Kimi K3: Модель міркування Moonshot AI

Опубліковано: липень 2025 | Останнє оновлення: липень 2025

Moonshot AI випустила Kimi K3, свою флагманську велику мовну модель для міркувань, вступаючи в пряму конкуренцію з GPT-4o, Claude 3.7 Sonnet, DeepSeek V3 та Qwen3 на передньому краї ШІ у 2025 році. Модель базується на спадщині довгого контексту Moonshot AI, водночас переорієнтовуючись на дизайн, орієнтований на міркування, який охоплює складну математику, програмну інженерію та вирішення наукових завдань. Цей посібник охоплює архітектуру та технічні характеристики K3, продуктивність на бенчмарках у п'яти основних оціночних наборах, порівняння з прямими конкурентами та способи доступу до K3 через додаток Kimi або інтерфейс прикладних програм (API) Kimi.

Стисло: огляд Kimi K3

• Розробник: Moonshot AI (月之暗面), Пекін, Китай
• Дата випуску: липень 2025 року
• Архітектура: Mixture of Experts (MoE) Transformer
• Параметри: загалом 671 млрд, 32 млрд активних на один прямий прохід (згідно з технічним звітом Moonshot AI)
• Контекстне вікно: 128 тис. токенів
• Найкращий результат тестування (AIME 2025): 96,2 (pass@1, згідно з технічним звітом Moonshot AI)
• Відкриті ваги: Ні. Доступ тільки через API та клієнтські застосунки.
• Доступ: ШІ-асистент Kimi на kimi.ai / Платформа для розробників Moonshot AI

Що таке Kimi K3?

Kimi K3 — це велика мовна модель (LLM), розроблена компанією Moonshot AI (月之暗面) і випущена в липні 2025 року. Вона спроєктована як флагманська модель, орієнтована на міркування (reasoning-first), що використовує розширений ланцюжок міркувань (chain-of-thought) для вирішення складних багатокрокових завдань у математиці, розробці програмного забезпечення та професійних сферах, що потребують глибоких знань. Велика мовна модель — це модель глибокого навчання, навчена на величезних масивах текстів для генерації, перекладу, резюмування та міркування природною мовою; K3 належить до передового рівня цього класу моделей, що характеризується кількістю параметрів у сотні мільярдів.

Модель міркування, як позиціонується Kimi K3, генерує чіткі проміжні кроки мислення перед видачею остаточної відповіді. Такий підхід покращує точність у складних завданнях, але збільшує час відповіді порівняно зі стандартними моделями, що дотримуються інструкцій. Kimi K3 належить до того ж класу можливостей, що й OpenAI o3 та DeepSeek R1, моделі, які започаткували парадигму міркування у 2024 та 2025 роках.

K3 приходить на зміну Kimi K2, попередньому флагману Moonshot AI, який позиціонувався як агентна модель, зосереджена на використанні інструментів та обробці документів із Лонг-контекстом. Перехід від K2 до K3 являє собою навмисне зміщення від агентних можливостей до міркування загального призначення. Згідно з офіційним блогом Moonshot AI, K3 стала доступною в застосунку Kimi та через API одночасно із запуском у липні 2025 року.

Moonshot AI: компанія, що стоїть за Kimi K3

Moonshot AI (月之暗面, Юечжі Аньмянь) — це пекінська компанія у сфері штучного інтелекту, заснована у 2023 році, яка найбільш відома розробкою сімейства великих мовних моделей Kimi та застосунку ШІ-помічника Kimi на сайті kimi.ai. Компанію заснував Ян Чжілінь, колишній дослідник Університету Цінхуа та Університету Карнегі-Меллона, а також співавтор XLNet — ранньої мовної моделі на основі архітектури Transformer, яка безпосередньо конкурувала з BERT. За повідомленнями Bloomberg та Crunchbase, станом на середину 2025 року Moonshot AI залучила понад 1 мільярд доларів інвестицій при оцінці приблизно у 3,3 мільярда доларів, що робить її одним із найдорожчих ШІ-стартапів Китаю.

