بغیر سنسر شپ Kimi K3 API

ماڈل چننے کی زیادہ تر رہنمائیاں یوں لکھی جاتی ہیں جیسے صلاحیت مفت ہو۔ ایسا نہیں ہے۔ کسی اعلیٰ درجے کے ماڈل کے بارے میں دلچسپ سوال کبھی یہ نہیں ہوتا کہ “کیا یہ بہتر ہے” — عموماً ہوتا ہی ہے — بلکہ یہ ہوتا ہے کہ “کیا یہ اس کام پر اتنا بہتر ہے کہ ایک درجہ نیچے والے ماڈل سے پانچ گنا بڑا بل جائز ہو جائے۔” یہ رہنمائی اس کا جواب اصل حساب کتاب کے ساتھ دیتی ہے، اور صاف بتاتی ہے کہ سستے اختیارات کہاں جیتتے ہیں۔

01Kimi K3 اصل میں ہے کیا

Kimi K3، Moonshot AI کی کھلے وزنوں والی سرِفہرست پیداوار ہے، جو جولائی 2026 میں Kimi K3 لائسنس کے تحت جاری ہوئی — اُس سلسلے کی تیسری نسل جو Kimi K2 سے شروع ہوا تھا، اور کسی فائن ٹیون کے بجائے واقعی ایک نیا فن تعمیر۔

شائع شدہ ترتیب 93 تہوں کی ہے — 69 Kimi Delta Attention استعمال کرتی ہیں، 24 گیٹ شدہ کثیر سر پوشیدہ توجہ، اور ایک گنجان — جبکہ ایک Stable LatentMoE روٹر فی ٹوکن 896 میں سے 16 ماہرین اور 2 مشترک ماہرین چنتا ہے۔ Moonshot اس ملاپ سے Kimi K2 کے مقابلے میں پیمانہ کاری کی کارکردگی میں تقریباً 2.5 گنا بہتری بتاتا ہے۔ وژن اوپر سے چپکایا ہوا نہیں بلکہ مقامی ہے: 401M پیرامیٹر کا MoonViT-V2 انکوڈر اُسی تنے کو غذا دیتا ہے جو متن سنبھالتا ہے۔

خلوت کا عدد ذہن نشین کرنے کے قابل ہے: K3 فی ٹوکن 104 ارب پیرامیٹر فعال کرتا ہے، جبکہ ہماری فہرست کے زیادہ تر ماڈلوں میں یہ 30 سے 40 ارب کی حد میں ہے۔ یہ فی تخلیق شدہ ٹوکن تقریباً تین گنا حساب ہے، اور یہی اکلوتی وجہ ہے کہ یہ ماڈل قیمت کی فہرست میں سب سے اوپر ہے۔ آپ کسی برانڈ کے درجے کی قیمت نہیں دے رہے — آپ GPU سیکنڈوں کی قیمت دے رہے ہیں۔

سلسلہ، مختصراً

• Kimi K2 — ایک کھرب پیرامیٹر، 32 ارب فعال، 384 ماہرین جن میں فی ٹوکن 8 کو راستہ ملتا تھا، MuonClip آپٹیمائزر سے 15.5 کھرب ٹوکن پر پیشگی تربیت، اور اس مقصد سے بنایا گیا کہ اُس پیمانے پر MoE تربیت کو تباہ کرنے والے توجہ کے دھماکے رک جائیں۔
• Kimi K2 Thinking — وہی بنیاد جسے استدلال کو ٹول استعمال کے ساتھ باہم پیوست کرنا سکھایا گیا، اور جس کے بارے میں بتایا گیا کہ وہ ایک ہی رن میں 200 سے 300 پے در پے ٹول کالیں نبھاتی ہے، ٹولز کے ساتھ Humanity's Last Exam پر 44.9% اور BrowseComp پر 60.2% کے ساتھ۔
• Kimi K3 — مقامی کثیر وسیلگی اور اپ اسٹریم دس لاکھ ٹوکن کی کھڑکی کے ساتھ نئے سرے سے بنایا گیا، اور نگرانی میں فائن ٹیوننگ کے مرحلے سے آگے کوانٹائزیشن سے آگاہ تربیت کے ساتھ (MXFP4 وزن، MXFP8 فعالیت)۔ یہی وجہ ہے کہ K3 اُن ماڈلوں کے مقابلے میں سخت ترکیب زیادہ خوش اسلوبی سے سہتا ہے جن کی تربیت میں اس کا خیال نہیں رکھا گیا تھا۔

