API e pacensuruar Kimi K3

Shumica e udhëzuesve për zgjedhjen e modelit shkruhen sikur aftësia të ishte falas. Nuk është. Pyetja interesante për një model të nivelit të lartë nuk është kurrë "a është më i mirë" — zakonisht është — por "a është aq më i mirë, në këtë detyrë, sa të përligjë një faturë pesë herë më të madhe se modeli një shkallë më poshtë". Ky udhëzues i përgjigjet asaj me aritmetikë të vërtetë dhe thotë hapur ku fitojnë mundësitë më të lira.

01Çfarë është vërtet Kimi K3

Kimi K3 është modeli kryesor me pesha të hapura i Moonshot AI, i publikuar në korrik 2026 nën licencën Kimi K3 — brezi i tretë i një linje që nisi me Kimi K2, dhe një arkitekturë vërtet e re e jo një fine-tune.

Skema e publikuar ka 93 shtresa — 69 që përdorin Kimi Delta Attention, 24 që përdorin vëmendje latente shumëkokëshe me porta, një të dendur — me një drejtues Stable LatentMoE që përzgjedh 16 nga 896 ekspertë për token plus 2 të përbashkët. Moonshot raporton nga ai kombinim rreth 2.5× përmirësim të efikasitetit të shkallëzimit ndaj Kimi K2. Pamja është vendase e jo e mbivendosur: një kodues MoonViT-V2 me 401M parametra ushqen të njëjtin trung që trajton tekstin.

Shifra e rrallësisë ia vlen të përvetësohet: K3 aktivizon 104 miliardë parametra për token, kundrejt rangut 30–40 miliardë për shumicën e katalogut tonë. Kjo është afërsisht trefishi i aritmetikës për token të gjeneruar, dhe është e gjithë arsyeja pse ky model kryeson listën e çmimeve. Nuk po paguani për një nivel marke — po paguani për sekonda GPU.

Linja, shkurtimisht

• Kimi K2 — 1 trilion parametra, 32 miliardë aktivë, 384 ekspertë me 8 të drejtuar për token, i para-stërvitur mbi 15.5 trilion tokena me optimizuesin MuonClip, i ndërtuar për t'i ndalur shpërthimet e vëmendjes që e prishin stërvitjen e MoE-ve në atë shkallë.
• Kimi K2 Thinking — i njëjti themel i mësuar ta ndërthurë arsyetimin me përdorimin e mjeteve, i raportuar se mban 200 deri në 300 thirrje mjetesh të njëpasnjëshme në një ekzekutim të vetëm, me 44.9% në Humanity's Last Exam me mjete dhe 60.2% në BrowseComp.
• Kimi K3 — i rindërtuar me multimodalitet vendas dhe një dritare prej 1M tokenash te burimi, me stërvitje të vetëdijshme për kuantizimin që nga faza e fine-tuning-ut të mbikëqyrur e tutje (pesha MXFP4, aktivizime MXFP8). Ja pse K3 e duron ngjeshjen agresive më mirë se modelet që nuk u stërvitën kurrë duke e pasur atë parasysh.

Fija përshkuese është agjencia me horizont të gjatë: çdo brez u optimizua për të mbetur koherent nëpër qindra hapa e jo për të fituar benchmark-e me përgjigje të shkurtra. Kjo është aftësia që po blini.

