സെൻസർ ചെയ്യാത്ത Kimi K3 API
Shannon AI ഗേറ്റ്‌വേയിലെ ഏറ്റവും ഉയർന്ന ശേഷിയുള്ള തട്ട്: വിഷൻ, ടൂൾ കോളിംഗ്, 262K സന്ദർഭം എന്നിവയുള്ള 2.8 ട്രില്യൺ പാരാമീറ്റർ മൾട്ടിമോഡൽ അടിത്തറ — നിരസന പാളിയില്ല, ഒപ്പം ഞങ്ങളുടെ പട്ടികയിലെ ഏറ്റവും ഉയർന്ന വിലയും. ആ വില നൽകുന്നത് എപ്പോൾ യുക്തിസഹമാണെന്ന് ഇവിടെ പറയുന്നു.
TL;DR
ഞങ്ങൾ നൽകുന്ന ഏറ്റവും കരുത്തുറ്റ മോഡലും ഏറ്റവും ചെലവേറിയതുമാണ് Kimi-K3-3BIT-REAP: ദശലക്ഷം ഇൻപുട്ട് ടോക്കണിന് $3.83, ദശലക്ഷം ഔട്ട്പുട്ടിന് $19.12. അതിന് വിഷൻ, 262,144 ടോക്കൺ സന്ദർഭം, പരമാവധി 16,384 ടോക്കൺ ഔട്ട്പുട്ട്, ടൂൾ കോളിംഗ്, JSON-സ്കീമ ഔട്ട്പുട്ട്, ക്രമീകരിക്കാവുന്ന reasoning_effort, മൂന്ന് API ഭാഷാഭേദങ്ങളിലും സ്ട്രീമിംഗ് എന്നിവയുണ്ട് — ഒപ്പം നിരസന പാളിയോ ഔട്ട്പുട്ട് ഫിൽട്ടറിംഗോ ഇല്ല. ദീർഘകാല ഏജന്റിക് ഓട്ടങ്ങൾ, കടുപ്പമുള്ള ബഹുഘട്ട യുക്തിചിന്ത, സൂക്ഷ്മമായ ദൃശ്യ വിശദാംശം പ്രധാനമാകുന്ന ഇമേജ് ജോലികൾ എന്നിവയ്ക്ക് ഇത് ശരിയായ തിരഞ്ഞെടുപ്പാണ്. വർഗ്ഗീകരണം, എക്സ്ട്രാക്ഷൻ, ചാറ്റ്, ദിവസം ലക്ഷക്കണക്കിന് തവണ പ്രവർത്തിപ്പിക്കുന്ന എന്തിനും ഇത് തെറ്റായ തിരഞ്ഞെടുപ്പാണ്.
മോഡൽ തിരഞ്ഞെടുപ്പിനെക്കുറിച്ചുള്ള മിക്ക വഴികാട്ടികളും ശേഷി സൗജന്യമാണെന്ന മട്ടിലാണ് എഴുതപ്പെട്ടിരിക്കുന്നത്. അതങ്ങനെയല്ല. ഒരു മുൻനിര മോഡലിനെക്കുറിച്ചുള്ള കൗതുകകരമായ ചോദ്യം ഒരിക്കലും "ഇത് മെച്ചമാണോ" എന്നതല്ല — സാധാരണയായി അതെ — മറിച്ച് "ഈ ജോലിയിൽ, ഒരു പടി താഴെയുള്ള മോഡലിനെക്കാൾ അഞ്ചിരട്ടി വലിയ ബില്ലിനെ ന്യായീകരിക്കാൻ മാത്രം ഇത് മെച്ചമാണോ" എന്നതാണ്. യഥാർത്ഥ കണക്കുകൂട്ടലുകളോടെ ഈ വഴികാട്ടി അതിന് ഉത്തരം നൽകുന്നു, വിലകുറഞ്ഞ ഓപ്ഷനുകൾ എവിടെ ജയിക്കുന്നുവെന്ന് വ്യക്തമായി പറയുന്നു.
01Kimi K3 യഥാർത്ഥത്തിൽ എന്താണ്
Moonshot AI-യുടെ ഓപ്പൺ-വെയ്റ്റ്സ് മുൻനിര മോഡലാണ് Kimi K3, 2026 ജൂലൈയിൽ Kimi K3 ലൈസൻസിന് കീഴിൽ പുറത്തിറങ്ങി — Kimi K2-ൽ തുടങ്ങിയ ഒരു പരമ്പരയുടെ മൂന്നാം തലമുറ, ഒരു ഫൈൻ-ട്യൂൺ എന്നതിലുപരി യഥാർത്ഥത്തിൽ പുതിയൊരു ആർക്കിടെക്ചർ.
പ്രസിദ്ധീകരിച്ച ഘടന 93 പാളികളാണ് — 69 എണ്ണം Kimi Delta Attention ഉപയോഗിക്കുന്നു, 24 എണ്ണം ഗേറ്റഡ് മൾട്ടി-ഹെഡ് ലേറ്റന്റ് അറ്റൻഷൻ, ഒന്ന് ഡെൻസ് — ഒപ്പം ഒരു Stable LatentMoE റൂട്ടർ ടോക്കണിന് 896-ൽ 16 എക്സ്പെർട്ടുകളും അധികമായി 2 പങ്കിട്ടവയും തിരഞ്ഞെടുക്കുന്നു. ആ സംയോജനത്തിൽ നിന്ന് Kimi K2-നെക്കാൾ സ്കെയിലിംഗ് കാര്യക്ഷമതയിൽ ഏകദേശം 2.5 മടങ്ങ് മെച്ചപ്പെടൽ Moonshot റിപ്പോർട്ട് ചെയ്യുന്നു. വിഷൻ പിന്നീട് ചേർത്തതല്ല, നേറ്റീവാണ്: 401M പാരാമീറ്ററുള്ള MoonViT-V2 എൻകോഡർ ടെക്സ്റ്റ് കൈകാര്യം ചെയ്യുന്ന അതേ തടിയിലേക്ക് തന്നെ നൽകുന്നു.
സ്പാഴ്സിറ്റി സംഖ്യ ഉൾക്കൊള്ളേണ്ടതാണ്: ഞങ്ങളുടെ കാറ്റലോഗിലെ മിക്കതിനുമുള്ള 30 മുതൽ 40 ബില്യൺ വരെയുള്ള നിരയ്ക്കെതിരെ K3 ടോക്കണിന് 104 ബില്യൺ പാരാമീറ്ററുകൾ സജീവമാക്കുന്നു. ഉണ്ടാക്കുന്ന ഓരോ ടോക്കണിനും ഏകദേശം മൂന്നിരട്ടി കണക്കുകൂട്ടലാണ് അത്, ഈ മോഡൽ വിലപ്പട്ടികയിൽ മുകളിൽ നിൽക്കുന്നതിന്റെ മുഴുവൻ കാരണവും അതാണ്. നിങ്ങൾ ഒരു ബ്രാൻഡ് തട്ടിനല്ല പണം നൽകുന്നത് — GPU-സെക്കൻഡുകൾക്കാണ്.
