API Kimi K3 không kiểm duyệt
Bậc năng lực cao nhất trên Shannon AI Gateway: một nền tảng đa phương thức 2,8 nghìn tỷ tham số có thị giác, gọi tool và ngữ cảnh 262K — không lớp từ chối, và mức giá cao nhất trong danh sách của chúng tôi. Đây là lúc mức giá đó đáng để trả.
Tóm tắt
Kimi-K3-3BIT-REAP là mô hình mạnh nhất chúng tôi phục vụ và cũng là đắt nhất: $3.83 mỗi triệu token đầu vào, $19.12 mỗi triệu token đầu ra. Nó có thị giác, ngữ cảnh 262.144 token, đầu ra tối đa 16.384 token, gọi tool, đầu ra theo JSON schema, reasoning_effort điều chỉnh được và streaming trên cả ba phương ngữ API — với không lớp từ chối và không lọc đầu ra. Lựa chọn đúng cho các phiên agent tầm dài, suy luận nhiều bước khó, và công việc về ảnh nơi chi tiết thị giác tinh vi là quan trọng. Lựa chọn sai cho phân loại, trích xuất, chat, và mọi thứ bạn chạy hàng trăm nghìn lần mỗi ngày.
Phần lớn hướng dẫn chọn mô hình được viết như thể năng lực là miễn phí. Nó không miễn phí. Câu hỏi thú vị về một mô hình hạng đầu không bao giờ là "nó có tốt hơn không" — thường là có — mà là "nó có tốt hơn đủ mức, trên tác vụ này, để biện minh cho một hóa đơn gấp năm lần mô hình thấp hơn một bậc hay không". Hướng dẫn này trả lời câu đó bằng số học thật, và nói thẳng những chỗ mà các lựa chọn rẻ hơn thắng.
01Kimi K3 thực chất là gì
Kimi K3 là mô hình chủ lực trọng số mở của Moonshot AI, phát hành tháng 7 năm 2026 dưới Kimi K3 License — thế hệ thứ ba của một dòng bắt đầu từ Kimi K2, và là một kiến trúc thực sự mới chứ không phải một bản tinh chỉnh.
Bố cục được công bố là 93 lớp — 69 lớp dùng Kimi Delta Attention, 24 lớp dùng gated multi-head latent attention, một lớp dày đặc — với bộ định tuyến Stable LatentMoE chọn 16 trong 896 expert mỗi token cộng thêm 2 expert dùng chung. Moonshot báo cáo hiệu quả mở rộng quy mô cải thiện khoảng 2,5 lần so với Kimi K2 nhờ tổ hợp đó. Thị giác là nguyên bản chứ không phải gắn thêm: một bộ mã hóa MoonViT-V2 401M tham số đưa dữ liệu vào cùng thân mô hình vốn xử lý văn bản.
Con số về độ thưa đáng để thấm: K3 kích hoạt 104 tỷ tham số trên mỗi token, so với khoảng 30 đến 40 tỷ ở hầu hết danh mục của chúng tôi. Đó là gấp khoảng ba lần số phép tính trên mỗi token sinh ra, và đó là toàn bộ lý do mô hình này đứng đầu bảng giá. Bạn không trả tiền cho một bậc thương hiệu — bạn trả tiền cho giây-GPU.
Dòng dõi, nói ngắn gọn
- Kimi K2 — 1 nghìn tỷ tham số, 32 tỷ kích hoạt, 384 expert với 8 expert được định tuyến mỗi token, tiền huấn luyện trên 15,5 nghìn tỷ token bằng bộ tối ưu MuonClip, dựng ra để chặn những cú nổ attention vốn phá hỏng việc huấn luyện MoE ở quy mô đó.
- Kimi K2 Thinking — cùng nền tảng đó nhưng được dạy cách đan xen suy luận với việc dùng tool, được báo cáo là duy trì được 200 đến 300 lượt gọi tool liên tiếp trong một phiên, với 44,9% trên Humanity's Last Exam có tool và 60,2% trên BrowseComp.
