Kimi K3: полный обзор флагманской модели Moonshot на 2.8T

Moonshot AI выпустила Kimi K3 в середине июля 2026 года, но сделала это в обратном порядке: документация API, страница цен и рабочий ID модели kimi-k3 появились раньше таблицы бенчмарков, технической статьи и весов^[1]. Информационный вакуум на неделю заполнили обсуждения утечек, и почти в каждой версии хотя бы один параметр был указан неверно. Это руководство опирается на собственную документацию Moonshot и разделяет подтвержденные сведения, намеренно фиксированные настройки и еще не опубликованные данные.

У нас также есть конкретная точка зрения: Kimi K3 работает через шлюз reAPI. Поэтому ниже разобрана не только сама модель, но и ее реальные вызовы — параметры, из-за которых запрос отклонят, влияние кэша на счет и ловушки миграции кода K2.x.

Кратко

• Kimi K3 — флагман на 2.8 триллиона параметров, построенный на гибридном механизме линейного внимания Kimi Delta Attention и Attention Residuals. Stable LatentMoE активирует 16 из 896 экспертов на token^[1][3].
• Окно контекста составляет 1 048 576 tokens с единым тарифом, без надбавки за длинный контекст. В нативном API Moonshot лимит вывода по умолчанию равен 131 072 и может достигать 1 048 576, если сумма входа и лимита помещается в окно^[1][2][9].
• Рассуждение включено всегда. Единственная настройка — трехуровневый reasoning_effort (low / high / max, без medium), по умолчанию max^[4].
• Сэмплинг заблокирован: temperature 1.0, top_p 0.95, n 1, оба штрафа 0. Другое значение возвращает ошибку^[1].
• Опубликованная ставка Moonshot — $3.00 за вход / $15.00 за выход за 1M токенов (вход с попаданием в кеш $0.30), проверено 23 октября 2026 года; запись в кеш имеет отдельные тарифы по TTL. Сейчас reAPI указывает $2.50 за вход и $0.25 за чтение кеша. Указанная в руководстве цена выхода reAPI $12.00 сохранена с июля 2026 года и не является текущей^[2][8].
• Изображения и видео принимаются нативно, но публичные URL изображений отклоняются. Нужен base64 или ссылка на загруженный файл^[5].

Kimi K3 в цифрах

Все сведения в таблице взяты из документации Moonshot API, полученной 26 июля 2026 года:

Две цифры требуют внимания. Размер 2.8T выводит K3 в класс, где еще не было моделей с открытыми весами. Moonshot обещала опубликовать веса, что сделает ее первой open-source моделью класса 3 триллионов^[3]. Вторая цифра — цена. При $3.00 / $15.00 K3 стоит в три-четыре раза дороже линейки K2. Moonshot оценивает ее как передовой флагман, а не как бюджетную модель, с которой раньше ассоциировалась Kimi, но все же дешевле закрытых передовых моделей и на входе, и на выходе.

Запуск: сначала API, затем доказательства

Порядок запуска объясняет противоречивые сведения. До релиза наблюдатели заметили промостраницу на платформе Moonshot и beta-переключатели в приложении Kimi. Утечки сошлись на «примерно 2.5T параметров и контекст 1M». Близко, но официальная цифра — 2.8T. Затем официальный аккаунт Moonshot показал ролик без текста, а продукт опередил прессу: документация API, быстрый старт и цены вышли в тот же день, что и первые финансовые публикации о запуске^[1][2].

Такая последовательность — API и документация до бенчмарков и весов — противоположна запуску флагманов K2, которые получали техническую статью и открытые веса в первый день. Поэтому первую неделю жизни K3 документация была единственным надежным источником, а остальное оставалось предположениями.

Архитектура: Kimi Delta Attention, LatentMoE, Attention Residuals

Самая интересная техническая строка сообщает, что K3 «построена на Kimi Delta Attention, гибридном механизме линейного внимания, и Attention Residuals»^[3]. Это не маркетинг, а промышленное применение исследования Kimi Linear, опубликованного Moonshot в конце 2025 года. Оно объясняет и окно 1M tokens, и единый тариф, делающий его практичным^[6].

Kimi Delta Attention (KDA) — механизм линейного внимания, развитие Gated DeltaNet с более точным гейтингом. Кэш ключей и значений стандартного softmax-внимания растет линейно с последовательностью, поэтому контекст в миллион tokens крайне дорог. Линейное внимание хранит рекуррентное состояние фиксированного размера. Исторически платой было качество: чистое линейное внимание хуже вспоминает точные детали длинных документов.