02Çfarë do të thotë "3BIT-REAP" dhe pse i duhet një modeli 2.8T

Prapashtesa te id-ja e modelit nuk është dekor — thotë çfarë iu bë peshave përpara se të ngarkoheshin në grupin tonë të GPU-ve, dhe është vërejtja e ndershme e bashkëngjitur çdo pohimi këtu. Nisni nga aritmetika. Një model me 2.8 trilion parametra me saktësi 16-bitëshe është rreth 5.6 terabajt pesha. Me 3 bita për peshë është më afër 1.05 terabajtësh — ende i madh, por një vendosje e realizueshme me hapësirë të mbetur për një cache KV prej 262K tokenash. REAP është gjysma e dytë: një metodë krasitjeje ekspertësh që profilon cilët ekspertë i kërkon vërtet drejtuesi dhe i heq ata që përzgjidhen rrallë përpara kuantizimit e jo pas tij. Te një model që drejton vetëm 16 nga 896 ekspertë për token kjo shkon natyrshëm — një shpërndarje kaq e rrallë ka një bisht të gjatë që kontribuon shumë pak në trafikun e vërtetë — dhe krasitja e parë do të thotë se buxheti i mbetur i bitave shpenzohet për ekspertët që kanë rëndësi.

Katalogu ynë përdor tri prapashtesa si një shkallë të qëllimshme. 3BIT-REAP shkon te themelet më të mëdha, ku asgjë tjetër nuk hyn. W4A16-AUTOROUND-REAP është pesha 4-bitëshe me aktivizime 16-bitëshe të kuantizuara me AutoRound — rrumbullakim i mësuar që rikuperon saktësi të vërtetë kundrejt rrumbullakimit naiv te më i afërti — plus të njëjtën krasitje. W8A16 është niveli me besnikërinë më të lartë, për themele mjaftueshëm të vogla sa të mos kenë nevojë për ngjeshje agresive. Shkurt: prapashtesa ju thotë sa mbeti nga origjinali; çmimi ju thotë sa kushton ta ekzekutosh.

03Pamja: çfarë ju blen kuptimi i imazheve

Kimi-K3 është një nga pesë modelet me pamje në katalogun tonë me dymbëdhjetë modele, dhe më i afti nga të pestat. Shumica e API-ve tregtare me pamje ekzekutojnë një klasifikues mbi imazhet e ngarkuara dhe refuzojnë një kategori të gjerë hyrjesh përpara se modeli t'i shohë fare — një parazgjedhje e arsyeshme për konsumatorin dhe një pengesë serioze për punën e ligjshme. Kërkuesit e sigurisë që bëjnë pamje ekrani të daljes së shfrytëzimeve, ekipet e moderimit që ndërtojnë klasifikuesit e vet, puna forenzike dhe auditimi i grupeve të të dhënave, si dhe vlerësimet red-team e godasin të gjitha atë mur. Kimi-K3 nuk ka shtresë refuzimi dhe as filtrim mbi daljen.

Ku e fiton pamja e K3-shit çmimin ndaj modeleve më të lira me pamje

• Diagrame dhe skema të dendura — diagrame arkitekture, topologji rrjetesh, qarqe: çdo gjë ku përgjigjja varet nga ndjekja e vijave dhe e etiketave e jo nga emërtimi i objekteve.
• Tekst i vogël në pamje ekrani — gjurmë stivash, dalje terminali, qeliza tabelash. Hendeku mes niveleve të pamjes është më i gjerë te lexueshmëria në përmasa të vogla.
• Imazh brenda tekstit të gjatë — një pamje ekrani e futur në një kontekst prej 200K tokenash, ku modeli duhet ta lidhë atë që sheh me atë që lexoi pesëdhjetë mijë tokena më parë.
• Krahasim shumë-imazhesh — dy versione të një ndërfaqeje, ose një grafik kundrejt tabelës që e gjeneroi.

Ku nuk e fiton çmimin: përshkrime imazhesh, tekst alternativ, OCR i dokumenteve të pastra dhe tubacione etiketimi. Këto zgjidhen me 0.50 $ për milion tokena hyrjeje — nëse ngarkesa juaj me imazhe është në volum të lartë dhe secili element më vete i thjeshtë, Kimi-K2.6 ose MiniMax-M3 prodhojnë përgjigje që nuk do t'i dalloni nga ato të K3-shit.

Imazhet konsumojnë tokena nga i njëjti buxhet prej 262.144 tokenash si teksti dhe faturohen me tarifën e hyrjes. Një grusht pamjesh ekrani me rezolucion të lartë nuk është falas.

