మేము ఏ వినియోగదారుడి డేటాను నిల్వ చేయము లేదా యాక్సెస్ చేయము. చట్టబద్ధ అధికారం అమలు చర్య కోరితే తప్ప ఖాతాలను సస్పెండ్ చేయము.

మోడల్ మార్గదర్శి · Kimi-K3 · 3BIT-REAP

సెన్సార్ లేని Kimi K3 API

Shannon AI గేట్‌వేలో అగ్రశ్రేణి సామర్థ్య స్థాయి: విజన్, టూల్ కాలింగ్ మరియు 262K సందర్భంతో కూడిన 2.8-ట్రిలియన్-పారామీటర్ల మల్టీమోడల్ పునాది — తిరస్కరణ పొర లేదు, మరియు మా జాబితాలో అత్యధిక ధర. ఆ ధర ఎప్పుడు చెల్లించదగినదో ఇక్కడ ఉంది.

సెప్టెంబర్ 5, 2026న నవీకరించబడిందిమోడల్ మార్గదర్శిపునాది: Moonshot AI Kimi K3

క్లుప్తంగా

Kimi-K3-3BIT-REAP మేము అందించే అత్యంత శక్తివంతమైన మరియు అత్యంత ఖరీదైన మోడల్: మిలియన్ ఇన్‌పుట్ టోకెన్‌లకు $3.83, మిలియన్ అవుట్‌పుట్‌కు $19.12. దీనికి విజన్, 262,144-టోకెన్ సందర్భం, 16,384-టోకెన్ గరిష్ఠ అవుట్‌పుట్, టూల్ కాలింగ్, JSON-స్కీమా అవుట్‌పుట్, సర్దుబాటు చేయగల reasoning_effort మరియు మూడు API మాండలికాలపైనా స్ట్రీమింగ్ ఉన్నాయి — తిరస్కరణ పొర లేకుండా మరియు అవుట్‌పుట్ ఫిల్టరింగ్ లేకుండా. దీర్ఘ-పరిధి ఏజెంటిక్ పరుగులకు, కఠినమైన బహుళ-దశల తర్కానికి, మరియు సూక్ష్మ దృశ్య వివరాలు ముఖ్యమైన చిత్ర పనికి ఇది సరైన ఎంపిక. వర్గీకరణ, వెలికితీత, చాట్, మరియు మీరు రోజుకు లక్ష సార్లు నడిపే దేనికైనా ఇది తప్పు ఎంపిక.

చాలా మోడల్-ఎంపిక మార్గదర్శకాలు సామర్థ్యం ఉచితమన్నట్టు రాయబడతాయి. అది ఉచితం కాదు. ఒక అగ్రశ్రేణి మోడల్ గురించి ఆసక్తికరమైన ప్రశ్న ఎప్పుడూ "ఇది మెరుగైనదా" అని కాదు — సాధారణంగా అది మెరుగైనదే — కానీ "ఒక మెట్టు కింది మోడల్ కంటే ఐదు రెట్లు పెద్ద బిల్లును సమర్థించేంత మెరుగైనదా, ఈ పనిపై" అనేది. ఈ మార్గదర్శి దానికి నిజమైన లెక్కలతో సమాధానమిస్తుంది, మరియు చౌక ఎంపికలు ఎక్కడ గెలుస్తాయో స్పష్టంగా చెబుతుంది.

01Kimi K3 నిజానికి ఏమిటి

Kimi K3 అనేది Moonshot AI ఓపెన్-వెయిట్స్ ప్రధాన మోడల్, జూలై 2026లో Kimi K3 లైసెన్స్ కింద విడుదలైంది — Kimi K2తో మొదలైన ఒక వంశంలో మూడవ తరం, మరియు ఒక ఫైన్-ట్యూన్ కాక నిజంగా కొత్త ఆర్కిటెక్చర్.

2.8T

మొత్తం పారామీటర్లు

104B

ఒక్కో టోకెన్‌కు క్రియాశీలం

896

నిపుణులు (16 రూట్ చేయబడతారు)

262K

Shannonపై సందర్భం

ప్రచురించిన నిర్మాణం 93 పొరలు — 69 పొరలు Kimi Delta Attention వాడతాయి, 24 పొరలు గేటెడ్ మల్టీ-హెడ్ లేటెంట్ అటెన్షన్ వాడతాయి, ఒకటి దట్టమైనది — ఒక Stable LatentMoE రౌటర్ ఒక్కో టోకెన్‌కు 896 నిపుణులలో 16 మందిని ఎంచుకుంటూ, పాటు 2 భాగస్వామ్య నిపుణులు. ఆ కలయిక నుండి Kimi K2 కంటే స్కేలింగ్ సామర్థ్యంలో సుమారు 2.5x మెరుగుదల ఉందని Moonshot నివేదిస్తుంది. విజన్ అతికించినది కాక స్థానికమైనది: 401M-పారామీటర్ల MoonViT-V2 ఎన్‌కోడర్ టెక్స్ట్‌ను నిర్వహించే అదే మొండెంకు ఆహారం అందిస్తుంది.