مرکزی دھاگہ طویل افق کی ایجنٹیت ہے: ہر نسل کو مختصر جواب کے بینچ مارک جیتنے کے بجائے سینکڑوں قدموں تک مربوط رہنے کے لیے بہتر بنایا گیا۔ آپ یہی صلاحیت خرید رہے ہیں۔

02“3BIT-REAP” کا مطلب، اور 2.8T ماڈل کو اس کی ضرورت کیوں ہے

ماڈل شناخت کا لاحقہ سجاوٹ نہیں — یہ بتاتا ہے کہ ہمارے اپنے GPU کلسٹر پر لادنے سے پہلے وزنوں کے ساتھ کیا کیا گیا، اور یہی وہ ایماندارانہ تنبیہ ہے جو یہاں کے ہر دعوے کے ساتھ لگی ہے۔ حساب سے شروع کیجیے۔ 2.8 کھرب پیرامیٹر کا ماڈل 16-bit درستگی پر تقریباً 5.6 ٹیرا بائٹ وزن ہے۔ فی وزن 3 بٹ پر یہ 1.05 ٹیرا بائٹ کے قریب آ جاتا ہے — پھر بھی بڑا، مگر ایک قابلِ عمل تعیناتی، جس میں 262K ٹوکن کے KV کیش کی گنجائش بھی بچ رہتی ہے۔ REAP دوسرا نصف ہے: ماہر کٹائی کا ایک طریقہ جو یہ جانچتا ہے کہ روٹر اصل میں کن ماہرین تک پہنچتا ہے اور شاذ چنے جانے والوں کو کوانٹائز کرنے کے بعد نہیں بلکہ پہلے نکال دیتا ہے۔ ایسے ماڈل پر جو فی ٹوکن 896 میں سے صرف 16 ماہرین کو راستہ دیتا ہو، یہ قدرتی طور پر موزوں ہے — اتنی خلوت دار تقسیم کی ایک لمبی دُم ہوتی ہے جو اصل ٹریفک میں بہت کم حصہ ڈالتی ہے — اور پہلے کاٹنے کا مطلب ہے کہ بچا ہوا بٹ بجٹ اُن ماہرین پر خرچ ہو جو واقعی اہم ہیں۔

ہماری فہرست تین لاحقے ایک سوچی سمجھی سیڑھی کے طور پر استعمال کرتی ہے۔ 3BIT-REAP سب سے بڑی بنیادوں پر لگتا ہے، جہاں اور کچھ سماتا ہی نہیں۔ W4A16-AUTOROUND-REAP 4-bit وزن اور 16-bit فعالیت ہے جو AutoRound سے کوانٹائز کی گئی — سیکھی ہوئی راؤنڈنگ جو سادہ قریب ترین راؤنڈنگ کے مقابلے میں حقیقی درستگی واپس لاتی ہے — نیز وہی کٹائی۔ W8A16 سب سے زیادہ وفاداری والا درجہ ہے، اُن بنیادوں کے لیے جو اتنی چھوٹی ہیں کہ انہیں سخت ترکیب کی ضرورت نہیں۔ مختصراً: لاحقہ بتاتا ہے کہ اصل کا کتنا حصہ بچا؛ قیمت بتاتی ہے کہ اسے چلانے پر کیا لگتا ہے۔

03وژن: تصویری فہم آپ کو کیا دیتا ہے

Kimi-K3 ہمارے بارہ ماڈلوں کی فہرست کے اُن پانچ میں سے ایک ہے جن میں وژن ہے، اور ان پانچوں میں سب سے قابل۔ زیادہ تر تجارتی وژن API اپلوڈ کی گئی تصویروں پر ایک درجہ بند چلاتے ہیں اور ماڈل کے دیکھنے سے پہلے ہی ان پٹ کی ایک وسیع قسم رد کر دیتے ہیں — صارفین کے لیے ایک معقول طے شدہ رویہ، اور جائز کام کے لیے ایک سنگین رکاوٹ۔ استحصالی نتائج کے اسکرین شاٹ لیتے سلامتی محققین، اپنے درجہ بند بناتی اعتدال کی ٹیمیں، فرانزک اور ڈیٹاسیٹ جانچ کا کام، اور ریڈ ٹیم کی جانچ — سب اسی دیوار سے ٹکراتے ہیں۔ Kimi-K3 پر کوئی انکار کی پرت نہیں اور اخراج پر کوئی چھلنی نہیں۔