- Kimi K3 — dựng lại với đa phương thức nguyên bản và cửa sổ 1 triệu token ở phía thượng nguồn, kèm huấn luyện nhận thức lượng tử hóa ngay từ giai đoạn tinh chỉnh có giám sát trở đi (trọng số MXFP4, kích hoạt MXFP8). Đó là lý do K3 chịu nén mạnh tay tốt hơn các mô hình chưa bao giờ được huấn luyện với điều đó trong đầu.
Sợi chỉ xuyên suốt là khả năng hành động tầm dài: mỗi thế hệ đều được tối ưu để giữ mạch lạc qua hàng trăm bước chứ không phải để thắng các benchmark trả lời ngắn. Đó là năng lực bạn đang mua.
02"3BIT-REAP" nghĩa là gì, và vì sao một mô hình 2,8T cần tới nó
Hậu tố trong model id không phải để trang trí — nó nói rõ điều gì đã được làm với bộ trọng số trước khi chúng được nạp lên cụm GPU của riêng chúng tôi, và đó là lời lưu ý thành thật đính kèm mọi tuyên bố ở đây. Hãy bắt đầu bằng số học. Một mô hình 2,8 nghìn tỷ tham số ở độ chính xác 16-bit là khoảng 5,6 terabyte trọng số. Ở 3 bit mỗi trọng số, nó gần hơn với 1,05 terabyte — vẫn lớn, nhưng là một triển khai khả thi còn dư chỗ cho một KV cache 262K token. REAP là nửa còn lại: một phương pháp cắt tỉa expert lập hồ sơ xem bộ định tuyến thực sự tìm tới những expert nào rồi bỏ đi những expert hiếm khi được chọn trước khi lượng tử hóa chứ không phải sau. Trên một mô hình chỉ định tuyến 16 trong 896 expert mỗi token thì đó là một sự phù hợp tự nhiên — một phân phối thưa đến thế có một cái đuôi dài đóng góp rất ít cho lưu lượng thật — và cắt tỉa trước nghĩa là ngân sách bit còn lại được tiêu cho những expert thực sự quan trọng.
Hãy thành thật về sự đánh đổi
Nén làm mất độ chính xác, và không mất đều. Nó lộ ra trước tiên ở khả năng nhớ sự kiện thuộc đuôi dài và ở vài điểm cuối của độ chính xác toán khó, ít hơn nhiều ở việc tuân thủ chỉ dẫn, định dạng lời gọi tool, hay cấu trúc của một kế hoạch agent dài. Việc K3 được huấn luyện nhận thức lượng tử hóa là lý do bản dựng này trụ được. Nhưng nếu công việc của bạn là truy hồi sự kiện hiếm gặp trong một lượt, đừng mặc định rằng một mô hình 2,8T đã lượng tử hóa sẽ thắng một mô hình nhỏ hơn ở 8-bit chỉ dựa vào số tham số.
Danh mục của chúng tôi dùng ba hậu tố như một cái thang có chủ đích. 3BIT-REAP dành cho những nền tảng lớn nhất, nơi không còn gì khác vừa. W4A16-AUTOROUND-REAP là trọng số 4-bit với kích hoạt 16-bit lượng tử hóa bằng AutoRound — phép làm tròn học được giúp lấy lại độ chính xác thực so với làm tròn ngây thơ về giá trị gần nhất — cộng cùng cách cắt tỉa đó. W8A16 là bậc trung thực cao nhất, dành cho những nền tảng đủ nhỏ để không cần nén mạnh tay. Nói gọn: hậu tố cho bạn biết bao nhiêu phần của bản gốc còn sống sót; giá cho bạn biết chi phí vận hành.