విరళత సంఖ్యను మనసులో పెట్టుకోవడం విలువైనది: K3 ఒక్కో టోకెన్‌కు 104 బిలియన్ పారామీటర్లను క్రియాశీలం చేస్తుంది, మా శ్రేణిలో చాలా వాటికి ఉన్న 30-నుండి-40-బిలియన్ శ్రేణితో పోలిస్తే. అది ఉత్పత్తి చేసిన ఒక్కో టోకెన్‌కు సుమారు మూడు రెట్లు గణితం, మరియు ఈ మోడల్ ధరల జాబితాలో అగ్రస్థానంలో ఉండటానికి అదే పూర్తి కారణం. మీరు ఒక బ్రాండ్ స్థాయికి చెల్లించడం లేదు — మీరు GPU-సెకన్లకు చెల్లిస్తున్నారు.

వంశం, క్లుప్తంగా

Kimi K2 — 1 ట్రిలియన్ పారామీటర్లు, 32 బిలియన్ క్రియాశీలం, ఒక్కో టోకెన్‌కు 8 మంది రూట్ చేయబడే 384 నిపుణులు, MuonClip ఆప్టిమైజర్‌తో 15.5 ట్రిలియన్ టోకెన్‌లపై ప్రీ-ట్రైన్ చేయబడింది, ఆ స్థాయిలో MoE శిక్షణను నాశనం చేసే అటెన్షన్ పేలుడులను ఆపడానికి నిర్మించబడింది.
Kimi K2 Thinking — తర్కాన్ని టూల్ వాడకంతో పెనవేయడం నేర్పబడిన అదే పునాది, ఒక్క పరుగులో 200 నుండి 300 వరుస టూల్ కాల్‌లను నిలుపుకున్నట్టు నివేదించబడింది, టూల్స్‌తో Humanity's Last Examపై 44.9% మరియు BrowseCompపై 60.2%.
Kimi K3 — స్థానిక బహుళ-పద్ధతితో మరియు ఎగువన 1M-టోకెన్ విండోతో పునర్నిర్మించబడింది, పర్యవేక్షిత ఫైన్-ట్యూనింగ్ దశ నుండే క్వాంటైజేషన్-అవగాహన శిక్షణతో (MXFP4 వెయిట్‌లు, MXFP8 యాక్టివేషన్‌లు). అందుకే దాన్ని దృష్టిలో పెట్టుకోకుండా శిక్షణ పొందిన మోడల్‌ల కంటే K3 దూకుడు కుదింపును బాగా తట్టుకుంటుంది.

నిరంతర దారం దీర్ఘ-పరిధి కర్తృత్వం: ప్రతి తరమూ చిన్న-సమాధాన బెంచ్‌మార్క్‌లను గెలవడానికి కాక వందల దశల మధ్య పొందికగా ఉండటానికి ఆప్టిమైజ్ చేయబడింది. మీరు కొంటున్న సామర్థ్యం అదే.

02"3BIT-REAP" అంటే ఏమిటి, మరియు 2.8T మోడల్‌కు అది ఎందుకు అవసరం

మోడల్ idపై ఉన్న ఈ ప్రత్యయం అలంకారం కాదు — మా స్వంత GPU క్లస్టర్‌పైకి లోడ్ చేయడానికి ముందు వెయిట్‌లకు ఏమి చేశారో అది చెబుతుంది, మరియు ఇక్కడి ప్రతి వాదనకూ జతచేసిన నిజాయితీ గల హెచ్చరిక అదే. లెక్కలతో మొదలుపెట్టండి. 16-బిట్ కచ్చితత్వంలో 2.8-ట్రిలియన్-పారామీటర్ల మోడల్ సుమారు 5.6 టెరాబైట్ల వెయిట్‌లు. ఒక్కో వెయిట్‌కు 3 బిట్‌ల వద్ద అది 1.05 టెరాబైట్లకు దగ్గరగా ఉంటుంది — ఇంకా పెద్దదే, కానీ 262K-టోకెన్ KV కాష్‌కు స్థలం మిగిలి ఉన్న ఆచరణీయ మోహరింపు. REAP రెండో సగం: రౌటర్ నిజంగా ఏ నిపుణులను చేరుకుంటుందో ప్రొఫైల్ చేసి, అరుదుగా ఎంపికయ్యేవాటిని క్వాంటైజ్ చేసిన తర్వాత కాక ముందు తొలగించే ఒక నిపుణుల-కత్తిరింపు పద్ధతి. ఒక్కో టోకెన్‌కు 896 నిపుణులలో కేవలం 16 మందిని మాత్రమే రూట్ చేసే మోడల్‌పై ఇది సహజంగా సరిపోతుంది — అంత విరళమైన పంపిణీకి వాస్తవ ట్రాఫిక్‌కు చాలా తక్కువ దోహదం చేసే పొడవైన తోక ఉంటుంది — మరియు ముందు కత్తిరించడం అంటే మిగిలిన బిట్ బడ్జెట్ ముఖ్యమైన నిపుణులపై ఖర్చవుతుంది.

రాజీ గురించి నిజాయితీగా ఉండండి

కుదింపు కచ్చితత్వాన్ని ఖర్చు పెడుతుంది, మరియు అది ఏకరీతిగా ఉండదు. ఇది ముందుగా పొడవైన-తోక వాస్తవ జ్ఞాపకంలో మరియు కఠిన-గణిత కచ్చితత్వపు చివరి పాయింట్లలో కనిపిస్తుంది, సూచనలు పాటించడంలో, టూల్-కాల్ ఫార్మాటింగ్‌లో, లేదా పొడవైన ఏజెంటిక్ ప్రణాళిక నిర్మాణంలో చాలా తక్కువగా. K3 క్వాంటైజేషన్-అవగాహన శిక్షణే ఈ బిల్డ్ నిలబడటానికి కారణం. కానీ మీ పనిభారం ఒక్క-షాట్ అస్పష్ట-వాస్తవ వెలికితీత అయితే, కేవలం పారామీటర్ల సంఖ్య ఆధారంగా క్వాంటైజ్ చేసిన 2.8T మోడల్ ఒక 8-బిట్ చిన్న మోడల్‌ను ఓడిస్తుందని అనుకోకండి.