പരമ്പര, ചുരുക്കത്തിൽ
- Kimi K2 — 1 ട്രില്യൺ പാരാമീറ്റർ, 32 ബില്യൺ സജീവം, ടോക്കണിന് 8 എണ്ണം റൂട്ട് ചെയ്യുന്ന 384 എക്സ്പെർട്ടുകൾ, MuonClip ഒപ്റ്റിമൈസർ ഉപയോഗിച്ച് 15.5 ട്രില്യൺ ടോക്കണുകളിൽ പ്രീട്രെയിൻ ചെയ്തത്, ആ വലുപ്പത്തിൽ MoE പരിശീലനത്തെ തകർക്കുന്ന അറ്റൻഷൻ പൊട്ടിത്തെറികൾ തടയാൻ നിർമ്മിച്ചത്.
- Kimi K2 Thinking — അതേ അടിത്തറ, യുക്തിചിന്തയെ ടൂൾ ഉപയോഗവുമായി ഇടകലർത്താൻ പഠിപ്പിച്ചത്, ഒരൊറ്റ ഓട്ടത്തിൽ 200 മുതൽ 300 വരെ തുടർച്ചയായ ടൂൾ കോളുകൾ നിലനിർത്തിയതായി റിപ്പോർട്ട് ചെയ്യപ്പെട്ടു, ടൂളുകളോടെ Humanity's Last Exam-ൽ 44.9%, BrowseComp-ൽ 60.2%.
- Kimi K3 — നേറ്റീവ് മൾട്ടിമോഡാലിറ്റിയോടെയും അപ്‌സ്ട്രീമിൽ 1M ടോക്കൺ ജാലകത്തോടെയും പുനർനിർമ്മിച്ചത്, സൂപ്പർവൈസ്ഡ് ഫൈൻ-ട്യൂണിംഗ് ഘട്ടം മുതൽ ക്വാണ്ടൈസേഷൻ-അവെയർ പരിശീലനത്തോടെ (MXFP4 വെയ്റ്റുകൾ, MXFP8 ആക്ടിവേഷനുകൾ). അതുകൊണ്ടാണ് ഇത് മനസ്സിൽ വച്ച് ഒരിക്കലും പരിശീലിപ്പിക്കപ്പെടാത്ത മോഡലുകളെക്കാൾ K3 കടുത്ത കംപ്രഷൻ നന്നായി സഹിക്കുന്നത്.
തുടർച്ചയായി കാണുന്നത് ദീർഘകാല ഏജൻസിയാണ്: ഹ്രസ്വ ഉത്തര ബെഞ്ച്മാർക്കുകൾ ജയിക്കാനല്ല, നൂറുകണക്കിന് ഘട്ടങ്ങളിലുടനീളം യോജിപ്പ് നിലനിർത്താനാണ് ഓരോ തലമുറയും മെച്ചപ്പെടുത്തിയത്. നിങ്ങൾ വാങ്ങുന്ന ശേഷി അതാണ്.
02"3BIT-REAP" എന്നാൽ എന്ത്, ഒരു 2.8T മോഡലിന് അത് വേണ്ടിവരുന്നത് എന്തുകൊണ്ട്
മോഡൽ ഐഡിയിലെ ഈ ഉപസർഗ്ഗം അലങ്കാരമല്ല — ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിലേക്ക് ലോഡ് ചെയ്യുന്നതിന് മുമ്പ് വെയ്റ്റുകളോട് എന്ത് ചെയ്തുവെന്ന് അത് പറയുന്നു, ഇവിടത്തെ എല്ലാ അവകാശവാദത്തോടും ചേർന്നുനിൽക്കുന്ന സത്യസന്ധമായ മുന്നറിയിപ്പും അതാണ്. കണക്കിൽ നിന്ന് തുടങ്ങാം. 16-ബിറ്റ് കൃത്യതയിലുള്ള 2.8 ട്രില്യൺ പാരാമീറ്റർ മോഡൽ ഏകദേശം 5.6 ടെറാബൈറ്റ് വെയ്റ്റുകളാണ്. വെയ്റ്റിന് 3 ബിറ്റിൽ അത് 1.05 ടെറാബൈറ്റിനോട് അടുക്കുന്നു — ഇപ്പോഴും വലുതാണ്, പക്ഷേ 262K ടോക്കൺ KV കാഷിന് ഇടം ബാക്കിവച്ചുള്ള പ്രായോഗിക വിന്യാസമാണ്. REAP ആണ് രണ്ടാം പകുതി: റൂട്ടർ യഥാർത്ഥത്തിൽ ഏതൊക്കെ എക്സ്പെർട്ടുകളെ എത്തിപ്പിടിക്കുന്നുവെന്ന് പ്രൊഫൈൽ ചെയ്ത്, അപൂർവമായി തിരഞ്ഞെടുക്കപ്പെടുന്നവയെ ക്വാണ്ടൈസ് ചെയ്തശേഷമല്ല മുമ്പ് ഒഴിവാക്കുന്ന ഒരു എക്സ്പെർട്ട് പ്രൂണിംഗ് രീതി. ടോക്കണിന് 896-ൽ 16 എക്സ്പെർട്ടുകളെ മാത്രം റൂട്ട് ചെയ്യുന്ന ഒരു മോഡലിൽ അത് സ്വാഭാവികമായി ചേരുന്നു — അത്രത്തോളം സ്പാഴ്സായ ഒരു വിതരണത്തിന് യഥാർത്ഥ ട്രാഫിക്കിന് ഏറെക്കുറെ ഒന്നും സംഭാവന ചെയ്യാത്ത നീണ്ട വാൽഭാഗമുണ്ട് — ആദ്യം പ്രൂൺ ചെയ്യുക എന്നാൽ ബാക്കിയുള്ള ബിറ്റ് ബജറ്റ് പ്രധാനപ്പെട്ട എക്സ്പെർട്ടുകൾക്കായി ചെലവഴിക്കപ്പെടുന്നു എന്നാണ്.
വിട്ടുവീഴ്ചയെക്കുറിച്ച് സത്യസന്ധരാകുക
കംപ്രഷന് കൃത്യത നഷ്ടപ്പെടുത്തുന്ന വിലയുണ്ട്, അതും ഒരുപോലെയല്ല. അത് ആദ്യം പ്രത്യക്ഷപ്പെടുന്നത് നീണ്ട വാൽഭാഗത്തെ വസ്തുതാ ഓർമ്മയിലും കടുപ്പമുള്ള ഗണിതത്തിന്റെ അവസാന കൃത്യതാ പോയിന്റുകളിലുമാണ്, നിർദ്ദേശം പിന്തുടരൽ, ടൂൾ-കോൾ ഫോർമാറ്റിംഗ്, ഒരു നീണ്ട ഏജന്റിക് പദ്ധതിയുടെ ഘടന എന്നിവയിൽ വളരെ കുറവാണ്. K3-യുടെ ക്വാണ്ടൈസേഷൻ-അവെയർ പരിശീലനമാണ് ഈ ബിൽഡ് പിടിച്ചുനിൽക്കാൻ കാരണം. പക്ഷേ നിങ്ങളുടെ ജോലിഭാരം ഒറ്റ ഷോട്ടിൽ അപൂർവ വസ്തുതകൾ വീണ്ടെടുക്കലാണെങ്കിൽ, പാരാമീറ്റർ എണ്ണം കൊണ്ട് മാത്രം ഒരു ക്വാണ്ടൈസ് ചെയ്ത 2.8T മോഡൽ ഒരു 8-ബിറ്റ് ചെറിയ മോഡലിനെ തോൽപ്പിക്കുമെന്ന് കരുതരുത്.
