Kimi K3 Release: характеристики, цена, API и когда переходить

Вчера ещё читали тизеры и слуховые таблицы «2.5T / 1M». Сегодня в селекторе моделей уже есть реальная кнопка: Kimi K3 доступна на Kimi API Platform.

Если смотрите на эту кнопку и думаете переключить всё на K3 до обеда? — короткий ответ: нет. Берите K3, когда задача и сложная, и длинная. K2.7 Code оставьте для повседневной разработки в IDE, а K2.6 — когда нужен более дешёвый и уже проверенный длинный агент.

Выбор на день релиза — в одном абзаце:

• Сложная междоменная работа + постоянно упираетесь в 256K → попробуйте kimi-k3
• Пишете и правите код в Kimi Code, Claude Code, Cline, RooCode → сначала оставайтесь на kimi-k2.7-code
• Длинные автономные задачи, которые уже стабильно идут на K2.6 → не «апгрейдитесь» только ради логотипа

Сайт независим от Moonshot. Характеристики и цены ниже — по официальной документации; оценки (кому переходить, как ведёт себя счёт, что шум до релиза напутал) — наши. Перед реальными тратами перепроверьте platform.kimi.ai.

Что реально вышло (простыми словами)

В публичной карточке Moonshot K3 — самый сильный флагман на сейчас: около 2,8 трлн параметров, контекст 1M токенов (сколько текста/кода модель удерживает за раз — думайте про срезы монорепо и толстые research-пакеты, а не про один пузырь чата), нативное зрение (изображения и видео в API) и thinking, который всегда включён.

В API вы подключаете kimi-k3. Документация — обычный OpenAI-совместимый путь (https://api.moonshot.ai/v1) с MOONSHOT_API_KEY.

Два архитектурных имени на карточке: Kimi Delta Attention и Attention Residuals. Реализовывать их не нужно. Читайте как продуктовый сигнал: Moonshot продаёт скачок поколения под длинные сессии, а не «K2.x плюс три пункта бенчмарка». Более ранние исследования (Kimi Linear / KDA) были про эффективную подачу длинного контекста; в день релиза пользовательское обещание проще: 1M, который задуман как рабочий, плюс reasoning всегда на максимуме.

Быстрые факты (можно сохранить)

Пока скудно в публичной карточке: active (routed) parameters на токен, полноценная история open-weight лицензии и независимый leaderboard на той же странице. Не додумывайте — ждите technical report, если нужна математика сервинга.

Как это правит историю прошлой недели

Если читали наш бриф накануне релиза или гайд «какую модель выбрать», несколько строк стоит мысленно пропатчить:

Трейлер стал билетом. Он не стал автоматически единственным фильмом, который стоит смотреть.

Почему K3 — это не «удалите K2.7 Code»

Moonshot выкатывает портфель, а не одну лестницу, где самый новый SKU выигрывает каждый клик.

• K2.7 Code по-прежнему специалист по коду — instruction-heavy циклы в IDE/CLI, Kimi Code, coding-агенты, highspeed-вариант, когда важна latency. Контекст остаётся в классе 256K. Thinking включён, но продуктовая история — «дотащить PR».
• K2.6 по-прежнему общий длинный агент, уже месяцами живущий в production-нарративах: multi-step tools, широкие chores, мультимодальная общая работа в более низкой ценовой полосе, чем K3.
• K3 — ярус флагманского general intelligence: больше памяти, reasoning пока всегда max, premium-цена, рассчитан на frontier-смеси инженерии + knowledge work + глубокого рассуждения.

Наш вывод: K3 — модель-супервизор / для жёстких задач, а не бесплатный апгрейд для autocomplete. Если боль — «модель теряет репозиторий после 200k токенов логов», K3 — интересная кнопка. Если боль — «пусть этот TypeScript соберётся в Claude Code», K2.7 Code всё ещё скучный правильный ответ.

