වාරණයෙන් තොර Kimi K3 API
Shannon AI Gateway හි ඉහළම-හැකියා ස්තරය: දෘශ්‍ය හැකියාව, මෙවලම් ඇමතුම් සහ 262K සන්දර්භයක් සහිත 2.8-ට්‍රිලියන-පරාමිති multimodal පදනමක් — ප්‍රතික්ෂේප ස්තරයක් නැත, සහ අපගේ ලැයිස්තුවේ ඉහළම මිල. එම මිල ගෙවීමට වටින්නේ කවදාද යන්න මෙන්න.
TL;DR
Kimi-K3-3BIT-REAP අප සේවා සපයන ශක්තිමත්ම ආකෘතිය මෙන්ම වඩාත්ම මිල අධිකම ආකෘතියයි: ආදාන ටෝකන මිලියනයකට $3.83, ප්‍රතිදාන මිලියනයකට $19.12. එයට දෘශ්‍ය හැකියාව, ටෝකන 262,144ක සන්දර්භයක්, ටෝකන 16,384ක උපරිම ප්‍රතිදානයක්, මෙවලම් ඇමතුම්, JSON-schema ප්‍රතිදානය, සීරුමාරු කළ හැකි reasoning_effort එකක් සහ API උපභාෂා තුනෙහිම ප්‍රවාහනය ඇත — ප්‍රතික්ෂේප ස්තරයක් හෝ ප්‍රතිදාන පෙරහනක් නොමැතිව. දිගු කාලීන ඒජන්ට් ධාවන, දුෂ්කර බහු-පියවර තර්කනය, සහ සියුම් දෘශ්‍ය විස්තර වැදගත් වන රූප වැඩ සඳහා නිවැරදි තේරීමයි. වර්ගීකරණය, උපුටාගැනීම, කතාබස, සහ දිනකට ලක්ෂ ගණනක් වාර ධාවනය කරන ඕනෑම දෙයකට වැරදි තේරීමයි.
බොහෝ ආකෘති-තේරීම් මාර්ගෝපදේශ ලියා ඇත්තේ හැකියාව නොමිලේ දෙයක් යැයි සිතමිනි. එය එසේ නොවේ. ඉහළම-ස්තරයේ ආකෘතියක් ගැන සිත්ගන්නා ප්‍රශ්නය කිසි විටෙකත් "එය වඩා හොඳද" කියා නොවේ — සාමාන්‍යයෙන් එය හොඳයි — නමුත් "එය මෙම කාර්යය මත, පහළ ස්තරයේ ආකෘතියකට වඩා පස් ගුණයකින් වැඩි බිල්පතක් සාධාරණීකරණය කරන තරම් හොඳද" යන්නයි. මෙම මාර්ගෝපදේශය එයට සැබෑ ගණිතයෙන් පිළිතුරු දෙන අතර, මිල අඩු විකල්ප ජයගන්නා ස්ථාන පැහැදිලිවම පවසයි.
01Kimi K3 සැබවින්ම කුමක්ද
Kimi K3 යනු Moonshot AI හි විවෘත-බර ප්‍රධාන ආකෘතියයි, 2026 ජූලි මාසයේ Kimi K3 බලපත්‍රය යටතේ නිකුත් කරන ලදී — Kimi K2 සමඟ ආරම්භ වූ පෙළපතේ තුන්වන පරම්පරාව, සහ fine-tune එකක් නොව සැබවින්ම නව ගෘහ නිර්මාණයකි.
ප්‍රකාශිත සැලසුම ස්තර 93කි — 69ක් Kimi Delta Attention භාවිත කරන අතර, 24ක් gated multi-head latent attention භාවිත කරන අතර, එකක් dense වේ — Stable LatentMoE router එකක් මගින් ටෝකනයකට 896න් 16ක් සහ බෙදාගත් 2ක් තෝරාගනී. එම සංයෝජනයෙන් Kimi K2ට වඩා පරිමාණ කාර්යක්ෂමතාවයේ දළ වශයෙන් 2.5x වැඩිදියුණුවක් Moonshot වාර්තා කරයි. දෘශ්‍ය හැකියාව එකතු කළ දෙයක් නොව දේශීයයි: පරාමිති මිලියන 401ක MoonViT-V2 කේතකයක් පෙළ හසුරුවන එකම trunk එකට සම්බන්ධ වේ.
අවධානයට ලක් කළ යුතු අංකයක් නම් විරලතාවයයි: K3, අපගේ නාමාවලියේ බොහොමයක් සඳහා වන බිලියන 30-සිට-40 පරාසයට සාපේක්ෂව, ටෝකනයකට පරාමිති බිලියන 104ක් සක්‍රිය කරයි. එය උත්පාදනය කරන ලද ටෝකනයකට දළ වශයෙන් ගණිතමය ක්‍රියාවලිය තුන් ගුණයකි, සහ මිල ලැයිස්තුවේ ඉහළින්ම මෙම ආකෘතිය සිටීමට හේතුව එයයි. ඔබ ගෙවන්නේ සන්නාම ස්තරයකට නොව — GPU-තත්පරවලටයි.