ഞങ്ങളുടെ കാറ്റലോഗ് മൂന്ന് ഉപസർഗ്ഗങ്ങൾ ബോധപൂർവമായ ഒരു ഏണിയായി ഉപയോഗിക്കുന്നു. 3BIT-REAP ഏറ്റവും വലിയ അടിത്തറകളിലേക്ക് പോകുന്നു, അവിടെ വേറൊന്നും ഒതുങ്ങില്ല. W4A16-AUTOROUND-REAP എന്നാൽ AutoRound ഉപയോഗിച്ച് ക്വാണ്ടൈസ് ചെയ്ത 16-ബിറ്റ് ആക്ടിവേഷനുകളുള്ള 4-ബിറ്റ് വെയ്റ്റുകൾ — നിഷ്കളങ്കമായ അടുത്ത സംഖ്യയിലേക്കുള്ള റൗണ്ടിംഗിനെക്കാൾ യഥാർത്ഥ കൃത്യത വീണ്ടെടുക്കുന്ന പഠിച്ച റൗണ്ടിംഗ് — ഒപ്പം അതേ പ്രൂണിംഗും. W8A16 ആണ് ഏറ്റവും ഉയർന്ന വിശ്വസ്തതയുള്ള തട്ട്, കടുത്ത കംപ്രഷൻ ആവശ്യമില്ലാത്തത്ര ചെറിയ അടിത്തറകൾക്കുള്ളത്. ചുരുക്കത്തിൽ: യഥാർത്ഥത്തിൽ എത്ര അതിജീവിച്ചു എന്ന് ഉപസർഗ്ഗം പറയുന്നു; പ്രവർത്തിപ്പിക്കാൻ എത്ര ചെലവാകുന്നു എന്ന് വില പറയുന്നു.
03വിഷൻ: ഇമേജ് ഗ്രഹണം നിങ്ങൾക്ക് എന്ത് നൽകുന്നു
ഞങ്ങളുടെ പന്ത്രണ്ട് മോഡൽ കാറ്റലോഗിൽ വിഷനുള്ള അഞ്ചെണ്ണത്തിൽ ഒന്നാണ് Kimi-K3, അഞ്ചിലും ഏറ്റവും ശേഷിയുള്ളതും. മിക്ക വാണിജ്യ വിഷൻ API-കളും അപ്‌ലോഡ് ചെയ്ത ഇമേജുകൾക്ക് മേൽ ഒരു ക്ലാസിഫയർ പ്രവർത്തിപ്പിക്കുകയും മോഡൽ കാണുന്നതിന് മുമ്പുതന്നെ വിശാലമായ ഒരു വിഭാഗം ഇൻപുട്ടുകൾ നിരസിക്കുകയും ചെയ്യുന്നു — ഉപഭോക്താക്കൾക്ക് ന്യായമായ ഒരു സ്ഥിരസ്ഥിതി, നിയമാനുസൃത ജോലിക്ക് ഗുരുതരമായ ഒരു തടസ്സം. എക്സ്പ്ലോയിറ്റ് ഔട്ട്പുട്ട് സ്ക്രീൻഷോട്ട് ചെയ്യുന്ന സുരക്ഷാ ഗവേഷകർ, സ്വന്തം ക്ലാസിഫയറുകൾ നിർമ്മിക്കുന്ന മോഡറേഷൻ ടീമുകൾ, ഫോറൻസിക്, ഡാറ്റാസെറ്റ്-ഓഡിറ്റ് ജോലി, റെഡ്-ടീം മൂല്യനിർണ്ണയം എന്നിവയെല്ലാം ആ ഭിത്തിയിൽ തട്ടുന്നു. Kimi-K3-ക്ക് നിരസന പാളിയോ ഔട്ട്പുട്ടിൽ ഫിൽട്ടറിംഗോ ഇല്ല.
വിലകുറഞ്ഞ വിഷൻ മോഡലുകളെക്കാൾ K3-യുടെ വിഷൻ അതിന്റെ വില അർഹിക്കുന്നത് എവിടെ
- ഇടതൂർന്ന ഡയഗ്രമുകളും സ്കീമാറ്റിക്കുകളും — ആർക്കിടെക്ചർ ഡയഗ്രമുകൾ, നെറ്റ്‌വർക്ക് ടോപ്പോളജികൾ, സർക്യൂട്ടുകൾ: വസ്തുക്കൾക്ക് പേരിടുന്നതിനെക്കാൾ വരകളും ലേബലുകളും പിന്തുടരുന്നതിനെ ആശ്രയിക്കുന്ന എന്തും.
- സ്ക്രീൻഷോട്ടുകളിലെ ചെറിയ ടെക്സ്റ്റ് — സ്റ്റാക്ക് ട്രെയ്സുകൾ, ടെർമിനൽ ഔട്ട്പുട്ട്, സ്പ്രെഡ്ഷീറ്റ് സെല്ലുകൾ. ചെറിയ വലുപ്പത്തിലെ വായനക്ഷമതയിലാണ് വിഷൻ തട്ടുകൾ തമ്മിലുള്ള വിടവ് ഏറ്റവും വലുത്.
- നീണ്ട ടെക്സ്റ്റിനുള്ളിലെ ഇമേജ് — 200K ടോക്കൺ സന്ദർഭത്തിലേക്ക് ഇട്ട ഒരു സ്ക്രീൻഷോട്ട്, അവിടെ മോഡൽ താൻ കാണുന്നതിനെ അമ്പതിനായിരം ടോക്കൺ മുമ്പ് വായിച്ചതുമായി ബന്ധിപ്പിക്കണം.
- ഒന്നിലധികം ഇമേജുകളുടെ താരതമ്യം — ഒരു UI-യുടെ രണ്ട് പതിപ്പുകൾ, അല്ലെങ്കിൽ ഒരു ചാർട്ടും അതുണ്ടാക്കിയ പട്ടികയും.
അത് വില അർഹിക്കാത്തത് എവിടെ: ക്യാപ്ഷനിംഗ്, ആൾട്ട് ടെക്സ്റ്റ്, വൃത്തിയുള്ള രേഖകളുടെ OCR, ടാഗിംഗ് പൈപ്പ്‌ലൈനുകൾ. ദശലക്ഷം ഇൻപുട്ട് ടോക്കണിന് $0.50-ൽ അവ പരിഹരിക്കപ്പെടുന്നു — നിങ്ങളുടെ ഇമേജ് ജോലിഭാരം ഉയർന്ന അളവിലുള്ളതും ഓരോ ഇനവും വ്യക്തിഗതമായി ലളിതവുമാണെങ്കിൽ, Kimi-K2.6 അല്ലെങ്കിൽ MiniMax-M3 തരുന്ന ഉത്തരങ്ങൾ K3-യുടേതിൽ നിന്ന് നിങ്ങൾക്ക് വേർതിരിച്ചറിയാനാകില്ല.
