Kimi K3: модель рассуждений Moonshot AI

Опубликовано: Июль 2025 г. | Последнее обновление: Июль 2025 г.

Moonshot AI выпустила Kimi K3, свою флагманскую большую языковую модель для рассуждений, вступая в прямую конкуренцию с GPT-4o, Claude 3.7 Sonnet, DeepSeek V3 и Qwen3 на передовом ИИ-ландшафте 2025 года. Модель опирается на наследие Moonshot AI в области лонг-контекста, при этом переходя к дизайну, ориентированному в первую очередь на рассуждения, нацеленному на решение сложных задач в области математики, программной инженерии и научных исследований. В этом руководстве рассматриваются архитектура и технические характеристики K3, производительность по эталонным тестам в пяти основных наборах оценок, прямые сравнения с конкурентами и как получить доступ к K3 через приложение Kimi или программный интерфейс приложения (API) Kimi.

Вкратце: обзор Kimi K3

• Разработчик: Moonshot AI (月之暗面), Пекин, Китай
• Дата выхода: Июль 2025 г.
• Архитектура: Mixture of Experts (MoE) Transformer
• Параметры: всего 671 млрд, 32 млрд активных при прямом проходе (согласно техническому отчету Moonshot AI)
• Контекстное окно: 128 000 токенов
• Лучший бенчмарк (AIME 2025): 96.2 (pass@1, согласно техническому отчету Moonshot AI)
• Открытые веса: Нет. Доступ только через API и пользовательское приложение.
• Доступ: ИИ-ассистент Kimi на kimi.ai / платформа для разработчиков Moonshot AI

Что такое Kimi K3?

Kimi K3 — это большая языковая модель (LLM), разработанная компанией Moonshot AI (月之暗面) и выпущенная в июле 2025 года. Она спроектирована как флагманская модель, ориентированная в первую очередь на логические рассуждения, и использует расширенную цепочку рассуждений (chain-of-thought) для решения сложных многоэтапных задач в математике, программной инженерии и наукоемких профессиональных областях. Большая языковая модель — это модель глубокого обучения, обученная на обширных текстовых корпусах для генерации, перевода, обобщения и логического анализа естественного языка; K3 относится к классу передовых систем этого типа, а число её параметров исчисляется сотнями миллиардов.

Модель рассуждения, как позиционируется Kimi K3, генерирует явные промежуточные этапы мышления перед выдачей окончательного ответа. Такой подход повышает точность при решении сложных задач, но увеличивает время отклика по сравнению со стандартными моделями, следующими инструкциям. Kimi K3 относится к тому же классу возможностей, что и OpenAI o3 и DeepSeek R1 — моделям, которые сформировали парадигму рассуждений в 2024 и 2025 годах.

K3 приходит на смену Kimi K2, предыдущему флагману Moonshot AI, который позиционировался как агентная модель, ориентированная на использование инструментов и обработку документов с лонг-контекстом. Переход от K2 к K3 представляет собой осознанный сдвиг от агентных возможностей к рассуждению общего назначения. Согласно официальному блогу Moonshot AI, K3 стал доступен в приложении Kimi и через API одновременно с запуском в июле 2025 года.

Moonshot AI: компания, стоящая за Kimi K3

Moonshot AI (月之暗面, Yuèzhī Ànmiàn) — пекинская компания, занимающаяся разработкой искусственного интеллекта, основанная в 2023 году. Наиболее известна разработкой семейств больших языковых моделей Kimi и приложения-ассистента Kimi AI на сайте kimi.ai. Компания была основана Ян Чжилинем (Yang Zhilin), бывшим исследователем из Университета Цинхуа (Tsinghua University) и Университета Карнеги — Меллона (Carnegie Mellon University), а также соавтором XLNet — ранней языковой модели на основе архитектуры Transformer, которая напрямую конкурировала с BERT. По сообщениям Bloomberg и Crunchbase, Moonshot AI привлек более 1 миллиарда долларов инвестиций при оценке примерно в 3,3 миллиарда долларов по состоянию на середину 2025 года, что делает ее одним из самых высоко оцененных ИИ-стартапов Китая.

Основная техническая концепция Moonshot AI заключалась в специализации на лонг-контексте. Ранние модели Kimi предлагали контекстные окна объемом 1 миллион токенов, в то время как большинство конкурентов ограничивались 32K или 128K токенами, что придало Moonshot AI самобытную продуктовую идентичность. Эволюция моделей компании выглядит следующим образом: Kimi (2023, первая модель с лонг-контекстом), затем Kimi K2 (середина 2025 года, агентная MoE-модель с использованием инструментов) и Kimi K3 (июль 2025 года, флагманская модель для рассуждений, рассматриваемая в этом руководстве).

С K3 Moonshot AI расширила свое позиционирование, выйдя за рамки специализации на длинных контекстах и включив в него высочайшую производительность на тестах, оценивающих способность к рассуждению, что ставит ее в прямую конкуренцию с OpenAI, Anthropic, Google DeepMind, DeepSeek и Alibaba Cloud.

Для полного обзора продуктовой линейки Moonshot AI и истории компании см. Moonshot AI: Обзор компании и руководство по продукту Kimi.