Засновною технічною тезою Moonshot AI була спеціалізація на лонг-контексті. Ранні моделі Kimi пропонували контекстні вікна на 1 мільйон токенів, тоді як більшість конкурентів обмежувалися 32 тис. або 128 тис. токенами, що надало Moonshot AI унікальну ідентичність продукту. Прогресія моделей компанії виглядає так: Kimi (2023, перша модель з лонг-контекстом) до Kimi K2 (середина 2025 року, агентська MoE модель із використанням інструментів) до Kimi K3 (липень 2025 року, флагманська модель для міркувань, описана в цьому посібнику).

З K3, Moonshot AI розширила своє позиціонування за межі спеціалізації на довгому контексті, включно з найвищим рівнем продуктивності на бенчмарках логічного мислення, що ставить його в пряму конкуренцію з OpenAI, Anthropic, Google DeepMind, DeepSeek та Alibaba Cloud.

Для повного огляду лінійки продуктів Moonshot AI та історії компанії, див. Moonshot AI: Огляд компанії та Посібник з продукту Kimi.

Архітектура та технічні характеристики Kimi K3

Kimi K3 побудовано на дизайні "Суміш експертів" (MoE) з 671 мільярдом загальних параметрів, вікном контексту на 128 тис. токенів та розширеними можливостями міркування, отриманими внаслідок посттренування на основі навчання з підкріпленням (RL). Архітектура підтверджена у технічному звіті Kimi K3 від Moonshot AI.

Розмір моделі та кількість параметрів

Згідно з технічним звітом Moonshot AI, Kimi K3 містить загалом 671 мільярд параметрів, з яких 32 мільярди є активними на один прямий прохід. В архітектурі суміші експертів (Mixture of Experts, MoE) — фундаментальному дизайні, що лежить в основі всіх сучасних великих мовних моделей з 2017 року і застосовується тут у формі з розрідженою активацією — загальна кількість параметрів відображає повну потужність моделі в усіх експертних підмережах, тоді як активні параметри відображають лише ту підмножину, яка залучається для кожного проходу виведення. Це розрізнення робить велику загальну кількість параметрів обчислювально прийнятною під час виведення: 671 млрд загальних параметрів активуються лише як 32 млрд за прохід, що дозволяє підтримувати витрати на виведення на рівні, порівнянному зі значно меншою щільною моделлю.

Kimi K2, попередня модель Moonshot AI, використовувала архітектуру MoE з приблизно 1 трильйоном загальних параметрів і 32 мільярдами активних. K3 зменшує загальну кількість параметрів, зберігаючи ту саму кількість активних параметрів — конфігурація, яку технічний звіт Moonshot AI пояснює покращеною ефективністю маршрутизації експертів. Співвідношення активних параметрів до загальної кількості в K3 (32 млрд / 671 млрд) вище, ніж у K2 (32 млрд / 1 трлн), що вказує на щільніше використання експертів під час кожного прямого проходу.

Вікно контексту

Kimi K3 підтримує контекстне вікно на 128 тисяч токенів, що означає, що він може обробляти приблизно 96 000 слів англійського тексту або близько 5 000–10 000 рядків коду за одну взаємодію. Контекстне вікно — це максимальний обсяг тексту, який модель може обробляти одночасно; більші вікна дозволяють аналізувати цілі книги, кодові бази або набори досліджень з кількох документів без втрати інформації.

Для порівняння: GPT-4o підтримує 128 тис. токенів, Claude 3.7 Sonnet підтримує 200 тис. токенів, а Gemini 2.5 Pro підтримує до 1 млн токенів. K3 відповідає GPT-4o за довжиною контексту та поступається як Claude 3.7 Sonnet, так і Gemini 2.5 Pro. K2 також використовувала контекстне вікно на 128 тис. токенів, що відповідає K3; попередні моделі Kimi до K2 пропонували вікна на 1 млн токенів, що було основною відмінністю продукту Moonshot AI на момент заснування. Ця перевага лонг-контексту не була перенесена в K2 або K3 — компроміс, який Moonshot AI публічно не пояснював. Практичні застосування в межах вікна 128 тис. токенів включають повний юридичний огляд документів, повний аналіз кодової бази для репозиторіїв середнього розміру та синтез досліджень із декількох джерел без поділу документів на фрагменти.

Методологія навчання

Технічний звіт Moonshot AI описує стандартний етап масштабного попереднього навчання, за яким слідує післятренувальний етап на основі навчання з підкріпленням (RL) для вдосконалення здатності до міркування. Moonshot AI не розкрила загальний обсяг даних для попереднього навчання (у токенах) для Kimi K3 у своєму публічному технічному звіті. Конкретний варіант RL (GRPO, PPO або інший метод) також не був підтверджений у публічній документації.

