Kimi K3 API bez cenzure

Većina vodiča za izbor modela piše se kao da je sposobnost besplatna. Nije. Zanimljivo pitanje o vrhunskom modelu nikada nije „da li je bolji” — obično jeste — nego „da li je dovoljno bolji, na ovom zadatku, da opravda pet puta veći račun od modela jedan stepenik niže”. Ovaj vodič na to odgovara stvarnom računicom i otvoreno kaže gde jeftinije opcije pobeđuju.

01Šta je Kimi K3 zapravo

Kimi K3 je vodeći model otvorenih težina kompanije Moonshot AI, objavljen u julu 2026. pod licencom Kimi K3 — treća generacija loze koja je počela sa Kimi K2, i zaista nova arhitektura, a ne dodatno podešavanje.

Objavljeni raspored je 93 sloja — 69 koristi Kimi Delta Attention, 24 koriste kapijsku višeglavu latentnu pažnju, jedan je gust — uz Stable LatentMoE ruter koji bira 16 od 896 eksperata po tokenu plus 2 deljena. Moonshot navodi da ta kombinacija donosi otprilike 2,5 puta bolju efikasnost skaliranja u odnosu na Kimi K2. Vizuelni ulaz je izvoran, a ne nakalemljen: koder MoonViT-V2 sa 401 milionom parametara hrani isto stablo koje obrađuje tekst.

Broj koji govori o retkosti vredi usvojiti: K3 aktivira 104 milijarde parametara po tokenu, naspram raspona od 30 do 40 milijardi za većinu našeg kataloga. To je otprilike tri puta više računa po generisanom tokenu i to je ceo razlog zašto je ovaj model na vrhu cenovnika. Ne plaćate nivo brenda — plaćate GPU sekunde.

Loza, ukratko

• Kimi K2 — bilion parametara, 32 milijarde aktivnih, 384 eksperta sa 8 rutiranih po tokenu, prethodno treniran na 15,5 biliona tokena uz optimizator MuonClip, napravljen da spreči eksplozije pažnje koje uništavaju MoE treniranje na toj skali.
• Kimi K2 Thinking — isti temelj naučen da preplete rezonovanje sa korišćenjem alata, uz izveštaje o održavanju 200 do 300 uzastopnih poziva alata u jednom radu, sa 44,9% na Humanity's Last Exam uz alate i 60,2% na BrowseComp.
• Kimi K3 — ponovo izgrađen sa izvornom multimodalnošću i prozorom od milion tokena kod proizvođača, uz treniranje svesno kvantizacije počev od faze nadgledanog doterivanja (MXFP4 težine, MXFP8 aktivacije). Zato K3 podnosi agresivnu kompresiju bolje od modela koji nikada nisu trenirani sa njom na umu.

Zajednička nit je dugoročna agentnost: svaka generacija je optimizovana da ostane koherentna kroz stotine koraka, a ne da pobeđuje na merenjima kratkih odgovora. To je sposobnost koju kupujete.

02Šta znači „3BIT-REAP” i zašto je modelu od 2,8 biliona parametara potreban

Sufiks u id-u modela nije ukras — on govori šta je urađeno sa težinama pre nego što su učitane na naš sopstveni GPU klaster, i to je poštena ograda uz svaku tvrdnju ovde. Počnite od računa. Model sa 2,8 biliona parametara u 16-bitnoj preciznosti ima oko 5,6 terabajta težina. Pri 3 bita po težini to je bliže 1,05 terabajta — i dalje mnogo, ali izvodljivo raspoređivanje uz mesta za KV keš od 262K tokena. REAP je druga polovina: metod orezivanja eksperata koji profiliše za kojim ekspertima ruter zaista poseže i izbacuje retko birane pre kvantizacije, a ne posle. Na modelu koji rutira samo 16 od 896 eksperata po tokenu to prirodno pristaje — tako redak raspored ima dug rep koji stvarnom saobraćaju doprinosi vrlo malo — a orezivanje prvo znači da se preostali budžet bitova troši na eksperte koji su bitni.

