Цензургүй Kimi K3 API

Ихэнх загвар сонголтын гарын авлага чадвар үнэгүй мэт байдлаар бичигддэг. Гэвч тийм биш. Тэргүүлэх түвшний загварын талаарх сонирхолтой асуулт хэзээ ч "энэ илүү сайн уу" гэсэн асуулт биш — энэ нь ихэвчлэн тийм байдаг — харин "энэ нь энэ ажил дээр нэг шат доогуур загвараас таван дахин том дансыг зөвтгөхөөр хангалттай сайн уу" гэсэн асуулт. Энэ гарын авлага түүнд бодит тооцоогоор хариулж, хямд сонголтууд хаана давуу болохыг шууд хэлнэ.

01Kimi K3 үнэндээ юу вэ

Kimi K3 бол Moonshot AI-н нээлттэй жинтэй тэргүүн загвар бөгөөд Kimi K3 Лицензийн дор 2026 оны 7 сард гарсан — Kimi K2-оос эхэлсэн угсааны гурав дахь үеийн загвар бөгөөд нарийн тохируулга биш, чухам шинэ архитектур юм.

Нийтэлсэн бүтэц нь 93 давхаргатай — 69 нь Kimi Delta Attention ашигладаг, 24 нь хаалттай олон толгойт далд анхаарал ашигладаг, нэг нь нягт давхарга — мөн Stable LatentMoE чиглүүлэгч токен тутамд 896 мэргэжилтнээс 16-г нь, дээр нь 2 хуваалцсан мэргэжилтнийг сонгоно. Moonshot энэ хослолоос Kimi K2-той харьцуулахад масштаблах үр ашиг ойролцоогоор 2.5 дахин сайжирсан гэж мэдээлсэн. Хараа нь дараа нь наалдуулсан биш, төрөлх шинж чанар: 401 сая параметртэй MoonViT-V2 кодлогч текст боловсруулдаг ижил их биед оролт өгдөг.

Сийрэгжилтийн тоог сайн ойлгох нь зүйтэй: K3 токен тутамд 104 тэрбум параметрийг идэвхжүүлдэг, харин бидний каталогийн ихэнх загвар 30-аас 40 тэрбумын хооронд байдаг. Энэ нь токен тутамд гарсан үйлдвэрлэсэн арифметикийн ойролцоогоор гурав дахин их хэмжээ бөгөөд яг энэ л шалтгаанаар энэ загвар үнийн жагсаалтын тэргүүнд байна. Та брэндийн түвшинд биш, GPU-секундэд төлж байгаа юм.

Угсаа, товчхон

• Kimi K2 — 1 триллион параметр, 32 тэрбум идэвхтэй, токен тутамд 8-г чиглүүлдэг 384 мэргэжилтэн, MuonClip оптимайзер ашиглан 15.5 триллион токен дээр урьдчилан сургагдсан бөгөөд ийм хэмжээний MoE сургалтыг сүйтгэдэг анхаарлын дэлбэрэлтийг зогсоохоор бүтээгдсэн.
• Kimi K2 Thinking — сэтгэлгээг хэрэгсэл ашиглалттай ээлжлэн хийхийг сургасан ижил суурь загвар бөгөөд нэг гүйлгээнд 200-аас 300 дараалсан хэрэгслийн дуудлагыг тэсвэрлэдэг гэж мэдээлсэн, Humanity's Last Exam дээр хэрэгсэлтэйгээр 44.9%, BrowseComp дээр 60.2%.
• Kimi K3 — төрөлх олон горимт байдал, эх сурвалж дээр 1 сая токены цонхтойгоор дахин бүтээгдсэн бөгөөд хяналттай нарийн тохируулгын шатнаас эхлэн квантчилалд зохицсон сургалт (MXFP4 жин, MXFP8 идэвхжүүлэлт) хийгдсэн. Яг энэ шалтгаанаар K3 үүнийг тооцолгүй сургагдсан загваруудаас илүү түвшний шахалтыг тэсвэрлэдэг.