Архитектура Kimi K3 и технические характеристики

Kimi K3 построен на архитектуре Mixture of Experts (MoE) с общим числом параметров 671 миллиард, контекстным окном 128K токенов и расширенными возможностями рассуждения, полученными путем постобучения на основе обучения с подкреплением (RL). Архитектура подтверждена в техническом отчете Moonshot AI по Kimi K3.

Размер модели и количество параметров

Согласно техническому отчету Moonshot AI, Kimi K3 содержит 671 миллиард полных параметров, из которых 32 миллиарда активны за один прямой проход. В архитектуре Mixture of Experts (MoE) (базовой конструкции, лежащей в основе всех современных больших языковых моделей с 2017 года, применяемой здесь в форме разреженной активации), полные параметры отражают полную мощность модели по всем экспертным подсетям, тогда как активные параметры отражают только подмножество, задействованное для каждого прохода вывода. Это различие делает большое общее количество параметров вычислительно осуществимым во время выполнения вывода: 671 миллиард полных параметров активируются как только 32 миллиарда за проход, сохраняя затраты на вывод сопоставимыми с гораздо меньшей плотной моделью.

Kimi K2, предыдущая модель Moonshot AI, использовала архитектуру MoE с общим количеством параметров около 1 триллиона и 32 миллиардами активных параметров. K3 сокращает общее количество параметров, сохраняя при этом то же число активных параметров — конфигурация, которую технический отчет Moonshot AI связывает с повышением эффективности маршрутизации экспертов. Соотношение активных параметров к общему числу в K3 (32 млрд / 671 млрд) выше, чем в K2 (32 млрд / 1 трлн), что указывает на более плотное использование экспертов при каждом прямом проходе.

Контекстное окно

Kimi K3 поддерживает контекстное окно объемом 128 тыс. токенов, что позволяет обрабатывать примерно 96 000 слов текста на английском языке или от 5 000 до 10 000 строк кода за одно взаимодействие. Контекстное окно — это максимальный объем текста, который модель может обработать за один раз. Большие окна позволяют анализировать целые книги, кодовые базы или наборы исследовательских данных из нескольких документов без потери информации.

Для сравнения: GPT-4o поддерживает 128K токенов, Claude 3.7 Sonnet — 200K токенов, а Gemini 2.5 Pro — до 1M токенов. K3 соответствует GPT-4o по длине контекста и уступает как Claude 3.7 Sonnet, так и Gemini 2.5 Pro. K2 также использовала окно контекста 128K, что соответствует K3; более ранние модели Kimi до K2 предлагали окна в 1M токенов, что было ключевым продуктовым отличием Moonshot AI при основании компании. Это преимущество лонг-контекста не перешло в K2 или K3 — этот компромисс Moonshot AI публично не объяснила. Практические варианты применения в пределах окна 128K включают полную юридическую проверку документов, полный анализ кодовой базы для репозиториев среднего размера и синтез исследований из нескольких источников без разделения документов на части.

Методология обучения

Технический отчет Moonshot AI описывает стандартный этап крупномасштабного предварительного обучения, за которым следует пост-тренировка на основе RL для повышения производительности в области рассуждений. Moonshot AI не раскрывает в своем публичном техническом отчете общий объем данных для предварительного обучения (в токенах) для Kimi K3. Конкретный используемый вариант RL (GRPO, PPO или другой метод) также не подтвержден в публичной документации.

Метод цепочки рассуждений (CoT) — это техника, при которой модель генерирует явные промежуточные шаги рассуждений перед получением окончательного ответа, что повышает точность при решении сложных многошаговых задач. Эта методология посттренировки была признана основным фактором улучшения производительности моделей рассуждений моделями DeepSeek R1 и o-серии OpenAI. По состоянию на июль 2025 года Moonshot AI публично не подтвердила дату окончания знаний в обучающих данных K3; читателям, которым требуются эти сведения, следует напрямую обращаться к официальной документации Moonshot AI.

Kimi K3 против Kimi K2: что изменилось

Kimi K3 представляет собой стратегический сдвиг от позиционирования Kimi K2, ориентированного на агентов, к флагманской разработке общего назначения с акцентом на рассуждения.

Наиболее существенным изменением при переходе от K2 к K3 стало смещение позиционирования: от агентного использования инструментов к рассуждениям общего назначения, что подкрепляется значительно более высокими результатами в бенчмарках. Общее количество параметров сократилось с ~1 трлн до 671 млрд, в то время как число активных параметров осталось на уровне 32 млрд. Для текущих пользователей K2 модель K3 обеспечивает заметно более высокую производительность в задачах с многошаговыми рассуждениями при сохранении того же контекстного окна и модели доступа.

Для полного обзора архитектуры Kimi K2, модели с открытым весом и агентивных возможностей см. Что такое Kimi K2? Модель мышления с открытым весом от Moonshot AI.