మా శ్రేణి ఉద్దేశపూర్వక నిచ్చెనగా మూడు ప్రత్యయాలను వాడుతుంది. 3BIT-REAP అతిపెద్ద పునాదులపైకి వెళ్తుంది, అక్కడ వేరే ఏదీ ఇమడదు. W4A16-AUTOROUND-REAP అంటే AutoRound వాడి క్వాంటైజ్ చేసిన 16-బిట్ యాక్టివేషన్‌లతో 4-బిట్ వెయిట్‌లు — నేర్చుకున్న రౌండింగ్, ఇది అమాయక దగ్గరి-సంఖ్యకు-రౌండ్ కంటే నిజమైన కచ్చితత్వాన్ని తిరిగి పొందుతుంది — పాటు అదే కత్తిరింపు. W8A16 అత్యధిక విశ్వసనీయత శ్రేణి, దూకుడు కుదింపు అవసరం లేనంత చిన్న పునాదుల కోసం. క్లుప్తంగా: ప్రత్యయం మీకు అసలు మోడల్‌లో ఎంత బతికిందో చెబుతుంది; ధర దాన్ని నడపడానికి ఎంత ఖర్చవుతుందో చెబుతుంది.

03విజన్: చిత్ర అవగాహన మీకు ఏమి కొనిపెడుతుంది

మా పన్నెండు-మోడల్ శ్రేణిలో విజన్ ఉన్న ఐదు మోడల్‌లలో Kimi-K3 ఒకటి, మరియు ఆ ఐదింటిలో అత్యంత సమర్థవంతమైనది. చాలా వాణిజ్య విజన్ APIలు అప్‌లోడ్ చేసిన చిత్రాలపై ఒక వర్గీకరణిని నడిపి, మోడల్ వాటిని చూడకముందే ఒక విస్తృత వర్గపు ఇన్‌పుట్‌లను తిరస్కరిస్తాయి — ఇది సహేతుకమైన వినియోగదారు డిఫాల్ట్ మరియు చట్టబద్ధమైన పనికి తీవ్రమైన అడ్డంకి. ఎక్స్‌ప్లాయిట్ అవుట్‌పుట్‌ను స్క్రీన్‌షాట్ తీసే భద్రతా పరిశోధకులు, తమ సొంత వర్గీకరణులను నిర్మించే మోడరేషన్ బృందాలు, ఫోరెన్సిక్ మరియు డేటాసెట్-ఆడిట్ పని, మరియు రెడ్-టీమ్ మూల్యాంకనం — అన్నీ ఆ గోడను ఢీకొంటాయి. Kimi-K3కి తిరస్కరణ పొర లేదు మరియు అవుట్‌పుట్‌పై ఫిల్టరింగ్ లేదు.

చౌక విజన్ మోడల్‌ల కంటే K3 విజన్ తన ధరను ఎక్కడ సంపాదిస్తుంది

దట్టమైన రేఖాచిత్రాలు మరియు స్కీమాటిక్‌లు — ఆర్కిటెక్చర్ రేఖాచిత్రాలు, నెట్‌వర్క్ టోపాలజీలు, సర్క్యూట్‌లు: వస్తువులకు పేరు పెట్టడం కంటే గీతలను మరియు లేబుళ్ళను అనుసరించడంపై సమాధానం ఆధారపడే ఏదైనా.
స్క్రీన్‌షాట్‌లలో చిన్న అక్షరాలు — స్టాక్ ట్రేస్‌లు, టెర్మినల్ అవుట్‌పుట్, స్ప్రెడ్‌షీట్ సెల్‌లు. చిన్న స్థాయిలో చదవగలిగే తనంపైనే విజన్ శ్రేణుల మధ్య అంతరం అత్యంత విస్తృతం.
పొడవైన టెక్స్ట్ లోపల చిత్రం — 200K-టోకెన్ సందర్భంలో పడేసిన స్క్రీన్‌షాట్, అక్కడ మోడల్ తాను చూసేదాన్ని యాభై వేల టోకెన్‌ల ముందు చదివిన దానితో సంబంధపరచాలి.
బహుళ-చిత్ర పోలిక — ఒక UI రెండు వెర్షన్లు, లేదా ఒక చార్ట్‌ను దాన్ని ఉత్పత్తి చేసిన పట్టికతో పోల్చడం.

అది తన ధరను సంపాదించని చోటు: క్యాప్షనింగ్, alt టెక్స్ట్, శుభ్రమైన పత్రాల OCR, మరియు ట్యాగింగ్ పైప్‌లైన్‌లు. అవి మిలియన్ ఇన్‌పుట్ టోకెన్‌లకు $0.50 వద్దే పరిష్కరించబడ్డాయి — మీ చిత్ర పనిభారం అధిక-పరిమాణం మరియు ప్రతి అంశమూ వ్యక్తిగతంగా సరళమైతే, Kimi-K2.6 లేదా MiniMax-M3 మీరు K3 సమాధానాల నుండి వేరు చేయలేని సమాధానాలను ఇస్తాయి.