Гол уялдаа нь урт хугацааны агентийн чадвар: үе үе бүр богино хариултын жишиг тестэд ялахын оронд олон зуун алхамын туршид логик уялдаатай байхад чиглэн оновчлогдсон. Энэ бол таны худалдан авч буй чадвар.

02«3BIT-REAP» гэж юу вэ, мөн 2.8Т загварт яагаад хэрэгтэй вэ

Загварын ID дэх дагавар нь чимэглэл биш — жингүүдийг бидний өөрсдийн GPU кластерт ачаалахаас өмнө юу хийсэн болохыг хэлж байгаа бөгөөд энд байгаа бүх мэдэгдэлд наалддаг шударга сануулга юм. Тооцооноос эхэлье. 2.8 триллион параметртэй загвар 16 битийн нарийвчлалтай бол жингийн хэмжээ ойролцоогоор 5.6 терабайт болно. Жин тутамд 3 бит болгоход тэр нь 1.05 терабайт орчим болдог — хэвээрээ том хэмжээтэй ч 262K токены KV кэшид зориулсан зай үлдээсэн, боломжийн байршуулалт. REAP нь хоёр дахь хагас: чиглүүлэгч бодит байдал дээр аль мэргэжилтнүүд рүү хандаж байгааг тодорхойлж, ховор сонгогддог мэргэжилтнүүдийг квантчилахаас өмнө, дараа нь биш хасдаг мэргэжилтэн хасах арга юм. Токен тутамд 896-аас ердөө 16 мэргэжилтэн чиглүүлдэг загварт энэ нь байгалийн жамаар тохирдог — тийм сийрэг тархалт бодит урсгалд бага зэрэг л хувь нэмэр оруулдаг урт сүүлтэй байдаг — мөн эхлээд хасах нь үлдсэн битийн төсвийг чухал мэргэжилтнүүдэд зарцуулна гэсэн үг.

Бидний каталог гурван дагаврыг санаатайгаар шат дараалсан байдлаар ашигладаг. 3BIT-REAP нь өөр юу ч багтахгүй хамгийн том суурь загваруудад хэрэглэгддэг. W4A16-AUTOROUND-REAP нь AutoRound ашиглан квантчилсан 16 битийн идэвхжүүлэлт бүхий 4 битийн жин — энгийн ойролцоогоор бутархайлахаас илүү бодит нарийвчлалыг сэргээдэг сурсан бутархайлал — дээр нь ижил хасах процедур. W8A16 нь хамгийн өндөр үнэнч байдлын түвшин бөгөөд ноцтой шахалт хэрэггүй хэмжээгээр жижиг суурь загваруудад зориулагдсан. Товчхондоо: дагавар нь эх сурвалжийн хэдэн хувь нь хадгалагдсаныг, үнэ нь ажиллуулахад юу зардаг болохыг хэлдэг.

03Хараа: зураг ойлгох чадвар танд юу өгдөг

Kimi-K3 бол манай арван хоёр загварын каталог дахь хараатай таван загварын нэг бөгөөд тэдгээрийн дундаас хамгийн чадварлаг нь юм. Ихэнх худалдааны хараатай API оруулсан зургийг ангилагчаар шалгаж, загвар харахаасаа өмнө өргөн ангиллын оролтоос татгалздаг — энгийн хэрэглэгчид зохистой анхдагч тохиргоо ч хууль ёсны ажилд ноцтой саад болдог. Ашиглалтын алдааны гаралтыг дэлгэцийн зурагт буулгадаг аюулгүй байдлын судлаачид, өөрийн ангилагч бүтээж буй модерацийн багууд, шүүх шинжилгээ ба өгөгдлийн санг аудит хийх ажил, мөн улаан баг үнэлгээ бүгд тэр хананд мөргөдөг. Kimi-K3-д татгалзах давхарга ч, гаралтад шүүлт ч байхгүй.