Naš katalog koristi tri sufiksa kao namernu lestvicu. 3BIT-REAP ide na najveće temelje, gde ništa drugo ne staje. W4A16-AUTOROUND-REAP su težine od 4 bita sa aktivacijama od 16 bita kvantizovane pomoću AutoRound-a — naučeno zaokruživanje koje vraća stvarnu tačnost u odnosu na naivno zaokruživanje na najbliže — plus isto orezivanje. W8A16 je nivo najveće vernosti, za temelje dovoljno male da im agresivna kompresija ne treba. Ukratko: sufiks vam govori koliko je originala preživelo; cena vam govori koliko košta da se pokrene.

03Vizuelni ulaz: šta vam razumevanje slika donosi

Kimi-K3 je jedan od pet modela u našem katalogu od dvanaest koji imaju vizuelni ulaz, i najsposobniji od tih pet. Većina komercijalnih vizuelnih API-ja pušta klasifikator preko otpremljenih slika i odbija široku kategoriju ulaza pre nego što ih model uopšte vidi — razumna podrazumevana postavka za potrošače i ozbiljna prepreka legitimnom radu. Bezbednosni istraživači koji snimaju ekran sa izlazom eksploata, timovi za moderaciju koji grade sopstvene klasifikatore, forenzički rad i revizije skupova podataka, kao i procene crvenih timova — svi udaraju u taj zid. Kimi-K3 nema sloj odbijanja ni filtriranje izlaza.

Gde vizuelni ulaz K3 opravdava svoju cenu u odnosu na jeftinije vizuelne modele

• Gusti dijagrami i sheme — arhitektonski dijagrami, mrežne topologije, strujna kola: sve gde odgovor zavisi od praćenja linija i oznaka, a ne od imenovanja predmeta.
• Sitan tekst na snimcima ekrana — tragovi steka, izlaz terminala, ćelije tabele. Razlika između vizuelnih nivoa najveća je upravo kod čitljivosti u sitnoj razmeri.
• Slika unutar dugog teksta — snimak ekrana ubačen u kontekst od 200K tokena, gde model mora da poveže ono što vidi sa onim što je pročitao pedeset hiljada tokena ranije.
• Poređenje više slika — dve verzije korisničkog interfejsa ili grafikon naspram tabele iz koje je nastao.

Gde ne opravdava svoju cenu: opisivanje slika, alternativni tekst, OCR čistih dokumenata i cevovodi za označavanje. To je rešeno po $0.50 po milionu ulaznih tokena — ako je vaš posao sa slikama velikog obima, a svaka stavka pojedinačno jednostavna, Kimi-K2.6 ili MiniMax-M3 daju odgovore koje nećete razlikovati od onih iz K3.

Slike troše tokene iz istog budžeta od 262.144 tokena kao i tekst i naplaćuju se po ulaznoj ceni. Nekoliko snimaka ekrana visoke rezolucije nije besplatno.

04Dugoročni agentski rad — čemu ovaj nivo služi

Ako jedan posao opravdava vrhunski nivo, onda je to ovaj. Kratki zadaci otkazuju blagonaklono: model pogreši, vi primetite, ponovite, izgubili ste četiri sekunde. Agent sa četrdeset poteza koji u šestom potezu krene pogrešnom granom narednih trideset četiri poteza razrađeno gradi na grešci, a vi to saznate na kraju, pošto ste platili svaki token u međuvremenu. Ta asimetrija je razlog zašto je cena po tokenu ovde blizu pogrešne mere. Bitan je trošak po uspešno završenom poslu, kojim vlada koliko često se rad baci. Moonshot-ovi objavljeni brojevi za K3 temelj na agentskim merenjima:

Sve brojeve prijavljuje Moonshot za nekvantizovani Kimi K3 temelj, jul 2026. To nisu merenja naše 3BIT-REAP gradnje i ne predstavljamo ih tako.

Oblik odgovara onome za šta je arhitektura građena: BrowseComp i Terminal-Bench su merenja petlje sa alatima — ponovljeni ciklusi delovanja, posmatranja i ispravke. SWE Marathon sa 42,0 je protivteža: najteže dugoročno merenje pisanja koda u ovom skupu, gde i vrhunski model pada na većini zadataka. „Agentski” nije rešena kategorija; projektujte za otkaz koji god model izabrali.

Praktične postavke za duge radove

K3 izlaže reasoning_effort, a ovde je to stvarna poluga troška: tokeni rezonovanja se naplaćuju kao izlazni tokeni, po $19.12 po milionu.