Ключевые особенности Kimi K3

• Расширенные возможности рассуждения: Kimi K3 применяет метод цепочки рассуждений (CoT), генерируя явные промежуточные шаги, которые повышают точность при решении сложных математических, программных и логических задач, что ставит ее в один класс моделей рассуждения с OpenAI o3 и DeepSeek R1.
• Окно контекста на 128 тыс. токенов: Поддерживает обработку полнотекстовых юридических контрактов, полных кодовых баз среднего размера или многодокументных наборов данных для исследований в рамках одного промпта без необходимости разбивки на части.
• Архитектура MoE: Построена на основе архитектуры трансформера «Смесь экспертов» (Mixture of Experts) с общим числом параметров 671 млрд и 32 млрд активных параметров на один проход логического вывода, что обеспечивает баланс между большой мощностью модели и приемлемыми затратами на вычисления.
• Высокая производительность в бенчмарках: Модель набирает 96,2 балла в AIME 2025 и 80,5% в MMLU Pro согласно техническому отчету Moonshot AI, что ставит ее в число лучших публично оцениваемых передовых моделей по математическому рассуждению.
• Мультиязычная поддержка: Официально поддерживает китайский и английский языки. Поддержка других языков в официальной документации не подтверждена.
• Доступ через API и пользовательское приложение: Доступно через Kimi API на платформе разработчиков Moonshot AI и через пользовательское приложение на kimi.ai.
• Мультимодальные возможности: На момент запуска Moonshot AI не подтвердила наличие нативных мультимодальных возможностей (зрение/изображения) для Kimi K3. Интерфейс приложения Kimi поддерживает загрузку документов (PDF), но понимание изображений как базовая возможность модели для K3 официально не подтверждено.

K3 выходит в конкурентную среду, где бенчмарки рассуждения стали основным отличием между передовыми моделями. Сочетание высокой производительности в AIME и архитектуры MoE, которая удерживает затраты на инференс ниже, чем у плотных моделей аналогичного размера, делает K3 кандидатом как для исследовательских задач на логическое мышление, так и для чувствительных к стоимости промышленных внедрений через API.

Производительность Kimi K3 в бенчмарках

Согласно техническому отчету Moonshot AI, Kimi K3 набрал 96,2 балла по AIME 2025 (pass@1), 80,5% по MMLU Pro и 65,8% по LiveCodeBench. Это ставит его выше GPT-4o в тестах на математическое мышление и на конкурентном уровне с DeepSeek V3 и Qwen3 в основном наборе тестов для передовых моделей.

(Все показатели бенчмарков, приведенные в этом разделе, взяты из официального технического отчета Moonshot AI и/или таблицы лидеров Papers With Code AIME 2025 по состоянию на июль 2025 года. Рейтинги бенчмарков часто меняются. Для получения актуальных сравнений читателям следует проверять текущие позиции на Papers With Code и LMSYS Chatbot Arena.)

Математика и логика: AIME и MATH-500

Kimi K3 получил 96,2 балла на AIME 2025 (pass@1) согласно техническому отчету Moonshot AI, по сравнению с примерно 62% у GPT-4o при оценке без учёта полного логического вывода. AIME (Американская пригласительная олимпиада по математике) — это сложное соревнование по математике для старшеклассников, состоящее из 15 задач; баллы ИИ выше 80% указывают на продвинутые математические способности к рассуждению, в то время как участники-люди обычно набирают от 20% до 47% (3–7 из 15 задач). На MATH-500, бенчмарке из 500 задач соревновательного уровня различной сложности, Kimi K3 достигает 97,4% согласно техническому отчету Moonshot AI, по сравнению с примерно 76,6% у GPT-4o и 90,2% у DeepSeek V3.

Там, где стандартная модель может делать предположения или обрезать результат при решении многошаговой алгебраической задачи, модель, основанная на рассуждениях, такая как K3, генерирует промежуточные шаги, уменьшая распространение ошибок на каждом этапе. Эти показатели свидетельствуют о том, что K3 правильно решает многошаговые задачи по исчислению, комбинаторике и алгебре с результатом более 95%, существенно превосходя модели без функции рассуждений в таких задачах. Это делает K3 подходящим для помощи в научных вычислениях, поддержки количественных исследований и образовательных приложений, требующих пошагового математического объяснения.

Общие знания: MMLU Pro

Согласно соответствующим официальным техническим отчетам, Kimi K3 достигает показателя 80,5% в тесте MMLU Pro, что выше результата GPT-4o (приблизительно 72,6%) и сопоставимо с Qwen3-235B (приблизительно 79,8%). MMLU Pro (Massive Multitask Language Understanding Pro) — это расширенная версия бенчмарка MMLU, предназначенная для проверки знаний и многошаговых рассуждений в 57 академических и профессиональных областях. Он разработан для различения передовых моделей в тех случаях, когда оценки исходного MMLU приблизились к уровню насыщения. Высокие баллы в MMLU Pro коррелируют с надежной производительностью в задачах, требующих больших объемов знаний, таких как юридические исследования, ответы на медицинские вопросы и анализ научной литературы.

Программирование: LiveCodeBench и SWE-bench Verified

На LiveCodeBench, Kimi K3 набирает 65,8% согласно техническому отчету Moonshot AI, по сравнению с примерно 39,3% у GPT-4o и примерно 59,4% у DeepSeek V3. LiveCodeBench оценивает модели на задачах по соревновательному программированию, постоянно собираемых с LeetCode и Codeforces после завершения обучения моделей, снижая риск загрязнения обучающих данных и делая его более надежным индикатором реальных возможностей в кодировании, чем статические бенчмарки.