පෙළපත, කෙටියෙන්
- Kimi K2 — පරාමිති ට්‍රිලියන 1ක්, සක්‍රිය බිලියන 32ක්, ටෝකනයකට 8ක් මාර්ගගත වන විශේෂඥයන් 384ක්, MuonClip optimizer භාවිතයෙන් ටෝකන ට්‍රිලියන 15.5ක් මත පූර්ව-පුහුණු කරන ලද, එම පරිමාණයේදී MoE පුහුණුව විනාශ කරන attention blow-up අවහිර කිරීමට නිර්මාණය කළ.
- Kimi K2 Thinking — තර්කනය මෙවලම් භාවිතය සමඟ අන්තර් ගැළපීමට එම පදනමටම ඉගැන්වූ අනුවාදය, එක් ධාවනයක් තුළ අනුක්‍රමික මෙවලම් ඇමතුම් 200 සිට 300 දක්වා පවත්වා ගැනීම වාර්තා කර ඇති අතර, මෙවලම් සමඟ Humanity's Last Exam හි 44.9%ක් සහ BrowseComp හි 60.2%ක් ලබා ගනී.
- Kimi K3 — දේශීය multimodality සහ upstream ටෝකන 1M ක කවුළුවක් සමඟ නැවත ගොඩනඟන ලද, supervised fine-tuning අදියරේ සිට ඉදිරියට quantization-aware පුහුණුවක් සමඟ (MXFP4 බර, MXFP8 activations). K3 එය සිතේ තබාගෙන කිසි විටෙකත් පුහුණු නොකළ ආකෘතිවලට වඩා ආක්‍රමණශීලී සම්පීඩනය ඉවසා දරාගන්නේ එබැවිනි.
පොදු නූල වන්නේ දිගු කාලීන ක්‍රියාකාරීත්වයයි: සෑම පරම්පරාවක්ම ප්‍රශස්තිකරණය කර ඇත්තේ කෙටි-පිළිතුරු ප්‍රමිති ජයගැනීම සඳහා නොව, සිය ගණන් පියවර පුරා සුසංගතව සිටීම සඳහාය. ඔබ මිලට ගන්නේ එම හැකියාවයි.
02"3BIT-REAP" යනු කුමක්ද, සහ 2.8T ආකෘතියකට එය අවශ්‍ය වන්නේ ඇයි
ආකෘති හැඳුනුමේ ඇති ලප්‍රත්‍යය අලංකරණයක් නොවේ — එය අපගේම GPU පොකුරට පූරණය කිරීමට පෙර බරවලට කරන ලද දේ පවසන අතර, මෙහි සෑම ප්‍රකාශයකටම අනුයුක්ත වූ අවංක අවවාදයයි. ගණිතයෙන් ආරම්භ කරමු. 16-bit නිරවද්‍යතාවයෙන් යුත් පරාමිති ට්‍රිලියන 2.8ක ආකෘතියක් බර ටෙරාබයිට් 5.6ක් පමණ වේ. බරකට bit 3ක් වන විට එය ටෙරාබයිට් 1.05ක්ට ආසන්නය — තවමත් විශාලයි, නමුත් ටෝකන 262Kක KV cache එකකට ඉඩ ඉතිරි කරන කළමනාකරණය කළ හැකි යෙදවුමකි. REAP දෙවන අර්ධයයි: router එක සැබවින්ම ලඟා වන විශේෂඥයන් කවුරුන්ද යන්න ප්‍රොෆයිල් කර, කලාතුරකින් තෝරාගන්නා ඒවා ප්‍රමාණකරණයට පසුව නොව පෙර ඉවත් කරන විශේෂඥ-කප්පාදු ක්‍රමයකි. ටෝකනයකට 896න් 16ක් පමණක් මාර්ගගත කරන ආකෘතියක් තුළ එය ස්වභාවික ගැළපීමකි — එවැනි විරල බෙදාහැරීමකට සැබෑ තදබදයට ඉතා අල්ප දායකත්වයක් සපයන දිගු වලිගයක් ඇත — සහ මුලින්ම කප්පාදු කිරීමෙන් අදහස් වන්නේ ඉතිරි bit අයවැය වැදගත් විශේෂඥයන් වෙනුවෙන් වැය කෙරෙන බවයි.
හුවමාරුව ගැන අවංක වෙමු
සම්පීඩනය නිරවද්‍යතාවයට වියදමක් සිදු කරයි, ඒකාකාරව නොවේ. එය මුලින්ම දිස්වන්නේ දිගු-වලිගයේ තාත්වික මතක් කිරීමේදී සහ දුෂ්කර-ගණිතයේ අවසන් නිරවද්‍යතා ලක්ෂ්‍යවලදීය, උපදෙස්-අනුගමනය, මෙවලම්-ඇමතුම් ආකෘතිකරණය, හෝ දිගු ඒජන්ට් සැලැස්මක ව්‍යුහයේදී එය ඉතා අල්පය. මෙම නිර්මාණය පවතින්නේ K3 හි quantization-aware පුහුණුව නිසාය. නමුත් ඔබේ වැඩබරෙහි එක්-වර අපැහැදිලි-තත්ත්ව සොයාගැනීමක් නම්, පරාමිති ගණන පමණක් සලකා ප්‍රමාණකරණය කළ 2.8T ආකෘතියක් 8-bit කුඩා ආකෘතියකට වඩා හොඳ යැයි උපකල්පනය නොකරන්න.