చిత్రాలు టెక్స్ట్‌తో అదే 262,144-టోకెన్ బడ్జెట్ నుండి టోకెన్‌లను వాడతాయి మరియు ఇన్‌పుట్ రేటుకు బిల్ చేయబడతాయి. కొన్ని అధిక-రిజల్యూషన్ స్క్రీన్‌షాట్‌లు ఉచితం కాదు.

04దీర్ఘ-పరిధి ఏజెంటిక్ పని — ఈ శ్రేణి దేని కోసం

ఒక పనిభారం అగ్రశ్రేణిని సమర్థిస్తే, అది ఇదే. చిన్న పనులు క్షమించే విధంగా విఫలమవుతాయి: మోడల్ తప్పు చేస్తుంది, మీరు గమనిస్తారు, మళ్ళీ ప్రయత్నిస్తారు, మీరు నాలుగు సెకన్లు కోల్పోయారు. ఆరవ మలుపులో తప్పు కొమ్మను తీసుకునే నలభై-మలుపుల ఏజెంట్ తర్వాతి ముప్పై నాలుగు మలుపులను ఒక తప్పుపై విస్తృతంగా నిర్మించడంలో గడుపుతుంది, మరియు మధ్యలోని ప్రతి టోకెన్‌కూ చెల్లించిన తర్వాత చివర్లో మీకు తెలుస్తుంది. ఆ అసమానతే ఇక్కడ ఒక్కో-టోకెన్ ధర దాదాపు తప్పు కొలమానం కావడానికి కారణం. ముఖ్యమైనది ఒక్కో విజయవంతమైన పూర్తికి ఖర్చు, మరియు దాన్ని ఒక పరుగు ఎంత తరచుగా పారవేయబడుతుందో అనేది శాసిస్తుంది. ఏజెంటిక్ బెంచ్‌మార్క్‌లపై K3 పునాది కోసం Moonshot ప్రచురించిన గణాంకాలు:

BrowseComp91.2

Terminal-Bench 2.188.3

FrontierSWE81.2

DeepSWE67.5

HLE-Full (టూల్స్‌తో)56.0

SWE Marathon42.0

అన్ని గణాంకాలూ జూలై 2026లో క్వాంటైజ్ చేయని Kimi K3 పునాది కోసం Moonshot నివేదించినవి. అవి మా 3BIT-REAP బిల్డ్ కొలతలు కావు మరియు మేము వాటిని అలా చూపడం లేదు.

ఈ ఆకారం ఆర్కిటెక్చర్ దేని కోసం నిర్మించబడిందో దానితో సరిపోతుంది: BrowseComp మరియు Terminal-Bench టూల్-లూప్ బెంచ్‌మార్క్‌లు — చర్య, పరిశీలన, సవరణ అనే పునరావృత చక్రాలు. 42.0 వద్ద SWE Marathon ప్రతిసమతుల్యం: ఈ సమూహంలో అత్యంత కఠినమైన దీర్ఘ-పరిధి కోడింగ్ మూల్యాంకనం, అక్కడ ఒక అగ్రస్థాయి మోడల్ కూడా చాలా పనులలో విఫలమవుతుంది. "ఏజెంటిక్" అనేది పరిష్కరించబడిన వర్గం కాదు; మీరు ఏ మోడల్ ఎంచుకున్నా వైఫల్యం కోసం రూపకల్పన చేయండి.

పొడవైన పరుగులకు ఆచరణాత్మక అమరికలు

K3 reasoning_effortను బహిర్గతం చేస్తుంది, మరియు ఇక్కడ అది నిజమైన ఖర్చు మీట: తర్క టోకెన్‌లు మిలియన్‌కు $19.12 చొప్పున అవుట్‌పుట్ టోకెన్‌లుగా బిల్ అవుతాయి.

Low — టూల్-కాల్ రూటింగ్ మరియు నిర్మాణాత్మక వెలికితీత, అక్కడ మోడల్ కొన్ని తెలిసిన ఎంపికల మధ్య ఎంచుకుంటుంది.
High — నిజమైన ఏజెంటిక్ పనికి డిఫాల్ట్: బహుళ-దశల మార్పును ప్రణాళిక చేయడం, స్టాక్ ట్రేస్ నుండి డీబగ్ చేయడం, పరస్పర విరుద్ధ మూలాలను సమన్వయం చేయడం.
Max — పైప్‌లైన్‌లోని అత్యంత కఠినమైన ఒక్క కాల్ కోసం దీన్ని కేటాయించండి: పరుగు మొదట్లోని ప్రణాళిక, లేదా చివరి సమీక్ష. highలో 30K తర్క టోకెన్‌లు మరియు maxలో 90K ఖర్చు చేసే ఒక పరుగు ఆ ఒక్క ఫ్లాగ్ కోసం అదనంగా $1.15 చెల్లిస్తుంది.

సందర్భాన్ని కూడా ఉద్దేశపూర్వకంగా బడ్జెట్ చేయండి: మా విండో 262,144 టోకెన్‌లు, 16,384-టోకెన్ గరిష్ఠ అవుట్‌పుట్‌తో, మరియు మిలియన్ ఇన్‌పుట్‌కు $3.83 వద్ద కత్తిరించని చరిత్ర పోగుపడుతుంది — ప్రతి మలుపూ మొత్తం ముందుభాగాన్ని మళ్ళీ బిల్ చేస్తుంది.