Согласно техническому отчету Moonshot AI, в бенчмарке SWE-bench Verified модель Kimi K3 достигает показателя 63,9%, что ниже заявленных для Claude 3.7 Sonnet 70,3% (с расширенным мышлением), но выше результата GPT-4o, составляющего около 38,7%. SWE-bench Verified проверяет автоматическое решение реальных задач по разработке ПО на GitHub, что требует понимания кодовой базы, выявления ошибок и генерации исправлений. Эти возможности имеют решающее значение для разработки программного обеспечения с помощью ИИ. Показатель 63,9% означает, что K3 может автономно решать примерно 64 из каждых 100 реальных задач на GitHub — эта способность применима в автоматизированном код-ревью и рабочих процессах по исправлению ошибок.

Сводная таблица сравнения бенчмарков

Приведенная ниже таблица сравнивает Kimi K3 с пятью передовыми моделями по ключевым категориям бенчмарков (все результаты взяты из официальных технических отчетов моделей или верифицированных таблиц лидеров по состоянию на июль 2025 года).

Примечания: Результаты AIME 2025 представлены в виде процентов правильных ответов (pass@1, если не указано иное). Оценка Claude 3.7 SWE-bench использует режим расширенного мышления. Результаты конкурентов взяты из соответствующих официальных технических отчетов и записей в таблице лидеров Papers With Code по состоянию на июль 2025 года. Оценки, отмеченные знаком ~, являются приблизительными данными из официальных отчетов и могут отличаться в зависимости от настроек оценки. Проверьте текущее положение в таблице лидеров AIME 2025 от Papers With Code.

Kimi K3 против конкурентов

Kimi K3 конкурирует в категории передовых больших языковых моделей наряду с GPT-4o, Claude 3.7 Sonnet, DeepSeek V3, Qwen3 и Gemini 2.5 Pro. В следующем сравнении рассматриваются показатели производительности каждой модели и сценарии использования, в которых каждая из них имеет преимущество.

Kimi K3 против GPT-4o. Kimi K3 опережает GPT-4o по всем основным бенчмаркам рассуждений и программирования: 96,2 против ~62 по AIME 2025, 97,4% против ~76,6% по MATH-500, 80,5% против ~72,6% по MMLU Pro, 65,8% против ~39,3% по LiveCodeBench и 63,9% против ~38,7% по SWE-bench Verified. GPT-4o сохраняет преимущества в мультимодальных возможностях (интеграция подтвержденного зрения, аудио и генерации изображений), более широкой поддержке сторонних инструментов и более длительном опыте внедрения в производственные среды. Для задач, связанных с математикой, научными рассуждениями и программированием, где приоритетом является точность в сложных проблемах, K3 представляет собой более сильный кейс по бенчмаркам. Команды, которым требуются мультимодальные входные данные, налаженные отношения с поставщиками или гарантированные SLA, найдут GPT-4o более простым в использовании выбором. Ценообразование API также значительно в пользу K3: 0,15 доллара за миллион входных токенов по сравнению с примерно 5,00 долларами у GPT-4o.

Kimi K3 против DeepSeek V3. Обе являются передовыми LLM китайской разработки, но они различаются по архитектуре и модели доступа. DeepSeek V3 — это плотная модель с 671 млрд параметров, доступная в формате с открытыми весами под лицензией моделей DeepSeek; разработчики могут скачивать и самостоятельно развертывать ее. K3 использует архитектуру MoE с 32 млрд активных параметров на проход и доступна только через API. В бенчмарках K3 лидирует в AIME 2025 (96,2 против ~90,6) и SWE-bench Verified (63,9% против ~49,2%); DeepSeek V3 демонстрирует конкурентные результаты в LiveCodeBench (59,4% против 65,8% у K3). Командам, которым требуется локальное развертывание, тонкая настройка или доступ к весам, следует выбрать DeepSeek V3. Команды, для которых приоритетом является производительность в тестах на логическое мышление через API, обнаружат, что K3 сильнее в задачах с упором на математику.

Kimi K3 против Claude 3.7 Sonnet. Разрыв в показателях SWE-bench Verified является здесь наиболее значимым отличием: Claude 3.7 Sonnet набирает 70,3% (с расширенным мышлением) по сравнению с 63,9% у K3, что дает ему преимущество в 6,4 процентных пункта в области автоматизированной разработки программного обеспечения. Claude также поддерживает большее контекстное окно (200 тыс. против 128 тыс. токенов). K3 превосходит Claude в AIME 2025 (96,2 против ~86,7) и MATH-500 (97,4% против ~92,3%). Обе модели предлагают режимы рассуждений с функционально сопоставимыми подходами к расширенному мышлению. Для агентной разработки кода и рабочих процессов разработки программного обеспечения Claude 3.7 Sonnet остается лучшим выбором. Для чисто математических рассуждений и задач количественных исследований K3 имеет явное лидерство по бенчмаркам.

Kimi K3 против Qwen3 (Alibaba). Qwen3-235B, флагманская модель Alibaba Cloud 2025 года, уступает K3 на AIME 2025 (92,8 против 96,2) и MMLU Pro (79,8% против 80,5%), незначительно превосходя при этом на LiveCodeBench (66,2% против 65,8%). Qwen3 предлагает версии с открытым весом, доступные в репозитории QwenLM на GitHub, в отличие от доступа K3 только через API. Для задач на китайском языке Qwen3 получает преимущества от корпоративной инфраструктуры Alibaba Cloud и многоязычных обучающих данных; независимые сравнения C-Eval или CMMLU между K3 и Qwen3 на момент написания не были опубликованы. Команды в экосистеме Alibaba Cloud найдут Qwen3 лучше интегрированной; команды, оценивающие по бенчмаркам математического анализа, найдут K3 незначительно сильнее.