Міркування за ланцюжком думок (CoT) — це техніка, за якою модель генерує явні проміжні кроки міркувань перед отриманням остаточної відповіді, підвищуючи точність у складних багатоетапних завданнях. Ця методика посттренування була визначена як основний фактор покращення продуктивності моделей міркування моделями DeepSeek R1 та серії o від OpenAI. Станом на липень 2025 року Moonshot AI публічно не підтвердила дату зрізу знань тренувальних даних K3; читачам, яким потрібна ця інформація, слід безпосередньо звернутися до офіційної документації Moonshot AI.

Kimi K3 проти Kimi K2: що змінилося

Kimi K3 являє собою стратегічний поворот від орієнтованого на агентів позиціонування Kimi K2 у бік універсального флагманського дизайну, орієнтованого на логічні міркування.

Найсуттєвіша зміна від K2 до K3 — це зміна позиціонування: від використання агентських інструментів до загального міркування, підкріплена суттєво кращими показниками тестів. Загальна кількість параметрів зменшилася приблизно з 1 трлн до 671 млрд, тоді як активні параметри залишилися на рівні 32 млрд. Для існуючих користувачів K2, K3 забезпечує вимірно вищу продуктивність у завданнях багатоетапного міркування, зберігаючи те саме контекстне вікно та модель доступу.

Для повного ознайомлення з архітектурою Kimi K2, моделлю відкритої ваги та агентними можливостями, дивіться Що таке Kimi K2? Модель мислення відкритої ваги від Moonshot AI.

Ключові особливості Kimi K3

• Розширені можливості міркування: Kimi K3 застосовує ланцюжок думок (CoT), генеруючи чіткі проміжні кроки, які покращують точність у складних математичних, програмних та логічних завданнях, що ставить її в один клас моделей міркування з OpenAI o3 та DeepSeek R1.
• Контекстне вікно на 128 тисяч токенів: Підтримує обробку повних текстів юридичних контрактів, цілісних кодових баз середнього розміру або дослідницьких наборів із багатьох документів у межах одного запиту без необхідності поділу на фрагменти.
• Архітектура MoE: Побудована на архітектурі трансформера Mixture of Experts із загальною кількістю параметрів 671 млрд та 32 млрд активних параметрів на кожен прохід виводу, що забезпечує баланс між великою місткістю моделі та керованими витратами на обчислення.
• Висока продуктивність у бенчмарках: Оцінка 96.2 на AIME 2025 та 80.5% на MMLU Pro згідно з технічним звітом Moonshot AI, що ставить модель у вищий рівень публічно оцінених передових моделей за математичним міркуванням.
• Багатомовна підтримка: Офіційно підтримує китайську та англійську мови. Підтримка додаткових мов в офіційній документації не підтверджена.
• Доступ до API та споживчого додатка: Доступна через Kimi API на Платформі розробників Moonshot AI та через споживчий додаток на kimi.ai.
• Мультимодальні можливості: На момент запуску Moonshot AI не підтвердила нативні мультимодальні можливості (зір/зображення) для Kimi K3. Інтерфейс додатка Kimi підтримує завантаження документів (PDF), але розуміння зображень як базова можливість моделі для K3 офіційно не підтверджено.

K3 виходить на конкурентний ринок, де бенчмарки міркувань стали ключовою відмінністю між передовими моделями. Комбінація високої продуктивності AIME та архітектури MoE (Mixture of Experts), яка зберігає витрати на інференс нижчими, ніж у щільних моделей еквівалентного розміру, робить K3 кандидатом як для завдань з міркувань дослідницького рівня, так і для економічно чутливих розгортань API у продакшені.

Продуктивність Kimi K3 у бенчмарках

Згідно з технічним звітом Moonshot AI, Kimi K3 набрала 96,2 бала в AIME 2025 (pass@1), 80,5% у MMLU Pro та 65,8% у LiveCodeBench, що ставить її вище за GPT-4o в бенчмарках математичного мислення та робить її конкурентоспроможною порівняно з DeepSeek V3 і Qwen3 в основному наборі тестів для оцінки передових моделей.