05ఈ ఎండ్‌పాయింట్‌పై "సెన్సార్ లేనిది" అంటే ఏమిటి

Shannon AI గేట్‌వేలోని ప్రతి మోడల్ తిరస్కరణ పొర లేకుండా మరియు అవుట్‌పుట్‌పై కంటెంట్ ఫిల్టరింగ్ లేకుండా అందించబడుతుంది. అగ్రశ్రేణిలో ఇది మరింత ముఖ్యం, ఎందుకంటే ప్రజలు అగ్రశ్రేణి మోడల్‌కు తెచ్చే పనులే ఒక ఫిల్టర్‌ను ప్రేరేపించే అవకాశం ఎక్కువ: ప్రతికూల భద్రతా పరిశోధన, దాడి-సాధన విశ్లేషణ, మోడరేషన్-వర్గీకరణి అభివృద్ధి, ముప్పు నిఘా, కష్టమైన కల్పన, మరియు మీరు గుర్తించాలనుకుంటున్న దాన్నే మోడల్ ఉత్పత్తి చేయాల్సిన ఏ మూల్యాంకనమైనా.

అవుట్‌పుట్ వర్గీకరణి లేదు. ప్రతిస్పందనలు ఉత్పత్తి తర్వాత స్కాన్ చేసి తిరగరాయబడవు లేదా నిరోధించబడవు.
ఇన్‌పుట్ గేటు లేదు. ప్రాంప్ట్‌లు మరియు చిత్రాలు మోడల్‌ను చేరుకోకముందు పరిశీలించబడవు.
ఇది వేరే మోడల్ కాదు. ఇది సాధారణంగా దాని ముందు కూర్చునే పొర లేకుండా అందించబడిన Kimi K3 పునాదే.
ఇది బాధ్యత బదిలీ కాదు. తిరస్కరణ పొరను తొలగించడం తీర్పు నిర్ణయాన్ని మీకు మారుస్తుంది — మా బాధ్యతాయుత వినియోగ విధానం చూడండి.

మూల్యాంకన వ్యవస్థలను నిర్మించే ఎవరికైనా ఒక నిశ్శబ్ద ప్రయోజనం ఉంది: ఫిల్టర్ చేయని మోడల్ ఒక స్థిరమైన ప్రామాణికం. ఊహించలేని విధంగా తిరస్కరించే మోడల్ కొలతలను గందరగోళంగా చేస్తుంది, ఎందుకంటే మీరు సామర్థ్య పరిమితిని విధాన పరిమితి నుండి వేరు చేయలేరు. ఇక్కడ ఒక వైఫల్యం సామర్థ్య వైఫల్యం — మీరు డీబగ్ చేయగల ఏకైక రకం.

06ధర: $3.83 ఇన్, $19.12 అవుట్ — మరియు అది ఎప్పుడు సార్థకం

ఇది మా జాబితాలో చాలా వ్యత్యాసంతో అత్యంత ఖరీదైన మోడల్: అవుట్‌పుట్ మా $2.00 అట్టడుగు కంటే 9.6x మరియు Kimi-K2.6 ఖర్చు కంటే 5.2x ఖరీదు. లెక్కలు ఇక్కడ బహిరంగంగా ఉన్నాయి.

మోడల్	ఇన్ / 1M	అవుట్ / 1M	విజన్	JSON స్కీమా
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	ఉంది	ఉంది
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	లేదు	ఉంది
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	ఉంది	లేదు
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	ఉంది	ఉంది
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	లేదు	ఉంది
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	ఉంది	ఉంది
MiMo-V2.5 · W8A16	$0.50	$2.00	ఉంది	ఉంది

ఎంపిక చేసిన వరుసలు, ఇన్‌పుట్ ధర ప్రకారం క్రమబద్ధీకరించబడ్డాయి. పన్నెండు మోడల్‌లూ ఒకే 262,144-టోకెన్ సందర్భాన్ని, 16,384-టోకెన్ గరిష్ఠ అవుట్‌పుట్‌ను, స్ట్రీమింగ్‌ను, టూల్ కాలింగ్‌ను మరియు reasoning_effortను పంచుకుంటాయి. ప్రత్యక్ష సామర్థ్య ఫ్లాగ్‌లు API డాక్యుమెంటేషన్ పేజీలో ఉన్నాయి.

రెండు ఆచరణాత్మక ఉదాహరణలు

మొదటిది, 120,000-టోకెన్ ఇన్‌పుట్ — ఒక కోడ్‌బేస్ డంప్, ఒక నియంత్రణ సంస్థ దాఖలు — 3,000-టోకెన్ల విశ్లేషణను ఉత్పత్తి చేస్తుంది. రెండోది, ఒక నలభై-మలుపుల ఏజెంట్ పరుగు: సందర్భం పోగుపడుతుండగా సుమారు 1.2M సంచిత ఇన్‌పుట్ టోకెన్‌లు, తర్కంతో సహా 90,000 అవుట్‌పుట్ టోకెన్‌లు.