03Thị giác: khả năng hiểu hình ảnh mua cho bạn điều gì
Kimi-K3 là một trong năm mô hình có thị giác trong danh mục mười hai mô hình của chúng tôi, và là mô hình mạnh nhất trong năm. Phần lớn các API thị giác thương mại chạy một bộ phân loại lên ảnh tải lên và từ chối cả một nhóm rộng đầu vào trước khi mô hình kịp nhìn thấy chúng — một mặc định hợp lý cho người dùng phổ thông và một trở ngại nghiêm trọng cho công việc chính đáng. Các nhà nghiên cứu bảo mật chụp màn hình kết quả khai thác lỗ hổng, các đội kiểm duyệt tự dựng bộ phân loại riêng, công việc pháp y và kiểm toán tập dữ liệu, cùng việc đánh giá red-team đều đâm vào bức tường đó. Kimi-K3 không có lớp từ chối và không lọc đầu ra.
Chỗ mà thị giác của K3 xứng đáng với giá của nó so với các mô hình thị giác rẻ hơn
- Sơ đồ và bản vẽ kỹ thuật dày đặc — sơ đồ kiến trúc, cấu trúc mạng, mạch điện: mọi thứ mà câu trả lời phụ thuộc vào việc lần theo đường nối và nhãn chứ không phải gọi tên vật thể.
- Chữ nhỏ trong ảnh chụp màn hình — stack trace, đầu ra terminal, các ô bảng tính. Khoảng cách giữa các bậc thị giác rộng nhất ở khả năng đọc được ở kích thước nhỏ.
- Ảnh nằm trong một khối văn bản dài — một ảnh chụp màn hình thả vào ngữ cảnh 200K token, nơi mô hình phải liên hệ thứ nó nhìn thấy với thứ nó đã đọc năm mươi nghìn token trước đó.
- So sánh nhiều ảnh — hai phiên bản của một giao diện, hoặc một biểu đồ đối chiếu với bảng dữ liệu sinh ra nó.
Chỗ nó không xứng với giá: chú thích ảnh, viết alt text, OCR các tài liệu sạch, và các pipeline gắn thẻ. Những việc đó đã được giải quyết ở mức $0.50 mỗi triệu token đầu vào — nếu khối lượng ảnh của bạn lớn và từng mục đều đơn giản, Kimi-K2.6 hoặc MiniMax-M3 cho ra những câu trả lời bạn sẽ không phân biệt được với K3.
Ảnh tiêu tốn token từ chính ngân sách 262.144 token dùng chung với văn bản và được tính theo mức giá đầu vào. Một nhúm ảnh chụp màn hình độ phân giải cao không hề miễn phí.
04Công việc agent tầm dài — bậc này sinh ra để làm gì
Nếu có một khối lượng công việc biện minh cho bậc cao nhất, thì chính là nó. Các tác vụ ngắn hỏng một cách dễ tha thứ: mô hình làm sai, bạn nhận ra, bạn thử lại, bạn mất bốn giây. Một agent bốn mươi lượt rẽ nhầm nhánh ở lượt thứ sáu sẽ dành ba mươi tư lượt tiếp theo để xây dựng cầu kỳ trên một sai lầm, và bạn chỉ phát hiện ra ở cuối sau khi đã trả tiền cho từng token ở giữa. Sự bất đối xứng đó là lý do giá trên mỗi token gần như là chỉ số sai ở đây. Thứ quan trọng là chi phí trên mỗi lần hoàn thành thành công, bị chi phối bởi tần suất một phiên chạy bị vứt đi. Đây là các con số Moonshot công bố cho nền tảng K3 trên các benchmark agent:
Tất cả các con số đều do Moonshot báo cáo cho nền tảng Kimi K3 chưa lượng tử hóa, tháng 7 năm 2026. Chúng không phải là phép đo trên bản dựng 3BIT-REAP của chúng tôi và chúng tôi không trình bày chúng như vậy.