04Punë agjentike me horizont të gjatë — për këtë është ky nivel

Nëse një ngarkesë pune e përligj nivelin kryesor, është kjo. Detyrat e shkurtra dështojnë me falje: modeli e gabon, ju e vini re, riprovoni, keni humbur katër sekonda. Një agjent me dyzet raunde që merr degën e gabuar në raundin e gjashtë i shpenzon tridhjetë e katër raundet e ardhshme duke ndërtuar me hollësi mbi një gabim, dhe ju e merrni vesh në fund, pasi keni paguar për çdo token në mes. Ky asimetri është arsyeja pse çmimi për token është pothuajse metrika e gabuar këtu. Ajo që ka rëndësi është kostoja për përfundim të suksesshëm, e sunduar nga sa shpesh hidhet tutje një ekzekutim. Shifrat e publikuara nga Moonshot për themelin K3 në benchmark-e agjentike:

Të gjitha shifrat janë të raportuara nga Moonshot për themelin e pakuantizuar Kimi K3, korrik 2026. Nuk janë matje të ndërtimit tonë 3BIT-REAP dhe nuk i paraqesim si të tilla.

Forma përputhet me atë për të cilën u ndërtua arkitektura: BrowseComp dhe Terminal-Bench janë benchmark-e me lak mjetesh — cikle të përsëritura veprimi, vëzhgimi, rishikimi. SWE Marathon me 42.0 është kundërpesha: vlerësimi më i vështirë i programimit me horizont të gjatë në grup, ku edhe një model i vijës së parë dështon në shumicën e detyrave. "Agjentik" nuk është kategori e zgjidhur; projektoni për dështim cilindo model të zgjidhni.

Cilësime praktike për ekzekutime të gjata

K3 ekspozon reasoning_effort, dhe këtu ai është një levë e vërtetë kostoje: tokenat e arsyetimit faturohen si tokena dalje, me 19.12 $ për milion.

• I ulët — drejtim thirrjesh mjetesh dhe nxjerrje e strukturuar, ku modeli zgjedh mes një grushti mundësish të njohura.
• I lartë — parazgjedhja për punë agjentike të vërtetë: planifikimi i një ndryshimi shumëhapësh, korrigjimi nga një gjurmë stive, pajtimi i burimeve kundërthënëse.
• Maksimal — ruajeni për thirrjen e vetme më të vështirë në një tubacion: planin në krye të një ekzekutimi, ose shqyrtimin përfundimtar. Një ekzekutim që shpenzon 30K tokena arsyetimi me nivel të lartë dhe 90K me maksimal paguan 1.15 $ shtesë për atë flamur të vetëm.

Buxhetoni edhe kontekstin me qëllim: dritarja jonë është 262.144 tokena me dalje maksimale prej 16.384 tokenash, dhe me 3.83 $ për milion hyrje një histori e pakrasitur përbëhet mbi vete — çdo raund e rifaturon të gjithë prefiksin.

05Çfarë do të thotë "i pacensuruar" te ky endpoint

Çdo model në portën e Shannon AI shërbehet pa shtresë refuzimi dhe pa filtrim përmbajtjeje mbi daljen. Kjo ka më shumë rëndësi te niveli kryesor, sepse detyrat që njerëzit i sjellin një modeli të nivelit kryesor janë ato me gjasë më të madhe për të nxitur një filtër: kërkim sigurie kundërshtar, analizë e mjeteve sulmuese, zhvillim klasifikuesish moderimi, inteligjencë kërcënimesh, trillim i vështirë, dhe çdo vlerësim që kërkon nga modeli të prodhojë pikërisht atë që po përpiqeni të zbuloni.