අපගේ නාමාවලිය ලප්‍රත්‍යයන් තුනක් හිතාමතාම තැනූ පඩිපෙළක් ලෙස භාවිත කරයි. 3BIT-REAP යෙදෙන්නේ අන් කිසිවක් නොගැළපෙන විශාලතම පදනම් වලටයි. W4A16-AUTOROUND-REAP යනු AutoRound භාවිතයෙන් ප්‍රමාණකරණය කරන ලද 16-bit activations සහිත 4-bit බරයි — naive round-to-nearest එකට වඩා සැබෑ නිරවද්‍යතාවය ලබා දෙන ඉගෙන ගත් වටයම — සමඟ එම කප්පාදුවම. W8A16 යනු, ආක්‍රමණශීලී සම්පීඩනයක් අවශ්‍ය නොවන තරම් කුඩා පදනම් සඳහා ඉහළම-විශ්වසනීයතා ස්තරයයි. කෙටියෙන්: ලප්‍රත්‍යය ඔබට කියන්නේ මුල් ආකෘතියෙන් කොපමණක් ඉතිරි වී ඇත්දැයි; මිල ඔබට කියන්නේ එය ධාවනය කිරීමට වැය වන්නේ කීයද යන්නයි.
03දෘශ්‍ය හැකියාව: රූප අවබෝධය ඔබට ලබා දෙන්නේ කුමක්ද
Kimi-K3 යනු අපගේ ආකෘති දොළහක නාමාවලියේ දෘශ්‍ය හැකියාව ඇති ආකෘති පහෙන් එකක් වන අතර, ඒ පහෙන් වඩාත්ම දක්ෂ එකයි. බොහෝ වාණිජ දෘශ්‍ය API උඩුගත කළ රූප මත වර්ගීකරණයක් ධාවනය කර, ආකෘතියට ඒවා දැකීමට පෙරම පුළුල් ආදාන ප්‍රවර්ගයක් ප්‍රතික්ෂේප කරයි — සාධාරණ පාරිභෝගික පෙරනිමියක් වන අතර නීත්‍යානුකූල වැඩකට බරපතල බාධාවකි. exploit ප්‍රතිදානය screenshot කරන ආරක්ෂක පර්යේෂකයන්, තමන්ගේම වර්ගීකාරක ගොඩනඟන මධ්‍යස්ථකරණ කණ්ඩායම්, අධිකරණ විද්‍යා සහ දත්ත කට්ට-විගණන වැඩ, සහ red-team ඇගයීම් සියල්ලම එම බාධකයට හසුවෙයි. Kimi-K3 හට ප්‍රතික්ෂේප ස්තරයක් හෝ ප්‍රතිදාන පෙරහනක් නැත.
K3 හි දෘශ්‍ය හැකියාව මිල අඩු දෘශ්‍ය ආකෘතිවලට වඩා තමන්ගේ මිල ලබාගන්නේ කොහෙද
- ඝන රූප සටහන් සහ schematics — architecture රූප සටහන්, network topologies, circuit, පිළිතුර වස්තු නම් කිරීම වෙනුවට රේඛා සහ ලේබල් අනුගමනය කිරීම මත රඳා පවතින ඕනෑම දෙයක්.
- screenshot තුළ කුඩා පෙළ — stack traces, terminal ප්‍රතිදානය, spreadsheet cells. දෘශ්‍ය ස්තර අතර පරතරය කුඩා පරිමාණයේ කියවීමේ හැකියාව මතයි වඩාත්ම පුළුල් වන්නේ.
- දිගු පෙළක් තුළ රූපයක් — ටෝකන 200K සන්දර්භයක් තුළට දමන ලද screenshot එකක්, එහිදී ආකෘතියට එය දකින දේ පනස්දහසක් ටෝකන කලින් කියවූ දේ සමඟ සම්බන්ධ කළ යුතුය.
- බහු-රූප සංසන්දනය — UI එකක අනුවාද දෙකක්, හෝ එය උත්පාදනය කළ වගුවට එරෙහිව ප්‍රස්ථාරයක්.
එය තමන්ගේ මිල නොලබන ස්ථාන: captioning, alt text, පිරිසිදු ලේඛනවල OCR, සහ tagging pipelines. ඒවා මිලියනයකට ආදාන ටෝකන $0.50කින් විසඳා ඇත — ඔබේ රූප වැඩබර ඉහළ-පරිමාවක් සහ එක් එක් අයිතමය තනි තනිව සරල නම්, Kimi-K2.6 හෝ MiniMax-M3 K3 හි පිළිතුරුවලින් ඔබට වෙන් කරගත නොහැකි පිළිතුරු ලබා දෙයි.
රූප, පෙළ මෙන්ම එකම ටෝකන 262,144ක අයවැයෙන් ටෝකන පරිභෝජනය කර ආදාන අනුපාතයෙන් බිල් වේ. ඉහළ-විභේදන screenshot කිහිපයක් නොමිලේ නොවේ.
