无审查 Kimi K3 API
Shannon AI 网关上能力最强的一档：一个 2.8 万亿参数的多模态基座，带视觉、工具调用和 262K 上下文 —— 没有拒答层，也是我们价目表上最贵的那个。下面讲清楚这个价格什么时候值得付。
一句话总结
Kimi-K3-3BIT-REAP 是我们提供服务的最强模型，也是最贵的：每 100 万输入 token $3.83，每 100 万输出 $19.12。它具备视觉能力、262,144 token 上下文、16,384 token 最大输出、工具调用、JSON schema 输出、可调的 reasoning_effort，并在全部三种 API 方言上支持流式 —— 而且没有拒答层，也没有输出过滤。它适合长时程智能体运行、困难的多步推理，以及精细视觉细节要紧的图像工作。它不适合分类、抽取、聊天，以及任何你一天要跑十万次的东西。
大多数选型指南写起来都像能力是免费的。它不是。关于一个顶级模型，真正有意思的问题从来不是「它是不是更好」—— 它通常就是更好 —— 而是「在这个任务上，它好得够不够多，值不值得账单比低一档的模型大五倍」。这份指南用真实的算术来回答，并且直说更便宜的选项在哪里赢。
01Kimi K3 到底是什么
Kimi K3 是 Moonshot AI 的开放权重旗舰，2026 年 7 月以 Kimi K3 License 发布 —— 这是始于 Kimi K2 的那条血统的第三代，而且是一套货真价实的新架构，不是微调。
公布的结构是 93 层 —— 其中 69 层使用 Kimi Delta Attention，24 层使用门控多头潜在注意力，一层为稠密层 —— 配一个 Stable LatentMoE 路由器，每 token 从 896 个专家里选 16 个，另加 2 个共享专家。Moonshot 报告，这套组合带来的扩展效率比 Kimi K2 提升约 2.5 倍。视觉是原生的，而不是外挂上去的：一个 4.01 亿参数的 MoonViT-V2 编码器接入的是处理文本的同一条主干。
稀疏度这个数字值得记牢：K3 每 token 激活 1,040 亿参数，而我们目录里大多数模型在 300 亿到 400 亿之间。那大约是每生成一个 token 要做三倍的算术，也正是这个模型高居价目表首位的全部原因。你付的不是品牌溢价 —— 你付的是 GPU 秒数。
血统，简略版
- Kimi K2 —— 1 万亿参数，激活 320 亿，384 个专家、每 token 路由 8 个，用 MuonClip 优化器在 15.5 万亿 token 上预训练，专为阻止那种在这个规模上毁掉 MoE 训练的注意力爆炸而设计。
- Kimi K2 Thinking —— 同一基座，被教会把推理和工具使用交错起来，据报告能在一次运行中持续做 200 到 300 次连续工具调用，带工具的 Humanity's Last Exam 得 44.9%，BrowseComp 得 60.2%。
- Kimi K3 —— 重建，具备原生多模态，上游窗口为 100 万 token，并且从监督微调阶段起就做量化感知训练（MXFP4 权重、MXFP8 激活）。这就是为什么 K3 比那些从未考虑过量化的模型更能承受激进压缩。
贯穿其中的主线是长时程自主性：每一代都是围绕「在数百个步骤之间保持连贯」来优化的，而不是围绕赢下短答案基准。你买的正是这个能力。
02「3BIT-REAP」是什么意思，一个 2.8T 的模型为什么需要它
模型 id 上的这个后缀不是装饰 —— 它说明了这些权重在被载入我们自己的 GPU 集群之前经历了什么，也是本页每一条说法后面那句老实的附注。先算算账。一个 2.8 万亿参数的模型在 16 比特精度下大约是 5.6 TB 的权重。在每个权重 3 比特时，它接近 1.05 TB —— 依然很大，但已经是一个可行的部署，还留得下 262K token 的 KV 缓存。REAP 是另一半：一种专家剪枝方法，它剖析路由器实际会去拿哪些专家，并在量化之前而不是之后删掉那些很少被选中的专家。在一个每 token 只从 896 个专家里路由 16 个的模型上，这非常契合 —— 稀疏到这种程度的分布，必然有一条对真实流量贡献极小的长尾 —— 而先剪枝意味着剩下的比特预算都花在真正要紧的专家身上。
