Kimi K3 API без цензуры

Большинство руководств по выбору модели написаны так, будто возможности бесплатны. Это не так. Интересный вопрос про модель верхнего уровня — никогда не «лучше ли она» (обычно да), а «настолько ли она лучше именно на этой задаче, чтобы оправдать счёт впятеро больше, чем у модели ступенью ниже». Это руководство отвечает на него настоящей арифметикой и прямо говорит, где выигрывают более дешёвые варианты.

01Что такое Kimi K3 на самом деле

Kimi K3 — флагман Moonshot AI с открытыми весами, выпущенный в июле 2026 года под лицензией Kimi K3 License: третье поколение линии, начавшейся с Kimi K2, и по-настоящему новая архитектура, а не дообучение.

Опубликованная компоновка — 93 слоя: 69 с Kimi Delta Attention, 24 с гейтированным многоголовым латентным вниманием и один плотный, — с маршрутизатором Stable LatentMoE, выбирающим 16 экспертов из 896 на токен плюс 2 общих. Moonshot сообщает, что эта комбинация даёт примерно 2,5-кратное улучшение эффективности масштабирования по сравнению с Kimi K2. Зрение здесь встроенное, а не приделанное сбоку: энкодер MoonViT-V2 на 401 млн параметров кормит тот же ствол, который обрабатывает текст.

Цифру разреженности стоит усвоить: K3 активирует 104 миллиарда параметров на токен против диапазона 30–40 миллиардов у большинства нашего каталога. Это примерно втрое больше арифметики на сгенерированный токен, и именно поэтому эта модель возглавляет прайс-лист. Вы платите не за престиж бренда, а за GPU-секунды.

Линия, коротко

• Kimi K2 — 1 триллион параметров, 32 миллиарда активных, 384 эксперта с 8 маршрутизируемыми на токен, предобучение на 15,5 триллиона токенов с оптимизатором MuonClip, созданным для того, чтобы прекратить взрывы внимания, разваливающие обучение MoE на таком масштабе.
• Kimi K2 Thinking — та же основа, обученная чередовать рассуждения с работой инструментов; сообщается о выдерживании от 200 до 300 последовательных вызовов инструментов в одном прогоне, при 44,9% на Humanity's Last Exam с инструментами и 60,2% на BrowseComp.
• Kimi K3 — перестроена с изначальной мультимодальностью и окном в 1 млн токенов у первоисточника, с обучением с учётом квантования начиная со стадии контролируемого дообучения (веса MXFP4, активации MXFP8). Именно поэтому K3 переносит агрессивное сжатие лучше моделей, которые никогда под него не обучались.

Сквозная линия — долгосрочная агентность: каждое поколение оптимизировалось под сохранение связности через сотни шагов, а не под победы в бенчмарках с коротким ответом. Именно эту способность вы и покупаете.

02Что значит «3BIT-REAP» и зачем это модели на 2,8 трлн

Суффикс в идентификаторе модели не украшение: он говорит, что сделали с весами перед загрузкой на наш собственный GPU-кластер, и это честная оговорка, приложенная к каждому утверждению на этой странице. Начнём с арифметики. Модель на 2,8 триллиона параметров в 16-битной точности — это примерно 5,6 терабайта весов. При 3 битах на вес получается ближе к 1,05 терабайта — всё ещё много, но это уже реализуемое развёртывание, где остаётся место под KV-кэш на 262K токенов. REAP — вторая половина: метод отсечения экспертов, который профилирует, к каким экспертам маршрутизатор действительно обращается, и отбрасывает редко выбираемых до квантования, а не после. На модели, маршрутизирующей всего 16 экспертов из 896 на токен, это ложится естественно — у настолько разреженного распределения длинный хвост вносит в реальный трафик очень мало, — и отсечение первым шагом означает, что оставшийся битовый бюджет тратится на значимых экспертов.