04දිගු කාලීන ඒජන්ට් වැඩ — මෙම ස්තරය කුමකටද
එක් වැඩබරක් ඉහළම ස්තරය සාධාරණීකරණය කරනවා නම්, එය මෙයයි. කෙටි කාර්යයන් සමාවෙන ලෙස අසාර්ථක වේ: ආකෘතිය වැරදියි, ඔබ දකියි, නැවත උත්සාහ කරයි, තත්පර හතරක් අහිමි විය. පිලක් හයේදී වැරදි ශාඛාවක් ගන්නා හතළිස්-පිල ඒජන්ට් එකක් ඊළඟ පිල් තිස්හතරම වැරැද්දක් මත සවිස්තරාත්මකව ගොඩනඟා ගත වන අතර, ඒ අතර සෑම ටෝකනයක්ම ගෙවා අවසානයේදී ඔබ එය සොයාගනී. එම අසමමිතියයි ටෝකනයකට මිල මෙහි වැරදි මිනුම් දණ්ඩට ආසන්න වන්නේ. වැදගත් වන්නේ ධාවනයක් අත්හරින ලද වාර ගණන මගින් ආධිපත්‍යය දරන සාර්ථක සම්පූර්ණ කිරීමකට වන පිරිවැයයි. ඒජන්ට් ප්‍රමිතිවල K3 පදනම සඳහා Moonshot ප්‍රකාශිත සංඛ්‍යා:
සියලුම සංඛ්‍යා Moonshot විසින් ප්‍රමාණකරණය නොකළ Kimi K3 පදනම සඳහා වාර්තා කරන ලද්දකි, 2026 ජූලි. ඒවා අපගේ 3BIT-REAP නිර්මාණයේ මිනුම් නොවන අතර, අපි ඒවා එසේ ලෙස ඉදිරිපත් නොකරමු.
එම හැඩය ගෘහ නිර්මාණය තැනූ අරමුණට ගැළපේ: BrowseComp සහ Terminal-Bench යනු tool-loop ප්‍රමිති — ක්‍රියා කිරීම, නිරීක්ෂණය, සංශෝධනය කිරීමේ පුනරාවර්තන චක්‍රයි. 42.0ක් ලබාගත් SWE Marathon එකට ප්‍රතිතුලනයයි: කට්ටලයේ දුෂ්කරම දිගු කාලීන කේත ලිවීමේ ඇගයීම, එහිදී frontier ආකෘතියක් වුවද බොහෝ කාර්යයන් අසාර්ථක වේ. "ඒජන්ට්" යනු විසඳන ලද ප්‍රවර්ගයක් නොවේ; ඔබ තෝරාගන්නා ආකෘතිය කුමක් වුවත් අසාර්ථකත්වය සඳහා සැලසුම් කරන්න.
දිගු ධාවන සඳහා ප්‍රායෝගික සැකසුම්
K3, reasoning_effort නිරාවරණය කරන අතර, මෙහිදී එය සැබෑ පිරිවැය ලීවරයකි: තර්කන ටෝකන මිලියනයකට $19.12ක් ලෙස ප්‍රතිදාන ටෝකන ලෙස බිල් වේ.
- Low — මෙවලම්-ඇමතුම් මාර්ගගත කිරීම සහ ව්‍යුහගත උපුටාගැනීම, එහිදී ආකෘතිය දන්නා විකල්ප කිහිපයක් අතරින් තෝරාගනී.
- High — සැබෑ ඒජන්ට් වැඩ සඳහා පෙරනිමිය: බහු-පියවර වෙනසක් සැලසුම් කිරීම, stack trace එකකින් debug කිරීම, පරස්පර මූලාශ්‍ර සමතුලිත කිරීම.
- Max — pipeline එකක දුෂ්කරම තනි ඇමතුම සඳහා එය ඉතිරි කරගන්න: ධාවනයක මුදුනේ ඇති සැලැස්ම, හෝ අවසාන සමාලෝචනය. high හිදී තර්කන ටෝකන 30Kක් සහ max හිදී 90Kක් වැය කරන ධාවනයක් එම එක් flag එක සඳහා අමතර $1.15ක් ගෙවයි.
සන්දර්භයද හිතාමතාම අයවැයගත කරන්න: අපගේ කවුළුව ටෝකන 262,144කි, ටෝකන 16,384ක උපරිම ප්‍රතිදානයක් සමඟ, සහ ආදාන මිලියනයකට $3.83 කදී කප්පාදු නොකළ ඉතිහාසයක් සංයුක්ත වේ — සෑම පිලක්ම සම්පූර්ණ prefix එක නැවත බිල් කරයි.