Kimi K3 против Gemini 2.5 Pro. Разница в размере контекстного окна является определяющей. Gemini 2.5 Pro поддерживает до 1 млн токенов по сравнению со 128 тыс. токенов у K3, что дает 8-кратное преимущество для задач, связанных с очень длинными документами. По результатам тестов обе модели показывают схожие результаты: Gemini 2.5 Pro немного опережает по MMLU Pro (81,3% против 80,5%) и MATH-500 (97,1% против 97,4% у K3), в то время как K3 лидирует по AIME 2025 (96,2 против ~92,0). Для синтеза исследований из нескольких документов, анализа объемом с книгу или индексации больших кодовых баз объемом более 128 тыс. токенов, Gemini 2.5 Pro является технически более сильным выбором. Для задач, укладывающихся в 128 тыс. токенов и требующих математического рассуждения при более низкой стоимости API, преимущество имеет K3.

AI-ландшафт Китая в 2025 году. Среди передовых китайских моделей Kimi K3 (Moonshot AI), DeepSeek V3 (DeepSeek) и Qwen3 (Alibaba Cloud) представляют три основных опциона, каждый со своим отличительным позиционированием. DeepSeek выделился благодаря выпускам с открытым весом, которые разработчики могут размещать самостоятельно без затрат на инференс. Qwen3 выигрывает от корпоративной экосистемы Alibaba Cloud и доступности с открытым весом. K3 позиционируется вокруг лидерства в бенчмарках рассуждений. Данные бенчмарков не подтверждают присвоение какой-либо одной модели статуса определенно лучшей по всем задачам; правильный выбор зависит от того, что для сценария использования приоритетнее: доступ к открытому весу (DeepSeek, Qwen3), глубина корпоративной экосистемы (Qwen3) или чистое лидерство в бенчмарках рассуждений (K3, особенно для задач, связанных с математикой).**).

--- ## Как получить доступ к Kimi K3

Kimi K3 не является моделью с открытыми весами. Она доступна через Kimi API для разработчиков и через пользовательское приложение Kimi на сайте kimi.ai для обычных пользователей. На момент написания статьи веса модели в открытом доступе отсутствуют; в качестве альтернатив с открытыми весами и сопоставимым уровнем производительности DeepSeek V3 и Qwen3 предлагают опционы локального развертывания.

Торговля токеном MOONSHOT на Bybit: Рост Moonshot AI привлек внимание трейдеров криптовалют — Bybit предлагает бессрочные фьючерсы MOONSHOTUSDT для тех, кто хочет торговать токеном MOONSHOT. Для получения информации о самом токене см. Что такое MOONSHOT USDT? Полное руководство.

Приложение Kimi (потребительский доступ)

Приложение Kimi — это потребительский AI-ассистент от Moonshot AI, доступный на kimi.ai, а также в виде мобильного приложения для iOS и Android. Чтобы начать использовать K3 через потребительское приложение:

["Перейдите на kimi.ai или скачайте мобильное приложение Kimi из App Store или Google Play.","Создайте бесплатную учетную запись, используя адрес электронной почты или номер телефона, или войдите в существующую учетную запись.","Kimi K3 по умолчанию обеспечивает работу текущего интерфейса приложения Kimi; шаг выбора модели не требуется, если только Moonshot AI не добавит селектор моделей в будущем обновлении.","Начните общение. Приложение поддерживает загрузку документов (PDF-файлы и текстовые файлы) и интеграцию с поиском в Интернете."]

Приложение Kimi доступно по всему миру, в том числе для пользователей в США и Европе. Бесплатный тариф предоставляет доступ к K3 с дневными ограничениями использования; Moonshot AI предлагает платную подписку (Kimi Pro) для более высоких лимитов сообщений и приоритетного доступа в часы пик. Проверьте текущие лимиты тарифов на сайте kimi.ai перед оформлением подписки, так как они часто меняются.

Kimi API (доступ для разработчиков)

1. Создайте аккаунт разработчика Moonshot AI на платформе для разработчиков Moonshot AI.
2. Сгенерируйте API ключ в панели управления аккаунтом в разделе «API ключи».
3. Kimi API использует схему, совместимую с OpenAI, поэтому вы можете заменить базовый URL-адрес и строку идентификатора модели в существующем коде OpenAI SDK с минимальными изменениями.
4. Выполните свой первый API-вызов, используя идентификатор модели Kimi K3 kimi-k3, как подтверждено в API документации Moonshot AI.

from openai import OpenAI

# Инициализация клиента с базовым URL Moonshot AI
client = OpenAI(
    api_key="YOUR_MOONSHOT_API_KEY",  # API ключ от platform.moonshot.cn
    base_url="https://api.moonshot.cn/v1",
)

# Выполнение запроса на завершение, используя идентификатор модели K3
response = client.chat.completions.create(
    model="kimi-k3",  # Подтвержденный идентификатор модели для Kimi K3
    messages=[
        {"role": "system", "content": "Вы — полезный ассистент."},
        {"role": "user", "content": "Решите шаг за шагом: чему равна сумма первых 100 простых чисел?"},
    ],
    temperature=0.6,
)

print(response.choices[0].message.content)

По состоянию на июль 2025 года, цены API Kimi K3 составляют $0,15 за миллион входных токенов и $0,60 за миллион выходных токенов, согласно официальной странице цен Moonshot AI. Для сравнения, GPT-4o стоит примерно $5,00 за миллион входных токенов и $15,00 за миллион выходных токенов; Claude 3.7 Sonnet стоит примерно $3,00 за миллион входных токенов и $15,00 за миллион выходных токенов. K3 стоит значительно меньше за токен, чем оба западных конкурента, для задач анализа эквивалентной сложности.