K3 کا وژن سستے وژن ماڈلوں کے مقابلے میں اپنی قیمت کہاں وصول کرتا ہے

• گنجان خاکے اور نقشے — فن تعمیر کے خاکے، نیٹ ورک کی ساخت، برقی سرکٹ: ہر وہ چیز جہاں جواب اشیاء کے نام لینے کے بجائے لکیروں اور لیبلوں کا تعاقب کرنے پر منحصر ہو۔
• اسکرین شاٹس میں چھوٹا متن — اسٹیک ٹریس، ٹرمینل کا اخراج، اسپریڈ شیٹ کے خانے۔ وژن کے درجوں کے درمیان سب سے بڑا فرق چھوٹے پیمانے پر پڑھے جانے کی صلاحیت میں ہے۔
• لمبے متن کے اندر تصویر — 200K ٹوکن کے سیاق میں ڈالا گیا ایک اسکرین شاٹ، جہاں ماڈل کو جو نظر آ رہا ہے اسے پچاس ہزار ٹوکن پہلے پڑھی گئی بات سے جوڑنا ہو۔
• کئی تصویروں کا موازنہ — کسی UI کے دو نسخے، یا کوئی چارٹ اُس جدول کے مقابلے میں جس سے وہ بنا۔

اور یہ اپنی قیمت کہاں نہیں وصول کرتا: کیپشن، متبادل متن، صاف دستاویزات کی OCR، اور ٹیگنگ پائپ لائنیں۔ یہ کام فی ملین داخل ٹوکن $0.50 پر حل ہو چکے ہیں — اگر آپ کا تصویری کام زیادہ حجم کا ہے اور ہر شے انفرادی طور پر سادہ ہے، تو Kimi-K2.6 یا MiniMax-M3 ایسے جواب دیتے ہیں جنہیں آپ K3 کے جوابوں سے الگ نہ کر پائیں گے۔

تصاویر اُسی 262,144 ٹوکن کے بجٹ سے ٹوکن خرچ کرتی ہیں جس سے متن، اور داخلی شرح پر بل ہوتی ہیں۔ چند اعلیٰ ریزولوشن اسکرین شاٹ مفت نہیں پڑتے۔

04طویل افق کا ایجنٹی کام — یہ درجہ اسی کے لیے ہے

اگر کوئی ایک کام اعلیٰ ترین درجے کو جائز ٹھہراتا ہے تو وہ یہی ہے۔ مختصر کام معاف کرنے والے انداز میں ناکام ہوتے ہیں: ماڈل غلطی کرتا ہے، آپ دیکھ لیتے ہیں، دوبارہ کوشش کرتے ہیں، اور آپ کے چار سیکنڈ گئے۔ چالیس باریوں کا ایجنٹ جو چھٹی باری پر غلط شاخ لے لے، اگلی چونتیس باریاں ایک غلطی پر شان دار عمارت کھڑی کرنے میں لگاتا ہے، اور آپ کو یہ آخر میں پتا چلتا ہے، جب آپ درمیان کے ہر ٹوکن کی قیمت ادا کر چکے ہوتے ہیں۔ یہی عدم توازن وہ وجہ ہے جس کے باعث فی ٹوکن قیمت یہاں تقریباً غلط پیمانہ ہے۔ اہم چیز فی کامیاب تکمیل لاگت ہے، جس پر یہ بات چھائی رہتی ہے کہ کتنی بار کوئی رن پھینکنا پڑتا ہے۔ ایجنٹی بینچ مارکس پر K3 بنیاد کے لیے Moonshot کے شائع کردہ اعداد:

تمام اعداد غیر کوانٹائزڈ Kimi K3 بنیاد کے لیے Moonshot کے بتائے ہوئے ہیں، جولائی 2026۔ یہ ہمارے 3BIT-REAP بلڈ کی پیمائش نہیں اور ہم انہیں ایسا پیش بھی نہیں کرتے۔

ان کی صورت وہی ہے جس کے لیے فن تعمیر بنایا گیا تھا: BrowseComp اور Terminal-Bench ٹول چکر کے بینچ مارک ہیں — عمل، مشاہدہ، نظرِ ثانی کے بار بار دور۔ SWE Marathon پر 42.0 توازن رکھنے والا عدد ہے: اس مجموعے کی سب سے مشکل طویل افق کوڈنگ جانچ، جہاں صفِ اول کا ماڈل بھی زیادہ تر کاموں میں ناکام رہتا ہے۔ “ایجنٹی” کوئی حل شدہ زمرہ نہیں؛ آپ جو بھی ماڈل چنیں، ناکامی کو مدِنظر رکھ کر ڈیزائن کیجیے۔