ടെക്സ്റ്റിന്റെ അതേ 262,144 ടോക്കൺ ബജറ്റിൽ നിന്നാണ് ഇമേജുകളും ടോക്കണുകൾ ഉപയോഗിക്കുന്നത്, ഇൻപുട്ട് നിരക്കിലാണ് ബിൽ ചെയ്യുന്നത്. കുറച്ച് ഉയർന്ന റെസലൂഷൻ സ്ക്രീൻഷോട്ടുകൾ സൗജന്യമല്ല.
04ദീർഘകാല ഏജന്റിക് ജോലി — ഈ തട്ട് എന്തിനുള്ളതാണ്
ഒരു ജോലിഭാരം മുൻനിര തട്ടിനെ ന്യായീകരിക്കുന്നുവെങ്കിൽ, അത് ഇതാണ്. ഹ്രസ്വ ജോലികൾ ക്ഷമിക്കുന്ന വിധത്തിലാണ് പരാജയപ്പെടുന്നത്: മോഡലിന് തെറ്റുന്നു, നിങ്ങൾ ശ്രദ്ധിക്കുന്നു, വീണ്ടും ശ്രമിക്കുന്നു, നാല് സെക്കൻഡ് നഷ്ടപ്പെട്ടു. ആറാം ടേണിൽ തെറ്റായ ശാഖയിലേക്ക് പോകുന്ന ഒരു നാൽപ്പത് ടേൺ ഏജന്റ് അടുത്ത മുപ്പത്തിനാല് ടേണുകളും ഒരു തെറ്റിന് മേൽ വിശദമായി പണിതുകൊണ്ടിരിക്കും, ഇടയിലുള്ള ഓരോ ടോക്കണിനും പണം നൽകിയശേഷം അവസാനമാണ് നിങ്ങൾ അതറിയുന്നത്. ആ അസമത്വമാണ് ഇവിടെ ഒരു ടോക്കണിന്റെ വില ഏതാണ്ട് തെറ്റായ അളവുകോലാകാൻ കാരണം. പ്രധാനം ഒരു വിജയകരമായ പൂർത്തീകരണത്തിന്റെ ചെലവാണ്, എത്ര തവണ ഒരു ഓട്ടം ഉപേക്ഷിക്കപ്പെടുന്നു എന്നതാണ് അതിനെ നിർണ്ണയിക്കുന്നത്. ഏജന്റിക് ബെഞ്ച്മാർക്കുകളിൽ K3 അടിത്തറയ്ക്കായി Moonshot പ്രസിദ്ധീകരിച്ച കണക്കുകൾ:
എല്ലാ കണക്കുകളും 2026 ജൂലൈയിൽ ക്വാണ്ടൈസ് ചെയ്യാത്ത Kimi K3 അടിത്തറയ്ക്കായി Moonshot റിപ്പോർട്ട് ചെയ്തതാണ്. അവ ഞങ്ങളുടെ 3BIT-REAP ബിൽഡിന്റെ അളവുകളല്ല, അങ്ങനെ ഞങ്ങൾ അവതരിപ്പിക്കുന്നുമില്ല.
ആർക്കിടെക്ചർ എന്തിനായി നിർമ്മിക്കപ്പെട്ടുവോ അതിനോട് ഈ രൂപം ചേരുന്നു: BrowseComp-ഉം Terminal-Bench-ഉം ടൂൾ-ലൂപ്പ് ബെഞ്ച്മാർക്കുകളാണ് — പ്രവർത്തിക്കുക, നിരീക്ഷിക്കുക, തിരുത്തുക എന്നതിന്റെ ആവർത്തിച്ചുള്ള ചക്രങ്ങൾ. 42.0-ലെ SWE Marathon ആണ് പ്രതിഭാരം: ഈ കൂട്ടത്തിലെ ഏറ്റവും കടുപ്പമുള്ള ദീർഘകാല കോഡിംഗ് മൂല്യനിർണ്ണയം, അവിടെ ഒരു മുൻനിര മോഡൽ പോലും മിക്ക ജോലികളിലും പരാജയപ്പെടുന്നു. "ഏജന്റിക്" പരിഹരിക്കപ്പെട്ട ഒരു വിഭാഗമല്ല; ഏത് മോഡൽ തിരഞ്ഞെടുത്താലും പരാജയം കണക്കിലെടുത്ത് രൂപകൽപ്പന ചെയ്യുക.
നീണ്ട ഓട്ടങ്ങൾക്കുള്ള പ്രായോഗിക ക്രമീകരണങ്ങൾ
K3 reasoning_effort തുറന്നുനൽകുന്നു, ഇവിടെ അത് യഥാർത്ഥമായ ഒരു ചെലവ് നിയന്ത്രണ ഉപകരണമാണ്: യുക്തിചിന്താ ടോക്കണുകൾ ഔട്ട്പുട്ട് ടോക്കണുകളായാണ് ബിൽ ചെയ്യുന്നത്, ദശലക്ഷത്തിന് $19.12 നിരക്കിൽ.
- Low — ടൂൾ-കോൾ റൂട്ടിംഗും ഘടനാപരമായ എക്സ്ട്രാക്ഷനും, അവിടെ മോഡൽ അറിയാവുന്ന ചുരുക്കം ഓപ്ഷനുകൾക്കിടയിൽ തിരഞ്ഞെടുക്കുന്നു.
- High — യഥാർത്ഥ ഏജന്റിക് ജോലിക്കുള്ള സ്ഥിരസ്ഥിതി: ഒരു ബഹുഘട്ട മാറ്റം ആസൂത്രണം ചെയ്യൽ, ഒരു സ്റ്റാക്ക് ട്രെയ്സിൽ നിന്ന് ഡീബഗ് ചെയ്യൽ, പരസ്പരവിരുദ്ധമായ സ്രോതസ്സുകൾ പൊരുത്തപ്പെടുത്തൽ.
- Max — ഒരു പൈപ്പ്‌ലൈനിലെ ഏറ്റവും കടുപ്പമുള്ള ഒറ്റ കോളിനായി ഇത് മാറ്റിവയ്ക്കുക: ഒരു ഓട്ടത്തിന്റെ തുടക്കത്തിലെ പദ്ധതി, അല്ലെങ്കിൽ അവസാനത്തെ അവലോകനം. high-ൽ 30K യുക്തിചിന്താ ടോക്കണും max-ൽ 90K-ഉം ചെലവഴിക്കുന്ന ഒരു ഓട്ടം ആ ഒരൊറ്റ ഫ്ലാഗിന് അധികമായി $1.15 നൽകുന്നു.