В нашем каталоге три суффикса образуют осознанную лестницу. 3BIT-REAP ставится на самые крупные основы, где ничто другое не помещается. W4A16-AUTOROUND-REAP — это 4-битные веса с 16-битными активациями, квантованные при помощи AutoRound (обучаемое округление, которое возвращает реальную точность по сравнению с наивным округлением к ближайшему), плюс то же отсечение. W8A16 — ступень наивысшей точности, для основ, достаточно небольших, чтобы обойтись без агрессивного сжатия. Коротко: суффикс говорит, сколько от оригинала уцелело, а цена — сколько стоит его запуск.

03Зрение: что даёт понимание изображений

Kimi-K3 — одна из пяти моделей нашего каталога из двенадцати со зрением и самая способная из пяти. Большинство коммерческих API со зрением прогоняют классификатор по загруженным изображениям и отклоняют широкую категорию входных данных ещё до того, как их увидит модель, — разумное умолчание для потребителя и серьёзная помеха законной работе. Исследователи безопасности, снимающие вывод эксплойта, команды модерации, строящие собственные классификаторы, криминалистика и аудит датасетов, оценка методом red team — все упираются в эту стену. У Kimi-K3 нет слоя отказов и нет фильтрации вывода.

Где зрение K3 оправдывает свою цену перед более дешёвыми видящими моделями

• Плотные диаграммы и схемы — архитектурные диаграммы, топологии сетей, электрические схемы: всё, где ответ зависит от прослеживания линий и подписей, а не от называния объектов.
• Мелкий текст на скриншотах — трассировки стека, вывод терминала, ячейки таблиц. Разрыв между ступенями зрения максимален именно на читаемости мелкого.
• Изображение внутри длинного текста — скриншот, вброшенный в контекст на 200K токенов, где модель должна связать увиденное с прочитанным пятьюдесятью тысячами токенов ранее.
• Сравнение нескольких изображений — две версии интерфейса или график против таблицы, из которой он построен.

Где она свою цену не оправдывает: подписи к картинкам, alt-текст, OCR чистых документов и конвейеры тегирования. Это решается за $0.50 за миллион входных токенов — если ваша нагрузка с изображениями массовая, а каждый элемент по отдельности прост, Kimi-K2.6 или MiniMax-M3 дадут ответы, которые вы не отличите от ответов K3.

Изображения расходуют токены из того же бюджета в 262 144 токена, что и текст, и тарифицируются по входной ставке. Горстка скриншотов в высоком разрешении не бесплатна.

04Долгие агентные прогоны — то, ради чего эта ступень существует

Если какая-то одна нагрузка и оправдывает верхнюю ступень, то эта. Короткие задачи проваливаются милосердно: модель ошиблась, вы заметили, повторили запрос, потеряли четыре секунды. Сорокаходовый агент, свернувший не туда на шестом ходу, следующие тридцать четыре хода изощрённо надстраивает ошибку, а узнаёте вы об этом в конце, оплатив каждый токен по пути. Из-за этой асимметрии цена за токен здесь почти неправильная метрика. Значение имеет стоимость одного успешного завершения, которой правит то, как часто прогон приходится выбрасывать. Опубликованные Moonshot цифры для основы K3 на агентных бенчмарках:

Все цифры приведены Moonshot для неквантованной основы Kimi K3, июль 2026 года. Это не измерения нашей сборки 3BIT-REAP, и мы их таковыми не представляем.

Картина совпадает с тем, подо что строилась архитектура: BrowseComp и Terminal-Bench — бенчмарки цикла с инструментами, повторяющиеся круги «действуй, наблюдай, пересматривай». SWE Marathon с 42,0 — противовес: самая трудная оценка долгосрочного программирования в наборе, где даже фронтир-модель проваливает большинство задач. «Агентность» не закрытая категория; проектируйте с расчётом на сбой, какую бы модель вы ни выбрали.

