API Kimi K3 Tanpa Tapisan

Kebanyakan panduan pemilihan model ditulis seolah-olah keupayaan itu percuma. Ia tidak. Soalan menarik tentang model tingkat teratas bukan sekali-kali "adakah ia lebih baik" — ia biasanya memang lebih baik — tetapi "adakah ia cukup lebih baik, pada tugas ini, untuk menjustifikasikan bil lima kali lebih besar daripada model satu anak tangga di bawah." Panduan ini menjawabnya dengan aritmetik sebenar, dan menyatakan dengan terus terang di mana pilihan yang lebih murah menang.

01Apa sebenarnya Kimi K3

Kimi K3 ialah model utama pemberat terbuka daripada Moonshot AI, dikeluarkan pada Julai 2026 di bawah Lesen Kimi K3 — generasi ketiga bagi keturunan yang bermula dengan Kimi K2, dan seni bina yang benar-benar baharu dan bukan penalaan halus.

Susun atur terbitannya ialah 93 lapisan — 69 menggunakan Kimi Delta Attention, 24 menggunakan perhatian laten berbilang kepala berget, satu padat — dengan penghala Stable LatentMoE memilih 16 daripada 896 pakar setiap token berserta 2 pakar kongsi. Moonshot melaporkan kira-kira peningkatan 2.5x dalam kecekapan penskalaan berbanding Kimi K2 daripada gabungan itu. Visi bersifat asli dan bukan dicantum: pengekod MoonViT-V2 401J parameter menyuap batang yang sama yang mengendalikan teks.

Angka kejarangan itu patut dihadam: K3 mengaktifkan 104 bilion parameter setiap token, berbanding julat 30-hingga-40-bilion bagi kebanyakan katalog kami. Itu kira-kira tiga kali ganda aritmetik setiap token dijana, dan itulah keseluruhan sebab model ini mengetuai senarai harga. Anda bukan membayar untuk tingkat jenama — anda membayar untuk saat-GPU.

Keturunannya, secara ringkas

• Kimi K2 — 1 trilion parameter, 32 bilion aktif, 384 pakar dengan 8 dihalakan setiap token, dipralatih pada 15.5 trilion token menggunakan pengoptimum MuonClip, dibina untuk menghentikan letupan perhatian yang merosakkan latihan MoE pada skala itu.
• Kimi K2 Thinking — asas yang sama diajar untuk menyelang-nyelikan penaakulan dengan penggunaan alat, dilaporkan mampu mengekalkan 200 hingga 300 panggilan alat berturutan dalam satu larian, dengan 44.9% pada Humanity's Last Exam dengan alat dan 60.2% pada BrowseComp.
• Kimi K3 — dibina semula dengan multimodaliti asli dan tetingkap 1J token di huluan, dengan latihan sedar-kuantuman bermula dari peringkat penalaan halus terselia (pemberat MXFP4, pengaktifan MXFP8). Itulah sebabnya K3 menerima pemampatan agresif lebih baik daripada model yang tidak pernah dilatih dengan itu dalam fikiran.

Benang merahnya ialah agensi ufuk panjang: setiap generasi dioptimumkan untuk kekal koheren merentasi ratusan langkah dan bukan untuk memenangi penanda aras jawapan pendek. Itulah keupayaan yang anda beli.

02Apa maksud "3BIT-REAP", dan mengapa model 2.8T memerlukannya

Akhiran pada id model itu bukan hiasan — ia menyatakan apa yang dilakukan pada pemberat sebelum ia dimuatkan ke atas kluster GPU kami sendiri, dan ia amaran jujur yang terlekat pada setiap dakwaan di sini. Mulakan dengan aritmetiknya. Model 2.8 trilion parameter pada ketepatan 16-bit ialah kira-kira 5.6 terabait pemberat. Pada 3 bit setiap pemberat ia lebih hampir kepada 1.05 terabait — masih besar, tetapi penggunaan yang boleh diurus dengan ruang berbaki untuk cache KV 262K token. REAP ialah separuh kedua: kaedah pemangkasan pakar yang memprofil pakar mana yang penghala benar-benar capai dan menggugurkan yang jarang dipilih sebelum kuantuman dan bukan selepasnya. Pada model yang menghalakan hanya 16 daripada 896 pakar setiap token itu padanan yang semula jadi — taburan sejarang itu mempunyai ekor panjang yang menyumbang amat sedikit kepada trafik sebenar — dan memangkas dahulu bermakna belanjawan bit yang berbaki dibelanjakan pada pakar yang penting.