സന്ദർഭവും ബോധപൂർവം ബജറ്റ് ചെയ്യുക: ഞങ്ങളുടെ ജാലകം 262,144 ടോക്കൺ ആണ്, പരമാവധി ഔട്ട്പുട്ട് 16,384 ടോക്കൺ, ദശലക്ഷം ഇൻപുട്ടിന് $3.83 എന്ന നിരക്കിൽ പ്രൂൺ ചെയ്യാത്ത ഒരു ചരിത്രം കൂടിക്കൊണ്ടിരിക്കും — ഓരോ ടേണും മുൻഭാഗം മുഴുവൻ വീണ്ടും ബിൽ ചെയ്യുന്നു.
05ഈ എൻഡ്‌പോയിന്റിൽ "സെൻസർ ചെയ്യാത്തത്" എന്നാൽ എന്ത്
Shannon AI ഗേറ്റ്‌വേയിലെ എല്ലാ മോഡലും നിരസന പാളിയോ ഔട്ട്പുട്ടിൽ ഉള്ളടക്ക ഫിൽട്ടറിംഗോ ഇല്ലാതെയാണ് നൽകുന്നത്. മുൻനിര തട്ടിൽ അതിന് കൂടുതൽ പ്രാധാന്യമുണ്ട്, കാരണം ഒരു മുൻനിര മോഡലിലേക്ക് ആളുകൾ കൊണ്ടുവരുന്ന ജോലികളാണ് ഒരു ഫിൽട്ടറിൽ തട്ടാൻ ഏറ്റവും സാധ്യതയുള്ളത്: ശത്രുതാപരമായ സുരക്ഷാ ഗവേഷണം, ആക്രമണ ഉപകരണ വിശകലനം, മോഡറേഷൻ ക്ലാസിഫയർ വികസനം, ഭീഷണി വിവരശേഖരണം, ബുദ്ധിമുട്ടുള്ള ഫിക്ഷൻ, നിങ്ങൾ കണ്ടെത്താൻ ശ്രമിക്കുന്ന കാര്യം തന്നെ മോഡൽ ഉണ്ടാക്കണമെന്ന് ആവശ്യപ്പെടുന്ന ഏതൊരു മൂല്യനിർണ്ണയവും.
- ഔട്ട്പുട്ട് ക്ലാസിഫയറില്ല. ജനറേഷന് ശേഷം പ്രതികരണങ്ങൾ സ്കാൻ ചെയ്ത് മാറ്റിയെഴുതുകയോ തടയുകയോ ചെയ്യുന്നില്ല.
- ഇൻപുട്ട് ഗേറ്റില്ല. മോഡലിലേക്ക് എത്തുന്നതിന് മുമ്പ് പ്രോംപ്റ്റുകളും ഇമേജുകളും പരിശോധിക്കപ്പെടുന്നില്ല.
- വ്യത്യസ്തമായ ഒരു മോഡലല്ല. സാധാരണയായി മുന്നിൽ ഇരിക്കുന്ന പാളിയില്ലാതെ നൽകുന്ന Kimi K3 അടിത്തറ തന്നെയാണ് ഇത്.
- ഉത്തരവാദിത്തം കൈമാറ്റം ചെയ്യലല്ല. ഒരു നിരസന പാളി നീക്കുമ്പോൾ വിവേചന തീരുമാനം നിങ്ങളിലേക്ക് നീങ്ങുന്നു — ഞങ്ങളുടെ ഉത്തരവാദിത്ത ഉപയോഗ നയം കാണുക.
മൂല്യനിർണ്ണയ സംവിധാനങ്ങൾ നിർമ്മിക്കുന്നവർക്ക് കൂടുതൽ നിശ്ശബ്ദമായ ഒരു നേട്ടമുണ്ട്: ഫിൽട്ടർ ചെയ്യാത്ത ഒരു മോഡൽ സ്ഥിരതയുള്ള ഒരു അടിസ്ഥാനരേഖയാണ്. പ്രവചനാതീതമായി നിരസിക്കുന്ന ഒരു മോഡൽ അളവുകളെ ശബ്ദമുഖരിതമാക്കുന്നു, കാരണം ഒരു ശേഷി പരിധിയെ ഒരു നയ പരിധിയിൽ നിന്ന് നിങ്ങൾക്ക് വേർതിരിക്കാനാകില്ല. ഇവിടെ ഒരു പരാജയം ഒരു ശേഷി പരാജയമാണ് — നിങ്ങൾക്ക് ഡീബഗ് ചെയ്യാൻ കഴിയുന്ന ഒരേയൊരു തരം.
06വില: $3.83 ഇൻ, $19.12 ഔട്ട് — അത് എപ്പോൾ അർഹിക്കുന്നു
ഞങ്ങളുടെ പട്ടികയിലെ ഏറ്റവും ചെലവേറിയ മോഡലാണ് ഇത്, വലിയ വ്യത്യാസത്തിൽ: ഔട്ട്പുട്ടിന് ഞങ്ങളുടെ $2.00 തറനിരക്കിന്റെ 9.6 മടങ്ങും Kimi-K2.6-ന്റെ വിലയുടെ 5.2 മടങ്ങും ചെലവാകും. കണക്ക് ഇതാ, തുറന്ന്.
| മോഡൽ | ഇൻ / 1M | ഔട്ട് / 1M | വിഷൻ | JSON സ്കീമ |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | ഉവ്വ് | ഉവ്വ് |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | ഇല്ല | ഉവ്വ് |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | ഉവ്വ് | ഇല്ല |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | ഉവ്വ് | ഉവ്വ് |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | ഇല്ല | ഉവ്വ് |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | ഉവ്വ് | ഉവ്വ് |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | ഉവ്വ് | ഉവ്വ് |
തിരഞ്ഞെടുത്ത വരികൾ, ഇൻപുട്ട് വില അനുസരിച്ച് ക്രമീകരിച്ചത്. പന്ത്രണ്ട് മോഡലുകളും ഒരേ 262,144 ടോക്കൺ സന്ദർഭം, പരമാവധി 16,384 ടോക്കൺ ഔട്ട്പുട്ട്, സ്ട്രീമിംഗ്, ടൂൾ കോളിംഗ്, reasoning_effort എന്നിവ പങ്കിടുന്നു. ലൈവ് ശേഷി ഫ്ലാഗുകൾ API ഡോക്യുമെന്റേഷൻ പേജിൽ ഉണ്ട്.