సన్నివేశం	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K ఇన్ / 3K అవుట్	$0.517	$0.105	$0.066
40-మలుపుల ఏజెంట్ పరుగు	$6.32	$1.27	$0.78

పత్ర కాల్‌పై K3 Kimi-K2.6 కంటే సుమారు 4.9x ఖరీదు. యాభై సెంట్లు ఒకసారి అయితే ఏమీ కాదు; వెయ్యి కాల్‌ల వద్ద అది రోజుకు $517, $105తో పోలిస్తే. ఏజెంట్ పరుగుపై తేడా సుమారు $5. ఇప్పుడు ముఖ్యమైన ఏకైక పరీక్షను వర్తింపజేయండి: ఆ పని $100 వద్ద ఒక ఇంజనీర్ గంట సమయానికి విలువైనదైతే, మొదటి-ప్రయత్న విజయ రేటును ఐదు శాతం పాయింట్లు పెంచిన క్షణమే K3 తనకు తానే చెల్లించుకుంటుంది — మరియు నిజంగా కఠినమైన దీర్ఘ-పరిధి పనిలో శ్రేణుల మధ్య అంతరం సాధారణంగా మరింత పెద్దది. ఆ పని ఎవరికైనా ముప్పై సెకన్ల సమయానికి విలువైనదైతే, అదే $5 సమర్థించలేనిది.

మేము నిజంగా వాడే నియమం

పరుగు విఫలమవడం వల్ల ఖర్చు, మెరుగైన మోడల్‌పై దాన్ని నడపడంలోని ధర తేడాను మించినప్పుడు Kimi-K3కి పెంచండి. అది నిర్ణయాన్ని టోకెన్ ధరపై కాక పని విలువపై ఉంచుతుంది. అధిక-విలువ, తక్కువ-పరిమాణం, దీర్ఘ-పరిధి, ధృవీకరించడం కష్టమైన పని K3కి వెళ్తుంది. అధిక-పరిమాణం, తక్కువ-పణం, సులభంగా మళ్ళీ ప్రయత్నించగల పని వెళ్ళదు — పారామీటర్ల సంఖ్య ఎంత ఆకట్టుకున్నా.

07Kimi-K3 లేక ఒక చౌక సోదరుడా?

మా శ్రేణిలోని రెండు Kimi మోడల్‌లు పోటీదారులు కాక ఒకే నిచ్చెన రెండు మెట్లు. Kimi-K2.6 తక్కువ దూకుడుగా క్వాంటైజ్ చేయబడింది — W4A16-AUTOROUND-REAP, నేర్చుకున్న రౌండింగ్‌తో 4-బిట్ వెయిట్‌లు, K3 3-బిట్‌తో పోలిస్తే — ఒక చిన్న పునాదిపై. దానికి విజన్, JSON-స్కీమా అవుట్‌పుట్, అదే సందర్భ విండో ఉన్నాయి, మరియు ఖరీదు ఐదవ వంతు.

పని	వాడండి	ఎందుకు
నలభై-మలుపుల స్వయంప్రతిపత్తి ఏజెంట్	Kimi-K3	వైఫల్యం పోగుపడుతుంది; మొదటి మలుపులోని ప్రణాళిక నాణ్యతే పరుగును నిర్ణయిస్తుంది
రిపాజిటరీ-స్థాయి రీఫ్యాక్టర్	Kimi-K3	పూర్తి సందర్భాన్ని కేవలం వెలికితీయడం కాక పొందికగా పట్టుకోవాలి
దట్టమైన రేఖాచిత్రాలు, స్క్రీన్‌షాట్‌లోని చిన్న అక్షరాలు	Kimi-K3	శ్రేణుల మధ్య అత్యంత విస్తృత విజన్ అంతరం చదవగలిగే తనం మరియు ప్రాదేశిక తర్కం
బాగా నిర్దేశించిన ఒక్క-ఫైల్ సవరణలు	Kimi-K2.6	పరిమిత పని, చౌక పునఃప్రయత్నం, కొలవదగిన గరిష్ఠ స్థాయి తేడా లేదు
పరిమాణంలో చిత్ర క్యాప్షనింగ్	MiniMax-M3 / MiMo-V2.5	$0.50 ఇన్ వద్ద పరిష్కరించబడింది; అదే క్యాప్షన్‌కు K3 అవుట్‌పుట్ 9.6x
తర్క-భారమైనది కానీ కేవలం టెక్స్ట్	DeepSeek-V4-Pro	$19.12తో పోలిస్తే $3.90 అవుట్‌పుట్ — మీకు చిత్రాలు అవసరం లేకపోతే K3ని వదిలేయండి

ఆ చివరి వరుసే అత్యంత తరచుగా మిస్ అయ్యే పొదుపు. మీ పనిలో చిత్రాలు లేకపోతే, ముందు DeepSeek-V4-Proని పరిశీలించండి. అది కూడా ఒక పెద్ద పునాదిపై 3BIT-REAP బిల్డ్, కఠిన తర్కంలో బలమైనది, మరియు దాని అవుట్‌పుట్ K3 $19.12తో పోలిస్తే $3.90 ఖరీదు. అగ్రశ్రేణి కోసం చేయి చాచే ట్రాఫిక్‌లో చాలా భాగం ఒక వరుస కిందే అంతే బాగా అందించబడే కేవలం-టెక్స్ట్ తర్కం.

ఒక మెట్టు కింద చూస్తున్నారా? సెన్సార్ లేని Kimi K2.6 మార్గదర్శి అదే వంశాన్ని $0.78 ఇన్ / $3.67 అవుట్ వద్ద, విజన్ మరియు 4-బిట్ AutoRound క్వాంటైజేషన్‌తో వివరిస్తుంది — చాలా Kimi-కుటుంబ పనికి డిఫాల్ట్ ఎంపిక. పూర్తి శ్రేణి Shannon AI Researchలో ఉంది.