Что на самом деле говорит цена

Официальный USD-лист (за 1M tokens):

Три суждения важнее самой таблицы:

1. Output в 5× дороже cache-miss input. Always-on thinking значит, вы платите и за «мысли вслух», и за финальный ответ. Относитесь к K3 как к бюджету проекта, а не к вкладке для small talk.
2. Cache hit на input в 10× дешевле miss. Повторно использовать один и тот же system prompt / digest репозитория — не «nice-to-have», а разница между «флагман, который по карману» и «почему счёт горит».
3. Нет length-tiers, но токены всё равно масштабируются. Промпты на 50K и 500K идут по одним unit rates; окно 1M не значит «1M бесплатно».

Грубая сверка портфеля (list prices плывут; это ориентир, не контракт): K2.6 / K2.7 Code на той же платформе сидели в заметно более низкой полосе (порядка ~$1 input / ~$4 output). $3 / $15 у K3 — premium намеренно. Должна быть причина в capability или context, прежде чем делать модель дефолтом.

Возможности, которые меняют работу (а не пересказ docs)

1M памяти для реальных сессий. Полезно, когда в одном треде нужно удержать срез монорепо, пакет политик или многочасовое состояние агента. Большинство чат-пользователей никогда не заполнят миллион токенов — и это нормально. Фича для тех, кто уже ломал 256K.

Thinking всегда включён. Не шлите старый объект thinking из K2.x. Используйте top-level reasoning_effort: "max" (единственный уровень на сегодня). В multi-turn и tool-циклах возвращайте полное assistant-сообщение, включая reasoning и tool calls — обрезка до одного content больно аукнется.

Vision в том же цикле, что и код. Скриншоты, UI-записи, схемы — в той же сессии, что tools и длинный context. Публичные image URL — не документированный путь; закладывайте base64 или загруженные файлы ms://.

Агентная поверхность. Tools, tool_choice, dynamic tool loading, structured JSON Schema, partial continuations, официальные tools Formula. Платформа сейчас предупреждает, что web search обновляется — не ставьте production-workflow на него на этой неделе.

Минимальный вызов:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Summarize the risk of migrating our default model to K3."}],
)
print(completion.choices[0].message.content)

Sampling-ручки вроде temperature / top_p в документации зафиксированы — лучше не передавать их, чем спорить с API.

Что делать на этой неделе?

Типичные ошибки

• «Новейший флагман = лучший во всём.» Неверное мышление про SKU. Глубина флагмана ≠ лучшая latency или лучший UX coding-агента.
• «1M значит — закинуть всю компанию.» За это платите; начните с минимального context, который ещё работает, потом растите.
• «Выключу thinking для дешёвых черновиков.» На K3 сейчас нельзя — только "max".
• «Завтра заменю K2.7 Code в Kimi Code.» Продуктовые линии всё ещё расходятся; смотрите официальные дефолты Kimi Code, прежде чем форсить ID.
• Игнор cache. Один и тот же prefix репо каждый ход без стабильных префиксов — самый дорогой способ гонять флагман.

FAQ (коротко)

Официально вышла? Да — в списке, с документацией, ценой, вызывается как kimi-k3.

Open weights? Сторонние реплики мы не считаем обещанием Moonshot. Смотрите research / HF-каналы самой Moonshot, прежде чем планировать self-host.

Заменяет K2.7 Code? Нет. Портфель: general-флагман vs coding-специалист.

Итог

K3 закрывает планку, которую мы ставили накануне релиза: реальное имя API, реальное окно 1M, реальная цена. Умный ход — не «всех на K3», а ставить K3 на задачи, где оправданы premium reasoning и огромная память, оставлять K2.7 Code для shipping PR, а K2.6 — там, где более дешёвый длинный агент уже отдаёт результат.

Дальше: статус K3 · что думали до GA · выбор модели (мысленно пропатчите под GA) · K2.7 Code · K2.6.