പ്രവർത്തിപ്പിച്ച രണ്ട് ഉദാഹരണങ്ങൾ
ആദ്യം, 120,000 ടോക്കൺ ഇൻപുട്ട് — ഒരു കോഡ്ബേസ് ഡംപ്, ഒരു നിയന്ത്രണ ഫയലിംഗ് — 3,000 ടോക്കൺ വിശകലനം ഉണ്ടാക്കുന്നു. രണ്ടാമത്, ഒരു നാൽപ്പത് ടേൺ ഏജന്റ് ഓട്ടം: സന്ദർഭം കൂടിക്കൊണ്ടിരിക്കുമ്പോൾ ആകെ ഏകദേശം 1.2M ഇൻപുട്ട് ടോക്കണുകൾ, യുക്തിചിന്ത ഉൾപ്പെടെ 90,000 ഔട്ട്പുട്ട് ടോക്കണുകൾ.
| സാഹചര്യം | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 120K ഇൻ / 3K ഔട്ട് | $0.517 | $0.105 | $0.066 |
| 40 ടേൺ ഏജന്റ് ഓട്ടം | $6.32 | $1.27 | $0.78 |
രേഖാ കോളിൽ Kimi-K2.6-നെക്കാൾ ഏകദേശം 4.9 മടങ്ങാണ് K3-ക്ക് ചെലവ്. അമ്പത് സെന്റ് ഒരു തവണ ഒന്നുമല്ല; ആയിരം കോളുകളിൽ അത് ദിവസം $517 ആണ്, $105-നെതിരെ. ഏജന്റ് ഓട്ടത്തിൽ വ്യത്യാസം ഏകദേശം $5 ആണ്. ഇനി പ്രധാനപ്പെട്ട ഒരേയൊരു പരീക്ഷ പ്രയോഗിക്കുക: ഒരു എൻജിനീയറുടെ ഒരു മണിക്കൂർ സമയത്തിന് $100 എന്ന നിലയിൽ ജോലി അതിന് അർഹമാണെങ്കിൽ, ആദ്യ ശ്രമത്തിലെ വിജയം അഞ്ച് ശതമാന പോയിന്റ് ഉയർത്തുന്ന നിമിഷം K3 സ്വയം മുതലാകുന്നു — യഥാർത്ഥത്തിൽ കടുപ്പമുള്ള ദീർഘകാല ജോലിയിൽ തട്ടുകൾ തമ്മിലുള്ള വിടവ് സാധാരണയായി അതിലും വലുതാണ്. ജോലി ആരുടെയെങ്കിലും മുപ്പത് സെക്കൻഡിന് മാത്രം അർഹമാണെങ്കിൽ, അതേ $5 ന്യായീകരിക്കാനാവാത്തതാണ്.
ഞങ്ങൾ യഥാർത്ഥത്തിൽ ഉപയോഗിക്കുന്ന നിയമം
ഓട്ടം പരാജയപ്പെടുന്നതിന്റെ ചെലവ്, മെച്ചപ്പെട്ട മോഡലിൽ അത് പ്രവർത്തിപ്പിക്കുന്നതിന്റെ വില വ്യത്യാസത്തെക്കാൾ കൂടുതലാകുമ്പോൾ Kimi-K3-ലേക്ക് ഉയർത്തുക. അത് തീരുമാനത്തെ ടോക്കണിന്റെ വിലയിലല്ല, ജോലിയുടെ മൂല്യത്തിലാണ് വയ്ക്കുന്നത്. ഉയർന്ന മൂല്യമുള്ള, കുറഞ്ഞ അളവിലുള്ള, ദീർഘകാല, പരിശോധിക്കാൻ ബുദ്ധിമുട്ടുള്ള ജോലി K3-ലേക്ക് പോകുന്നു. ഉയർന്ന അളവിലുള്ള, കുറഞ്ഞ പ്രാധാന്യമുള്ള, എളുപ്പത്തിൽ വീണ്ടും ശ്രമിക്കാവുന്ന ജോലി പോകുന്നില്ല — പാരാമീറ്റർ എണ്ണം എത്ര ആകർഷകമായാലും.
07Kimi-K3 അതോ വിലകുറഞ്ഞ ഒരു സഹോദരനോ?
ഞങ്ങളുടെ കാറ്റലോഗിലെ രണ്ട് Kimi മോഡലുകൾ എതിരാളികളെന്നതിലുപരി ഒരേ ഏണിയുടെ രണ്ട് പടികളാണ്. Kimi-K2.6 കുറച്ച് കടുപ്പത്തിലാണ് ക്വാണ്ടൈസ് ചെയ്തിരിക്കുന്നത് — K3-യുടെ 3-ബിറ്റിനെതിരെ W4A16-AUTOROUND-REAP, പഠിച്ച റൗണ്ടിംഗുള്ള 4-ബിറ്റ് വെയ്റ്റുകൾ — ഒരു ചെറിയ അടിത്തറയിൽ. അതിന് വിഷൻ, JSON-സ്കീമ ഔട്ട്പുട്ട്, അതേ സന്ദർഭ ജാലകം എന്നിവയുണ്ട്, ചെലവ് ഏകദേശം അഞ്ചിലൊന്നാണ്.
| ജോലി | ഉപയോഗിക്കുക | എന്തുകൊണ്ട് |
|---|---|---|
| നാൽപ്പത് ടേൺ സ്വയംഭരണ ഏജന്റ് | Kimi-K3 | പരാജയം കൂടിക്കൊണ്ടിരിക്കുന്നു; ഒന്നാം ടേണിലെ പദ്ധതിയുടെ ഗുണനിലവാരമാണ് ഓട്ടം തീരുമാനിക്കുന്നത് |
| റെപ്പോസിറ്ററി വലുപ്പത്തിലുള്ള റീഫാക്ടർ | Kimi-K3 | പൂർണ്ണ സന്ദർഭം വെറുതെ വീണ്ടെടുക്കുകയല്ല, യോജിപ്പോടെ പിടിച്ചുനിർത്തേണ്ടതുണ്ട് |
| ഇടതൂർന്ന ഡയഗ്രമുകൾ, ചെറിയ സ്ക്രീൻഷോട്ട് ടെക്സ്റ്റ് | Kimi-K3 | തട്ടുകൾ തമ്മിലുള്ള ഏറ്റവും വലിയ വിഷൻ വിടവ് വായനക്ഷമതയും സ്ഥലപരമായ യുക്തിചിന്തയുമാണ് |
| നന്നായി നിർവചിച്ച ഒറ്റ ഫയൽ തിരുത്തലുകൾ | Kimi-K2.6 | പരിമിതമായ ജോലി, വിലകുറഞ്ഞ വീണ്ടും ശ്രമം, അളക്കാവുന്ന പരിധി വ്യത്യാസമില്ല |
| അളവിൽ ഇമേജ് ക്യാപ്ഷനിംഗ് | MiniMax-M3 / MiMo-V2.5 | $0.50 ഇൻപുട്ടിൽ പരിഹരിക്കപ്പെട്ടു; അതേ ക്യാപ്ഷന് K3 ഔട്ട്പുട്ട് 9.6 മടങ്ങാണ് |
| യുക്തിചിന്ത കൂടുതലുള്ളത്, പക്ഷേ ടെക്സ്റ്റ് മാത്രം | DeepSeek-V4-Pro | $19.12-നെതിരെ $3.90 ഔട്ട്പുട്ട് — ഇമേജുകൾ വേണ്ടെങ്കിൽ K3 ഒഴിവാക്കുക |
ആ അവസാന വരിയാണ് ഏറ്റവും കൂടുതൽ ശ്രദ്ധിക്കപ്പെടാതെ പോകുന്ന ലാഭം. നിങ്ങളുടെ ജോലിയിൽ ഇമേജുകൾ ഉൾപ്പെടുന്നില്ലെങ്കിൽ, ആദ്യം DeepSeek-V4-Pro പരിശോധിക്കുക. അതും ഒരു വലിയ അടിത്തറയിലെ 3BIT-REAP ബിൽഡാണ്, കടുപ്പമുള്ള യുക്തിചിന്തയിൽ കരുത്തുറ്റതാണ്, K3-യുടെ $19.12-നെതിരെ അതിന്റെ ഔട്ട്പുട്ടിന് $3.90 ചെലവാകുന്നു. മുൻനിര തട്ടിലേക്ക് എത്തുന്ന ട്രാഫിക്കിൽ ഏറെയും ടെക്സ്റ്റ് മാത്രമുള്ള യുക്തിചിന്തയാണ്, ഒരു വരി താഴെയും അത് ഒരുപോലെ നന്നായി നൽകപ്പെടുന്നു.