Гибридная схема решает компромисс в статье Kimi Linear: слои KDA чередуются с полным вниманием в пропорции 3:1. Три слоя из четырех используют дешевый линейный механизм, четвертый сохраняет точное глобальное внимание. В опубликованных результатах схема превзошла полное внимание по качеству, сократила память KV-cache до 75% и ускорила декодирование до 6x в контексте 1M tokens^[6].

Stable LatentMoE — разреженная mixture-of-experts: 896 экспертов, 16 активны для каждого token^[3]. Разреженность позволяет обслуживать модель 2.8T: активные вычисления используют лишь малую часть всех параметров.

Attention Residuals — единственный компонент без опубликованной статьи; термин впервые появился в документации K3. Пока нет технического отчета, мы знаем название, но не механизм.

Практический смысл в том, что окно 1M tokens полезно только при приемлемой цене. Большинство провайдеров длинного контекста повышают тариф или незаметно снижают качество. У K3 уровней нет: 5,000 и 900,000 tokens оплачиваются по одной ставке^[2]. Это разумно, только если предельная стоимость длинного контекста действительно упала, для чего и создан KDA. Архитектура объясняет цену.

Что на самом деле поставляет API

API K3 задает жесткие правила, способные удивить команды после K2.x или OpenAI-подобных моделей. Это документированные ограничения, не наблюдения^[1]:

• Рассуждение всегда включено. Режима без мышления нет. FAQ Moonshot прямо отвечает на вопрос об отключении цепочки рассуждений: никак. Поле верхнего уровня reasoning_effort принимает low, high и max. medium отсутствует, а самый дорогой max задан по умолчанию^[4].
• Сэмплинг фиксирован. temperature равна 1.0, top_p 0.95, n 1, оба штрафа 0. Иные значения вызывают ошибку, поэтому поля нужно убрать. Если процесс менял temperature по задаче, такого рычага больше нет.
• Бюджет вывода должен помещаться в окно вместе со входом. В нативном API Moonshot max_completion_tokens по умолчанию равен 131 072 и может достигать 1 048 576. Если сумма входа и лимита превышает контекст, API возвращает invalid_request_error. Максимальное значение параметра не гарантирует итоговый ответ на миллион tokens. Задавайте лимит явно, оставляя место для входа, рассуждений и ответа^[9].
• Стриминг разделяет рассуждение и ответ. Ответ передает delta reasoning_content отдельно от delta content, позволяя интерфейсу раздельно показывать ход мысли и итог.
• Preserved Thinking обязателен. В многоходовых и инструментальных циклах полное сообщение assistant, включая reasoning_content и tool_calls, нужно без изменений возвращать в messages. Сохранение только content, привычное для OpenAI-подобного кода, незаметно ухудшает модель.
• У зрения есть строгие ограничения. Изображения и видео нативны, но публичные URL изображений не принимаются. Используйте URI base64 или загрузите файл и передайте его ID^[5].
• Структурированный вывод — штатная функция. JSON Schema с strict: true ограничивает итоговый ответ, но не рассуждение в прозе.

Новый стек вызова инструментов

В K3 дебютируют две функции. Обе решают одну проблему: агенты с множеством инструментов тратят контекст на их определения^[1].

tool_choice: "required" требует хотя бы один вызов инструмента за ход. Агент не ответит по памяти, когда обязан выполнить поиск. K2 отклоняет это значение, K3 принимает.

Динамическая загрузка инструментов работает необычнее: добавьте полное определение в сообщение system посреди диалога, с полем tools и без content. С этого момента инструмент доступен. Вместо 80 схем в начале каждого запроса оркестратор вводит нужные в конкретной фазе. Сервер не хранит такой инструмент: если убрать system-сообщение из истории, в следующем ходе он исчезнет.

Документация предупреждает: встроенный web_search Moonshot обновляется и сейчас не рекомендован для production. Для поиска подключайте собственный инструмент.