K3-ын хараа хямд загваруудаас өндөр үнээ хаана зөвтгөдөг вэ

• Нягт диаграм ба схем — архитектурын диаграм, сүлжээний топологи, хэлхээ: хариулт нь объектыг нэрлэхээс илүү шугам ба шошгыг дагах явдалд шалтгаалдаг зүйл бүхэн.
• Дэлгэцийн зураг дахь жижиг текст — stack trace, терминалын гаралт, хүснэгтийн нүд. Хараатай түвшнүүдийн хоорондох ялгаа жижиг хэмжээн дэх уншигдах чанар дээр хамгийн өргөн байдаг.
• Урт текст доторх зураг — 200K токены контекст дотор орсон дэлгэцийн зураг, энд загвар тавин мянган токены өмнө уншсан зүйлтэйгээ харж буй зүйлээ холбож ойлгох ёстой.
• Олон зургийг харьцуулах — UI-н хоёр хувилбар, эсвэл график ба түүнийг үүсгэсэн хүснэгт.

Харин үнээ зөвтгөдөггүй газар: тайлбар бичих, alt текст, цэвэрхэн баримт бичгийн OCR, шошголох дамжуулга. Эдгээр нь 1 сая оролтын токен тутамд $0.50-аар шийдэгддэг — хэрэв таны зурган ажлын ачаалал өндөр хэмжээтэй бөгөөд зүйл бүр өөрөө энгийн бол Kimi-K2.6 эсвэл MiniMax-M3 нь K3-ынхаас ялгагдахгүй хариулт өгнө.

Зураг нь текстийн адил 262,144 токены нэг л төсвөөс токен зарцуулж, оролтын үнээр тооцогддог. Хэдэн ширхэг өндөр нягтралтай дэлгэцийн зураг ч гэсэн үнэгүй биш.

04Урт хугацааны агентийн ажил — энэ түвшин юунд зориулагдсан бэ

Хэрэв нэг ажлын ачаалал л дээд түвшнийг зөвтгөх юм бол энэ бол яг тэр. Богино ажлууд уучлагдамаар байдлаар бүтэлгүйтдэг: загвар алдаа гаргана, та анзаарна, дахин оролдоно, дөрвөн секунд алдана. Зургаадугаар эргэлт дээр буруу салаа руу орсон дөчин эргэлттэй агент дараагийн гучин дөрвөн эргэлтийг тэр алдаан дээрээ нарийн нягт зассаар өнгөрөөж, дундах токен бүрийг төлсний эцэст л та үүнийг мэднэ. Тэр тэгш бус байдал л энд токен тутмын үнэ буруу хэмжигдэхүүнд ойрхон байгаагийн шалтгаан. Чухал нь гүйлгээ хэр олон удаа хаягддагаас голлон хамаардаг амжилттай гүйцэтгэл тутмын өртөг юм. Moonshot-ын K3 суурь загварын агентийн жишиг тестүүд дэх нийтэлсэн үзүүлэлтүүд:

Бүх тоо баримт нь Moonshot-ын 2026 оны 7 сард квантчлагдаагүй Kimi K3 суурь загварын талаар мэдээлсэн тоонууд юм. Эдгээр нь бидний 3BIT-REAP бүтээцийн хэмжилт биш бөгөөд бид тэдгээрийг тийм гэж танилцуулаагүй.

Энэ хэлбэр архитектурыг юунд зориулж бүтээснийг харуулж байна: BrowseComp ба Terminal-Bench нь хэрэгслийн давталт жишиг тест — үйлдэл хийх, ажиглах, засварлах давталттай мөчлөгүүд. 42.0 үзүүлэлттэй SWE Marathon бол эсрэг жин: тухайн жагсаалт дахь хамгийн хэцүү урт хугацааны кодлолын үнэлгээ бөгөөд энд тэргүүлэгч загвар ч ихэнх ажлаа бүтэлгүйтдэг. "Агентийн" гэдэг нь шийдэгдсэн ангилал биш; та ямар загвар сонгосон ч бүтэлгүйтэлд зориулж төлөвлө.

