Ongecensureerde Kimi K3-API

De meeste gidsen voor modelkeuze zijn geschreven alsof capaciteit gratis was. Dat is ze niet. De interessante vraag bij een topmodel is nooit "is het beter" — dat is het meestal — maar "is het op deze taak genoeg beter om een rekening te rechtvaardigen die vijf keer zo hoog is als die van het model één trede lager". Deze gids beantwoordt dat met echte rekensommen, en zegt onomwonden waar de goedkopere opties winnen.

01Wat Kimi K3 werkelijk is

Kimi K3 is het open-weights-vlaggenschip van Moonshot AI, in juli 2026 uitgebracht onder de Kimi K3 License — de derde generatie van een lijn die met Kimi K2 begon, en een werkelijk nieuwe architectuur in plaats van een fine-tune.

De gepubliceerde indeling telt 93 lagen — 69 met Kimi Delta Attention, 24 met gated multi-head latent attention, één dichte laag — met een Stable LatentMoE-router die per token 16 van de 896 experts kiest, plus 2 gedeelde. Moonshot rapporteert uit die combinatie ruwweg een 2.5x betere schaalefficiëntie dan Kimi K2. Vision is native en niet aangebouwd: een MoonViT-V2-encoder van 401M parameters voedt dezelfde romp die de tekst verwerkt.

Het spaarzaamheidsgetal is het waard om te onthouden: K3 activeert 104 miljard parameters per token, tegenover de 30 tot 40 miljard voor het merendeel van onze catalogus. Dat is ruwweg drie keer zoveel rekenwerk per gegenereerd token, en het is de hele reden dat dit model de prijslijst aanvoert. U betaalt niet voor een merkklasse — u betaalt voor GPU-seconden.

De afstamming, kort

• Kimi K2 — 1 biljoen parameters, 32 miljard actief, 384 experts met 8 gerouteerd per token, voorgetraind op 15,5 biljoen tokens met de MuonClip-optimizer, gebouwd om de attention-explosies te stoppen die MoE-training op die schaal om zeep helpen.
• Kimi K2 Thinking — hetzelfde basismodel, geleerd om redeneren met toolgebruik te verweven, met gerapporteerd 200 tot 300 opeenvolgende tool calls in één run, 44.9% op Humanity's Last Exam met tools en 60.2% op BrowseComp.
• Kimi K3 — herbouwd met native multimodaliteit en bovenstrooms een venster van 1M tokens, met kwantisatiebewuste training vanaf de fase van supervised fine-tuning (MXFP4-gewichten, MXFP8-activaties). Daarom verdraagt K3 agressieve compressie beter dan modellen die er nooit met dat oogmerk op zijn getraind.

De rode draad is agentschap over lange horizon: elke generatie is geoptimaliseerd om coherent te blijven over honderden stappen heen, en niet om benchmarks met korte antwoorden te winnen. Dat is de capaciteit die u koopt.

02Wat "3BIT-REAP" betekent, en waarom een model van 2.8T het nodig heeft

Het achtervoegsel in de model-id is geen versiering — het zegt wat er met de gewichten is gedaan voordat ze op ons eigen GPU-cluster zijn geladen, en het is de eerlijke kanttekening bij elke claim op deze pagina. Begin met het rekenwerk. Een model van 2,8 biljoen parameters op 16-bits precisie is ongeveer 5,6 terabyte aan gewichten. Op 3 bits per gewicht komt dat dichter bij 1,05 terabyte — nog steeds groot, maar een haalbare uitrol met ruimte over voor een KV-cache van 262K tokens. REAP is de tweede helft: een snoeimethode voor experts die in kaart brengt welke experts de router werkelijk aanspreekt en de zelden gekozen experts verwijdert vóór het kwantiseren in plaats van erna. Bij een model dat per token slechts 16 van de 896 experts routeert, past dat vanzelf — een verdeling die zo spaarzaam is, heeft een lange staart die zeer weinig bijdraagt aan echt verkeer — en eerst snoeien betekent dat het resterende bitbudget wordt besteed aan de experts die ertoe doen.