Hình dạng của các con số khớp với thứ kiến trúc được dựng ra để làm: BrowseComp và Terminal-Bench là các benchmark vòng lặp tool — những chu kỳ lặp lại của hành động, quan sát, chỉnh sửa. SWE Marathon ở mức 42,0 là đối trọng: bài đánh giá lập trình tầm dài khó nhất trong bộ, nơi ngay cả một mô hình tiên tiến cũng trượt phần lớn tác vụ. "Agent" không phải một hạng mục đã được giải quyết; hãy thiết kế để chịu được thất bại dù bạn chọn mô hình nào.
Các thiết lập thực dụng cho phiên chạy dài
K3 mở ra reasoning_effort, và ở đây nó là một đòn bẩy chi phí thực sự: token suy luận được tính như token đầu ra, ở mức $19.12 mỗi triệu.
- Low — định tuyến lời gọi tool và trích xuất có cấu trúc, nơi mô hình chọn giữa một nhúm lựa chọn đã biết.
- High — mặc định cho công việc agent thật: lập kế hoạch cho một thay đổi nhiều bước, gỡ lỗi từ một stack trace, hòa giải các nguồn mâu thuẫn nhau.
- Max — hãy để dành nó cho lượt gọi khó nhất trong một pipeline: bản kế hoạch ở đầu phiên chạy, hoặc bước review cuối. Một phiên tiêu 30K token suy luận ở mức high và 90K ở mức max phải trả thêm $1.15 chỉ cho một cờ đó.
Hãy cân đối ngân sách ngữ cảnh một cách có chủ đích: cửa sổ của chúng tôi là 262.144 token với đầu ra tối đa 16.384 token, và ở mức $3.83 mỗi triệu token đầu vào, một lịch sử hội thoại không được tỉa sẽ dồn lại — mỗi lượt lại tính tiền toàn bộ phần tiền tố một lần nữa.
05"Không kiểm duyệt" nghĩa là gì trên endpoint này
Mọi mô hình trên Shannon AI Gateway đều được phục vụ không lớp từ chối và không lọc nội dung ở đầu ra. Điều đó quan trọng hơn ở bậc cao nhất, vì các tác vụ mà người ta mang tới một mô hình hạng đầu lại là những tác vụ dễ vấp bộ lọc nhất: nghiên cứu bảo mật đối kháng, phân tích công cụ tấn công, phát triển bộ phân loại kiểm duyệt, tình báo mối đe dọa, hư cấu khó, và mọi bài đánh giá đòi mô hình phải tạo ra chính thứ mà bạn đang cố phát hiện.
- Không có bộ phân loại đầu ra. Các phản hồi không bị quét rồi viết lại hay chặn sau khi sinh.
- Không có cổng đầu vào. Prompt và ảnh không bị sàng lọc trước khi tới mô hình.
- Không phải một mô hình khác. Đây là nền tảng Kimi K3 được phục vụ mà không kèm lớp thường đặt trước nó.
- Không phải một sự chuyển giao trách nhiệm pháp lý. Bỏ đi lớp từ chối nghĩa là quyền phán đoán chuyển sang bạn — xem chính sách sử dụng có trách nhiệm của chúng tôi.
Có một lợi ích lặng lẽ hơn cho bất kỳ ai đang xây hệ thống đánh giá: một mô hình không bị lọc là một đường cơ sở ổn định. Một mô hình từ chối một cách khó lường làm các phép đo bị nhiễu, vì bạn không thể tách một giới hạn năng lực khỏi một giới hạn chính sách. Ở đây, một lần hỏng là một lần hỏng về năng lực — loại duy nhất bạn có thể gỡ lỗi được.