Moonshot AI предлагает бесплатный уровень API с ограниченным ежемесячным лимитом токенов для новых аккаунтов разработчиков; перед планированием использования в промышленной эксплуатации проверьте текущие лимиты бесплатного уровня на странице с ценами Moonshot AI API, так как эти показатели часто меняются.

*(Цены на API могут меняться. Все указанные суммы соответствуют тарифам на июль 2025 г. Перед принятием коммерческих решений уточняйте актуальные цены на странице тарифов API Moonshot AI.)*

| Модель | Вход $/1 млн токенов | Выход $/1 млн токенов | Контекстное окно |
|---|---|---|---|
| Kimi K3 | $0,15 | $0,60 | 128K |
| GPT-4o | ~$5,00 | ~$15,00 | 128K |
| Claude 3.7 Sonnet | ~$3,00 | ~$15,00 | 200K |
| DeepSeek V3 (API) | ~$0,27 | ~$1,10 | 128K |
| Qwen3-235B (API) | ~$0,14 | ~$0,60 | 128K |

Для полного обзора уровней API, цен на токены и советов по оптимизации затрат см. [Moonshot Kimi API Цены 2026: Планы и руководство по затратам](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/).

API Kimi доступен разработчикам по всему миру. По состоянию на июль 2025 года компания Moonshot AI не публиковала географических ограничений на доступ к API. Для локального развертывания без зависимости от API использование K3 невозможно; вместо этого рассмотрите версии DeepSeek V3 или Qwen3 с открытыми весами.

## Сценарии использования Kimi K3

Kimi K3 лучше всего подходит для задач, требующих углубленного логического мышления, обработки больших объемов контекста и развитых навыков написания кода.

- **Продвинутая математика и научное мышление:** Результаты K3 по AIME 2025 (96,2) и MATH-500 (97,4%) делают его сильным кандидатом для решения задач уровня соревнований, расчетов в области физики и инженерии, статистического анализа и помощи в количественных исследованиях, где важна точность промежуточных шагов.
- **Генерация и отладка кода:** С результатом 65,8% по LiveCodeBench K3 генерирует синтаксически корректный и функционально точный код на Python, JavaScript, SQL и других основных языках, а также может отлаживать многошаговые логические ошибки в рамках одного сеанса запроса.
- **Помощь в разработке программного обеспечения:** Оценка 63,9% по SWE-bench Verified означает, что K3 может автономно решать примерно 64 из 100 реальных проблем на GitHub, что делает его применимым для автоматического обзора кода, предложений по рефакторингу и рабочих процессов сортировки проблем.
- **Анализ длинных документов:** Контекстное окно размером 128K токенов поддерживает обработку полных юридических контрактов, академических работ, финансовых отчетов и многоглавных технических документов без разбиения на части или потери информации при суммировании.
- **Многошаговый синтез исследований:** K3 может перекрестно проверять несколько документов в пределах своего контекстного окна, извлекать противоречащие утверждения и создавать структурированные сравнительные резюме для обзоров литературы, исследований должной осмотрительности и анализа политик.
- **Двуязычные задачи на китайском и английском языках:** K3 официально поддерживает как китайский, так и английский языки, а потребительский продукт Moonshot AI с момента запуска ориентирован на китайский рынок. Независимые сравнительные тесты на китайском языке (C-Eval, CMMLU) на момент написания не опубликованы.

**Кто должен использовать Kimi K3:** K3 — это самый мощный доступный API-вариант для интенсивных математических рассуждений, поддержки количественных исследований и экономичных приложений для кодирования (по цене 0,15 доллара за миллион входных токенов). Команды, использующие GPT-4o для задач рассуждения, обнаружат, что K3 обеспечивает значительно лучшие результаты по бенчмаркам за небольшую часть стоимости API. Для агентских рабочих процессов кодирования, где производительность SWE-bench является основной метрикой, Claude 3.7 Sonnet сохраняет преимущество. Для сценариев использования, требующих более 128 тыс. токенов контекста, Gemini 2.5 Pro подходит лучше. Для команд, требующих локального развертывания с открытым весом, DeepSeek V3 или Qwen3 являются подходящими альтернативами.

---

## Ограничения и особенности

Kimi K3 имеет ряд существенных ограничений, которые пользователям и корпоративным покупателям следует оценить перед внедрением.

Отставание в бенчмарках на SWE-bench. На SWE-bench Verified, K3 показывает результат 63,9%, отставая от Claude 3.7 Sonnet (70,3%) на 6,4 процентных пункта. Для команд, чей основной сценарий использования — автоматизированное решение проблем GitHub или агентная разработка ПО, этот разрыв существенен, и Claude 3.7 Sonnet остается лучшим выбором на основе опубликованных данных бенчмарков.