把这笔取舍说实话
压缩会付出精度代价，而且并不均匀。它最先体现在长尾事实性记忆上，以及硬数学精度的最后那几分上，而在指令遵循、工具调用格式，或者一份长智能体计划的结构上体现得少得多。K3 的量化感知训练正是这个构建能撑住的原因。但如果你的工作负载是一次性检索冷僻事实，就不要仅凭参数量假定一个量化过的 2.8T 模型一定胜过一个 8 比特的小模型。
我们的目录有意用三个后缀构成一道阶梯。3BIT-REAP 用在最大的基座上，那里别的方案都装不下。W4A16-AUTOROUND-REAP 是 4 比特权重加 16 比特激活，量化用 AutoRound —— 一种可学习的舍入，比朴素的就近取整能挽回实实在在的精度 —— 再加上同样的剪枝。W8A16 是保真度最高的一档，留给那些小到不需要激进压缩的基座。一句话：后缀告诉你原始模型保留了多少；价格告诉你把它跑起来要花多少。
03视觉：图像理解能给你买到什么
Kimi-K3 是我们十二个模型的目录里五个带视觉能力的模型之一，也是这五个里能力最强的。大多数商业视觉 API 会先对上传的图片跑一个分类器，在模型看到之前就拒绝掉一大类输入 —— 这对消费级场景是个合理的默认，对正经工作却是个严重的障碍。安全研究者截取漏洞利用输出、内容审核团队构建自己的分类器、取证与数据集审计工作，以及红队评估，全都会撞上这堵墙。Kimi-K3 没有拒答层，输出上也没有过滤。
K3 的视觉在哪些地方对得起它比更便宜视觉模型高出的价格
- 密集的图表与原理图 —— 架构图、网络拓扑、电路：凡是答案取决于顺着线条和标注走、而不是给物体命名的场合。
- 截图里的小字 —— 堆栈跟踪、终端输出、电子表格单元格。不同视觉档次之间的差距，在小尺度可读性上最大。
- 长文本中的图像 —— 一张丢进 200K token 上下文里的截图，模型必须把它看到的东西和五万 token 之前读到的东西联系起来。
- 多图对比 —— 一个界面的两个版本，或者一张图表和生成它的那张表。
它在哪些地方对不起这个价格：加字幕、alt 文本、干净文档的 OCR，以及打标签流水线。这些在每 100 万输入 token $0.50 的档位上就已经解决了 —— 如果你的图像工作负载量大而每一项本身都很简单，Kimi-K2.6 或 MiniMax-M3 给出的答案你分辨不出和 K3 有什么区别。
图像消耗的 token 来自和文本同一份 262,144 token 预算，并按输入价计费。几张高分辨率截图不是免费的。
04长时程智能体工作 —— 这一档就是为它准备的
如果说有哪一种工作负载能撑起顶级档，就是这一种。短任务失败得很宽容：模型答错了，你发现了，你重试，你损失了四秒钟。而一个四十轮的智能体如果在第六轮拐进了错误的分支，接下来三十四轮都会在一个错误之上精心堆砌，而你要到最后才发现，中间每一个 token 的钱都已经付了。正是这种不对称，让每 token 价格在这里几乎是个错误的指标。要紧的是每一次成功完成的成本，而它主要由「一次运行被丢掉的频率」决定。以下是 Moonshot 公布的 K3 基座在智能体基准上的数据：
以上全部数字均为 Moonshot 针对未量化的 Kimi K3 基座报告，时间为 2026 年 7 月。它们不是对我们 3BIT-REAP 构建的测量，我们也不把它们当作那样呈现。
这个形状和架构当初的设计目标是吻合的：BrowseComp 和 Terminal-Bench 都是工具循环类基准 —— 行动、观察、修正的反复循环。SWE Marathon 的 42.0 是那个配重：它是这组里最难的长时程编码评测，连前沿模型也会在大多数任务上失败。「智能体」不是一个已经被解决的类别；不管你选哪个模型，都要按会失败来设计。