• Nizak — usmeravanje poziva alata i strukturirano izvlačenje podataka, gde model bira između šačice poznatih opcija.
• Visok — podrazumevano za stvaran agentski rad: planiranje višekoračne izmene, otklanjanje greške na osnovu traga steka, usaglašavanje protivrečnih izvora.
• Maksimalan — sačuvajte ga za najteži pojedinačni poziv u cevovodu: plan na početku rada ili završni pregled. Rad koji potroši 30K tokena rezonovanja na visokom i 90K na maksimalnom plaća dodatnih $1.15 za tu jednu postavku.

I kontekst planirajte namerno: naš prozor je 262.144 tokena uz maksimalan izlaz od 16.384 tokena, a po $3.83 po milionu ulaznih tokena neorezana istorija se gomila — svaki potez iznova naplaćuje ceo prefiks.

05Šta „bez cenzure” znači na ovoj krajnjoj tački

Svaki model na Shannon AI gejtveju servira se bez sloja odbijanja i bez filtriranja sadržaja na izlazu. To je važnije na vrhunskom nivou, jer su zadaci koje ljudi donose vrhunskom modelu najskloniji tome da aktiviraju filter: protivnička bezbednosna istraživanja, analiza ofanzivnih alata, razvoj klasifikatora za moderaciju, obaveštajni rad o pretnjama, teška fikcija i svaka procena koja traži da model proizvede upravo ono što pokušavate da otkrijete.

• Nema klasifikatora izlaza. Odgovori se posle generisanja ne skeniraju pa prepisuju ili blokiraju.
• Nema kapije na ulazu. Upiti i slike se ne pregledaju pre nego što stignu do modela.
• Nije drugi model. Ovo je Kimi K3 temelj serviran bez sloja koji obično stoji ispred njega.
• Nije prenos odgovornosti. Uklanjanje sloja odbijanja premešta procenu na vas — pogledajte našu politiku odgovorne upotrebe.

Postoji i tiša korist za svakoga ko gradi sisteme za procenu: nefiltriran model je stabilna osnova za poređenje. Model koji odbija nepredvidivo unosi šum u merenja, jer ne možete razdvojiti granicu sposobnosti od granice politike. Ovde je otkaz otkaz sposobnosti — jedina vrsta koju možete otkloniti.

06Cena: $3.83 ulaz, $19.12 izlaz — i kada se isplati

Ovo je ubedljivo najskuplji model na našem spisku: izlaz košta 9,6× više od našeg dna od $2.00 i 5,2× više nego Kimi-K2.6. Evo računa na otvorenom.

Model	Ulaz / 1M	Izlaz / 1M	Vizuelni ulaz	JSON shema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Da	Da
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	Ne	Da
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Da	Ne
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Da	Da
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	Ne	Da
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Da	Da
MiMo-V2.5 · W8A16	$0.50	$2.00	Da	Da

Izabrani redovi, poređani po ulaznoj ceni. Svih dvanaest modela deli isti kontekst od 262.144 tokena, maksimalan izlaz od 16.384 tokena, striming, pozivanje alata i reasoning_effort. Žive oznake mogućnosti nalaze se na stranici API dokumentacije.

Dva razrađena primera

Prvo, ulaz od 120.000 tokena — izvoz baze koda, regulatorna prijava — koji daje analizu od 3.000 tokena. Drugo, agentski rad sa četrdeset poteza: otprilike 1,2 miliona kumulativnih ulaznih tokena kako se kontekst gomila, uz 90.000 izlaznih tokena uključujući rezonovanje.

Scenario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ulaz / 3K izlaz	$0.517	$0.105	$0.066
Agentski rad sa 40 poteza	$6.32	$1.27	$0.78

K3 na pozivu sa dokumentom košta oko 4,9× više od Kimi-K2.6. Pedeset centi jednom nije ništa; pri hiljadu poziva to je $517 dnevno, naspram $105. Na agentskom radu razlika je oko $5. Sada primenite jedini test koji je bitan: ako zadatak vredi sat vremena inženjerskog rada po $100, K3 se isplati onog trenutka kada podigne uspeh iz prvog pokušaja za pet procentnih poena — a na zaista teškom dugoročnom poslu razmak između nivoa je obično veći. Ako zadatak vredi trideset sekundi bilo čijeg vremena, tih istih $5 se ne može odbraniti.