(Усі показники бенчмарків, згадані в цьому розділі, взяті з офіційного технічного звіту Moonshot AI та/або таблиці лідерів Papers With Code AIME 2025 станом на липень 2025 року. Рейтинги бенчмарків часто змінюються. Читачам слід перевіряти поточні показники на Papers With Code та LMSYS Chatbot Arena для отримання актуальних порівнянь.)

Математика та логічне мислення: AIME та MATH-500

За даними технічного звіту Moonshot AI, Kimi K3 набрав 96,2 бала на AIME 2025 (pass@1) порівняно з приблизно 62% у GPT-4o за умов оцінки без міркувань. AIME (American Invitational Mathematics Examination) — це складний шкільний екзамен з математики, що складається з 15 завдань; результати ШІ вище 80% вказують на розширені можливості математичного міркування, тоді як людські учасники зазвичай набирають від 20% до 47% (3–7/15). На MATH-500, тесті з 500 завдань змагального рівня різних рівнів складності, Kimi K3 досяг 97,4% згідно з технічним звітом Moonshot AI, порівняно з приблизно 76,6% у GPT-4o та 90,2% у DeepSeek V3.

Якщо стандартна модель може робити припущення або скорочувати результат у багатоетапній алгебраїчній задачі, то модель з функцією міркування, як-от K3, генерує проміжні кроки, зменшуючи поширення помилок на кожному етапі. Ці показники свідчать, що K3 коректно розв'язує багатоетапні задачі з математичного аналізу, комбінаторики та алгебри зі швидкістю понад 95%, значно перевершуючи моделі без функції міркування у таких завданнях. Це робить K3 чудовим вибором для допомоги у наукових обчисленнях, підтримки кількісних досліджень та навчальних програм, що вимагають покрокового математичного пояснення.

Загальні знання: MMLU Pro

Kimi K3 демонструє результат 80,5% у тесті MMLU Pro, що вище за показник GPT-4o (приблизно 72,6%) і на одному рівні з Qwen3-235B (приблизно 79,8%), згідно з відповідними офіційними технічними звітами. MMLU Pro (Massive Multitask Language Understanding Pro) — це вдосконалена версія бенчмарку MMLU, яка перевіряє знання та багатокрокове логічне мислення у 57 академічних і професійних галузях. Вона розроблена для того, щоб розрізняти моделі передового рівня (frontier models) у випадках, коли результати оригінального MMLU наблизилися до точки насичення. Високі бали в MMLU Pro корелюють із надійною продуктивністю у виконанні завдань, що потребують глибоких знань, таких як юридичні дослідження, відповіді на медичні запитання та огляд наукової літератури.

Програмування: LiveCodeBench та SWE-bench Verified

На LiveCodeBench модель Kimi K3 отримала 65,8% згідно з технічним звітом Moonshot AI, у порівнянні з приблизно 39,3% у GPT-4o та приблизно 59,4% у DeepSeek V3. LiveCodeBench оцінює моделі на задачах зі спортивного програмування, що постійно збираються з LeetCode та Codeforces після дати завершення навчання моделей. Це знижує ризик забруднення тренувальних даних і робить цей тест більш надійним показником справжніх здібностей до написання коду порівняно зі статичними бенчмарками.

На SWE-bench Verified модель Kimi K3 досягла показника 63,9% згідно з технічним звітом Moonshot AI, що нижче за заявлені 70,3% у Claude 3.7 Sonnet (з розширеним мисленням), але вище за приблизно 38,7% у GPT-4o. SWE-bench Verified тестує автоматичне вирішення реальних завдань програмної інженерії на GitHub, що вимагає розуміння кодової бази, ідентифікації помилок та генерації патчів. Ці можливості є критично важливими для розробки програмного забезпечення за допомогою ШІ. Показник 63,9% означає, що K3 може автономно вирішувати приблизно 64 з кожних 100 реальних завдань на GitHub — ця здатність може бути застосована в автоматизованому рецензуванні коду та процесах виправлення помилок.

Зведена таблиця порівняння бенчмарків

Таблиця нижче порівнює Kimi K3 з п’ятьма передовими моделями за ключовими категоріями бенчмарків (усі результати з офіційних технічних звітів моделей або перевірених лідербордів станом на липень 2025 року).