长运行的实用设置
K3 暴露了 reasoning_effort，而在这里它是一个实打实的成本杠杆：推理 token 按输出 token 计费，每 100 万 $19.12。
- Low —— 工具调用路由和结构化抽取，也就是模型在少数几个已知选项之间做选择的场合。
- High —— 真正的智能体工作的默认档：规划一次多步改动、从堆栈跟踪里调试、调和相互矛盾的资料。
- Max —— 留给一条流水线里最难的那一次调用：一次运行开头的那份计划，或者最后的复核。一次运行如果在 high 下花 3 万推理 token、在 max 下花 9 万，光是这个开关就多付 $1.15。
上下文也要有意识地做预算：我们的窗口是 262,144 token，最大输出 16,384 token，而在每 100 万输入 $3.83 的价格下，一段没有裁剪的历史会不断复利 —— 每一轮都要为整个前缀重新计一次费。
05在这个接口上，「无审查」意味着什么
Shannon AI 网关上的每一个模型提供服务时都没有拒答层，输出上也没有内容过滤。这一点在顶级档上更要紧，因为人们拿到顶级模型面前的任务，恰恰最有可能触发过滤器：对抗性安全研究、攻击工具分析、审核分类器开发、威胁情报、题材艰难的虚构写作，以及任何需要模型产出「你正想检测的那个东西」的评估。
- 没有输出分类器。回复不会在生成之后被扫描、改写或拦下。
- 没有输入闸门。提示词和图像在抵达模型之前不会被筛查。
- 不是另一个模型。这就是 Kimi K3 基座，只是去掉了通常挡在它前面的那一层。
- 不是责任转移。拿掉拒答层，就等于把判断这一步交给了你 —— 请看我们的负责任使用政策。
对任何构建评估系统的人来说还有一个更安静的好处：一个不做过滤的模型是一个稳定的基线。一个会不可预测地拒答的模型会让测量充满噪声，因为你无法把能力上限和策略上限区分开。在这里，一次失败就是一次能力失败 —— 也是唯一你能拿来调试的那种。
06价格：输入 $3.83、输出 $19.12 —— 以及它什么时候对得起
这是我们价目表上贵出一大截的模型：输出价是我们 $2.00 地板价的 9.6 倍，是 Kimi-K2.6 的 5.2 倍。下面把算术摊开来看。
| 模型 | 输入 / 100 万 | 输出 / 100 万 | 视觉 | JSON schema |
|---|---|---|---|---|
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | 有 | 支持 |
| DeepSeek-V4-Pro-0813 · 3BIT-REAP | $1.95 | $3.90 | 无 | 支持 |
| inkling · W4A16-AUTOROUND-REAP | $1.42 | $6.07 | 有 | 不支持 |
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | $0.78 | $3.67 | 有 | 支持 |
| GLM-5.2 · 3BIT-REAP | $0.73 | $2.34 | 无 | 支持 |
| MiniMax-M3 · 3BIT-REAP | $0.50 | $2.00 | 有 | 支持 |
| MiMo-V2.5 · W8A16 | $0.50 | $2.00 | 有 | 支持 |
部分行，按输入价排序。全部十二个模型共享同样的 262,144 token 上下文、16,384 token 最大输出、流式输出、工具调用和 reasoning_effort。实时的能力标记在 API 文档页上。
两个算过的例子
第一个，12 万 token 的输入 —— 一份代码库导出、一份监管申报文件 —— 产出一份 3,000 token 的分析。第二个，一次四十轮的智能体运行：随着上下文累积，累计输入约 120 万 token，输出 9 万 token（含推理）。