08సెన్సార్ లేని Kimi K3 APIని పిలవడం

మోడల్ మూడు మాండలికాలపైనా Kimi-K3-3BIT-REAPగా బహిర్గతం చేయబడింది, ప్రతి దానిపైనా స్ట్రీమింగ్‌తో మరియు వాటి మధ్య ఎలాంటి సామర్థ్య తేడా లేకుండా — కేవలం వైర్ ఫార్మాట్ మాత్రమే తేడా: /v1/chat/completions (OpenAI-అనుకూలం), /v1/messages (Anthropic-అనుకూలం), మరియు /v1/responses. ఒక కఠినమైన దృశ్య పని కోసం తర్క ప్రయత్నం పెంచిన ఒక విజన్ అభ్యర్థన:

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 మరియు పూర్తి json_schema రెంటికీ మద్దతు ఇస్తుంది, కాబట్టి మీరు ఒక ఏజెంట్ టూల్ ఆర్గ్యుమెంట్‌లను నియంత్రించవచ్చు లేదా ఒక నివేదికను తర్వాతి పార్సింగ్ లేకుండా ఒక నిర్ణీత ఆకారంలోకి బలవంతం చేయవచ్చు. టూల్ కాలింగ్ స్థానికమైనది మరియు పొడవైన పరుగులను నడిపించడానికి ఉద్దేశించిన మార్గం అదే. పారామీటర్లు, ప్రామాణీకరణ, రేటు పరిమితులు మరియు ఒక ప్రత్యక్ష ప్లేగ్రౌండ్ API డాక్యుమెంటేషన్ పేజీలో ఉన్నాయి.

మొదటి రోజునే డబ్బు ఆదా చేసే మూడు విషయాలు

ముందుభాగాన్ని కత్తిరించండి. ప్రతి మలుపూ మొత్తం సంభాషణను మిలియన్‌కు $3.83 చొప్పున మళ్ళీ బిల్ చేస్తుంది; 40-మలుపుల చరిత్రను ఒకసారి 4K-టోకెన్ల స్థితి వస్తువుగా సంక్షిప్తీకరించడం చాలా మోడల్ మార్పిడుల కంటే ఎక్కువ ఆదా చేస్తుంది.
చిత్రాలను చిన్నవి చేయండి. చిత్ర టోకెన్‌లు ఇన్‌పుట్ టోకెన్‌లు; ఇంకా చదవగలిగేలా ఉండేలా పరిమాణం మార్చిన 4K స్క్రీన్‌షాట్ తక్కువ ఖర్చుకు అదే సమాధానం ఇస్తుంది.
కఠినత ప్రకారం మళ్ళించండి. సాధారణ మలుపులపై ఒక చౌక మోడల్, ప్రణాళికపై, కఠిన కొమ్మపై మరియు చివరి సమీక్షపై K3 — ఇది తరచుగా బిల్లులో 25% వద్ద సామర్థ్యంలో 80%.

09తరచుగా అడిగే ప్రశ్నలు

సెన్సార్ లేని Kimi K3 API అంటే ఏమిటి?

ఇది Shannon AI గేట్‌వేలోని Kimi-K3 3BIT-REAP మోడల్: Moonshot AI 2.8-ట్రిలియన్-పారామీటర్ల మల్టీమోడల్ నిపుణుల-మిశ్రమ పునాది, మా స్వంత GPU క్లస్టర్‌పై 262,144-టోకెన్ సందర్భం, 16,384-టోకెన్ గరిష్ఠ అవుట్‌పుట్, విజన్, టూల్ కాలింగ్, JSON-స్కీమా నిర్మాణాత్మక అవుట్‌పుట్ మరియు స్ట్రీమింగ్‌తో అందించబడుతుంది, తిరస్కరణ పొర లేకుండా మరియు అవుట్‌పుట్‌పై ఎలాంటి ఫిల్టరింగ్ లేకుండా. ఇది /v1/chat/completions, /v1/messages మరియు /v1/responses ద్వారా అందుబాటులో ఉంటుంది.

సెన్సార్ లేని Kimi K3 API విజన్‌కు మద్దతు ఇస్తుందా?

అవును. మా శ్రేణిలో చిత్ర అవగాహన ఉన్న ఐదు మోడల్‌లలో Kimi-K3 ఒకటి, మరియు అత్యధిక సామర్థ్యం గలది. మీరు ఏ OpenAI-అనుకూల ఎండ్‌పాయింట్‌కైనా పంపినట్టే, టెక్స్ట్‌తో పాటు image_url కంటెంట్ భాగాలుగా చిత్రాలను పంపుతారు. చిత్రాలు టెక్స్ట్‌తో అదే 262,144-టోకెన్ బడ్జెట్ నుండి సందర్భాన్ని వాడతాయి, మరియు చిత్ర టోకెన్‌లు మిలియన్‌కు $3.83 ఇన్‌పుట్ రేటుకు బిల్ చేయబడతాయి.

ఇతర Shannon మోడల్‌లు $0.50 మరియు $2.00 ఉండగా Kimi K3 ఎందుకు $3.83 ఇన్ మరియు $19.12 అవుట్ ఖరీదు?