لمبے رن کے لیے عملی ترتیبات

K3، reasoning_effort فراہم کرتا ہے، اور یہاں یہ لاگت کا اصل لیور ہے: استدلالی ٹوکن خارج ٹوکن کے طور پر بل ہوتے ہیں، فی ملین $19.12 پر۔

• Low — ٹول کال کی راستہ بندی اور ساختی اخراج، جہاں ماڈل چند معلوم اختیارات میں سے چنتا ہے۔
• High — اصل ایجنٹی کام کے لیے طے شدہ: کئی مرحلوں کی تبدیلی کا منصوبہ بنانا، اسٹیک ٹریس سے خامی ڈھونڈنا، متضاد مآخذ میں مطابقت پیدا کرنا۔
• Max — اسے پائپ لائن کی سب سے مشکل ایک کال کے لیے بچا رکھیے: رن کے آغاز کا منصوبہ، یا آخری جائزہ۔ ایسا رن جو high پر 30K استدلالی ٹوکن اور max پر 90K خرچ کرے، اُس ایک جھنڈے کے لیے $1.15 اضافی دیتا ہے۔

سیاق کا بجٹ بھی سوچ سمجھ کر بنائیے: ہماری کھڑکی 262,144 ٹوکن کی ہے اور 16,384 ٹوکن زیادہ سے زیادہ اخراج، اور فی ملین داخل $3.83 پر بغیر کٹائی کے تاریخ مرکب سود کی طرح بڑھتی ہے — ہر باری پورا پیش لاحقہ دوبارہ بل ہوتا ہے۔

05اس اینڈ پوائنٹ پر “بغیر سنسر شپ” کا مطلب

Shannon AI گیٹ وے کا ہر ماڈل بغیر کسی انکار کی پرت اور اخراج پر بغیر کسی مواد کی چھلنی کے پیش کیا جاتا ہے۔ اعلیٰ ترین درجے پر یہ زیادہ اہم ہے، کیونکہ لوگ اعلیٰ درجے کے ماڈل کے پاس جو کام لاتے ہیں وہی سب سے زیادہ کسی فلٹر کو چھیڑنے کا امکان رکھتے ہیں: مخالفانہ سلامتی تحقیق، حملہ آور اوزاروں کا تجزیہ، اعتدال کے درجہ بند کی تیاری، خطرات کی معلومات، دشوار افسانہ، اور ہر وہ جانچ جس میں ماڈل سے وہی چیز بنوانی ہو جسے آپ پکڑنے کی کوشش کر رہے ہیں۔

• کوئی اخراجی درجہ بند نہیں۔ جواب تخلیق کے بعد اسکین کر کے دوبارہ لکھے یا روکے نہیں جاتے۔
• کوئی داخلی دروازہ نہیں۔ پرامپٹ اور تصاویر ماڈل تک پہنچنے سے پہلے چھانی نہیں جاتیں۔
• یہ کوئی مختلف ماڈل نہیں۔ یہ وہی Kimi K3 بنیاد ہے جو اُس پرت کے بغیر پیش کی جا رہی ہے جو عام طور پر اس کے آگے بیٹھی ہوتی ہے۔
• یہ ذمہ داری کی منتقلی نہیں۔ انکار کی پرت ہٹانے کا مطلب ہے کہ فیصلے کا اختیار آپ کے پاس آ گیا — ہماری ذمہ دارانہ استعمال کی پالیسی دیکھیے۔

جانچ کے نظام بنانے والوں کے لیے ایک خاموش فائدہ بھی ہے: بغیر چھلنی والا ماڈل ایک مستحکم بنیادی پیمانہ ہوتا ہے۔ جو ماڈل بےقاعدگی سے انکار کرے وہ پیمائشوں کو شور آلود بنا دیتا ہے، کیونکہ آپ صلاحیت کی حد اور پالیسی کی حد کو الگ نہیں کر سکتے۔ یہاں ناکامی صلاحیت کی ناکامی ہوتی ہے — اور یہی وہ واحد قسم ہے جسے آپ درست کر سکتے ہیں۔