Katalog kami menggunakan tiga akhiran sebagai tangga yang disengajakan. 3BIT-REAP dikenakan pada asas terbesar, di mana tiada yang lain muat. W4A16-AUTOROUND-REAP ialah pemberat 4-bit dengan pengaktifan 16-bit yang dikuantumkan menggunakan AutoRound — pembundaran terpelajar yang memulihkan ketepatan sebenar berbanding pembundaran-terdekat yang naif — berserta pemangkasan yang sama. W8A16 ialah tingkat kesetiaan tertinggi, untuk asas yang cukup kecil hingga tidak perlukan pemampatan agresif. Ringkasnya: akhiran memberitahu anda berapa banyak yang asal terselamat; harga memberitahu anda berapa kosnya untuk dijalankan.

03Visi: apa yang pemahaman imej beli untuk anda

Kimi-K3 ialah satu daripada lima model dalam katalog dua belas model kami yang mempunyai visi, dan yang paling berkemampuan antara kelima-limanya. Kebanyakan API visi komersial menjalankan pengelas ke atas imej yang dimuat naik dan menolak kategori input yang luas sebelum model sempat melihatnya — lalai pengguna yang munasabah dan halangan serius kepada kerja yang sah. Penyelidik keselamatan yang menangkap layar output eksploit, pasukan penyederhanaan yang membina pengelas sendiri, kerja forensik dan audit set data, serta penilaian pasukan merah semuanya berdepan dinding itu. Kimi-K3 tiada lapisan penolakan dan tiada penapisan pada output.

Di mana visi K3 berbaloi dengan harganya berbanding model visi yang lebih murah

• Rajah dan skematik yang padat — rajah seni bina, topologi rangkaian, litar: apa sahaja yang jawapannya bergantung pada mengikut garisan dan label dan bukan menamakan objek.
• Teks kecil dalam tangkap layar — jejak tindanan, output terminal, sel hamparan. Jurang antara tingkat visi paling lebar pada kebolehbacaan pada skala kecil.
• Imej di dalam teks panjang — tangkap layar yang dijatuhkan ke dalam konteks 200K token, di mana model mesti mengaitkan apa yang dilihatnya dengan apa yang dibacanya lima puluh ribu token lebih awal.
• Perbandingan berbilang imej — dua versi sesebuah UI, atau carta berbanding jadual yang menjanakannya.

Di mana ia tidak berbaloi dengan harganya: kapsyen, teks alt, OCR dokumen yang bersih, dan saluran paip penandaan. Itu semua sudah selesai pada $0.50 setiap juta token input — jika beban kerja imej anda bervolum tinggi dan setiap item secara individu mudah, Kimi-K2.6 atau MiniMax-M3 menghasilkan jawapan yang anda takkan dapat bezakan daripada jawapan K3.

Imej menggunakan token daripada belanjawan 262,144 token yang sama seperti teks dan dibilkan pada kadar input. Segenggam tangkap layar resolusi tinggi bukanlah percuma.

04Kerja agentik ufuk panjang — untuk itulah tingkat ini wujud

Jika satu beban kerja menjustifikasikan tingkat teratas, inilah dia. Tugas pendek gagal dengan lembut: model tersilap, anda perasan, anda cuba semula, anda kehilangan empat saat. Ejen empat puluh pusingan yang mengambil cabang salah pada pusingan keenam menghabiskan tiga puluh empat pusingan berikutnya membina dengan rumit di atas satu kesilapan, dan anda mengetahuinya di penghujung setelah membayar setiap token di antara. Ketaksimetrian itulah sebab harga setiap token hampir menjadi metrik yang salah di sini. Yang penting ialah kos setiap penyiapan yang berjaya, dikuasai oleh berapa kerap sesebuah larian dibuang. Angka terbitan Moonshot bagi asas K3 pada penanda aras agentik:

Semua angka dilaporkan Moonshot bagi asas Kimi K3 tanpa kuantuman, Julai 2026. Ia bukan pengukuran bagi binaan 3BIT-REAP kami dan kami tidak membentangkannya sebagai begitu.

Bentuknya sepadan dengan apa yang seni bina itu dibina untuknya: BrowseComp dan Terminal-Bench ialah penanda aras gelung alat — kitaran berulang bertindak, memerhati, menyemak semula. SWE Marathon pada 42.0 ialah pengimbangnya: penilaian pengekodan ufuk panjang paling sukar dalam set itu, di mana model terdepan pun gagal pada kebanyakan tugas. "Agentik" bukan kategori yang sudah selesai; reka bentuk untuk kegagalan, model mana pun yang anda pilih.