Автоматический кэш контекста

Текущее кеширование K3 у Moonshot работает автоматически: TTL по умолчанию равен 5m, а необязательный TTL 1h задаётся через prompt_cache_options.ttl. По тарифам в USD, проверенным 23 октября 2026 года, запись в кеш стоит $3.00 за 1M токенов для 5m или $6.00 для 1h; чтение стоит $0.30, а оставшийся некешированный вход — $3.00. Каждое попадание продлевает исходный TTL без повторной платы за запись. Ставка чтения на 90% ниже обычной ставки входа, но скидка относится к части с попаданием в кеш, а не ко всему запросу или счёту.^[10]

В учёте Chat Completions Moonshot чтение кеша, запись в кеш и оставшийся некешированный вход — взаимоисключающие части общего входа. Не добавляйте обычную плату за вход к токенам, уже учтённым как запись в кеш. Стоимость токенов, если все количества указаны в миллионах, рассчитывается так:

USD cost = uncached input × $3.00
         + 5m cache writes × $3.00
         + 1h cache writes × $6.00
         + cache reads × $0.30
         + output × $15.00

TTL фиксируется при первой записи элемента; для его изменения существующая запись должна истечь до новой записи. Частичные блоки, которые нельзя сохранить, оплачиваются как некешированный вход. Это правила тарификации прямого API Moonshot. Страница модели reAPI отдельно указывает $0.25 за 1M токенов чтения кеша; не предполагайте, что тариф записи Moonshot действует и у reAPI.^[10][8]

Документация июля 2026 года также описывала порог более 256 токенов в предыдущем запросе и аннулирование кеша при изменении reasoning_effort^[4]. Эти прежние условия не полностью описывают сегодняшнее кеширование: повторное использование также зависит от текущего TTL, совпадения префиксов и правил блоков выше. Сохраняйте префикс и уровень усилия стабильными и проверяйте фактическое использование кеша, а не предполагайте попадание.

Ранняя сторонняя телеметрия подтверждает механизм: статистика K3 в OpenRouter показывала более 75% попаданий, снижая среднюю взвешенную цену входа намного ниже трети прайса^[7].

kimi k3 pricing

По проверке 23 октября 2026 года API Moonshot в USD стоит $3.00 за вход, $0.30 за вход с попаданием в кеш и $15.00 за выход за 1M токенов; запись в кеш использует отдельные ставки для 5m и 1h, приведённые выше. Текущая страница reAPI указывает $2.50 за вход и $0.25 за чтение кеша за 1M токенов. Ставка выхода reAPI $12.00 ниже — историческая цена июля 2026 года, сохранённая из исходного ценового снимка руководства; это не сегодняшняя цена выхода. Перед расчётом бюджета проверьте текущую ставку на странице Kimi K3.^[2][8]

Китайская платформа Moonshot публикует отдельные тарифы в RMB: ¥20.00 за некешированный вход, ¥2.00 за вход с попаданием в кеш и ¥100.00 за выход за 1M токенов. Запись стоит ¥20.00 для 5m или ¥40.00 для 1h за 1M токенов. Это опубликованные цены в RMB, а не пересчёт таблицы USD. Используйте тарифы и валюту платформы, на которой оплачивается ваш аккаунт.^[11]

Moonshot заявляет, что тарифных ступеней по длине контекста нет: ставка за токен не растёт для более длинного запроса, хотя большее количество токенов всё равно стоит дороже. Цены в USD не включают применимые налоги. Инференс API оплачивается по использованию, отдельно от подписок Kimi и Kimi Code.^[1][2]

Сравнение семейства и передовых моделей ниже сохраняет ценовой снимок июля 2026 года из этого руководства (USD за 1M токенов, вход без попадания в кеш). Это исторический контекст, а не текущие цены разных провайдеров:

В том сравнении июля 2026 года K3 стоил в три-четыре раза дороже других моделей своего семейства и на 40–50% дешевле перечисленных передовых закрытых моделей. Moonshot рассчитывает, что окно в 1M токенов, нативный видеовход и передовые возможности оправдают премиальный уровень среди моделей с открытыми весами.

Скорость — честная оговорка. Ранние измерения дают K3 около 28 tokens в секунду и четыре секунды до первого token^[7]. Для постоянно рассуждающей модели такого размера ожидаемо, но медленно. K3 создана для глубины одного вызова, а не их числа в минуту; чувствительным к задержке циклам нужна другая модель.

Еще одна деталь: Moonshot сокращает линейку. Старая серия moonshot-v1 и ранние K2.x закрыты для новых пользователей, полное отключение платформы объявлено на конец августа 2026 года. Moonshot переводит всех на K3.