05"වාරණයෙන් තොර" යනු මෙම අන්ත ලක්ෂ්‍යයේදී අදහස් කරන්නේ කුමක්ද
Shannon AI Gateway හි සෑම ආකෘතියක්ම ප්‍රතික්ෂේප ස්තරයක් හෝ ප්‍රතිදාන අන්තර්ගත පෙරහනක් නොමැතිව සේවා සපයයි. එය ඉහළම ස්තරයේදී වඩාත් වැදගත් වන්නේ, මිනිසුන් ඉහළම-ස්තරයේ ආකෘතියක් වෙත ගෙන එන කාර්යයන් පෙරහනක් ට්‍රිගර් කිරීමට වඩාත්ම ඉඩ ඇති බැවිනි: ප්‍රතිවාදී ආරක්ෂක පර්යේෂණ, ප්‍රහාරාත්මක-මෙවලම් විශ්ලේෂණය, මධ්‍යස්ථකරණ-වර්ගීකාරක සංවර්ධනය, තර්ජන බුද්ධි තොරතුරු, දුෂ්කර ප්‍රබන්ධ, සහ ඔබ හඳුනාගැනීමට උත්සාහ කරන දේ ම නිෂ්පාදනය කිරීමට ආකෘතියට අවශ්‍ය වන ඕනෑම ඇගයීමකි.
- ප්‍රතිදාන වර්ගීකාරකයක් නැත. පිළිතුරු උත්පාදනයෙන් පසු පරිලෝකනය කර නැවත ලියනු හෝ අවහිර කරනු නොලැබේ.
- ආදාන ගේට්ටුවක් නැත. විමසුම් සහ රූප ආකෘතියට ළඟා වීමට පෙර පරීක්ෂා කරනු නොලැබේ.
- වෙනස් ආකෘතියක් නොවේ. මෙය සාමාන්‍යයෙන් ඉදිරියෙන් ඇති ස්තරය නොමැතිව සේවා සපයන Kimi K3 පදනමයි.
- වගකීම් හුවමාරුවක් නොවේ. ප්‍රතික්ෂේප ස්තරයක් ඉවත් කිරීම විනිශ්චය තීරණය ඔබ වෙත ගෙන යයි — අපගේ වගකීම් සහගත භාවිත ප්‍රතිපත්තිය බලන්න.
ඇගයීම් පද්ධති ගොඩනඟන ඕනෑම කෙනෙකුට නිහඬ ප්‍රතිලාභයක් තිබේ: පෙරහන් නොකළ ආකෘතියක් ස්ථාවර මූලික රේඛාවකි. අනපේක්ෂිත ලෙස ප්‍රතික්ෂේප කරන ආකෘතියක් මිනුම් කලබලකාරී කරයි, මන්ද ඔබට හැකියා සීමාවක් ප්‍රතිපත්ති සීමාවකින් වෙන් කර හඳුනාගත නොහැකි බැවිනි. මෙහිදී අසාර්ථකත්වයක් යනු හැකියා අසාර්ථකත්වයකි — debug කළ හැකි එකම වර්ගයයි.
06මිල: $3.83 in, $19.12 out — සහ එය සාධාරණීකරණය වන අවස්ථාව
මෙය පුළුල් පරතරයකින් අපගේ ලැයිස්තුවේ වඩාත්ම මිල අධික ආකෘතියයි: ප්‍රතිදානය අපගේ $2.00 පහළම මට්ටමට වඩා 9.6x සහ Kimi-K2.6 හි මිලට වඩා 5.2x වේ. මෙන්න විවෘතව ගණිතය.
| ආකෘතිය | ආදාන / 1M | ප්‍රතිදාන / 1M | දෘශ්‍ය | JSON schema |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | ඔව් | ඔව් |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | නැත | ඔව් |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | ඔව් | නැත |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | ඔව් | ඔව් |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | නැත | ඔව් |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | ඔව් | ඔව් |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | ඔව් | ඔව් |
තෝරාගත් පේළි, ආදාන මිල අනුව අනුපිළිවෙළින්. සියලුම ආකෘති දොළහම එකම ටෝකන 262,144ක සන්දර්භයක්, ටෝකන 16,384ක උපරිම ප්‍රතිදානයක්, ප්‍රවාහනය, මෙවලම් ඇමතුම් සහ reasoning_effort බෙදාගනී. සජීවී හැකියා ධ්වජ API ලේඛන පිටුවේ ඇත.
ක්‍රියාත්මක උදාහරණ දෙකක්
පළමුව, ටෝකන 120,000ක ආදානයක් — කේත කුට්ටියක dump එකක්, නියාමන ගොනුවක් — ටෝකන 3,000ක විශ්ලේෂණයක් උත්පාදනය කරයි. දෙවනුව, පිල් හතළිසක ඒජන්ට් ධාවනයක්: සන්දර්භය සමුච්චිත වන විට දළ වශයෙන් සමුච්චිත ආදාන ටෝකන 1.2M, තර්කනය ඇතුළුව ප්‍රතිදාන ටෝකන 90,000ක්.