ఎందుకంటే ఆ పునాది సుమారు 2.8 ట్రిలియన్ పారామీటర్లు, ఒక్కో టోకెన్‌కు 104 బిలియన్ క్రియాశీలం, శ్రేణిలో మరెక్కడో ఉన్న 30-నుండి-40-బిలియన్-క్రియాశీల మోడల్‌లతో పోలిస్తే. ఒక్కో టోకెన్‌కు ఎక్కువ క్రియాశీల పారామీటర్లు అంటే ఒక్కో టోకెన్‌కు ఎక్కువ GPU-సెకన్లు, మరియు ధర ఒక సామర్థ్య పన్నును కాక అందించే ఖర్చును ప్రతిబింబిస్తుంది. అవుట్‌పుట్ మా అట్టడుగు మోడల్‌ల ధర కంటే 9.6x, కాబట్టి నిర్ణయాత్మక ప్రశ్న ఏమిటంటే ఒక పొడవైన పనిపై అధిక మొదటి-ప్రయత్న విజయ రేటు సుమారు ఐదు రెట్ల బిల్లుకు విలువైనదా అనేది.

Kimi K3 అనేది Kimi K2 లేదా Kimi K2 Thinking వంటి అదే మోడలా?

కాదు. Kimi K2 అనేది 32 బిలియన్ క్రియాశీల పారామీటర్లు మరియు 384 నిపుణులతో 1-ట్రిలియన్-పారామీటర్ల MoE; K2 Thinking అదే పునాదిపై పెనవేసిన తర్కాన్ని మరియు పొడవైన టూల్-కాల్ గొలుసులను జోడించింది. జూలై 2026లో Moonshot AI విడుదల చేసిన Kimi K3 వేరే ఆర్కిటెక్చర్: 2.8 ట్రిలియన్ మొత్తం పారామీటర్లు, 104 బిలియన్ క్రియాశీలం, ఒక్కో టోకెన్‌కు 16 మంది రూట్ చేయబడే 896 నిపుణులు, Kimi Delta Attention, మరియు ఒక స్థానిక విజన్ ఎన్‌కోడర్. K2 మరియు K3 ఒక వంశాన్ని పంచుకుంటాయి, ఒక మోడల్‌ను కాదు.

Kimi-K3కి బదులుగా Kimi-K2.6ని ఎప్పుడు వాడాలి?

పని పరిమితమై ఉండి మీరు దాన్ని చాలాసార్లు నడిపేటప్పుడు Kimi-K2.6 W4A16-AUTOROUND-REAP వాడండి: వర్గీకరణ, వెలికితీత, ఒక్క-ఫైల్ సవరణలు, చాట్, మరియు సూక్ష్మ దృశ్య తర్కం కంటే ఎక్కువగా ఒక సమర్థవంతమైన వివరణ మాత్రమే మీకు అవసరమయ్యే చిత్ర పనులు. దానికి కూడా విజన్ ఉంది, అది తక్కువ దూకుడుగా క్వాంటైజ్ చేయబడింది, మరియు దాని ఖరీదు $0.78 ఇన్ మరియు $3.67 అవుట్, K3లో సుమారు ఐదవ వంతు. ఒక పరుగు పొడవైనప్పుడు, కొమ్మలు విడుస్తున్నప్పుడు, లేదా తప్పు జరిగితే ఖరీదైనప్పుడు Kimi-K3కి పెంచండి.

మూలాధారితం, కేవలం వాదన కాదు

ఇక్కడి ప్రతి ఆర్కిటెక్చర్ మరియు బెంచ్‌మార్క్ గణాంకమూ Moonshot AI ప్రచురించినది లేదా వారి బహిరంగ మోడల్ కార్డులో కనిపించేది, మరియు మా 3BIT-REAP బిల్డ్‌ను కాక క్వాంటైజ్ చేయని పునాదిని వర్ణిస్తుంది. వాటిని మీరే తనిఖీ చేయండి.

Moonshot AI — Kimi K3 మోడల్ కార్డు Kimi K3 రిపాజిటరీ Kimi K2 Thinking

సెన్సార్ లేని Kimi K3 APIని ప్రయత్నించండి

అగ్రశ్రేణి ఏజెంటిక్ మరియు విజన్ స్థాయి. తిరస్కరణ పొర లేదు. ఒక్కో టోకెన్‌కు చెల్లించండి.

API డాక్స్ చదవండి అన్ని మోడల్‌లను బ్రౌజ్ చేయండి

Shannon Lab LLC · న్యూ మెక్సికో, USA · మోడల్‌లు మా స్వంత GPU క్లస్టర్‌పై అందించబడతాయి

పునాది వాస్తవాలు మరియు బెంచ్‌మార్క్‌లు Kimi K3 మరియు Kimi K2 కోసం Moonshot AI ప్రచురించిన సంఖ్యలు మరియు అవి క్వాంటైజ్ చేయని ఎగువ మోడల్‌లను వర్ణిస్తాయి; మా బిల్డ్ ఒక 3-బిట్ REAP క్వాంటైజేషన్ మరియు అది భిన్నంగా ఉంటుంది. ధరలు, సందర్భం మరియు సామర్థ్య ఫ్లాగ్‌లు Shannon AI సొంతవి, సెప్టెంబర్ 5, 2026 నాటికి ప్రస్తుతమైనవి — ప్రత్యక్ష విలువలు ఎప్పుడూ /v1/models తిరిగి ఇచ్చేవే. మూలాలు: Kimi K3 మోడల్ కార్డు · Kimi K3 రిపాజిటరీ · Kimi K2 Thinking.

అన్ని పరిశోధన లింక్‌లు