• Pa klasifikues dalje. Përgjigjet nuk skanohen e rishkruhen ose bllokohen pas gjenerimit.
• Pa portë hyrjeje. Promptet dhe imazhet nuk shoshiten përpara se t'i mbërrijnë modelit.
• Jo një model tjetër. Ky është themeli Kimi K3 i shërbyer pa shtresën që zakonisht qëndron para tij.
• Jo një transferim përgjegjësie. Heqja e një shtrese refuzimi e zhvendos vendimin te ju — shihni politikën tonë të përdorimit të përgjegjshëm.

Ka një përfitim më të qetë për këdo që ndërton sisteme vlerësimi: një model i pafiltruar është një bazë e qëndrueshme. Një model që refuzon në mënyrë të paparashikueshme i bën matjet të zhurmshme, sepse nuk e ndani dot një kufi aftësie nga një kufi politike. Këtu një dështim është dështim aftësie — i vetmi lloj që mund ta korrigjoni.

06Çmimi: 3.83 $ hyrje, 19.12 $ dalje — dhe kur e fiton

Ky është modeli më i shtrenjtë në listën tonë me diferencë të madhe: dalja kushton 9.6× dyshemenë tonë prej 2.00 $ dhe 5.2× sa kushton Kimi-K2.6. Ja aritmetika hapur.

Modeli	Hyrje / 1M	Dalje / 1M	Pamje	Skemë JSON
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Po	Po
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Jo	Po
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Po	Jo
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Po	Po
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Jo	Po
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Po	Po
MiMo-V2.5 · W8A16	$0.50	$2.00	Po	Po

Rreshta të përzgjedhur, të renditur sipas çmimit të hyrjes. Të dymbëdhjetë modelet ndajnë të njëjtin kontekst prej 262.144 tokenash, dalje maksimale prej 16.384 tokenash, transmetim, thirrje mjetesh dhe reasoning_effort. Flamujt e vërtetë të aftësive gjenden te faqja e dokumentacionit të API-t.

Dy shembuj të punuar

I pari, një hyrje prej 120.000 tokenash — një hedhje e një baze kodi, një dosje rregullatore — që prodhon një analizë prej 3.000 tokenash. I dyti, një ekzekutim agjenti me dyzet raunde: afërsisht 1.2M tokena hyrjeje kumulative ndërsa konteksti grumbullohet, 90.000 tokena dalje përfshirë arsyetimin.

Skenari	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K hyrje / 3K dalje	$0.517	$0.105	$0.066
Ekzekutim agjenti me 40 raunde	$6.32	$1.27	$0.78

K3 kushton rreth 4.9× sa Kimi-K2.6 te thirrja me dokument. Pesëdhjetë cent nuk janë asgjë një herë; janë 517 $ në ditë me një mijë thirrje, kundrejt 105 $. Te ekzekutimi i agjentit diferenca është rreth 5 $. Tani zbatoni testin e vetëm që ka rëndësi: nëse detyra vlen një orë të kohës së një inxhinieri me 100 $, K3 e shlyen veten në çastin që e ngre suksesin në kalimin e parë me pesë pikë përqindjeje — dhe në punë vërtet të vështirë me horizont të gjatë hendeku mes niveleve është zakonisht më i madh. Nëse detyra vlen tridhjetë sekonda të kohës së kujtdo, po ato 5 $ janë të papërligjshme.

07Kimi-K3 apo një motër më e lirë?

Dy modelet Kimi në katalogun tonë janë dy shkallë të së njëjtës shkallare e jo konkurrentë. Kimi-K2.6 është kuantizuar më pak agresivisht — W4A16-AUTOROUND-REAP, pesha 4-bitëshe me rrumbullakim të mësuar, kundrejt 3 bitave të K3-shit — mbi një themel më të vogël. Ka pamje, dalje me skemë JSON, të njëjtën dritare konteksti dhe kushton rreth një të pestën.