| අවස්ථාව | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 120K in / 3K out | $0.517 | $0.105 | $0.066 |
| පිල් 40ක ඒජන්ට් ධාවනය | $6.32 | $1.27 | $0.78 |
ලේඛන ඇමතුම මත K3 Kimi-K2.6ට වඩා 4.9x පමණ මිල ගණන් වේ. සත 50ක් එක් වරකට කිසිවක් නොවේ; එය ඇමතුම් දහසකදී දිනකට $517කි, $105ට එරෙහිව. ඒජන්ට් ධාවනය මතදී වෙනස $5ක් පමණය. දැන් වැදගත් වන එකම පරීක්ෂණය යොදන්න: කාර්යය ඉංජිනේරුවෙකුගේ පැයක කාලයකට $100ක් වටී නම්, එය පළමු-උත්සාහ සාර්ථකත්වය ප්‍රතිශත ලක්ෂ්‍ය පහකින් ඉහළ නංවන මොහොතේම K3 තමන් වෙනුවෙන් තමන්ම ගෙවා ගනී — සහ සැබවින්ම දුෂ්කර දිගු කාලීන වැඩකදී ස්තර අතර පරතරය සාමාන්‍යයෙන් වඩා විශාලය. කාර්යය කෙනෙකුගේ තත්පර තිහක කාලයකට වටින්නේ නම්, එම $5ම සාධාරණීකරණය කළ නොහැක.
අප සැබවින්ම භාවිත කරන රීතිය
ධාවනයක් අසාර්ථක වීමේ පිරිවැය වඩා හොඳ ආකෘතියක් මත එය ධාවනය කිරීමේ මිල වෙනසට වඩා වැඩි වන විට Kimi-K3 වෙත උත්සන්න වන්න. එය තීරණය ටෝකනයේ මිල මත නොව කාර්යයේ අගය මත තබයි. ඉහළ-අගය, අඩු-පරිමා, දිගු කාලීන, තහවුරු කිරීමට අපහසු වැඩ K3 වෙත යයි. ඉහළ-පරිමා, අඩු-අවදානම්, පහසුවෙන් නැවත උත්සාහ කළ හැකි වැඩ එසේ නොයයි — පරාමිති ගණන කොතරම් සිත් ගන්නා සුළු වුවත්.
07Kimi-K3ද මිල අඩු සහෝදර ආකෘතියක්ද?
අපගේ නාමාවලියේ Kimi ආකෘති දෙක තරඟකරුවන් නොව එකම පඩිපෙළක පඩි දෙකකි. Kimi-K2.6 අඩුවෙන් ආක්‍රමණශීලීව ප්‍රමාණකරණය කර ඇත — W4A16-AUTOROUND-REAP, K3 හි 3-bit එකට එරෙහිව ඉගෙන ගත් වටයමක් සහිත 4-bit බර — කුඩා පදනමක් මත. එයට දෘශ්‍ය හැකියාව, JSON-schema ප්‍රතිදානය, එකම සන්දර්භ කවුළුව ඇති අතර, දළ වශයෙන් පස්වන කොටසක මිලකට ලැබේ.
| කාර්යය | භාවිත කරන්න | ඇයි |
|---|---|---|
| පිල් හතළිසක ස්වයංක්‍රීය ඒජන්ට් එකක් | Kimi-K3 | අසාර්ථකත්වය සංයුක්ත වේ; පළමු පිලේ සැලැස්මේ ගුණාත්මකභාවය ධාවනය තීරණය කරයි |
| repository-පරිමාණයේ refactor එකක් | Kimi-K3 | සම්පූර්ණ සන්දර්භය සුසංගතව රඳවා තැබීම අවශ්‍යයි, එයින් සරලව නැවත ලබාගැනීම නොවේ |
| ඝන රූප සටහන්, කුඩා screenshot පෙළ | Kimi-K3 | ස්තර අතර වඩාත්ම පුළුල් දෘශ්‍ය පරතරය කියවීමේ හැකියාව සහ අවකාශීය තර්කනයයි |
| තනි-ගොනු සංස්කරණ, හොඳින් නිශ්චිතව දක්වා ඇති | Kimi-K2.6 | සීමිත කාර්යයක්, ලාභ නැවත උත්සාහයක්, මැනිය හැකි සීමා වෙනසක් නැත |
| පරිමාවෙන් රූප caption කිරීම | MiniMax-M3 / MiMo-V2.5 | $0.50 in කින් විසඳා ඇත; එකම caption එකට K3 ප්‍රතිදානය 9.6xකි |
| තර්කන-බර නමුත් පෙළ-පමණි | DeepSeek-V4-Pro | $19.12ට එරෙහිව $3.90 ප්‍රතිදානය — ඔබට රූප අවශ්‍ය නොවේ නම් K3 හැර යන්න |
එම අවසාන පේළිය බහුලවම මඟහැරෙන ඉතිරිකිරීමයි. ඔබේ කාර්යයට රූප ඇතුළත් නොවේ නම්, මුලින්ම DeepSeek-V4-Pro පරීක්ෂා කරන්න. එයද විශාල පදනමක් මත 3BIT-REAP නිර්මාණයකි, දුෂ්කර තර්කනයේ ශක්තිමත් වන අතර, එහි ප්‍රතිදානය K3 හි $19.12ට එරෙහිව $3.90ක් වේ. ඉහළම ස්තරය සොයන ගමනාගමනයෙන් වැඩි කොටසක් පෙළ-පමණි තර්කනය වන අතර, පහළ පේළියකින්ම ඒ හා සමානවම සේවා සපයයි.