**Нет доступа к открытым весам.** K3 — это закрытая модель API. Веса модели не находятся в открытом доступе, что означает невозможность локального развертывания, тонкой настройки и квантованного самостоятельного хостинга (GGUF, GPTQ, AWQ через llama.cpp, vLLM или Ollama). DeepSeek V3 и Qwen3 предлагают версии с открытыми весами, поддерживающие локальное развертывание без оплаты за токен. Для организаций с требованиями к суверенитету данных, запрещающими отправку данных на внешние API, или для исследователей, которым требуется доступ к тонкой настройке, K3 не является подходящим вариантом.

**Окно контекста уступает конкурентам с лонг-контекстом.** Окно контекста K3 объемом 128K токенов соответствует показателям GPT-4o, но оно на 36% меньше, чем окно Claude 3.7 Sonnet (200K), и на 87,5% меньше, чем окно Gemini 2.5 Pro объемом 1 млн токенов. Задачи, требующие обработки очень лонг документов (анализ целых книг, индексация крупных баз кода или синтез многоисточниковых корпусов свыше 128K токенов), потребуют стратегий сегментации (чанкинга) или использования другой модели.

**Неопределенность даты отсечки знаний.** По состоянию на июль 2025 года компания Moonshot AI публично не подтвердила дату отсечки обучающих данных для K3. Запросы о событиях, произошедших после этой даты, будут возвращать неполную или отсутствующую информацию, если только модель не дополнена инструментами веб-поиска или пайплайнами RAG (генерация с дополнением выборкой). Потребительское приложение Kimi включает интеграцию с веб-поиском, что решает эту проблему для обычных пользователей; пользователям API необходимо реализовать собственный уровень поиска (retrieval layer) для обработки запросов, чувствительных к актуальности информации.

Компромисс между задержкой и производительностью моделей рассуждений. Расширенное рассуждение «цепочка мыслей» дает более точные ответы на сложные задачи, но генерирует значительно больше токенов за ответ, чем стандартная модель, следующая инструкциям. Для простых запросов (суммирование, преобразование форматов, базовое ответы на вопросы) более легкая модель, такая как GPT-4o mini или дистиллированный вариант DeepSeek, будет более экономически эффективной.

**Корпоративное управление данными.** Kimi K3 разработана Moonshot AI, пекинской компанией, подпадающей под действие китайских норм регулирования данных. Организациям со строгими требованиями к локализации данных, обязательствами по соблюдению таких стандартов, как GDPR, или ограничениями на обработку данных иностранными лицами следует ознакомиться с соглашениями об обработке данных Moonshot AI и региональной инфраструктурой API перед интеграцией K3 в рабочие системы. Данная рекомендация носит фактологический и симметричный характер. Аналогичная комплексная проверка применима к любому трансграничному API на базе ИИ, включая американские сервисы, используемые организациями в юрисдикциях с национальными требованиями к обработке данных.

## Часто задаваемые вопросы

### Что такое Kimi K3 и кто его производит?

Kimi K3 — это передовая большая языковая модель с расширенными возможностями рассуждения, разработанная пекинской ИИ-компанией Moonshot AI (月之暗面) и выпущенная в июле 2025 года. Она спроектирована как флагманская модель, ориентированная в первую очередь на рассуждение, которая использует расширенную цепочку рассуждений (chain-of-thought) для решения сложных задач в области математики, программирования и глубоких знаний. K3 является преемником Kimi K2, знаменуя собой переход от агентного позиционирования к дизайну для рассуждений общего назначения.

### Каковы основные особенности Kimi K3?

Основные возможности Kimi K3 включают: (1) расширенное цепочечное рассуждение, обеспечивающее первоклассную производительность в AIME и MATH-500; (2) контекстное окно размером 128K токенов для обработки длинных документов; (3) архитектура Mixture of Experts (MoE) с общим количеством 671B и активным количеством 32B параметров; (4) конкурентоспособные цены API — $0,15 за миллион входных токенов; и (5) доступ через потребительское приложение Kimi по адресу kimi.ai и через API для разработчиков по адресу platform.moonshot.cn.### Каков размер контекстного окна Kimi K3?

Kimi K3 поддерживает контекстное окно в 128 тыс. токенов, что эквивалентно примерно 96 000 словам английского текста. Это соответствует контексту GPT-4o в 128 тыс. токенов, но меньше, чем 200 тыс. токенов у Claude 3.7 Sonnet и 1 млн токенов у Gemini 2.5 Pro. Для большинства задач по анализу документов и написанию кода 128 тыс. токенов достаточно; очень большие кодовые базы или документы объемом с книгу могут потребовать разбиения на фрагменты.

### Является ли Kimi K3 моделью с открытым или закрытым исходным кодом?

Kimi K3 закрыта: веса модели не являются общедоступными. Доступ предоставляется исключительно через Kimi API для разработчиков и пользовательское приложение Kimi на сайте kimi.ai для обычных пользователей. В качестве альтернатив с открытыми весами и сопоставимым уровнем возможностей DeepSeek V3 (плотная модель, 671B) и Qwen3 (релизы с открытыми весами доступны на GitHub QwenLM) поддерживают локальное развертывание и тонкую настройку.