Урт гүйлгээнд зориулсан практик тохиргоо

K3 нь reasoning_effort параметрийг нээлттэй болгодог бөгөөд энд энэ жинхэнэ зардлын хөшүүрэг юм: сэтгэлгээний токенууд гаралтын токенын хувьд, 1 сая тутамд $19.12-аар тооцогддог.

• Low — хэрэгслийн дуудлагыг чиглүүлэх, бүтэцтэй задлан авах зэрэг загвар цөөн тооны мэдэгдэж буй сонголтын дундаас сонгодог ажил.
• High — жинхэнэ агентийн ажлын анхдагч тохиргоо: олон алхамт өөрчлөлтийг төлөвлөх, stack trace-ээс алдаа засах, зөрчилдсөн эх сурвалжуудыг зохицуулах.
• Max — дамжуулгын хамгийн хэцүү нэг дуудлагад л зориулж хадгал: гүйлгээний эхэн дэх төлөвлөгөө, эсвэл эцсийн хяналт. High дээр 30K, max дээр 90K сэтгэлгээний токен зарцуулсан гүйлгээ энэ нэг флагийн төлөө нэмж $1.15 төлнө.

Контекстээ ч санаатайгаар төсөвлө: бидний цонх 262,144 токен бөгөөд дээд гаралт нь 16,384 токен, мөн 1 сая оролтод $3.83-ийн үнээр цэвэрлээгүй түүх хуримтлагддаг — эргэлт бүр өмнөх бүх агуулгыг дахин төлбөртэй болгодог.

05«Цензургүй» гэдэг нь энэ endpoint дээр юу гэсэн үг вэ

Shannon AI Gateway дээрх загвар бүр татгалзах давхаргагүй, гаралтад контент шүүлтгүйгээр үйлчилдэг. Энэ нь дээд түвшинд илүү чухал, учир нь хүмүүсийн дээд түвшний загварт авчирдаг ажлууд шүүлтэд хамгийн их баригддаг: сөрөг талын аюулгүй байдлын судалгаа, довтолгооны хэрэгслийн шинжилгээ, модерацийн ангилагч хөгжүүлэлт, аюулын тагнуул, хэцүү зохиомол зохиол, мөн загвараас илрүүлэхийг зорьж буй зүйлээ л үйлдвэрлэхийг шаарддаг ямар ч үнэлгээ.

• Гаралтын ангилагч байхгүй. Хариултыг үүсгэсний дараа шалгаж дахин бичих эсвэл хаах зүйл байхгүй.
• Оролтын хаалт байхгүй. Промпт ба зургийг загварт хүрэхээс өмнө шалгадаггүй.
• Өөр загвар биш. Энэ бол ердийн байдлаар өмнө нь сууж байдаг давхаргагүйгээр үйлчилж буй Kimi K3 суурь загвар.
• Хариуцлагын шилжүүлэг биш. Татгалзах давхаргыг авах нь шийдвэр гаргах эрхийг танд шилжүүлдэг — манай Хариуцлагатай Хэрэглээний Бодлого-г үзнэ үү.

Үнэлгээний систем бүтээгч хэнд ч зориулсан нэг чимээгүй давуу тал бий: шүүлтгүй загвар нь тогтвортой суурь шугам болдог. Урьдчилан таамаглашгүй байдлаар татгалздаг загвар хэмжилтийг шуугиантай болгодог, учир нь та чадварын хязгаарыг бодлогын хязгаараас салгаж чадахгүй. Энд бүтэлгүйтэл бол чадварын бүтэлгүйтэл — та засварлаж болох цорын ганц төрөл.

06Үнэ: $3.83 оролт, $19.12 гаралт — мөн хэзээ энэ өөрийгөө зөвтгөдөг вэ

Энэ бол манай жагсаалт дахь хамгийн үнэтэй загвар бөгөөд том зөрүүтэй: гаралт нь бидний $2.00 доод хязгаараас 9.6 дахин, Kimi-K2.6-ийн үнээс 5.2 дахин өндөр. Тооцоог нээлттэй харуулъя.