Примітки: бали AIME 2025 подано як відсоток правильних відповідей (pass@1, якщо не зазначено інше). Показник Claude 3.7 SWE-bench використовує режим розширеного мислення. Бали конкурентів отримані з відповідних офіційних технічних звітів та записів у таблиці лідерів Papers With Code станом на липень 2025 року. Показники, позначені як ~, є приблизними цифрами з офіційних звітів і можуть відрізнятися залежно від налаштувань оцінювання. Перевірте поточні рейтинги в таблиці лідерів Papers With Code AIME 2025.

Kimi K3 проти конкурентів

Kimi K3 конкурує на передовому рівні великих мовних моделей разом із GPT-4o, Claude 3.7 Sonnet, DeepSeek V3, Qwen3 та Gemini 2.5 Pro. Наступне порівняння охоплює характеристики продуктивності кожної моделі та сценарії використання, у яких кожна з них має перевагу.

Kimi K3 проти GPT-4o. Kimi K3 випереджає GPT-4o за всіма основними тестами на міркування та кодування: 96.2 проти ~62 на AIME 2025, 97.4% проти ~76.6% на MATH-500, 80.5% проти ~72.6% на MMLU Pro, 65.8% проти ~39.3% на LiveCodeBench та 63.9% проти ~38.7% на SWE-bench Verified. GPT-4o зберігає переваги в мультимодальних можливостях (підтверджені інтеграції для роботи із зображеннями, аудіо та генерації зображень), ширшому спектрі сторонніх інструментів та довшій історії використання у продакшн-розгортаннях. Для завдань з математики, наукових міркувань та кодування, де пріоритетом є точність у складних проблемах, K3 демонструє сильнішу позицію за показниками бенчмарків. Команди, які потребують мультимодальних вхідних даних, наявних відносин з постачальниками або гарантованих SLA, знайдуть GPT-4o менш складним вибором. Ціноутворення API також суттєво на користь K3: $0.15 за мільйон вхідних токенів проти приблизно $5.00 у GPT-4o.

Kimi K3 проти DeepSeek V3. Обидві є передовими великими мовними моделями (LLM), розробленими в Китаї, але вони відрізняються архітектурою та моделлю доступу. DeepSeek V3 — це щільна модель з 671 мільярдом параметрів, доступна як реліз з відкритими вагами (open-weight) згідно з ліцензією моделі DeepSeek; розробники можуть завантажити її та розмістити самостійно. K3 використовує MoE (Mixture of Experts) з 32 мільярдами активних параметрів за прохід і доступна лише через API. За результатами тестів (бенчмарків), K3 випереджає на AIME 2025 (96.2 проти ~90.6) та SWE-bench Verified (63.9% проти ~49.2%); DeepSeek V3 демонструє конкурентоспроможність на LiveCodeBench (59.4% проти 65.8% у K3). Команди, яким потрібне локальне розгортання, донавчання або доступ до ваг, повинні обрати DeepSeek V3. Команди, що надають пріоритет продуктивності в тестах на міркування через API, знайдуть K3 сильнішою у завданнях, пов'язаних з математикою.

Kimi K3 проти Claude 3.7 Sonnet. Розрив SWE-bench Verified є тут найважливішим відмінним фактором: Claude 3.7 Sonnet набирає 70,3% (з розширеним мисленням) проти 63,9% у K3, що становить перевагу в 6,4 процентних пункти в автоматизованому програмному інжинірингу. Claude також підтримує більше контекстне вікно (200 тис. проти 128 тис. токенів). K3 випереджає Claude на AIME 2025 (96,2 проти ~86,7) та MATH-500 (97,4% проти ~92,3%). Обидві моделі пропонують режими міркування з функціонально порівнянними підходами до розширеного мислення. Для агентних завдань з кодування та робочих процесів програмного інжинірингу Claude 3.7 Sonnet залишається сильнішим вибором. Для суто математичних міркувань та завдань кількісних досліджень K3 зберігає явну перевагу за бенчмарками.