08වාරණයෙන් තොර Kimi K3 API ඇමතීම
ආකෘතිය උපභාෂා තුනෙහිම Kimi-K3-3BIT-REAP ලෙස නිරාවරණය වන අතර, එක් එක් එකෙහි ප්‍රවාහනය ඇති අතර ඒවා අතර හැකියා වෙනසක් නැත — wire format එක පමණි: /v1/chat/completions (OpenAI-අනුකූල), /v1/messages (Anthropic-අනුකූල), සහ /v1/responses. දුෂ්කර දෘශ්‍ය කාර්යයක් සඳහා තර්කන ප්‍රයත්නය ඉහළ නංවන ලද දෘශ්‍ය ඉල්ලීමක්:
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 සහ සම්පූර්ණ json_schema යන දෙකටම සහාය දක්වන බැවින්, ඔබට ඒජන්ට් එකක මෙවලම් arguments සීමා කළ හැකි හෝ post-hoc parsing නොමැතිව වාර්තාවක් නිශ්චිත හැඩයකට බලකළ හැක. මෙවලම් ඇමතුම් දේශීය වන අතර දිගු ධාවන මෙහෙයවීමට අදහස් කරන ලද ක්‍රමයයි. පරාමිති, සත්‍යාපනය, අනුපාත සීමා සහ සජීවී playground එකක් API ලේඛන පිටුවේ ඇත.
දිනයේ පළමුවෙන්ම මුදල් ඉතිරි කරන කරුණු තුනක්
- prefix එක කප්පාදු කරන්න. සෑම පිලක්ම මිලියනයකට $3.83කින් සම්පූර්ණ සංවාදය නැවත බිල් කරයි; පිල් 40ක ඉතිහාසයක් එක් වරක් ටෝකන 4Kක state object එකකට සාරාංශගත කිරීම බොහෝ ආකෘති මාරු කිරීම්වලට වඩා ඉතිරි කරයි.
- රූප ප්‍රමාණය අඩු කරන්න. රූප ටෝකන ආදාන ටෝකනයි; තවමත් කියවිය හැකි ප්‍රමාණයකට ප්‍රතිප්‍රමාණ කළ 4K screenshot එකක් අඩු වියදමකින් එකම පිළිතුර ලබා දෙයි.
- දුෂ්කරත්වය අනුව මාර්ගගත කරන්න. සාමාන්‍ය පිල් සඳහා මිල අඩු ආකෘතියක් සහ සැලැස්ම, දුෂ්කර ශාඛාව සහ අවසාන සමාලෝචනය සඳහා K3, බොහෝ විට බිල්පතෙන් 25%කින් හැකියාවෙන් 80%කි.
09නිතර අසන ප්‍රශ්න
වාරණයෙන් තොර Kimi K3 API යනු කුමක්ද?
එය Shannon AI Gateway හි ඇති Kimi-K3 3BIT-REAP ආකෘතියයි: Moonshot AI හි 2.8-ට්‍රිලියන-පරාමිති multimodal Mixture-of-Experts පදනම, අපගේම GPU පොකුරේ ටෝකන 262,144ක සන්දර්භයක්, ටෝකන 16,384ක උපරිම ප්‍රතිදානයක්, දෘශ්‍ය හැකියාව, මෙවලම් ඇමතුම්, JSON-schema ව්‍යුහගත ප්‍රතිදානය සහ ප්‍රවාහනය සමඟ, කිසිදු ප්‍රතික්ෂේප ස්තරයක් හෝ ප්‍රතිදානයට යෙදෙන පෙරහනක් නොමැතිව සේවා සපයයි. එයට /v1/chat/completions, /v1/messages සහ /v1/responses හරහා ප්‍රවේශ විය හැක.
වාරණයෙන් තොර Kimi K3 API දෘශ්‍ය හැකියාවට සහාය දක්වයිද?
ඔව්. Kimi-K3 යනු අපගේ නාමාවලියේ රූප අවබෝධ හැකියාව ඇති ආකෘති පහෙන් එකක් වන අතර, ඒවායින් ඉහළම හැකියාව ඇත්තේ එයටයි. ඕනෑම OpenAI-අනුකූල අන්ත ලක්ෂ්‍යයකට යවන ආකාරයටම, පෙළ සමඟ image_url අන්තර්ගත කොටස් ලෙස ඔබ රූප යවයි. රූප, පෙළ මෙන්ම ටෝකන 262,144ක එකම සන්දර්භ අයවැයෙන් පරිභෝජනය වන අතර, රූප ටෝකන මිලියනයකට $3.83ක ආදාන අනුපාතයෙන් බිල් කෙරේ.
අනෙක් Shannon ආකෘති $0.50 සහ $2.00ට තිබෙන විට Kimi K3 $3.83 in සහ $19.12 out ලෙස මිල ගණන් වන්නේ ඇයි?
