Модель / Kimi K3

Kimi K3 API

Moonshot AI-Генерация текста-$3.00 / 1M input Token-Доступно

Контекст 1,05MКэш promptStreaming SSEСовместимо с OpenAI

Открыть модель

Статус за 24 ч

Трафика пока нет

100%РаботаетЯзыковая модель

Провайдер

Moonshot AI

Модель

Kimi K3

Окно контекста

1,048,576 Token

Протокол

Chat Completions

Выбирайте Kimi K3, когда узкое место — контекст

Kimi K3 — текстовая модель с длинным контекстом для рабочих процессов, где важно удерживать достаточно фактов в prompt: кодовые репозитории, юридические и policy-документы, исследовательские заметки, логи, прошлые вызовы инструментов и память Agent. AIReiter предоставляет модель через OpenAI-совместимый Chat endpoint.

Лучший сценарий

Маршрут для long-context reasoning

Используйте Kimi K3, когда один большой запрос должен нести весь рабочий контекст, без предварительного retrieval или chunking.

Сложный контекст в одном запросе

Подходит для больших кодовых баз, документов с большим числом доказательств и долгих Agent-задач без агрессивного дробления.

Лёгкая интеграция

AIReiter открывает Kimi K3 через OpenAI Chat Completions, поэтому существующим приложениям обычно достаточно изменить baseURL и model.

Длинные prompts с учётом кэша

Когда стабильные system prompts, контекст проекта или префиксы документов повторяются, проверяйте чтение кэша прямо в полях usage.

Оценка бюджета

Оцените число вызовов по текущей смеси Token.

Пополнить Credits

$10

около 13 тестовых запросов

Быстрый тест

$50

около 65 тестовых запросов

Ежедневная разработка

$100

около 130 тестовых запросов

Оценка для production

Цены

Цены Kimi K3 Token

Цены указаны за 1M Token. AIReiter сейчас показывает Kimi K3 по публичной цене модели; ценность страницы — быстрый доступ, ясный endpoint и видимость usage.

Тип Token	Тариф	Примечания
Ввод	$3.00 / 1M	Prompt Token, когда стабильный префикс не отдан из кэша.
Чтение кэша	$0.30 / 1M	Кэшированные prompt Token, указанные в полях usage.
Вывод	$15.00 / 1M	Сгенерированные Token ответа, включая reasoning-heavy ответы.

Production-слой

Где Kimi K3 находится в production model stack

Модель особенно полезна, когда непрерывность контекста меняет результат: она не просто отвечает, а несёт состояние проекта, факты и tool outputs для надёжного следующего шага.

Разработка больших кодовых баз

Проверяйте архитектурные заметки, service contracts, старые тесты, diffs и issues перед рискованным изменением.

Анализ длинных документов

Читайте договоры, политики, исследовательские заметки и доказательства в одном рабочем контексте без раннего сжатия важных деталей.

Многошаговые tool Agents

Сохраняйте tool call IDs, наблюдения, параметры и решения, чтобы следующие шаги оставались согласованными.

Review от прототипа к production

Используйте Kimi K3, чтобы понять, хватит ли прототипу, миграции или Agent workflow контекста для production edge cases.

Production checklist

Проверьте четыре пункта перед запуском Kimi K3

Long-context модели ломаются иначе, чем короткие prompt-модели. Проверьте model ID, путь контекста, состояние диалога и usage records.

Используйте production model ID

В API-запросах отправляйте kimi-k3. page-chat key chat-kimi-k3 предназначен только для AIReiter chat UI.

Model ID

Не считайте 256K тем же входом

Здесь Kimi K3 поддерживает 1,048,576 Token. Убедитесь, что клиент, proxy и timeout-настройки выдерживают большие запросы.

Контекст

Сохраняйте состояние assistant и инструментов

Длинные Agent-запуски требуют прошлых assistant messages, tool outputs и параметров. Их удаление создаёт ложную непрерывность.

Состояние tools

Записывайте cache и usage поля

Чтение кэша, выходные Token и reasoning-heavy ответы нужно измерять по usage, а не угадывать по числу запросов.