Tetapan praktikal untuk larian panjang

K3 mendedahkan reasoning_effort, dan di sini ia tuas kos yang nyata: token penaakulan dibilkan sebagai token output, pada $19.12 setiap juta.

• Rendah — penghalaan panggilan alat dan pengekstrakan berstruktur, di mana model memilih antara segelintir pilihan yang diketahui.
• Tinggi — lalai untuk kerja agentik sebenar: merancang perubahan berbilang langkah, menyahpepijat daripada jejak tindanan, menyelaraskan sumber yang bercanggah.
• Maks — khaskan ia untuk panggilan tunggal paling sukar dalam saluran paip: pelan di puncak sesebuah larian, atau semakan akhir. Larian yang membelanjakan 30K token penaakulan pada tinggi dan 90K pada maks membayar tambahan $1.15 untuk satu bendera itu.

Belanjawankan konteks dengan sengaja juga: tetingkap kami ialah 262,144 token dengan output maksimum 16,384 token, dan pada $3.83 setiap juta input, sejarah yang tidak dipangkas bertokok — setiap pusingan membilkan semula keseluruhan awalan.

05Apa maksud "tanpa tapisan" pada titik akhir ini

Setiap model pada Get Laluan Shannon AI disajikan dengan tiada lapisan penolakan dan tiada penapisan kandungan pada output. Ia lebih penting pada tingkat teratas, kerana tugas yang orang bawa kepada model tingkat teratas ialah yang paling berkemungkinan mencetuskan penapis: penyelidikan keselamatan bermusuhan, analisis perkakas serangan, pembangunan pengelas penyederhanaan, risikan ancaman, fiksyen yang sukar, dan apa jua penilaian yang memerlukan model menghasilkan benda yang cuba anda kesan.

• Tiada pengelas output. Respons tidak diimbas lalu ditulis semula atau disekat selepas penjanaan.
• Tiada gerbang input. Gesaan dan imej tidak disaring sebelum sampai kepada model.
• Bukan model yang berbeza. Ini asas Kimi K3 yang disajikan tanpa lapisan yang biasanya duduk di hadapannya.
• Bukan pemindahan liabiliti. Membuang lapisan penolakan memindahkan keputusan pertimbangan itu kepada anda — lihat dasar penggunaan bertanggungjawab kami.

Ada satu manfaat yang lebih senyap bagi sesiapa yang membina sistem penilaian: model tanpa penapis ialah garis dasar yang stabil. Model yang menolak secara tidak boleh diramal menjadikan pengukuran berbunyi bising, kerana anda tidak dapat memisahkan had keupayaan daripada had dasar. Di sini kegagalan ialah kegagalan keupayaan — satu-satunya jenis yang boleh anda nyahpepijat.

06Harga: $3.83 masuk, $19.12 keluar — dan bila ia berbaloi

Ini model termahal dalam senarai kami dengan jurang yang lebar: output kos 9.6x lantai $2.00 kami dan 5.2x kos Kimi-K2.6. Inilah aritmetiknya secara terbuka.

Model	Masuk / 1J	Keluar / 1J	Visi	Skema JSON
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ya	Ya
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Tidak	Ya
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ya	Tidak
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ya	Ya
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Tidak	Ya
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ya	Ya
MiMo-V2.5 · W8A16	$0.50	$2.00	Ya	Ya

Baris terpilih, disusun mengikut harga input. Kesemua dua belas model berkongsi konteks 262,144 token, output maksimum 16,384 token, penstriman, panggilan alat dan reasoning_effort yang sama. Bendera keupayaan langsung ada pada halaman dokumentasi API.

Dua contoh terkerja

Pertama, input 120,000 token — longgokan pangkalan kod, satu failan kawal selia — menghasilkan analisis 3,000 token. Kedua, larian ejen empat puluh pusingan: kira-kira 1.2J token input terkumpul ketika konteks bertimbun, 90,000 token output termasuk penaakulan.

Senario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K masuk / 3K keluar	$0.517	$0.105	$0.066
Larian ejen 40 pusingan	$6.32	$1.27	$0.78

K3 kos kira-kira 4.9x Kimi-K2.6 pada panggilan dokumen itu. Lima puluh sen itu tiada makna sekali; ia $517 sehari pada seribu panggilan, berbanding $105. Pada larian ejen, bezanya kira-kira $5. Sekarang gunakan satu-satunya ujian yang penting: jika tugas itu bernilai sejam masa seorang jurutera pada $100, K3 membayar kosnya sendiri sebaik ia menaikkan kejayaan laluan pertama sebanyak lima mata peratusan — dan pada kerja ufuk panjang yang benar-benar sukar, jurang antara tingkat biasanya lebih besar. Jika tugas itu bernilai tiga puluh saat masa sesiapa pun, $5 yang sama itu tidak dapat dipertahankan.