06Giá: $3.83 vào, $19.12 ra — và khi nào nó xứng đáng
Đây là mô hình đắt nhất trong danh sách của chúng tôi với khoảng cách lớn: đầu ra đắt gấp 9,6× mức sàn $2.00 và gấp 5,2× giá của Kimi-K2.6. Đây là phần số học bày ra công khai.
| Mô hình | Vào / 1M | Ra / 1M | Thị giác | JSON schema |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | Có | Có |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | Không | Có |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | Có | Không |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | Có | Có |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | Không | Có |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | Có | Có |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | Có | Có |
Các dòng được chọn lọc, sắp theo giá đầu vào. Cả mười hai mô hình đều dùng chung ngữ cảnh 262.144 token, đầu ra tối đa 16.384 token, streaming, gọi tool và reasoning_effort. Các cờ năng lực trực tiếp nằm trên trang tài liệu API.
Hai ví dụ tính toán
Thứ nhất, một đầu vào 120.000 token — một bản đổ toàn bộ kho mã, một hồ sơ pháp lý — sinh ra một bản phân tích 3.000 token. Thứ hai, một phiên agent bốn mươi lượt: khoảng 1,2 triệu token đầu vào cộng dồn khi ngữ cảnh tích lũy, 90.000 token đầu ra bao gồm cả phần suy luận.
| Kịch bản | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 120K vào / 3K ra | $0.517 | $0.105 | $0.066 |
| Phiên agent 40 lượt | $6.32 | $1.27 | $0.78 |
K3 tốn khoảng 4,9× Kimi-K2.6 ở lượt gọi phân tích tài liệu. Năm mươi xu chẳng là gì nếu chỉ một lần; nó là $517 mỗi ngày ở mức một nghìn lượt gọi, so với $105. Ở phiên agent, chênh lệch là khoảng $5. Giờ hãy áp phép thử duy nhất đáng kể: nếu tác vụ đáng một giờ công của một kỹ sư ở mức $100, thì K3 tự trả cho chính nó ngay khi nó nâng tỷ lệ thành công lần đầu lên năm điểm phần trăm — và với công việc tầm dài thực sự khó, khoảng cách giữa các bậc thường lớn hơn thế. Nếu tác vụ chỉ đáng ba mươi giây công của bất kỳ ai, thì đúng $5 đó là không thể bào chữa.
Quy tắc chúng tôi thực sự dùng
Hãy nâng lên Kimi-K3 khi chi phí của việc phiên chạy đó thất bại vượt quá phần chênh giá khi chạy nó trên mô hình tốt hơn. Điều đó đặt quyết định lên giá trị của tác vụ chứ không phải giá của token. Công việc giá trị cao, khối lượng thấp, tầm dài, khó kiểm chứng thì giao cho K3. Công việc khối lượng lớn, ít rủi ro, dễ thử lại thì không — dù số tham số có ấn tượng đến đâu.
07Kimi-K3 hay một mô hình anh em rẻ hơn?
Hai mô hình Kimi trong danh mục của chúng tôi là hai bậc của cùng một cái thang chứ không phải hai đối thủ. Kimi-K2.6 được lượng tử hóa nhẹ tay hơn — W4A16-AUTOROUND-REAP, trọng số 4-bit với phép làm tròn học được, so với 3-bit của K3 — trên một nền tảng nhỏ hơn. Nó có thị giác, đầu ra theo JSON schema, cùng cửa sổ ngữ cảnh, và giá chỉ khoảng một phần năm.