08സെൻസർ ചെയ്യാത്ത Kimi K3 API വിളിക്കുന്നത്
മൂന്ന് ഭാഷാഭേദങ്ങളിലും Kimi-K3-3BIT-REAP ആയാണ് മോഡൽ തുറന്നുനൽകുന്നത്, ഓരോന്നിലും സ്ട്രീമിംഗോടെ, അവയ്ക്കിടയിൽ ശേഷി വ്യത്യാസമില്ലാതെ — വയർ ഫോർമാറ്റ് മാത്രം: /v1/chat/completions (OpenAI-അനുയോജ്യം), /v1/messages (Anthropic-അനുയോജ്യം), /v1/responses. ഒരു കടുപ്പമുള്ള ദൃശ്യ ജോലിക്കായി യുക്തിചിന്താ പരിശ്രമം ഉയർത്തിയ ഒരു വിഷൻ അഭ്യർത്ഥന:
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-ഉം പൂർണ്ണ json_schema-യും പിന്തുണയ്ക്കുന്നു, അതിനാൽ ഒരു ഏജന്റിന്റെ ടൂൾ ആർഗ്യുമെന്റുകൾ പരിമിതപ്പെടുത്താനോ ഒരു റിപ്പോർട്ടിനെ നിശ്ചിത രൂപത്തിലേക്ക് നിർബന്ധിക്കാനോ പിന്നീട് പാഴ്സ് ചെയ്യാതെ തന്നെ നിങ്ങൾക്ക് കഴിയും. ടൂൾ കോളിംഗ് നേറ്റീവാണ്, നീണ്ട ഓട്ടങ്ങൾ നയിക്കാനുള്ള ഉദ്ദേശിച്ച വഴിയും അതാണ്. പാരാമീറ്ററുകൾ, പ്രാമാണീകരണം, നിരക്ക് പരിധികൾ, ഒരു ലൈവ് പ്ലേഗ്രൗണ്ട് എന്നിവ API ഡോക്യുമെന്റേഷൻ പേജിൽ ഉണ്ട്.
ആദ്യ ദിവസം തന്നെ പണം ലാഭിക്കുന്ന മൂന്ന് കാര്യങ്ങൾ
- മുൻഭാഗം പ്രൂൺ ചെയ്യുക. ഓരോ ടേണും മുഴുവൻ സംഭാഷണവും ദശലക്ഷത്തിന് $3.83 നിരക്കിൽ വീണ്ടും ബിൽ ചെയ്യുന്നു; 40 ടേൺ ചരിത്രത്തെ ഒരിക്കൽ 4K ടോക്കൺ സ്റ്റേറ്റ് ഒബ്ജക്റ്റാക്കി ചുരുക്കുന്നത് മിക്ക മോഡൽ മാറ്റങ്ങളെക്കാളും ലാഭിക്കുന്നു.
- ഇമേജുകൾ ചെറുതാക്കുക. ഇമേജ് ടോക്കണുകൾ ഇൻപുട്ട് ടോക്കണുകളാണ്; ഇപ്പോഴും വായിക്കാവുന്ന വലുപ്പത്തിലേക്ക് ചെറുതാക്കിയ ഒരു 4K സ്ക്രീൻഷോട്ട് കുറഞ്ഞ ചെലവിൽ അതേ ഉത്തരം നൽകുന്നു.
- ബുദ്ധിമുട്ട് അനുസരിച്ച് റൂട്ട് ചെയ്യുക. പതിവ് ടേണുകളിൽ ഒരു വിലകുറഞ്ഞ മോഡലും, പദ്ധതിയിലും കടുപ്പമുള്ള ശാഖയിലും അവസാന അവലോകനത്തിലും K3-യും ഉപയോഗിക്കുന്നത് പലപ്പോഴും ബില്ലിന്റെ 25%-ത്തിൽ ശേഷിയുടെ 80% നൽകുന്നു.
09പതിവ് ചോദ്യങ്ങൾ
എന്താണ് സെൻസർ ചെയ്യാത്ത Kimi K3 API?
Shannon AI ഗേറ്റ്‌വേയിലെ Kimi-K3 3BIT-REAP മോഡലാണ് അത്: Moonshot AI-യുടെ 2.8 ട്രില്യൺ പാരാമീറ്ററുള്ള മൾട്ടിമോഡൽ Mixture-of-Experts അടിത്തറ, 262,144 ടോക്കൺ സന്ദർഭം, പരമാവധി 16,384 ടോക്കൺ ഔട്ട്പുട്ട്, വിഷൻ, ടൂൾ കോളിംഗ്, JSON-സ്കീമ ഘടനാപരമായ ഔട്ട്പുട്ട്, സ്ട്രീമിംഗ് എന്നിവയോടെ ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിൽ നൽകുന്നു, നിരസന പാളിയില്ലാതെയും ഔട്ട്പുട്ടിൽ ഫിൽട്ടറിംഗ് പ്രയോഗിക്കാതെയും. /v1/chat/completions, /v1/messages, /v1/responses എന്നിവയിലൂടെ അതിലേക്ക് എത്തിച്ചേരാം.
സെൻസർ ചെയ്യാത്ത Kimi K3 API വിഷൻ പിന്തുണയ്ക്കുന്നുണ്ടോ?
ഉവ്വ്. ഞങ്ങളുടെ കാറ്റലോഗിൽ ഇമേജ് ഗ്രഹണമുള്ള അഞ്ച് മോഡലുകളിൽ ഒന്നാണ് Kimi-K3, അവയിൽ ഏറ്റവും ശേഷിയുള്ളതും അതാണ്. ഏതൊരു OpenAI-അനുയോജ്യ എൻഡ്‌പോയിന്റിലേക്കും അയയ്ക്കുന്ന അതേ രീതിയിൽ, ടെക്സ്റ്റിനൊപ്പം image_url ഉള്ളടക്ക ഭാഗങ്ങളായി നിങ്ങൾ ഇമേജുകൾ അയയ്ക്കുന്നു. ടെക്സ്റ്റിന്റെ അതേ 262,144 ടോക്കൺ ബജറ്റിൽ നിന്നാണ് ഇമേജുകളും സന്ദർഭം ഉപയോഗിക്കുന്നത്, ഇമേജ് ടോക്കണുകൾ ദശലക്ഷത്തിന് $3.83 എന്ന ഇൻപുട്ട് നിരക്കിലാണ് ബിൽ ചെയ്യുന്നത്.