Миграция с K2.x: практический список

Если вы используете K2.6 или K2.7-Code, изменений немного, но они обязательны:

1. Замените ID модели на kimi-k3; API остается совместимым с OpenAI.
2. Замените thinking полем верхнего уровня reasoning_effort. Объект K2 thinking не является параметром K3 и вызывает ошибку.
3. Удалите параметры сэмплинга K3. Уберите temperature, top_p и штрафы: сервер фиксирует их и отклоняет другие значения.
4. Выбирайте усилие заранее. max — самый дорогой уровень по умолчанию, tokens рассуждения оплачиваются как выход. Для простых задач используйте high или low и не меняйте их в диалоге, чтобы не сбросить кэш.
5. Пересчитайте расходы. Выход по прайсу стоит 3.75x тарифа K2.6, а постоянное рассуждение увеличивает объем. Используйте кэш: стабильный префикс впереди, переменный суффикс в конце.
6. Переделайте ввод изображений, если использовали публичные URL. K3 принимает только base64 или ссылки на загруженные файлы^[5].
7. Возвращайте сообщения assistant целиком, включая reasoning_content и tool_calls, в каждом ходе.

Кому стоит использовать K3 сейчас

По подтвержденным данным K3 подходит для долгих задач, где качество важнее цены token: многочасовых кодинг-агентов в больших репозиториях, корпусов на миллион tokens с повторными запросами к кэшированному префиксу и мультимодального рассуждения с изображениями, видео и кодом в одном контексте.

Она не подходит интерактивным продуктам с низкой задержкой — 28 tokens/sec решают другую задачу, — процессам с настраиваемым сэмплингом и чистой оптимизации затрат. Для последней есть дешевые уровни.

Запуск Kimi K3 через reAPI

Текущий маршрут K3 у reAPI использует совместимый с OpenAI Chat Completions по адресу https://reapi.ai/api/v1/chat/completions. Укажите базовый URL SDK https://reapi.ai/api/v1, передайте API-ключ рабочего пространства reAPI как bearer-токен и используйте kimi-k3. Этот ключ и баланс отделены от прежней консоли api.reapi.ai, используемой для GLM-5.2. Задайте явный бюджет выхода, как в примере, вместо предположения, что нативное значение Moonshot по умолчанию применяется и к reAPI.^[8]

curl https://reapi.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      { "role": "user", "content": "Refactor this module and add tests." }
    ],
    "max_completion_tokens": 16384,
    "reasoning_effort": "high",
    "stream": true
  }'

Два пункта для проверки при оценке K3 через reAPI:

• Цена. Сейчас reAPI указывает $2.50 за вход и $0.25 за чтение кеша за 1M токенов. Сохранённая здесь цена выхода $12.00 относится к июлю 2026 года; для оценки сегодняшнего счёта используйте текущую ставку со страницы модели. Рассуждение увеличивает объём выхода, поэтому сравнивайте весь состав входа и бюджет выхода, а не переносите прежний процент скидки на выход.^[8]
• Интеграция рабочего пространства. K3 использует ключ и кредитный баланс рабочего пространства reAPI. Проверьте документированные endpoint и реквизиты каждой другой модели перед объединением в одном клиенте или логике резервирования; отдельный шлюз GLM api.reapi.ai не использует этот ключ.

Полная поверхность — фиксированные параметры, кэш, формат vision и ошибки — описана в документации Kimi K3, текущие цены находятся на странице модели.

Частые вопросы

Kimi K3 имеет открытый исходный код?

Moonshot называет K3 open-source выпуском и обещает веса, что сделает ее первой открытой моделью класса 3 триллионов параметров^[3]. Публикация ожидается скоро, но основной доступ пока идет через API.

Можно ли отключить или уменьшить рассуждение K3?

Отключить нельзя. Уменьшить можно: reasoning_effort принимает low, high, max, по умолчанию max^[4]. low нужен, когда рассуждение стоит дороже ценности ответа.

Контекст 1M стоит дороже?

Нет. Цена token едина при любой длине: prompt на 900K tokens имеет ту же ставку, что на 9K^[2]. Напрямую в Moonshot вход с кэшем стоит $0.30 за 1M tokens.