Onze catalogus gebruikt drie achtervoegsels als een bewuste ladder. 3BIT-REAP gaat op de grootste basismodellen, waar niets anders past. W4A16-AUTOROUND-REAP is 4-bits gewichten met 16-bits activaties, gekwantiseerd met AutoRound — geleerde afronding die echte nauwkeurigheid terugwint ten opzichte van naïef afronden op de dichtstbijzijnde waarde — plus hetzelfde snoeien. W8A16 is de laag met de hoogste getrouwheid, voor basismodellen die klein genoeg zijn om agressieve compressie niet nodig te hebben. Kortom: het achtervoegsel vertelt u hoeveel van het origineel het heeft overleefd; de prijs vertelt u wat het kost om te draaien.

03Vision: wat beeldbegrip u oplevert

Kimi-K3 is een van de vijf modellen met vision in onze catalogus van twaalf, en het capabelste van die vijf. De meeste commerciële vision-API's laten een classifier over geüploade afbeeldingen lopen en weigeren een brede categorie invoer voordat het model die ooit ziet — een redelijke standaard voor consumenten en een serieuze hindernis voor legitiem werk. Securityonderzoekers die exploituitvoer screenshotten, moderatieteams die hun eigen classifiers bouwen, forensisch werk en dataset-audits, en red-teamevaluaties lopen allemaal tegen die muur aan. Kimi-K3 heeft geen weigeringslaag en geen filtering van de uitvoer.

Waar de vision van K3 zijn prijs waarmaakt tegenover goedkopere vision-modellen

• Dichte diagrammen en schema's — architectuurdiagrammen, netwerktopologieën, schakelingen: alles waarbij het antwoord afhangt van het volgen van lijnen en labels in plaats van het benoemen van objecten.
• Kleine tekst in screenshots — stacktraces, terminaluitvoer, spreadsheetcellen. Het gat tussen vision-klassen is het grootst bij leesbaarheid op kleine schaal.
• Beeld binnen lange tekst — een screenshot midden in een context van 200K tokens, waarbij het model moet koppelen wat het ziet aan wat het vijftigduizend tokens eerder heeft gelezen.
• Vergelijking van meerdere afbeeldingen — twee versies van een UI, of een grafiek naast de tabel die haar heeft voortgebracht.

Waar het zijn prijs niet waarmaakt: bijschriften, alt-tekst, OCR van schone documenten, en tagging-pijplijnen. Die zijn opgelost voor $0.50 per miljoen invoertokens — is uw beeldwerklast omvangrijk en elk item op zichzelf eenvoudig, dan leveren Kimi-K2.6 of MiniMax-M3 antwoorden die u niet van die van K3 zult onderscheiden.

Afbeeldingen verbruiken tokens uit hetzelfde budget van 262,144 tokens als tekst en worden gefactureerd tegen het invoertarief. Een handvol screenshots met hoge resolutie is niet gratis.

04Agentisch werk over lange horizon — waar deze klasse voor is

Als één werklast de topklasse rechtvaardigt, is dit hem. Korte taken falen mild: het model heeft het mis, u ziet het, u probeert opnieuw, u bent vier seconden kwijt. Een agent van veertig beurten die in beurt zes de verkeerde tak inslaat, bouwt de volgende vierendertig beurten uitvoerig voort op een fout, en u komt er pas aan het eind achter, nadat u voor elk token daartussen hebt betaald. Die asymmetrie is waarom de prijs per token hier bijna de verkeerde maatstaf is. Wat telt zijn de kosten per geslaagde voltooiing, gedomineerd door hoe vaak een run wordt weggegooid. De gepubliceerde cijfers van Moonshot voor het K3-basismodel op agentische benchmarks:

Alle cijfers zijn door Moonshot gerapporteerd voor het ongekwantiseerde Kimi K3-basismodel, juli 2026. Het zijn geen metingen van onze 3BIT-REAP-build en wij presenteren ze niet als zodanig.

Het patroon past bij waarvoor de architectuur is gebouwd: BrowseComp en Terminal-Bench zijn benchmarks voor de toollus — herhaalde cycli van handelen, waarnemen, bijstellen. SWE Marathon op 42.0 is het tegenwicht: de zwaarste evaluatie voor coderen over lange horizon in de set, waar zelfs een frontier-model de meeste taken niet haalt. "Agentisch" is geen opgeloste categorie; ontwerp voor falen, welk model u ook kiest.

Praktische instellingen voor lange runs

K3 biedt reasoning_effort, en hier is dat een echte kostenknop: redeneertokens worden als uitvoertokens gefactureerd, tegen $19.12 per miljoen.