മറ്റ് Shannon മോഡലുകൾ $0.50, $2.00 ആയിരിക്കെ Kimi K3-ക്ക് $3.83 ഇൻ, $19.12 ഔട്ട് ചെലവാകുന്നത് എന്തുകൊണ്ട്?
കാരണം അടിത്തറ ഏകദേശം 2.8 ട്രില്യൺ പാരാമീറ്ററാണ്, ടോക്കണിന് 104 ബില്യൺ സജീവം; കാറ്റലോഗിലെ മറ്റിടങ്ങളിലെ മോഡലുകൾക്ക് 30 മുതൽ 40 ബില്യൺ വരെയാണ് സജീവം. ടോക്കണിന് കൂടുതൽ സജീവ പാരാമീറ്ററുകൾ എന്നാൽ ടോക്കണിന് കൂടുതൽ GPU-സെക്കൻഡുകൾ എന്നാണ്, വില ഒരു ശേഷി നികുതിയല്ല, നൽകാനുള്ള ചെലവാണ് പ്രതിഫലിപ്പിക്കുന്നത്. ഞങ്ങളുടെ തറനിരക്ക് മോഡലുകളുടെ 9.6 മടങ്ങാണ് ഔട്ട്പുട്ട് വില, അതിനാൽ തീരുമാനിക്കുന്ന ചോദ്യം ഇതാണ്: ഒരു നീണ്ട ജോലിയിൽ ആദ്യ ശ്രമത്തിലെ ഉയർന്ന വിജയ നിരക്ക് ഏകദേശം അഞ്ചിരട്ടി ബില്ലിന് അർഹമാണോ.
Kimi K3-യും Kimi K2 അല്ലെങ്കിൽ Kimi K2 Thinking-ഉം ഒരേ മോഡലാണോ?
അല്ല. Kimi K2 എന്നത് 32 ബില്യൺ സജീവ പാരാമീറ്ററുകളും 384 എക്സ്പെർട്ടുകളുമുള്ള 1 ട്രില്യൺ പാരാമീറ്റർ MoE ആയിരുന്നു; അതേ അടിത്തറയിൽ ഇടകലർന്ന യുക്തിചിന്തയും നീണ്ട ടൂൾ-കോൾ ചങ്ങലകളും K2 Thinking ചേർത്തു. 2026 ജൂലൈയിൽ Moonshot AI പുറത്തിറക്കിയ Kimi K3 വ്യത്യസ്തമായ ഒരു ആർക്കിടെക്ചറാണ്: ആകെ 2.8 ട്രില്യൺ പാരാമീറ്റർ, 104 ബില്യൺ സജീവം, ടോക്കണിന് 16 എണ്ണം റൂട്ട് ചെയ്യുന്ന 896 എക്സ്പെർട്ടുകൾ, Kimi Delta Attention, ഒരു നേറ്റീവ് വിഷൻ എൻകോഡർ. K2-യും K3-യും ഒരു പരമ്പര പങ്കിടുന്നു, ഒരു മോഡലല്ല.
Kimi-K3-ക്ക് പകരം Kimi-K2.6 എപ്പോൾ ഉപയോഗിക്കണം?
ജോലി പരിമിതവും അത് പലതവണ പ്രവർത്തിപ്പിക്കുന്നതുമാണെങ്കിൽ Kimi-K2.6 W4A16-AUTOROUND-REAP ഉപയോഗിക്കുക: വർഗ്ഗീകരണം, എക്സ്ട്രാക്ഷൻ, ഒറ്റ ഫയൽ തിരുത്തലുകൾ, ചാറ്റ്, സൂക്ഷ്മമായ ദൃശ്യ യുക്തിചിന്തയെക്കാൾ കഴിവുള്ള ഒരു വിവരണം മാത്രം വേണ്ട ഇമേജ് ജോലികൾ. അതിനും വിഷൻ ഉണ്ട്, അത് കുറച്ച് കടുപ്പത്തിലാണ് ക്വാണ്ടൈസ് ചെയ്തിരിക്കുന്നത്, $0.78 ഇൻ, $3.67 ഔട്ട് — K3-യുടെ ഏകദേശം അഞ്ചിലൊന്ന്. ഒരു ഓട്ടം നീണ്ടതോ ശാഖകളുള്ളതോ തെറ്റിയാൽ ചെലവേറിയതോ ആകുമ്പോൾ Kimi-K3-ലേക്ക് ഉയർത്തുക.
ഇവിടത്തെ എല്ലാ ആർക്കിടെക്ചർ, ബെഞ്ച്മാർക്ക് കണക്കും Moonshot AI പ്രസിദ്ധീകരിച്ചതോ അവരുടെ തുറന്ന മോഡൽ കാർഡിൽ കാണാവുന്നതോ ആണ്, അവ ഞങ്ങളുടെ 3BIT-REAP ബിൽഡിനെയല്ല, ക്വാണ്ടൈസ് ചെയ്യാത്ത അടിത്തറയെയാണ് വിവരിക്കുന്നത്. നിങ്ങൾ തന്നെ അവ പരിശോധിക്കുക.
സെൻസർ ചെയ്യാത്ത Kimi K3 API പരീക്ഷിക്കുക
ഏറ്റവും ഉയർന്ന ശേഷിയുള്ള ഏജന്റിക്, വിഷൻ തട്ട്. നിരസന പാളിയില്ല. ടോക്കണിന് പണം നൽകുക.
API ഡോക്യുമെന്റേഷൻ വായിക്കുക എല്ലാ മോഡലുകളും കാണുകShannon Lab LLC · ന്യൂ മെക്സിക്കോ, യുഎസ്എ · മോഡലുകൾ ഞങ്ങളുടെ സ്വന്തം GPU ക്ലസ്റ്ററിൽ നൽകുന്നു
അടിത്തറ സംബന്ധിച്ച വസ്തുതകളും ബെഞ്ച്മാർക്കുകളും Kimi K3-നും Kimi K2-നും വേണ്ടി Moonshot AI പ്രസിദ്ധീകരിച്ച സംഖ്യകളാണ്, അവ ക്വാണ്ടൈസ് ചെയ്യാത്ത അപ്‌സ്ട്രീം മോഡലുകളെയാണ് വിവരിക്കുന്നത്; ഞങ്ങളുടെ ബിൽഡ് ഒരു 3-ബിറ്റ് REAP ക്വാണ്ടൈസേഷനാണ്, അത് വ്യത്യാസപ്പെടും. വിലകൾ, സന്ദർഭം, ശേഷി ഫ്ലാഗുകൾ എന്നിവ Shannon AI-യുടെ സ്വന്തമാണ്, 2026 സെപ്റ്റംബർ 5 വരെ നിലവിലുള്ളത് — ലൈവ് മൂല്യങ്ങൾ എപ്പോഴും /v1/models തിരികെ നൽകുന്നവയാണ്. സ്രോതസ്സുകൾ: Kimi K3 മോഡൽ കാർഡ് · Kimi K3 റെപ്പോസിറ്ററി · Kimi K2 Thinking.