во првиот круг го решава извршувањето
Рефакторирање на ниво на цело складиште	Kimi-K3	Бара целиот контекст да се држи кохерентно, а не само да се пребарува во него
Густи дијаграми, ситен текст на слики од екран	Kimi-K3	Најширокиот јаз во видот меѓу нивоата е читливоста и просторното расудување
Измени во една датотека, добро определени	Kimi-K2.6	Ограничена задача, евтино повторување, без мерлива разлика во таванот
Опишување слики во голем обем	MiniMax-M3 / MiMo-V2.5	Решено по 0,50 навнатре; излезот на K3 е 9,6× за истиот опис
Тешко на расудување, но само текст	DeepSeek-V4-Pro	3,90 излез наспроти 19,12 — откажи се од K3 ако не ти требаат слики

Тој последен ред е најчесто пропуштената заштеда. Ако твојата задача не вклучува слики, прво провери го DeepSeek-V4-Pro. И тој е верзија 3BIT-REAP врз голем фундамент, силен на тешко расудување, а неговиот излез чини 3,90 наспроти 19,12 кај K3. Голем дел од сообраќајот што посегнува по врвното ниво е расудување само со текст, послужено подеднакво добро еден ред подолу.

08Повикување на нецензурираното Kimi K3 API

Моделот е изложен како Kimi-K3-3BIT-REAP на сите три дијалекти, со стриминг на секој и без разлика во можностите меѓу нив — само во форматот на жицата: /v1/chat/completions (компатибилен со OpenAI), /v1/messages (компатибилен со Anthropic) и /v1/responses. Барање со вид, со подигнат напор на размислување за тешка визуелна задача:

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 поддржува и response_format и целосна json_schema, па можеш да ги ограничиш аргументите на алатките кај агент или да натераш извештај во фиксен облик без дополнително парсирање. Повикувањето алатки е родно и е предвидениот начин да се водат долги извршувања. Параметрите, автентикацијата, ограничувањата на стапката и живо игралиште се на страницата со API документацијата.

Три работи што штедат пари уште првиот ден

• Поткастри го префиксот. Секој круг го наплаќа целиот разговор одново по 3,83 долари на милион; еднократното сумирање на историја од 40 круга во објект со состојба од 4K токени штеди повеќе од повеќето замени на модел.
• Намали ги сликите. Токените од слики се влезни токени; слика од екран со 4K резолуција, намалена до нешто што е сè уште читливо, дава ист одговор за помалку.
• Насочувај според тежината. Евтин модел на рутинските круга, со K3 на планот, тешката гранка и конечниот преглед, често дава 80% од способноста за 25% од сметката.

09Често поставувани прашања

---

Фактите за фундаментот и бенчмарците се објавени бројки на Moonshot AI за Kimi K3 и Kimi K2 и ги опишуваат неквантизираните модели кај изворот; нашата верзија е 3-битна REAP квантизација и ќе се разликува. Цените, контекстот и знаменцата за можностите се сопствени на Shannon AI, важечки заклучно со 5 септември 2026 година — живите вредности се секогаш оние што ги враќа /v1/models. Извори: картичка на моделот Kimi K3 · складиште на Kimi K3 · Kimi K2 Thinking.