Загвар	Оролт / 1M	Гаралт / 1M	Хараа	JSON схем
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Тийм	Тийм
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Үгүй	Тийм
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Тийм	Үгүй
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Тийм	Тийм
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Үгүй	Тийм
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Тийм	Тийм
MiMo-V2.5 · W8A16	$0.50	$2.00	Тийм	Тийм

Сонгосон мөрүүд, оролтын үнээр эрэмбэлсэн. Арван хоёр загвар бүгд ижил 262,144 токены контекст, 16,384 токены дээд гаралт, стриминг, хэрэгсэл дуудах, мөн reasoning_effort-той. Амьд чадварын флагууд API баримт бичгийн хуудсанд байна.

Хоёр тооцоолсон жишээ

Нэгдүгээрт, 120,000 токены оролт — кодын сангийн дамп, зохицуулалтын мэдүүлэг — 3,000 токены шинжилгээ гаргадаг. Хоёрдугаарт, дөчин эргэлттэй агент гүйлгээ: контекст хуримтлагдахад ойролцоогоор 1.2 сая нийлбэр оролтын токен, сэтгэлгээг оруулаад 90,000 гаралтын токен.

Хувилбар	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K оролт / 3K гаралт	$0.517	$0.105	$0.066
40 эргэлттэй агент гүйлгээ	$6.32	$1.27	$0.78

Баримт бичгийн дуудлага дээр K3 нь Kimi-K2.6-аас ойролцоогоор 4.9 дахин үнэтэй. Тавин цент нэг удаа юу ч биш; мянган дуудлага дээр өдөрт $517 болно, $105-тай харьцуулбал. Агент гүйлгээн дээр зөрүү нь ойролцоогоор $5. Одоо цорын ганц чухал тестийг хэрэглэе: хэрэв ажил нэг инженерийн $100-ийн үнэтэй нэг цагийн цагтай тэнцэх юм бол, K3 эхний оролдлогын амжилтыг таван хувиар нэмэгдүүлсэн даруйдаа өөрийгөө нөхнө — мөн жинхэнэ хэцүү урт хугацааны ажил дээр түвшнүүдийн хоорондох зөрүү ихэвчлэн илүү том байдаг. Хэрэв ажил хэн нэгний гучин секундийн цагтай тэнцэх юм бол тэр л $5 өмгөөлж чадахгүй.

07Kimi-K3 уу, хямд эгч загвар уу?

Манай каталог дахь хоёр Kimi загвар өрсөлдөгч биш, нэг шатны хоёр шат юм. Kimi-K2.6 нь бага түвшний квантчилалтай — K3-ын 3 биттэй харьцуулахад сурсан бутархайлал бүхий W4A16-AUTOROUND-REAP, 4 битийн жин — жижиг суурь загвар дээр. Түүнд хараа, JSON-схемийн гаралт, ижил контекст цонх байдаг бөгөөд ойролцоогоор тавны нэг үнэтэй.

Ажил	Хэрэглэ	Учир нь
Дөчин эргэлттэй автономит агент	Kimi-K3	Алдаа хуримтлагддаг; эхний эргэлт дэх төлөвлөгөөний чанар гүйлгээг шийддэг
Санг бүхэлд нь хамарсан рефактор	Kimi-K3	Зөвхөн татаж авахаас илүү, бүх контекстыг уялдаатай барих шаардлагатай
Нягт диаграм, дэлгэцийн зургийн жижиг текст	Kimi-K3	Түвшнүүдийн хоорондох хамгийн өргөн хараатай ялгаа нь уншигдах чадвар ба орон зайн учирлалт
Тодорхой тодорхойлсон, нэг файлын засварлалт	Kimi-K2.6	Хязгаартай ажил, хямд дахин оролдлого, хэмжигдэхүйц дээд хязгаарын ялгаа байхгүй
Их хэмжээний зургийн тайлбар бичих	MiniMax-M3 / MiMo-V2.5	$0.50 оролтоор шийдэгддэг; ижил тайлбарт K3-ын гаралт 9.6 дахин үнэтэй
Сэтгэлгээ ихтэй ч зөвхөн текст	DeepSeek-V4-Pro	$19.12-той харьцуулахад $3.90 гаралт — хэрэв зураг хэрэггүй бол K3-ыг орхи