• Low — het routeren van tool calls en gestructureerde extractie, waar het model kiest tussen een handvol bekende opties.
• High — de standaard voor echt agentisch werk: een wijziging in meerdere stappen plannen, debuggen vanaf een stacktrace, tegenstrijdige bronnen verzoenen.
• Max — reserveer die voor de zwaarste enkele aanroep in een pijplijn: het plan aan het begin van een run, of de eindcontrole. Een run die 30K redeneertokens op high en 90K op max besteedt, betaalt $1.15 extra voor die ene vlag.

Begroot ook uw context bewust: ons venster is 262,144 tokens met een maximale uitvoer van 16,384 tokens, en bij $3.83 per miljoen invoer stapelt een ongesnoeide geschiedenis op — elke beurt factureert de hele voorgeschiedenis opnieuw.

05Wat "ongecensureerd" op dit endpoint betekent

Elk model op de Shannon AI Gateway wordt geserveerd zonder weigeringslaag en zonder inhoudsfiltering op de uitvoer. Bij de topklasse telt dat zwaarder, omdat de taken die mensen naar een topmodel brengen het waarschijnlijkst een filter laten afgaan: adversarieel securityonderzoek, analyse van offensieve tooling, ontwikkeling van moderatieclassifiers, threat intelligence, moeilijke fictie, en elke evaluatie waarbij het model juist moet produceren wat u probeert te detecteren.

• Geen uitvoerclassifier. Antwoorden worden na generatie niet gescand en herschreven of geblokkeerd.
• Geen invoerpoort. Prompts en afbeeldingen worden niet gescreend voordat ze het model bereiken.
• Geen ander model. Dit is het Kimi K3-basismodel, geserveerd zonder de laag die er gewoonlijk voor staat.
• Geen overdracht van aansprakelijkheid. Een weigeringslaag weghalen verplaatst de afweging naar u — zie ons beleid voor verantwoord gebruik.

Er is een stiller voordeel voor iedereen die evaluatiesystemen bouwt: een ongefilterd model is een stabiele nullijn. Een model dat onvoorspelbaar weigert maakt metingen ruizig, want u kunt een capaciteitsgrens dan niet van een beleidsgrens scheiden. Hier is een fout een capaciteitsfout — het enige soort dat u kunt debuggen.

06De prijs: $3.83 in, $19.12 uit — en wanneer die zich terugverdient

Dit is met ruime marge het duurste model op onze lijst: de uitvoer kost 9.6x onze bodem van $2.00 en 5.2x wat Kimi-K2.6 kost. Hier is de rekensom, open en bloot.

Model	In / 1M	Uit / 1M	Vision	JSON-schema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Ja	Ja
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Nee	Ja
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Ja	Nee
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Ja	Ja
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Nee	Ja
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Ja	Ja
MiMo-V2.5 · W8A16	$0.50	$2.00	Ja	Ja

Een selectie van rijen, gesorteerd op invoerprijs. Alle twaalf modellen delen dezelfde context van 262,144 tokens, dezelfde maximale uitvoer van 16,384 tokens, streaming, tool calling en reasoning_effort. De actuele capaciteitsvlaggen staan op de pagina met API-documentatie.

Twee uitgewerkte voorbeelden

Ten eerste een invoer van 120.000 tokens — een codebase-dump, een toezichtsrapportage — die een analyse van 3.000 tokens oplevert. Ten tweede een agentrun van veertig beurten: ruwweg 1,2M cumulatieve invoertokens naarmate de context zich opstapelt, en 90.000 uitvoertokens inclusief redeneren.

Scenario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K in / 3K uit	$0.517	$0.105	$0.066
Agentrun van 40 beurten	$6.32	$1.27	$0.78

K3 kost bij de documentaanroep ongeveer 4.9x zoveel als Kimi-K2.6. Vijftig cent is één keer niets; bij duizend aanroepen is het $517 per dag, tegenover $105. Bij de agentrun is het verschil ongeveer $5. Pas nu de enige toets toe die telt: is de taak een uur van het werk van een engineer à $100 waard, dan verdient K3 zich terug op het moment dat het het slagingspercentage in de eerste poging met vijf procentpunten verhoogt — en bij werkelijk moeilijk werk over lange horizon is het gat tussen de klassen meestal groter. Is de taak dertig seconden van iemands tijd waard, dan is diezelfde $5 niet te verdedigen.