| 场景 | Kimi-K3 | Kimi-K2.6 | MiniMax-M3 |
|---|---|---|---|
| 输入 120K / 输出 3K | $0.517 | $0.105 | $0.066 |
| 四十轮智能体运行 | $6.32 | $1.27 | $0.78 |
在那次文档调用上，K3 大约是 Kimi-K2.6 的 4.9 倍。五毛钱跑一次不算什么；一天跑一千次就是 $517，而对面是 $105。在智能体运行上，差额大约 $5。现在套用唯一要紧的那个判据：如果这个任务值一名工程师一小时、按 $100 计，那么 K3 只要把一次通过率提高 五个百分点就已经回本 —— 而在真正困难的长时程工作上，档次之间的差距通常还更大。如果这个任务只值任何人三十秒，同样那 $5 就毫无道理。
我们实际在用的规则
当一次运行失败的代价超过换用更好模型所多付的差价时，就升级到 Kimi-K3。这条规则把决策落在任务的价值上，而不是 token 的价格上。高价值、低频次、长时程、难以验证的工作交给 K3。高频次、低风险、容易重试的工作就不交 —— 不管那个参数量有多唬人。
07选 Kimi-K3，还是选更便宜的同门？
我们目录里的两个 Kimi 模型是同一道阶梯上的两级，而不是竞品。Kimi-K2.6 的量化没那么激进 —— W4A16-AUTOROUND-REAP，4 比特权重加可学习舍入，对上 K3 的 3 比特 —— 基座也更小。它有视觉、有 JSON schema 输出、有同样的上下文窗口，价格大约是五分之一。
| 任务 | 选用 | 为什么 |
|---|---|---|
| 四十轮自主智能体 | Kimi-K3 | 失败会复利；第一轮的计划质量决定整次运行 |
| 仓库级重构 | Kimi-K3 | 需要把完整上下文连贯地端住，而不只是从中检索 |
| 密集图表、截图小字 | Kimi-K3 | 档次间视觉差距最大的就是可读性与空间推理 |
| 规格明确的单文件编辑 | Kimi-K2.6 | 有界任务、重试便宜、天花板没有可测差异 |
| 大批量图像加字幕 | MiniMax-M3 / MiMo-V2.5 | 在输入 $0.50 上就已解决；同一条字幕 K3 的输出贵 9.6 倍 |
| 推理很重但纯文本 | DeepSeek-V4-Pro | 输出 $3.90 对 $19.12 —— 不需要图像就别用 K3 |
最后那一行是最常被漏掉的一笔省钱。如果你的任务不涉及图像，先去看 DeepSeek-V4-Pro。它同样是一个大基座上的 3BIT-REAP 构建，硬推理很强，而它的输出价是 $3.90，对上 K3 的 $19.12。伸手去够顶级档的流量里，有很大一部分是纯文本推理，往下一行同样能伺候得很好。
08调用无审查 Kimi K3 API
这个模型在三种方言上都以 Kimi-K3-3BIT-REAP 暴露，每一种都支持流式，彼此之间没有能力差异 —— 只有线上格式的差别：/v1/chat/completions（OpenAI 兼容）、/v1/messages（Anthropic 兼容）和 /v1/responses。下面是一个把推理强度调高、用于困难视觉任务的图像请求：
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 同时支持 response_format 和完整的 json_schema，所以你可以约束一个智能体的工具参数，或者把一份报告压进固定形状，而不必事后再做解析。工具调用是原生的，也是驱动长运行的既定方式。参数、认证、速率限制和一个在线试玩台都在 API 文档页上。
第一天就能省钱的三件事
- 裁剪前缀。每一轮都要按每 100 万 $3.83 为整段对话重新计费；把一段四十轮的历史一次性总结成一个 4K token 的状态对象，省下来的比换模型还多。