Практические настройки для долгих прогонов

K3 открывает reasoning_effort, и здесь это настоящий рычаг стоимости: токены рассуждений тарифицируются как выходные, по $19.12 за миллион.

• Low — маршрутизация вызовов инструментов и структурированное извлечение, где модель выбирает из горстки известных вариантов.
• High — умолчание для реальной агентной работы: планирование многошагового изменения, отладка по трассировке стека, сведение противоречащих источников.
• Max — приберегите для самого трудного одиночного вызова в конвейере: план в начале прогона или итоговая проверка. Прогон, тратящий 30K токенов рассуждений на high и 90K на max, платит за этот один флаг лишние $1.15.

Контекст тоже планируйте осознанно: наше окно — 262 144 токена при максимальном выводе в 16 384 токена, и при $3.83 за миллион входных неподрезанная история накапливается сложным процентом — каждый ход заново оплачивает весь префикс.

05Что значит «без цензуры» на этом эндпоинте

Каждая модель на шлюзе Shannon AI обслуживается без слоя отказов и без фильтрации содержимого на выходе. На верхней ступени это важнее, потому что задачи, которые приносят модели верхнего уровня, вероятнее всего задевают фильтр: состязательные исследования безопасности, анализ наступательного инструментария, разработка классификаторов модерации, разведка угроз, трудная проза и любая оценка, требующая от модели произвести именно то, что вы пытаетесь детектировать.

• Нет классификатора вывода. Ответы не сканируются и не переписываются и не блокируются после генерации.
• Нет входных ворот. Промпты и изображения не просеиваются до того, как дойдут до модели.
• Это не другая модель. Это основа Kimi K3, обслуживаемая без слоя, который обычно стоит перед ней.
• Это не передача ответственности. Убирая слой отказов, вы переносите решение на себя — см. нашу политику ответственного использования.

Есть и менее очевидная выгода для тех, кто строит системы оценки: нефильтрованная модель — стабильная база отсчёта. Модель, отказывающая непредсказуемо, зашумляет измерения, потому что вы не можете отделить предел способностей от предела политик. Здесь сбой — это сбой способностей, единственный вид, который можно отлаживать.

06Цена: $3.83 на входе, $19.12 на выходе — и когда она себя оправдывает

Это с большим отрывом самая дорогая модель в нашем списке: вывод стоит в 9,6 раза дороже нашей нижней планки $2.00 и в 5,2 раза дороже, чем у Kimi-K2.6. Вот арифметика открытым текстом.

Модель	Вход / 1M	Выход / 1M	Зрение	JSON-схема
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Да	Да
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Нет	Да
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Да	Нет
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Да	Да
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Нет	Да
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Да	Да
MiMo-V2.5 · W8A16	$0.50	$2.00	Да	Да

Выборочные строки, упорядоченные по цене входа. Все двенадцать моделей делят одинаковый контекст в 262 144 токена, максимальный вывод в 16 384 токена, стриминг, вызов инструментов и reasoning_effort. Актуальные флаги возможностей — на странице документации API.

Два разобранных примера

Первый: вход на 120 000 токенов — дамп кодовой базы, регуляторная отчётность — с анализом на 3 000 токенов. Второй: сорокаходовый прогон агента — примерно 1,2 млн совокупных входных токенов по мере накопления контекста и 90 000 выходных токенов, включая рассуждения.

Сценарий	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K вход / 3K выход	$0.517	$0.105	$0.066
Прогон агента на 40 ходов	$6.32	$1.27	$0.78

На вызове с документом K3 стоит примерно в 4,9 раза дороже Kimi-K2.6. Полдоллара это ничто один раз; но при тысяче вызовов это $517 в день против $105. На прогоне агента разница около $5. Теперь примените единственный важный тест: если задача стоит часа работы инженера по $100, K3 окупается в тот момент, когда поднимает долю успеха с первого раза на пять процентных пунктов, — а на по-настоящему трудной долгой работе разрыв между ступенями обычно больше. Если задача стоит тридцати секунд чьего-либо времени, те же $5 неоправданны.