06قیمت: $3.83 داخل، $19.12 خارج — اور یہ کب اپنی قیمت وصول کرتی ہے

یہ ہماری فہرست کا خاصے فرق سے سب سے مہنگا ماڈل ہے: اخراج ہمارے $2.00 کے فرش سے 9.6 گنا اور Kimi-K2.6 کی قیمت سے 5.2 گنا زیادہ ہے۔ حساب کھلے عام یہ رہا۔

ماڈل	داخل / 1M	خارج / 1M	وژن	JSON schema
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	ہاں	ہاں
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	نہیں	ہاں
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	ہاں	نہیں
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	ہاں	ہاں
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	نہیں	ہاں
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	ہاں	ہاں
MiMo-V2.5 · W8A16	$0.50	$2.00	ہاں	ہاں

منتخب قطاریں، داخلی قیمت کے حساب سے ترتیب دی گئیں۔ بارہ کے بارہ ماڈل وہی 262,144 ٹوکن کا سیاق، 16,384 ٹوکن کا زیادہ سے زیادہ اخراج، اسٹریمنگ، ٹول کالنگ اور reasoning_effort بانٹتے ہیں۔ زندہ صلاحیتی جھنڈے API دستاویزکاری کے صفحے پر ہیں۔

دو عملی مثالیں

پہلی، 120,000 ٹوکن کا داخلہ — کوئی کوڈ بیس ڈمپ، کوئی ضابطہ جاتی گوشوارہ — جس سے 3,000 ٹوکن کا تجزیہ نکلے۔ دوسری، چالیس باریوں کا ایجنٹ رن: سیاق جمع ہونے کے ساتھ تقریباً 1.2M مجموعی داخل ٹوکن، اور استدلال سمیت 90,000 خارج ٹوکن۔

صورت	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K داخل / 3K خارج	$0.517	$0.105	$0.066
40 باریوں کا ایجنٹ رن	$6.32	$1.27	$0.78

دستاویزی کال پر K3 کی لاگت Kimi-K2.6 سے تقریباً 4.9 گنا ہے۔ ایک بار میں پچاس سینٹ کچھ نہیں؛ ہزار کالوں پر یہ روزانہ $517 ہے، جبکہ دوسری طرف $105۔ ایجنٹ رن پر فرق تقریباً $5 کا ہے۔ اب وہ واحد کسوٹی لگائیے جو اہم ہے: اگر کام کسی انجینئر کے ایک گھنٹے کے برابر ہے اور وہ گھنٹہ $100 کا ہے، تو K3 اُسی لمحے اپنی قیمت پوری کر دیتا ہے جب وہ پہلی کوشش کی کامیابی پانچ فیصد پوائنٹ بڑھا دے — اور واقعی مشکل طویل افق کے کام میں درجوں کے درمیان فرق عموماً اس سے بڑا ہوتا ہے۔ اگر کام کسی کے تیس سیکنڈ کے برابر ہے، تو وہی $5 ناقابلِ دفاع ہیں۔

07Kimi-K3 یا کوئی سستا بھائی بند؟

ہماری فہرست کے دونوں Kimi ماڈل حریف نہیں بلکہ ایک ہی سیڑھی کے دو زینے ہیں۔ Kimi-K2.6 کم شدت سے کوانٹائز کیا گیا ہے — W4A16-AUTOROUND-REAP، سیکھی ہوئی راؤنڈنگ کے ساتھ 4-bit وزن، جبکہ K3 پر 3-bit — اور وہ ایک چھوٹی بنیاد پر ہے۔ اس میں وژن ہے، JSON-schema اخراج ہے، وہی سیاقی کھڑکی ہے، اور قیمت تقریباً پانچواں حصہ۔

کام	استعمال	کیوں
چالیس باریوں کا خودمختار ایجنٹ	Kimi-K3	ناکامی جمع ہوتی جاتی ہے؛ پہلی باری کے منصوبے کا معیار پورا رن طے کر دیتا ہے
ریپازٹری کے پیمانے کی دوبارہ ترتیب	Kimi-K3	پورا سیاق محض بازیافت کے لیے نہیں، مربوط طور پر تھامنا پڑتا ہے
گنجان خاکے، اسکرین شاٹ کا چھوٹا متن	Kimi-K3	درجوں کے درمیان سب سے بڑا وژن فرق پڑھے جانے کی صلاحیت اور مکانی استدلال میں ہے
ایک فائل کی تدوین، اچھی طرح متعین	Kimi-K2.6	محدود کام، سستی دوبارہ کوشش، چھت میں کوئی قابلِ پیمائش فرق نہیں
بڑے حجم میں تصویری کیپشن	MiniMax-M3 / MiMo-V2.5	$0.50 داخل پر حل شدہ؛ اسی کیپشن کے لیے K3 کا اخراج 9.6 گنا ہے
استدلال سے بھرپور مگر صرف متن	DeepSeek-V4-Pro	$19.12 کے مقابلے میں $3.90 اخراج — تصویریں درکار نہ ہوں تو K3 چھوڑ دیجیے