Detyra	Përdorni	Pse
Agjent autonom me dyzet raunde	Kimi-K3	Dështimi përbëhet mbi vete; cilësia e planit në raundin e parë vendos ekzekutimin
Rifaktorim në shkallë depoje	Kimi-K3	Kërkon që gjithë konteksti të mbahet koherent, jo thjesht të rikthehet prej tij
Diagrame të dendura, tekst i vogël në pamje ekrani	Kimi-K3	Hendeku më i gjerë i pamjes mes niveleve është lexueshmëria dhe arsyetimi hapësinor
Redaktime një-skedarëshe, të specifikuara mirë	Kimi-K2.6	Detyrë e kufizuar, riprovë e lirë, pa ndryshim të matshëm tavani
Përshkrim imazhesh në volum	MiniMax-M3 / MiMo-V2.5	Zgjidhet me 0.50 $ hyrje; dalja e K3-shit është 9.6× për të njëjtin përshkrim
E rëndë në arsyetim por vetëm me tekst	DeepSeek-V4-Pro	3.90 $ dalje kundrejt 19.12 $ — hiqni K3 nëse nuk ju duhen imazhet

Ai rreshti i fundit është kursimi që humbet më shpesh. Nëse detyra juaj nuk përfshin imazhe, kontrolloni së pari DeepSeek-V4-Pro. Edhe ai është një ndërtim 3BIT-REAP mbi një themel të madh, i fortë në arsyetim të vështirë, dhe dalja e tij kushton 3.90 $ kundrejt 19.12 $ të K3-shit. Pjesa më e madhe e trafikut që kërkon nivelin kryesor është arsyetim vetëm me tekst që shërbehet po aq mirë një rresht më poshtë.

08Si ta thërrisni API-në e pacensuruar Kimi K3

Modeli ekspozohet si Kimi-K3-3BIT-REAP në të tri dialektet, me transmetim në secilin dhe pa asnjë ndryshim aftësie mes tyre — vetëm formati i telit: /v1/chat/completions (i pajtueshëm me OpenAI), /v1/messages (i pajtueshëm me Anthropic) dhe /v1/responses. Një kërkesë me pamje me përpjekje arsyetimi të ngritur për një detyrë të vështirë pamore:

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 mbështet si response_format ashtu edhe json_schema të plotë, kështu që mund t'i kufizoni argumentet e mjeteve të një agjenti ose ta detyroni një raport në një formë të fiksuar pa analizë të mëpasme. Thirrja e mjeteve është vendase dhe është mënyra e menduar për të drejtuar ekzekutime të gjata. Parametrat, autentikimi, kufijtë e shpejtësisë dhe një terren prove i drejtpërdrejtë gjenden te faqja e dokumentacionit të API-t.

Tri gjëra që kursejnë para që në ditën e parë

• Krasitni prefiksin. Çdo raund e rifaturon të gjithë bisedën me 3.83 $ për milion; përmbledhja e një historie me 40 raunde në një objekt gjendjeje prej 4K tokenash një herë të vetme kursen më shumë se shumica e ndërrimeve të modelit.
• Zvogëloni imazhet. Tokenat e imazheve janë tokena hyrjeje; një pamje ekrani 4K e ripërmasuar në diçka ende të lexueshme jep të njëjtën përgjigje për më pak.
• Drejtoni sipas vështirësisë. Një model i lirë për raundet rutinë, me K3 për planin, degën e vështirë dhe shqyrtimin përfundimtar, është shpesh 80% e aftësisë me 25% të faturës.

09Pyetje të bëra shpesh

---

Faktet dhe benchmark-et për themelin janë shifrat e publikuara nga Moonshot AI për Kimi K3 dhe Kimi K2 dhe përshkruajnë modelet e pakuantizuara në burim; ndërtimi ynë është një kuantizim 3-bitësh REAP dhe do të ndryshojë. Çmimet, konteksti dhe flamujt e aftësive janë të Shannon AI, të vlefshme më 5 shtator 2026 — vlerat e vërteta janë gjithmonë ato që kthen /v1/models. Burimet: karta e modelit Kimi K3 · depoja e Kimi K3 · Kimi K2 Thinking.