07Kimi-K3 или более дешёвый родственник?

Две модели Kimi в нашем каталоге — это две ступени одной лестницы, а не конкуренты. Kimi-K2.6 квантована мягче — W4A16-AUTOROUND-REAP, 4-битные веса с обучаемым округлением против 3 бит у K3 — и стоит на меньшей основе. У неё есть зрение, вывод по JSON-схеме, то же контекстное окно, и стоит она примерно впятеро дешевле.

Задача	Берите	Почему
Автономный агент на сорок ходов	Kimi-K3	Ошибка накапливается; качество плана на первом ходу решает исход прогона
Рефакторинг масштаба репозитория	Kimi-K3	Нужно удерживать весь контекст связно, а не просто извлекать из него
Плотные диаграммы, мелкий текст на скриншотах	Kimi-K3	Самый широкий разрыв в зрении между ступенями — читаемость и пространственное рассуждение
Правки в одном файле, чётко описанные	Kimi-K2.6	Ограниченная задача, дешёвый повтор, разницы в потолке не заметить
Массовые подписи к изображениям	MiniMax-M3 / MiMo-V2.5	Решается за $0.50 на входе; вывод K3 в 9,6 раза дороже за ту же подпись
Тяжёлые рассуждения, но только текст	DeepSeek-V4-Pro	$3.90 за вывод против $19.12 — откажитесь от K3, если изображения не нужны

Последняя строка — самая часто упускаемая экономия. Если в вашей задаче нет изображений, сначала посмотрите на DeepSeek-V4-Pro. Это тоже сборка 3BIT-REAP на крупной основе, сильная в трудных рассуждениях, и её вывод стоит $3.90 против $19.12 у K3. Немалая доля трафика, тянущегося к верхней ступени, — это текстовые рассуждения, которые ступенью ниже обслуживаются ничуть не хуже.

08Как вызывать Kimi K3 API без цензуры

Модель доступна как Kimi-K3-3BIT-REAP во всех трёх диалектах, со стримингом в каждом и без разницы в возможностях между ними — отличается только формат передачи: /v1/chat/completions (совместимый с OpenAI), /v1/messages (совместимый с Anthropic) и /v1/responses. Запрос со зрением и поднятым усилием рассуждения под трудную визуальную задачу:

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 поддерживает и response_format, и полную json_schema, поэтому вы можете ограничить аргументы инструментов агента или загнать отчёт в фиксированную форму без разбора постфактум. Вызов инструментов встроенный и является предполагаемым способом вести долгие прогоны. Параметры, аутентификация, лимиты частоты и живая песочница — на странице документации API.

Три вещи, которые экономят деньги с первого дня

• Подрезайте префикс. Каждый ход заново оплачивает всю переписку по $3.83 за миллион; однократное сведение сорокаходовой истории в объект состояния на 4K токенов экономит больше, чем большинство смен модели.
• Уменьшайте изображения. Токены изображений — это входные токены; скриншот 4K, уменьшенный до всё ещё читаемого размера, даёт тот же ответ дешевле.
• Маршрутизируйте по сложности. Дешёвая модель на рутинных ходах и K3 на плане, трудной ветке и итоговой проверке — это часто 80% возможностей за 25% счёта.

09Часто задаваемые вопросы

---

Факты об основе и бенчмарки — это опубликованные Moonshot AI цифры для Kimi K3 и Kimi K2, описывающие неквантованные исходные модели; наша сборка — 3-битное квантование REAP, и она будет отличаться. Цены, контекст и флаги возможностей принадлежат Shannon AI и актуальны на 5 сентября 2026 года; живые значения — это всегда те, что возвращает /v1/models. Источники: карточка модели Kimi K3 · репозиторий Kimi K3 · Kimi K2 Thinking.