07Kimi-K3 of een goedkopere verwant?

De twee Kimi-modellen in onze catalogus zijn twee treden van één ladder, geen concurrenten. Kimi-K2.6 is minder agressief gekwantiseerd — W4A16-AUTOROUND-REAP, 4-bits gewichten met geleerde afronding, tegenover de 3 bits van K3 — op een kleiner basismodel. Het heeft vision, uitvoer met JSON-schema, hetzelfde contextvenster, en kost ongeveer een vijfde.

Taak	Gebruik	Waarom
Autonome agent van veertig beurten	Kimi-K3	Falen stapelt zich op; de kwaliteit van het plan in beurt één bepaalt de run
Refactor op repositoryschaal	Kimi-K3	Vereist dat de volledige context coherent wordt vastgehouden, niet alleen doorzocht
Dichte diagrammen, kleine tekst in screenshots	Kimi-K3	Het grootste vision-gat tussen klassen zit in leesbaarheid en ruimtelijk redeneren
Bewerkingen in één bestand, goed gespecificeerd	Kimi-K2.6	Afgebakende taak, goedkope herkansing, geen meetbaar verschil in plafond
Bijschriften bij afbeeldingen op volume	MiniMax-M3 / MiMo-V2.5	Opgelost voor $0.50 invoer; de uitvoer van K3 kost 9.6x voor hetzelfde bijschrift
Redeneerzwaar maar alleen tekst	DeepSeek-V4-Pro	$3.90 uitvoer tegenover $19.12 — laat K3 vallen als u geen afbeeldingen nodig hebt

Die laatste rij is de meest gemiste besparing. Komen er in uw taak geen afbeeldingen voor, kijk dan eerst naar DeepSeek-V4-Pro. Ook dat is een 3BIT-REAP-build op een groot basismodel, sterk in moeilijk redeneren, en de uitvoer kost $3.90 tegenover $19.12 bij K3. Een groot deel van het verkeer dat naar de topklasse grijpt, is redeneren met alleen tekst dat één rij lager net zo goed wordt bediend.

08De ongecensureerde Kimi K3 API aanroepen

Het model is beschikbaar als Kimi-K3-3BIT-REAP op alle drie de dialecten, met streaming op elk ervan en geen verschil in mogelijkheden ertussen — alleen in het wireformaat: /v1/chat/completions (OpenAI-compatibel), /v1/messages (Anthropic-compatibel) en /v1/responses. Een vision-verzoek met verhoogde reasoning effort voor een moeilijke visuele taak:

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 ondersteunt zowel response_format als volledig json_schema, zodat u de toolargumenten van een agent kunt inperken of een rapport in een vaste vorm kunt dwingen zonder achteraf te parsen. Tool calling is native en is de bedoelde manier om lange runs aan te sturen. Parameters, authenticatie, rate limits en een live playground staan op de pagina met API-documentatie.

Drie dingen die vanaf dag één geld besparen

• Snoei de voorgeschiedenis. Elke beurt factureert het hele gesprek opnieuw tegen $3.83 per miljoen; een geschiedenis van 40 beurten één keer samenvatten tot een statusobject van 4K tokens bespaart meer dan de meeste modelwissels.
• Verklein afbeeldingen. Beeldtokens zijn invoertokens; een screenshot van 4K die wordt verkleind tot iets dat nog leesbaar is, levert hetzelfde antwoord voor minder.
• Routeer op moeilijkheid. Een goedkoop model op de routinebeurten, met K3 op het plan, de moeilijke tak en de eindcontrole, levert vaak 80% van de capaciteit voor 25% van de rekening.

09Veelgestelde vragen

---

De feiten en benchmarks over het basismodel zijn de door Moonshot AI gepubliceerde cijfers voor Kimi K3 en Kimi K2 en beschrijven de ongekwantiseerde bovenstroomse modellen; onze build is een 3-bits REAP-kwantisatie en zal ervan afwijken. Prijzen, context en capaciteitsvlaggen zijn die van Shannon AI zelf, actueel per 5 september 2026 — de actuele waarden zijn altijd die welke /v1/models teruggeeft. Bronnen: modelkaart Kimi K3 · Kimi K3-repository · Kimi K2 Thinking.