07Kimi-K3 atau adik yang lebih murah?

Dua model Kimi dalam katalog kami ialah dua anak tangga bagi satu tangga dan bukan pesaing. Kimi-K2.6 dikuantumkan kurang agresif — W4A16-AUTOROUND-REAP, pemberat 4-bit dengan pembundaran terpelajar, berbanding 3-bit K3 — atas asas yang lebih kecil. Ia ada visi, output skema JSON, tetingkap konteks yang sama, dan kos kira-kira satu perlima.

Tugas	Guna	Sebabnya
Ejen autonomi empat puluh pusingan	Kimi-K3	Kegagalan bertokok; kualiti pelan pada pusingan pertama menentukan larian
Pemfaktoran semula berskala repositori	Kimi-K3	Perlu konteks penuh dipegang secara koheren, bukan sekadar dicari daripadanya
Rajah padat, teks tangkap layar kecil	Kimi-K3	Jurang visi terlebar antara tingkat ialah kebolehbacaan dan penaakulan ruang
Suntingan satu fail, dinyatakan dengan baik	Kimi-K2.6	Tugas terbatas, cubaan semula murah, tiada beza siling yang boleh diukur
Kapsyen imej secara pukal	MiniMax-M3 / MiMo-V2.5	Selesai pada $0.50 masuk; output K3 ialah 9.6x untuk kapsyen yang sama
Berat penaakulan tetapi teks sahaja	DeepSeek-V4-Pro	Output $3.90 berbanding $19.12 — gugurkan K3 jika anda tidak perlukan imej

Baris terakhir itu penjimatan yang paling kerap terlepas pandang. Jika tugas anda tidak melibatkan imej, semak DeepSeek-V4-Pro dahulu. Ia juga binaan 3BIT-REAP atas asas yang besar, kuat pada penaakulan sukar, dan outputnya kos $3.90 berbanding $19.12 K3. Banyak trafik yang mencapai tingkat teratas ialah penaakulan teks sahaja yang disajikan sama baiknya satu baris ke bawah.

08Memanggil API Kimi K3 tanpa tapisan

Model ini didedahkan sebagai Kimi-K3-3BIT-REAP pada ketiga-tiga dialek, dengan penstriman pada setiap satu dan tiada beza keupayaan antaranya — hanya format wayar: /v1/chat/completions (serasi OpenAI), /v1/messages (serasi Anthropic), dan /v1/responses. Permintaan visi dengan usaha penaakulan dinaikkan untuk tugas visual yang sukar:

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 menyokong kedua-dua response_format dan json_schema penuh, jadi anda boleh mengekang argumen alat sesebuah ejen atau memaksa laporan ke dalam bentuk tetap tanpa penghuraian selepas fakta. Panggilan alat bersifat asli dan itulah cara yang dihasratkan untuk memandu larian panjang. Parameter, pengesahan, had kadar dan taman permainan langsung ada pada halaman dokumentasi API.

Tiga perkara yang menjimatkan wang pada hari pertama

• Pangkas awalannya. Setiap pusingan membilkan semula seluruh perbualan pada $3.83 setiap juta; meringkaskan sejarah 40 pusingan menjadi objek keadaan 4K token sekali sahaja menjimatkan lebih daripada kebanyakan pertukaran model.
• Kecilkan imej. Token imej ialah token input; tangkap layar 4K yang diubah saiz kepada sesuatu yang masih terbaca memberi jawapan yang sama dengan kos lebih rendah.
• Halakan mengikut kesukaran. Model murah pada pusingan rutin, dengan K3 pada pelan, cabang yang sukar dan semakan akhir, selalunya 80% daripada keupayaan pada 25% daripada bil.

09Soalan lazim

---

Fakta asas dan penanda aras ialah angka terbitan Moonshot AI bagi Kimi K3 dan Kimi K2 dan menerangkan model huluan tanpa kuantuman; binaan kami ialah kuantuman REAP 3-bit dan akan berbeza. Harga, konteks dan bendera keupayaan ialah milik Shannon AI sendiri, terkini setakat 5 September 2026 — nilai langsung sentiasa nilai yang dipulangkan oleh /v1/models. Sumber: kad model Kimi K3 · repositori Kimi K3 · Kimi K2 Thinking.