| Tác vụ | Dùng | Vì sao |
|---|---|---|
| Agent tự vận hành bốn mươi lượt | Kimi-K3 | Sai lầm dồn lại; chất lượng kế hoạch ở lượt đầu quyết định cả phiên |
| Refactor quy mô cả kho mã | Kimi-K3 | Cần giữ trọn ngữ cảnh một cách mạch lạc, không chỉ truy hồi từ nó |
| Sơ đồ dày đặc, chữ nhỏ trong ảnh màn hình | Kimi-K3 | Khoảng cách thị giác giữa các bậc rộng nhất ở khả năng đọc được và suy luận không gian |
| Sửa một tệp đơn lẻ, đặc tả rõ ràng | Kimi-K2.6 | Tác vụ có giới hạn, thử lại rẻ, không có khác biệt trần năng lực đo được |
| Chú thích ảnh với khối lượng lớn | MiniMax-M3 / MiMo-V2.5 | Đã giải quyết ở mức $0.50 đầu vào; đầu ra K3 đắt gấp 9,6× cho cùng một chú thích |
| Nặng về suy luận nhưng chỉ văn bản | DeepSeek-V4-Pro | Đầu ra $3.90 so với $19.12 — hãy bỏ K3 nếu bạn không cần ảnh |
Dòng cuối cùng là khoản tiết kiệm bị bỏ lỡ nhiều nhất. Nếu tác vụ của bạn không liên quan tới ảnh, hãy xem DeepSeek-V4-Pro trước. Nó cũng là một bản dựng 3BIT-REAP trên một nền tảng lớn, mạnh về suy luận khó, và đầu ra của nó có giá $3.90 so với $19.12 của K3. Phần lớn lưu lượng tìm tới bậc cao nhất là suy luận thuần văn bản mà bậc dưới một dòng phục vụ cũng tốt y như vậy.
08Gọi API Kimi K3 không kiểm duyệt
Mô hình được phơi ra dưới tên Kimi-K3-3BIT-REAP trên cả ba phương ngữ, với streaming ở mỗi phương ngữ và không có khác biệt về năng lực giữa chúng — chỉ khác định dạng truyền: /v1/chat/completions (tương thích OpenAI), /v1/messages (tương thích Anthropic), và /v1/responses. Một yêu cầu có ảnh với mức độ suy luận nâng lên cho một tác vụ thị giác khó:
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 hỗ trợ cả response_format lẫn json_schema đầy đủ, nên bạn có thể ràng buộc tham số tool của một agent hoặc ép một báo cáo vào một khuôn cố định mà không cần phân tích cú pháp sau đó. Gọi tool là nguyên bản và là cách được thiết kế để điều khiển các phiên chạy dài. Tham số, xác thực, giới hạn tần suất và một playground trực tiếp nằm trên trang tài liệu API.
Ba việc tiết kiệm tiền ngay từ ngày đầu
- Tỉa phần tiền tố. Mỗi lượt lại tính tiền toàn bộ cuộc hội thoại ở mức $3.83 mỗi triệu; tóm tắt một lịch sử 40 lượt thành một đối tượng trạng thái 4K token một lần sẽ tiết kiệm hơn hầu hết các lần đổi mô hình.
- Giảm kích thước ảnh. Token ảnh chính là token đầu vào; một ảnh chụp màn hình 4K thu nhỏ xuống mức vẫn đọc được sẽ cho cùng câu trả lời với chi phí thấp hơn.
- Định tuyến theo độ khó. Một mô hình rẻ cho các lượt thường lệ, với K3 lo phần kế hoạch, nhánh khó và bước review cuối, thường cho 80% năng lực với 25% hóa đơn.
09Câu hỏi thường gặp
API Kimi K3 không kiểm duyệt là gì?
Đó là mô hình Kimi-K3 3BIT-REAP trên Shannon AI Gateway: nền tảng Mixture-of-Experts đa phương thức 2,8 nghìn tỷ tham số của Moonshot AI, phục vụ trên cụm GPU của riêng chúng tôi với ngữ cảnh 262.144 token, đầu ra tối đa 16.384 token, thị giác, gọi tool, đầu ra có cấu trúc theo JSON schema và streaming, không lớp từ chối và không lọc gì lên đầu ra. Nó gọi được qua /v1/chat/completions, /v1/messages và /v1/responses.
API Kimi K3 không kiểm duyệt có hỗ trợ thị giác không?
Có. Kimi-K3 là một trong năm mô hình trong danh mục của chúng tôi có khả năng hiểu hình ảnh, và là mô hình mạnh nhất trong số đó. Bạn gửi ảnh giống hệt cách gửi tới bất kỳ endpoint tương thích OpenAI nào, dưới dạng các phần nội dung image_url đi kèm văn bản. Ảnh tiêu tốn ngữ cảnh từ chính ngân sách 262.144 token dùng chung với văn bản, và token ảnh được tính theo mức giá đầu vào $3.83 mỗi triệu.