Тэр сүүлчийн мөр бол хамгийн олонтоо алдагддаг хэмнэлт юм. Хэрэв таны ажил зураг шаардахгүй бол эхлээд DeepSeek-V4-Pro-г шалга. Энэ нь бас том суурь загвар дээрх 3BIT-REAP бүтээц бөгөөд хэцүү сэтгэлгээнд хүчтэй, гаралт нь K3-ын $19.12-той харьцуулахад $3.90-аар зардаг. Дээд түвшинд хандаж буй урсгалын ихэнх нь нэг шат доогуур тал адилхан сайн үйлчилгээ авдаг зөвхөн текстийн сэтгэлгээ юм.

08Цензургүй Kimi K3 API-г дуудах нь

Загвар бол гурван аялгуу дээр Kimi-K3-3BIT-REAP нэрээр гарч ирдэг, бүгд стримингтэй бөгөөд тэдгээрийн хооронд чадварын ялгаа байхгүй — зөвхөн дамжуулах формат ялгаатай: /v1/chat/completions (OpenAI-той нийцтэй), /v1/messages (Anthropic-той нийцтэй), мөн /v1/responses. Хэцүү харааны ажилд зориулж сэтгэлгээний хүчин чармайлтыг нэмэгдүүлсэн хараатай хүсэлт:

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 нь response_format болон бүрэн json_schema хоёуланг дэмждэг тул та агентийн хэрэгслийн аргументыг хязгаарлах, эсвэл тайланг дараа нь задлан шинжлэлгүйгээр тогтмол хэлбэрт оруулж болно. Хэрэгсэл дуудлага нь төрөлх бөгөөд урт гүйлгээг удирдах зорилготой арга юм. Параметр, баталгаажуулалт, хурдны хязгаар мөн шууд туршилтын талбар API баримт бичгийн хуудсанд байна.

Эхний өдрөөс мөнгө хэмнэдэг гурван зүйл

• Урд хэсгийг цэвэрлэ. Эргэлт бүр бүх ярианы агуулгыг 1 сая тутамд $3.83-аар дахин төлбөртэй болгодог; 40 эргэлттэй түүхийг нэг удаа 4K токены төлөвийн объект руу товчлох нь ихэнх загвар солиход авах хэмнэлтээс илүү хэмнэдэг.
• Зургийн хэмжээг багасга. Зургийн токен бол оролтын токен; 4K дэлгэцийн зургийг уншигдахуйц хэвээр байлгаж хэмжээг нь багасгах нь бага зардлаар ижил хариулт өгдөг.
• Хэцүүгээр нь чиглүүл. Энгийн эргэлтэд хямд загвар, төлөвлөгөө, хэцүү салаа ба эцсийн хяналтад K3-г ашиглах нь ихэвчлэн дансны 25%-иар чадварын 80%-ийг өгдөг.

09Түгээмэл асуултууд

---

Суурь загварын мэдээлэл ба жишиг тестүүд нь Moonshot AI-н Kimi K3 болон Kimi K2-ын талаар нийтэлсэн тоо бөгөөд квантчлагдаагүй эх сурвалж загваруудыг тодорхойлдог; бидний бүтээц нь 3 битийн REAP квантчилал бөгөөд ялгаатай байх болно. Үнэ, контекст ба чадварын флагууд нь Shannon AI-н өөрийн мэдээлэл бөгөөд 2026 оны 9 сарын 5-ны байдлаар хүчинтэй — амьд утга үргэлж /v1/models-аас буцаж ирдэг байдалтай тэнцэнэ. Эх сурвалж: Kimi K3 загварын карт · Kimi K3 репозитор · Kimi K2 Thinking.