එයට හේතුව, නාමාවලියේ අනෙකුත් ආකෘති ටෝකනයකට සක්‍රිය පරාමිති බිලියන 30-සිට-40-ත් අතර වන අතර, මෙම පදනම ටෝකනයකට සක්‍රිය පරාමිති බිලියන 104ක් සහිතව, මුළුමනින් පරාමිති ට්‍රිලියන 2.8ක් පමණ වීමයි. ටෝකනයකට වැඩි සක්‍රිය පරාමිති යනු ටෝකනයකට වැඩි GPU-තත්පර යන්නයි, එබැවින් මෙම මිල හැකියා බද්දක් නොව සේවා සැපයීමේ පිරිවැය පිළිබිඹු කරයි. ප්‍රතිදානය අපගේ පහළම ස්තරයේ ආකෘතිවල මිලෙන් 9.6xක් වන බැවින්, තීරණාත්මක ප්‍රශ්නය වන්නේ දිගු කාර්යයක් මත ඉහළ පළමු-උත්සාහ සාර්ථකත්ව අනුපාතයක් බිල මුදලෙන් පස් ගුණයක් පමණ ගෙවීමට වටින්නේද යන්නයි.
Kimi K3 යනු Kimi K2 හෝ Kimi K2 Thinking හා සමාන ආකෘතියක්ද?
නැත. Kimi K2 යනු පරාමිති බිලියන 32ක් සක්‍රිය සහ විශේෂඥයන් 384ක් සහිත පරාමිති ට්‍රිලියන 1ක MoE ආකෘතියකි; K2 Thinking එම පදනම මතම අන්තර් ගැළපුනු තර්කනය සහ දිගු මෙවලම්-ඇමතුම් දාම එකතු කළේය. 2026 ජූලි මාසයේ Moonshot AI විසින් නිකුත් කරන ලද Kimi K3, වෙනස් ගෘහ නිර්මාණයකි: මුළු පරාමිති ට්‍රිලියන 2.8ක්, සක්‍රිය බිලියන 104ක්, ටෝකනයකට 16ක් මාර්ගගත වන විශේෂඥයන් 896ක්, Kimi Delta Attention, සහ දේශීය දෘශ්‍ය කේතකයක්. K2 සහ K3 බෙදාගන්නේ පෙළපතක් මිස ආකෘතියක් නොවේ.
Kimi-K3 වෙනුවට Kimi-K2.6 භාවිත කළ යුත්තේ කවදාද?
කාර්යය සීමිත වන අතර ඔබ එය බොහෝ වාර ගණනක් ධාවනය කරන විට Kimi-K2.6 W4A16-AUTOROUND-REAP භාවිත කරන්න: වර්ගීකරණය, උපුටාගැනීම, තනි-ගොනු සංස්කරණ, කතාබස, සහ සියුම් දෘශ්‍ය තර්කනයකට වඩා දක්ෂ විස්තරයක් අවශ්‍ය රූප කාර්යයන්. එයටද දෘශ්‍ය හැකියාව ඇති අතර, එය අඩුවෙන් ප්‍රමාණකරණය කර ඇති අතර, $0.78 in සහ $3.67 out ලෙස K3 හි පස්වන කොටසක් පමණ මිල ගණන් වේ. ධාවනයක් දිගු, ශාඛා ඇති, හෝ වැරදුනහොත් මිල අධික නම් Kimi-K3 වෙත උත්සන්න වන්න.
මෙහි ඇති සෑම ගෘහ නිර්මාණ සහ ප්‍රමිති සංඛ්‍යාවක්ම Moonshot AI විසින් ප්‍රකාශිත හෝ ඔවුන්ගේ විවෘත ආකෘති කාඩ්පතේ දැකිය හැකි අතර, එය අපගේ 3BIT-REAP නිර්මාණය නොව ප්‍රමාණකරණය නොකළ පදනම විස්තර කරයි. ඔබම පරීක්ෂා කරන්න.
වාරණයෙන් තොර Kimi K3 API උත්සාහ කරන්න
ඉහළම-හැකියා ඒජන්ට් සහ දෘශ්‍ය ස්තරය. ප්‍රතික්ෂේප ස්තරයක් නැත. ටෝකනයකට ගෙවන්න.
API ලේඛන කියවන්න සියලුම ආකෘති පිරික්සන්නShannon Lab LLC · New Mexico, USA · ආකෘති අපගේම GPU පොකුරේ සේවා සපයයි
පදනම් කරුණු සහ ප්‍රමිති, Kimi K3 සහ Kimi K2 සඳහා Moonshot AI විසින් ප්‍රකාශිත සංඛ්‍යා වන අතර ප්‍රමාණකරණය නොකළ upstream ආකෘති විස්තර කරයි; අපගේ නිර්මාණය 3-bit REAP ප්‍රමාණකරණයක් වන අතර වෙනස් වනු ඇත. මිල ගණන්, සන්දර්භය සහ හැකියා ධ්වජ Shannon AI හි තමන්ගේම වන අතර, 2026 සැප්තැම්බර් 5 වන දින වත්මන් වේ — සජීවී අගයන් සැමවිටම /v1/models මගින් ලබා දෙන ඒවා වේ. මූලාශ්‍ර: Kimi K3 ආකෘති කාඩ්පත · Kimi K3 කේත ගබඩාව · Kimi K2 Thinking.