Почему K3 возвращает ошибку temperature?

temperature, top_p, n и оба штрафа фиксированы на сервере; другое значение вызывает ошибку, а не заменяет настройку^[1]. Удалите их. То же относится к thinking K2: используйте верхнеуровневый reasoning_effort.

Можно ли использовать K3 в Claude Code, Codex или Cline?

Одной совместимости с Chat Completions недостаточно. Текущий Codex требует протокол Responses, а подключение Claude Code через шлюз с ANTHROPIC_BASE_URL требует Anthropic Messages. Описанный здесь маршрут reAPI K3 — Chat Completions, поэтому собственный базовый URL и ключ не доказывают нативную совместимость ни с одним из этих инструментов. Для Cline, RooCode или OpenCode оценивайте интеграцию только при явной поддержке клиентом формата запросов и параметров этого сервиса; руководство не утверждает, что работает любой клиент. Собственные протокольные endpoints Moonshot — отдельная интеграция, отличная от маршрута reAPI.^[12]

Как K3 сравнивается с Claude Opus 4.8 и GPT-5.5 в бенчмарках?

Moonshot пока не опубликовала официальную таблицу K3: ни SWE-Bench, ни Terminal-Bench, ни независимо проверяемых результатов. Считайте цифры из соцсетей неподтвержденными до выхода таблицы и технического отчета.

Источники

1. Moonshot AI. Быстрый старт Kimi K3: ID, фиксированный сэмплинг, лимиты, инструменты и кэш. Получено в июле 2026 года с platform.kimi.ai/docs/guide/kimi-k3-quickstart
2. Moonshot AI. Тарифы Kimi K3: $3.00 / $15.00 за 1M токенов, $0.30 за вход с попаданием в кеш, без ступеней по контексту. Повторно проверено 23 октября 2026 года; текущая таблица включает тарифы записи в кеш. https://platform.kimi.ai/docs/pricing/chat
3. Moonshot AI. Модели: 2.8T, Kimi Delta Attention + Attention Residuals, Stable LatentMoE (16 из 896), обязательство открыть веса. Получено в июле 2026 года с platform.kimi.ai/docs/api/models-overview
4. Moonshot AI. reasoning_effort: low / high / max, max по умолчанию, сброс кэша при смене. Получено в июле 2026 года с platform.kimi.ai/docs/guide/use-reasoning-effort
5. Moonshot AI. Зрение Kimi: изображения и видео, base64 и файлы, без публичных URL. Получено в июле 2026 года с platform.kimi.ai/docs/guide/use-kimi-vision-model
6. Moonshot AI. Kimi Linear: An Expressive, Efficient Attention Architecture (arXiv:2510.26692): KDA, схема 3:1, KV-cache и декодирование. Получено в июле 2026 года с arxiv.org/abs/2510.26692
7. OpenRouter. MoonshotAI: Kimi K3 — кэш, средняя цена, скорость и TTFT. Получено в июле 2026 года с openrouter.ai/moonshotai/kimi-k3
8. reAPI. Kimi K3: цены на странице модели и текущая аутентификация Chat Completions. Повторно проверено 23 октября 2026 года. Сохранённая в статье цена выхода $12.00 взята из снимка июля 2026 года. Страница модели; Документация API.
9. Moonshot AI. Chat Completions API — output cap and input-plus-cap validation. Retrieved September 8, 2026 from platform.kimi.ai/docs/api/chat
10. Moonshot AI. Кеширование контекста: TTL, взаимоисключающие категории использования и учёт записи в кеш. Проверено 23 октября 2026 года. https://platform.kimi.ai/docs/guide/context-caching
11. Moonshot AI. Цены моделей китайской платформы: тарифы в RMB. Проверено 23 октября 2026 года. https://platform.kimi.com/docs/pricing/chat
12. OpenAI и Anthropic. Требования к протоколам провайдера Codex и шлюза Claude Code. Проверено 23 октября 2026 года. https://learn.chatgpt.com/docs/config-file/config-reference ; https://code.claude.com/docs/en/llm-gateway-protocol

Дополнительные материалы

• reAPI. Документация API Kimi K3. reapi.ai/docs/kimi-k3
• reAPI. Страница Kimi K3 — текущие цены. reapi.ai/models/kimi-k3
• reAPI. Что такое Claude Opus 4.8? Новая модель Anthropic. reapi.ai/blog/what-is-claude-opus-4-8
• reAPI. Что такое reAPI? reapi.ai/blog/what-is-reapi