آخری قطار وہ بچت ہے جو سب سے زیادہ نظر انداز ہوتی ہے۔ اگر آپ کے کام میں تصویریں شامل نہیں، تو پہلے DeepSeek-V4-Pro دیکھیے۔ وہ بھی ایک بڑی بنیاد پر 3BIT-REAP بلڈ ہے، مشکل استدلال میں مضبوط، اور اس کا اخراج K3 کے $19.12 کے مقابلے میں $3.90 پڑتا ہے۔ اعلیٰ ترین درجے تک پہنچنے والی بہت سی ٹریفک دراصل صرف متن کا استدلال ہوتی ہے، جو ایک قطار نیچے بھی اتنی ہی اچھی طرح نبھ جاتی ہے۔

08بغیر سنسر شپ Kimi K3 API کو پکارنا

ماڈل تینوں لہجوں پر Kimi-K3-3BIT-REAP کے نام سے دستیاب ہے، ہر ایک پر اسٹریمنگ کے ساتھ اور ان کے درمیان صلاحیت میں کوئی فرق نہیں — صرف تار کی صورت مختلف ہے: /v1/chat/completions (OpenAI ہم آہنگ)، /v1/messages (Anthropic ہم آہنگ)، اور /v1/responses۔ ایک مشکل بصری کام کے لیے بڑھائی ہوئی استدلالی محنت کے ساتھ ایک وژن درخواست:

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 اور مکمل json_schema دونوں کی حمایت کرتا ہے، اس لیے آپ کسی ایجنٹ کے ٹول دلائل کو باندھ سکتے ہیں یا کسی رپورٹ کو بعد از وقت تجزیے کے بغیر ایک طے شدہ ساخت میں لا سکتے ہیں۔ ٹول کالنگ مقامی ہے اور لمبے رن چلانے کا مطلوبہ طریقہ یہی ہے۔ پیرامیٹر، توثیق، شرح کی حدود اور ایک زندہ پلے گراؤنڈ API دستاویزکاری کے صفحے پر ہیں۔

تین چیزیں جو پہلے ہی دن پیسے بچاتی ہیں

• پیش لاحقہ کاٹیے۔ ہر باری پوری گفتگو فی ملین $3.83 پر دوبارہ بل ہوتی ہے؛ 40 باریوں کی تاریخ کو ایک بار 4K ٹوکن کے حالتی شے میں سمیٹ دینا زیادہ تر ماڈل تبدیلیوں سے زیادہ بچاتا ہے۔
• تصویریں چھوٹی کیجیے۔ تصویری ٹوکن داخلی ٹوکن ہیں؛ 4K اسکرین شاٹ کو ایسے سائز پر لایا جائے جو اب بھی پڑھا جا سکے تو وہی جواب کم قیمت میں ملتا ہے۔
• دشواری کے حساب سے راستہ دیجیے۔ معمول کی باریوں پر کوئی سستا ماڈل، اور منصوبے، مشکل شاخ اور آخری جائزے پر K3 — یہ اکثر 25% بل میں 80% صلاحیت دے دیتا ہے۔

09اکثر پوچھے جانے والے سوالات

---

بنیاد سے متعلق حقائق اور بینچ مارک Kimi K3 اور Kimi K2 کے لیے Moonshot AI کے شائع کردہ اعداد ہیں اور غیر کوانٹائزڈ اپ اسٹریم ماڈلوں کو بیان کرتے ہیں؛ ہمارا بلڈ ایک 3-bit REAP کوانٹائزیشن ہے اور اس سے مختلف ہوگا۔ قیمتیں، سیاق اور صلاحیتی جھنڈے Shannon AI کے اپنے ہیں، 5 ستمبر 2026 تک درست — زندہ اقدار ہمیشہ وہی ہیں جو /v1/models لوٹاتا ہے۔ مآخذ: Kimi K3 ماڈل کارڈ · Kimi K3 ریپازٹری · Kimi K2 Thinking۔