07Kimi-K3 ili jeftiniji srodnik?

Dva Kimi modela u našem katalogu su dva stepenika iste lestvice, a ne konkurenti. Kimi-K2.6 je kvantizovan manje agresivno — W4A16-AUTOROUND-REAP, težine od 4 bita sa naučenim zaokruživanjem, naspram 3 bita kod K3 — na manjem temelju. Ima vizuelni ulaz, izlaz po JSON shemi, isti prozor konteksta i košta oko petine.

Zadatak	Koristite	Zašto
Samostalan agent sa četrdeset poteza	Kimi-K3	Otkaz se gomila; kvalitet plana u prvom potezu odlučuje ceo rad
Refaktorisanje na nivou repozitorijuma	Kimi-K3	Traži da se ceo kontekst drži koherentno, a ne samo da se iz njega vadi
Gusti dijagrami, sitan tekst na snimku ekrana	Kimi-K3	Najveći razmak između vizuelnih nivoa je u čitljivosti i prostornom rezonovanju
Izmene u jednoj datoteci, dobro zadate	Kimi-K2.6	Ograničen zadatak, jeftino ponavljanje, bez merljive razlike u plafonu
Opisivanje slika u velikom obimu	MiniMax-M3 / MiMo-V2.5	Rešeno po $0.50 na ulazu; izlaz K3 je 9,6× skuplji za isti opis
Zahtevno rezonovanje, ali samo tekst	DeepSeek-V4-Pro	$3.90 izlaza naspram $19.12 — preskočite K3 ako vam slike ne trebaju

Poslednji red je ušteda koja se najčešće previdi. Ako vaš zadatak ne uključuje slike, prvo proverite DeepSeek-V4-Pro. I on je 3BIT-REAP gradnja na velikom temelju, jak u teškom rezonovanju, a izlaz mu košta $3.90 naspram $19.12 kod K3. Veliki deo saobraćaja koji poseže za vrhunskim nivoom jeste tekstualno rezonovanje koje se jednako dobro opslužuje jedan red niže.

08Pozivanje Kimi K3 API-ja bez cenzure

Model je izložen kao Kimi-K3-3BIT-REAP na sva tri dijalekta, sa strimingom na svakom i bez razlike u mogućnostima među njima — razlikuje se samo format na žici: /v1/chat/completions (kompatibilan sa OpenAI), /v1/messages (kompatibilan sa Anthropic) i /v1/responses. Zahtev sa slikom i podignutim naporom rezonovanja za težak vizuelni zadatak:

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 podržava i response_format i pun json_schema, pa možete ograničiti argumente alata koje agent poziva ili naterati izveštaj u zadat oblik bez naknadnog parsiranja. Pozivanje alata je izvorno i predstavlja predviđen način vođenja dugih radova. Parametri, autentikacija, ograničenja brzine i živo igralište nalaze se na stranici API dokumentacije.

Tri stvari koje štede novac već prvog dana

• Orežite prefiks. Svaki potez iznova naplaćuje ceo razgovor po $3.83 po milionu; jednokratno sažimanje istorije od 40 poteza u objekat stanja od 4K tokena štedi više nego većina zamena modela.
• Smanjite slike. Tokeni slike su ulazni tokeni; snimak ekrana u 4K smanjen na nešto što je i dalje čitljivo daje isti odgovor za manje novca.
• Usmeravajte prema težini. Jeftin model za rutinske poteze, uz K3 za plan, tešku granu i završni pregled, često daje 80% sposobnosti za 25% računa.

09Često postavljana pitanja

---

Podaci o temelju i merenja su brojevi koje Moonshot AI objavljuje za Kimi K3 i Kimi K2 i opisuju nekvantizovane uzvodne modele; naša gradnja je 3-bitna REAP kvantizacija i razlikovaće se. Cene, kontekst i oznake mogućnosti su Shannon AI sopstveni podaci, važeći na dan 5. septembra 2026 — žive vrednosti su uvek one koje vraća /v1/models. Izvori: kartica modela Kimi K3 · Kimi K3 repozitorijum · Kimi K2 Thinking.