- 缩小图像。图像 token 就是输入 token；把一张 4K 截图缩到仍然可读的尺寸，答案一样，花得更少。
- 按难度路由。常规回合用便宜模型，计划、困难分支和最终复核用 K3，往往能以 25% 的账单拿到 80% 的能力。
09常见问题
什么是无审查 Kimi K3 API？
它就是 Shannon AI 网关上的 Kimi-K3 3BIT-REAP 模型：Moonshot AI 那个 2.8 万亿参数的多模态混合专家基座，跑在我们自己的 GPU 集群上，具备 262,144 token 上下文、16,384 token 最大输出、视觉、工具调用、JSON schema 结构化输出和流式输出，没有拒答层，也不对输出做任何过滤。你可以通过 /v1/chat/completions、/v1/messages 和 /v1/responses 访问它。
无审查 Kimi K3 API 支持视觉吗？
支持。Kimi-K3 是我们目录里五个具备图像理解能力的模型之一，也是其中能力最强的那个。你发送图像的方式和发给任何 OpenAI 兼容接口一样，作为 image_url 内容片段与文本并列。图像消耗的上下文和文本共用同一份 262,144 token 预算，图像 token 按每 100 万 $3.83 的输入价计费。
为什么 Kimi K3 是输入 $3.83、输出 $19.12，而 Shannon 的其他模型是 $0.50 和 $2.00？
因为这个基座大约有 2.8 万亿参数，每 token 激活 1,040 亿，而目录里其他模型的激活量在 300 亿到 400 亿之间。每 token 激活的参数更多，就意味着每 token 消耗的 GPU 秒数更多，价格反映的是服务成本，而不是一笔能力税。它的输出价是我们地板价模型的 9.6 倍，所以真正要决定的问题是：在一个长任务上更高的一次通过率，是否值大约五倍的账单。
Kimi K3 和 Kimi K2 或 Kimi K2 Thinking 是同一个模型吗？
不是。Kimi K2 是一个 1 万亿参数的 MoE，激活参数 320 亿，384 个专家；K2 Thinking 在同一基座上加入了交错推理和长工具调用链。Kimi K3 由 Moonshot AI 于 2026 年 7 月发布，是另一套架构：总参数 2.8 万亿，激活 1,040 亿，896 个专家、每 token 路由 16 个，Kimi Delta Attention，以及一个原生视觉编码器。K2 和 K3 共享的是血统，不是同一个模型。
什么时候该用 Kimi-K2.6 而不是 Kimi-K3？
当任务是有界的、而且你要反复跑很多次时，用 Kimi-K2.6 W4A16-AUTOROUND-REAP：分类、抽取、单文件编辑、聊天，以及那些你主要只需要一段称职描述、而不需要精细视觉推理的图像任务。它同样有视觉能力，量化没那么激进，价格是输入 $0.78、输出 $3.67，大约是 K3 的五分之一。当一次运行很长、有分支，或者出错代价很高时，再升级到 Kimi-K3。
这里每一个架构与基准数字都由 Moonshot AI 公布、或者可在他们公开的模型卡上看到，而且描述的是未量化的基座，不是我们的 3BIT-REAP 构建。请自己去核对。
试试无审查 Kimi K3 API
能力最强的智能体与视觉档。没有拒答层。按 token 付费。
阅读 API 文档 浏览全部模型Shannon Lab LLC · 美国新墨西哥州 · 模型跑在我们自己的 GPU 集群上
基座事实与基准数据均为 Moonshot AI 就 Kimi K3 和 Kimi K2 公布的数字，描述的是未量化的上游模型；我们的构建是 3 比特 REAP 量化，会有差异。价格、上下文和能力标记为 Shannon AI 自有数据，截至 2026 年 9 月 5 日 —— 实时值始终以 /v1/models 返回的为准。来源：Kimi K3 模型卡 · Kimi K3 代码仓库 · Kimi K2 Thinking。