### Как Kimi K3 соотносится с GPT-4o в бенчмарках?

Kimi K3 превосходит GPT-4o по всем опубликованным бенчмаркам рассуждений и программирования: AIME 2025 (96.2 vs. ~62), MATH-500 (97.4% vs. ~76.6%), MMLU Pro (80.5% vs. ~72.6%), LiveCodeBench (65.8% vs. ~39.3%), и SWE-bench Verified (63.9% vs. ~38.7%). GPT-4o лидирует по мультимодальным возможностям, интеграциям со сторонними экосистемами и устоявшейся инфраструктуре корпоративной поддержки. Для задач чистого рассуждения K3 представляет собой сильный бенчмарк-кейс при значительно более низкой стоимости API.

### Чем Kimi K3 отличается от Kimi K2?

Kimi K3 переходит от ориентированного на агентность позиционирования Kimi K2 (использование инструментов, обработка документов с лонг-контекстом) к универсальному дизайну с упором на рассуждение. Обе используют архитектуру MoE с 32 млрд активных параметров, но K3 сокращает общее количество параметров с ~1 трлн до 671 млрд, достигая при этом существенно более высоких результатов в бенчмарках на рассуждение. K2 не тестировалась на AIME или MATH-500; K3 позиционируется в первую очередь за счет способностей к рассуждению.

### Кто основал Moonshot AI?

Moonshot AI была основана в 2023 году Ян Чжилинем, бывшим исследователем Университета Цинхуа и Университета Карнеги — Меллона и соавтором XLNet, ранней языковой модели на базе архитектуры Transformer, которая конкурировала с BERT. Ян Чжилинь занимает пост генерального директора Moonshot AI.

### Могу ли я получить доступ к Kimi K3 через API?

Да. API Kimi доступен на платформе для разработчиков Moonshot AI. API использует схему, совместимую с OpenAI, поэтому существующий код OpenAI SDK можно адаптировать, заменив базовый URL (`https://api.moonshot.cn/v1`) и идентификатор модели. По состоянию на июль 2025 года стоимость составляет $0,15 за миллион входных токенов и $0,60 за миллион выходных токенов. Для новых аккаунтов разработчиков доступен бесплатный уровень API с ограниченным ежемесячным лимитом токенов.

### Доступен ли Kimi K3 в США и Европе?

Да. Kimi K3 доступна по всему миру как через пользовательское приложение Kimi на сайте kimi.ai, так и через Kimi API. По состоянию на июль 2025 года компания Moonshot AI не опубликовала географических ограничений на доступ к API. Корпоративным покупателям следует ознакомиться с соглашениями об обработке данных Moonshot AI на предмет местоположения данных и соответствия нормативным требованиям перед промышленным внедрением.

### Какие языки поддерживает Kimi K3?

Kimi K3 официально поддерживает китайский и английский языки. Поддержка дополнительных языков не была подтверждена в официальной документации Moonshot AI на момент написания материала. Потребительское приложение Kimi с момента запуска ориентировано на китайский рынок, и ожидается, что обучающие данные K3 включают значительный объем контента на китайском языке, хотя результаты независимых бенчмарков для китайского языка (C-Eval, CMMLU) не были опубликованы на момент написания.

---

## Заключение

Kimi K3 представляет собой самую мощную передовую модель от Moonshot AI на сегодняшний день, сочетающую первоклассные математические рассуждения (96,2 по шкале AIME 2025) с экономичной архитектурой MoE и ценами API, значительно ниже, чем у GPT-4o и Claude 3.7 Sonnet. Для разработчиков и исследователей, оценивающих передовые модели в 2025 году, K3 заслуживает серьезного рассмотрения для задач, требующих интенсивных рассуждений, особенно там, где стоимость за правильный ответ является основным критерием оценки.

## Связанные материалы
- [Что такое Kimi K2? Открытая модель мышления от Moonshot AI](https://www.bybit.com/en/wiki/article/kimi-k2-open-weight-thinking-model/))
- [Moonshot AI: Обзор компании и руководство по продуктам Kimi](https://www.bybit.com/en/wiki/article/moonshot-ai-company-overview-kimi/))
- [Цены API Moonshot Kimi на 2026 год: тарифы и руководство по стоимости](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/))
- [Moonshot AI против DeepSeek против Qwen: Сравнение моделей ИИ из Китая](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/))
- [Что такое Kimi AI? Руководство по Moonshot AI](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/))
- [Бессрочные фьючерсы MOONSHOTUSDT на Bybit](https://www.bybit.com/trade/usdt/MOONSHOTUSDT))

Разработчики могут начать экспериментировать через API Kimi на разработческой платформе Moonshot AI, где схема, совместимая с OpenAI, снижает трудозатраты на интеграцию. Потребители могут получить доступ к Kimi K3 напрямую через ИИ-ассистента Kimi на сайте kimi.ai. Для получения последних обновлений бенчмарков, релизов моделей и технической документации обращайтесь к официальному блогу Moonshot AI на moonshotai.com. Для полного центра ресурсов Moonshot AI от Bybit, изучите [сравнение Moonshot AI с DeepSeek и Qwen](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/)) и [руководство "Что такое Kimi AI?"](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/).

Эта статья будет обновляться по мере публикации Moonshot AI новых данных для бенчмаркинга, официальных спецификаций и ценовой информации.