Usage

request.ts

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.AIREITER_API_KEY,
  baseURL: "https://aireiter.com/api/v1",
});

const stream = await client.chat.completions.create({
  model: "kimi-k3",
  messages: [
    { role: "user", content: "Проанализируйте этот репозиторий и найдите три самые рискованные предпосылки реализации." }
  ],
  stream: true,
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

terminal

curl "https://aireiter.com/api/v1/chat/completions"   -H "Authorization: Bearer $AIREITER_API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "kimi-k3",
    "messages": [
      { "role": "user", "content": "Проанализируйте этот репозиторий и найдите три самые рискованные предпосылки реализации." }
    ],
    "stream": true
  }'

cache-check.json

{
  "model": "kimi-k3",
  "messages": [
    { "role": "system", "content": "<стабильный контекст репозитория или документа>" },
    { "role": "user", "content": "Проверьте сегодняшний diff относительно этого контекста." }
  ],
  "stream": true
}

// Подтвердите чтение кэша через usage:
// usage.prompt_tokens_details.cached_tokens > 0

Сценарии

В чём силён Kimi K3

В этих случаях окно 1M Token меняет workflow сильнее, чем небольшая разница в latency или стиле.

Long-context reasoning

Читайте project brief, архитектурные заметки, логи и свежие diffs в одном запросе.

Coding assistant

Для review кодовой базы, поиска рисков, планирования миграций и критики реализации.

Синтез исследований

Сводите и сопоставляйте много длинных документов без предварительного retrieval.

Планирование Agent

Держите tool traces, историю задач и решения в окне диалога.

Оценка цена-качество

Не сравнивайте только цену Token

В production оценивайте стоимость полезного результата: retries, ручные правки, успех tools, cache hits и время до надёжного ответа.

Успех с первого прохода

Доля ручной правки

Число retries

Выходные Token

Cache hit rate

Успех tool calls

Время до полезного ответа

Доля эскалаций

Если Kimi K3 снижает retries и удерживает больше контекста, больше Token всё равно может дать меньшую итоговую стоимость задачи. Для коротких stateless-задач лучше лёгкая модель.

Сравнение

Kimi K3 и текстовые модели AIReiter

Параметр	Kimi K3	GPT-5.6 Sol	Gemini 3.1 Pro	Claude Sonnet 4.6
Параметр	kimi-k3	gpt-5.6-sol	chat-gemini-3.1-pro	chat-claude-sonnet-4-6
Протокол AIReiter	Chat Completions	Страница семейства Chat / Responses	Маршрут Chat model	Маршрут Claude Messages
Лучший сценарий	Кодовые базы 1M context, длинные документы, состояние Agent	OpenAI-совместимый flagship reasoning	Большой контекст, multimodal и документные задачи	Code review и оценка документов
Когда выбирать	Когда непрерывность контекста — узкое место	Когда нужны качество или routing GPT-5.6	Когда важно поведение Gemini с документами или multimodal	Когда важна Claude-style coding quality

Готово к тесту

Создайте key, пополните Credits и отправьте запрос Kimi K3

Быстрый путь: создайте API Key, оставьте Chat Completions endpoint и начните с маленького streaming-запроса.

Создать API Key Пополнить Credits

FAQ

Вопросы по Kimi K3 API

Сколько стоит Kimi K3 за 1M Token?

Публичные страницы обычно указывают Kimi K3: $3.00 за 1M cache-miss input Token, $0.30 за 1M cache-read input Token и $15.00 за 1M output Token.

Какое окно контекста у Kimi K3?

Kimi K3 указан с окном 1,048,576 Token, поэтому его оценивают для кодовых баз, длинных документов и Agent traces.

Context caching правда снижает стоимость?

Да. Кэшированный ввод обычно стоит $0.30 за 1M Token против $3.00 за 1M не кэшированного ввода.

Какой model ID использовать?

Используйте "kimi-k3" в поле model и отправляйте на https://aireiter.com/api/v1/chat/completions. Не используйте внутренний page-chat key как публичный model ID.

Можно вызвать Kimi K3 через OpenAI-style SDK?

Да. Укажите baseURL https://aireiter.com/api/v1, используйте Chat Completions и отправьте model "kimi-k3".

Что отслеживать в production?

Cache-read Token, output Token, latency длинных запросов, retry rate и полезность reasoning-heavy ответов.