Vì sao Kimi K3 có giá $3.83 vào và $19.12 ra trong khi các mô hình Shannon khác chỉ $0.50 và $2.00?
Vì nền tảng có khoảng 2,8 nghìn tỷ tham số với 104 tỷ kích hoạt trên mỗi token, so với các mô hình 30 đến 40 tỷ kích hoạt ở nơi khác trong danh mục. Nhiều tham số kích hoạt hơn trên mỗi token nghĩa là nhiều giây-GPU hơn trên mỗi token, và giá phản ánh chi phí phục vụ chứ không phải một khoản thuế danh tiếng. Đầu ra đắt gấp 9,6 lần so với các mô hình ở mức sàn, nên câu hỏi quyết định là liệu tỷ lệ thành công ngay lần đầu cao hơn trên một tác vụ dài có đáng với hóa đơn đắt gấp khoảng năm lần hay không.
Kimi K3 có phải cùng một mô hình với Kimi K2 hay Kimi K2 Thinking không?
Không. Kimi K2 là một MoE 1 nghìn tỷ tham số với 32 tỷ tham số kích hoạt và 384 expert; K2 Thinking thêm phần suy luận đan xen và các chuỗi gọi tool dài trên cùng nền tảng đó. Kimi K3, do Moonshot AI phát hành vào tháng 7 năm 2026, là một kiến trúc khác: 2,8 nghìn tỷ tổng tham số, 104 tỷ kích hoạt, 896 expert với 16 expert được định tuyến mỗi token, Kimi Delta Attention, và một bộ mã hóa thị giác nguyên bản. K2 và K3 chung một dòng dõi, không chung một mô hình.
Khi nào tôi nên dùng Kimi-K2.6 thay vì Kimi-K3?
Hãy dùng Kimi-K2.6 W4A16-AUTOROUND-REAP khi tác vụ có giới hạn rõ và bạn sẽ chạy nó nhiều lần: phân loại, trích xuất, sửa một tệp đơn lẻ, chat, và các tác vụ về ảnh mà bạn chủ yếu cần một mô tả tử tế chứ không phải suy luận thị giác tinh vi. Nó cũng có thị giác, được lượng tử hóa nhẹ tay hơn, và có giá $0.78 vào và $3.67 ra, khoảng một phần năm K3. Hãy nâng lên Kimi-K3 khi một phiên chạy dài, phân nhánh, hoặc tốn kém nếu làm sai.
Mọi con số về kiến trúc và benchmark ở đây đều do Moonshot AI công bố hoặc nhìn thấy được trong thẻ mô hình mở của họ, và mô tả nền tảng chưa lượng tử hóa chứ không phải bản dựng 3BIT-REAP của chúng tôi. Hãy tự kiểm tra.
Thử API Kimi K3 không kiểm duyệt
Bậc agent và thị giác có năng lực cao nhất. Không lớp từ chối. Trả tiền theo token.
Đọc tài liệu API Duyệt tất cả mô hìnhShannon Lab LLC · New Mexico, Hoa Kỳ · các mô hình được phục vụ trên cụm GPU của riêng chúng tôi
Các dữ kiện về nền tảng và benchmark là những con số Moonshot AI công bố cho Kimi K3 và Kimi K2 và mô tả các mô hình thượng nguồn chưa lượng tử hóa; bản dựng của chúng tôi là một bản lượng tử hóa REAP 3-bit và sẽ khác. Giá, ngữ cảnh và các cờ năng lực là của chính Shannon AI, hiện hành tính đến ngày 5 tháng 9, 2026 — giá trị trực tiếp luôn là những gì /v1/models trả về. Nguồn: thẻ mô hình Kimi K3 · kho Kimi K3 · Kimi K2 Thinking.