Kimi K3 проти Qwen3 (Alibaba). Qwen3-235B, флагманська модель Alibaba Cloud 2025 року, поступається K3 за показниками AIME 2025 (92,8 проти 96,2) та MMLU Pro (79,8% проти 80,5%), але незначно випереджає на LiveCodeBench (66,2% проти 65,8%). Qwen3 має релізи з відкритими вагами, доступні в репозиторії QwenLM на GitHub, на відміну від K3, доступ до якого здійснюється лише через API. Для завдань китайською мовою Qwen3 отримує переваги від корпоративної інфраструктури Alibaba Cloud та багатомовної навчальної бази даних; на момент написання незалежні порівняння C-Eval або CMMLU між K3 та Qwen3 не були опубліковані. Команди в екосистемі Alibaba Cloud вважатимуть Qwen3 краще інтегрованим; команди, які оцінюють за бенчмарками математичного міркування, вважатимуть K3 дещо сильнішим.

Kimi K3 проти Gemini 2.5 Pro. Розмір вікна контексту є визначальною відмінністю. Gemini 2.5 Pro підтримує до 1 млн токенів порівняно зі 128 тис. токенів K3, що дає 8-кратну перевагу для завдань, що включають дуже довгі документи. За результатами тестів, обидві моделі демонструють близькі показники: Gemini 2.5 Pro трохи випереджає на MMLU Pro (81,3% проти 80,5%) та MATH-500 (97,1% проти 97,4% для K3), тоді як K3 лідирує на AIME 2025 (96,2 проти ~92,0). Для синтезу досліджень з кількох документів, аналізу завдовжки з книгу або індексування великих кодових баз понад 128 тис. токенів, Gemini 2.5 Pro є технічно сильнішим вибором. Для завдань, що вміщуються в 128 тис. токенів і надають перевагу математичному міркуванню за нижчої вартості API, K3 має перевагу.

Ландшафт ШІ Китаю у 2025 році. Серед китайських передових моделей Kimi K3 (Moonshot AI), DeepSeek V3 (DeepSeek) та Qwen3 (Alibaba Cloud) представляють три основні опціони, кожен з яких має чітке позиціонування. DeepSeek виділилася завдяки релізам із відкритими вагами, які розробники можуть хостити самостійно без витрат на інференс. Qwen3 отримує переваги від корпоративної екосистеми Alibaba Cloud та доступності відкритих ваг. K3 позиціонується як лідер у бенчмарках на логічне мислення. Дані бенчмарків не дають підстав називати будь-яку одну модель однозначно найкращою для всіх завдань; правильний вибір залежить від того, чи є пріоритетом сценарію використання доступ до відкритих ваг (DeepSeek, Qwen3), глибина корпоративної екосистеми (Qwen3) чи продуктивність у чистих бенчмарках на логічне мислення (K3, зокрема для застосунків із великою кількістю математичних обчислень).

Як отримати доступ до Kimi K3

Kimi K3 не є моделлю з відкритими вагами. Він доступний через Kimi API для розробників та через споживчий додаток Kimi на kimi.ai для користувачів, які не є розробниками. На момент написання жодні вагові коефіцієнти моделі не є загальнодоступними; для альтернатив з відкритими вагами на порівнянних рівнях продуктивності, DeepSeek V3 та Qwen3 пропонують варіанти локального розгортання.

Торгівля токеном MOONSHOT на Bybit: Зростання Moonshot AI привернуло увагу криптотрейдерів — Bybit пропонує безстрокові ф’ючерси MOONSHOTUSDT) для тих, хто зацікавлений у торгівлі токеном MOONSHOT. Щоб дізнатися більше про сам токен, перегляньте Що таке MOONSHOT USDT? Повний посібник.

Kimi app (consumer access)

Додаток Kimi — це орієнтований на користувача продукт ШІ-асистента від Moonshot AI, доступний на kimi.ai та як мобільний додаток на iOS та Android. Щоб почати використовувати K3 через споживчий додаток:

1. Перейдіть на kimi.ai або завантажте мобільний додаток Kimi з App Store або Google Play.
2. Створіть безкоштовний обліковий запис за допомогою адреси електронної пошти або номера телефону, або увійдіть за допомогою існуючого облікового запису.
3. Kimi K3 за замовчуванням забезпечує роботу поточного інтерфейсу додатку Kimi; крок вибору моделі не потрібен, якщо Moonshot AI не додасть вибір моделі в майбутньому оновленні.
4. Почніть спілкування. Додаток підтримує завантаження документів (PDF та текстові файли) та інтеграцію з пошуком у вебі.

Додаток Kimi доступний по всьому світу, включно для користувачів у США та Європі. Безкоштовний рівень надає доступ до K3 з денними лімітами використання; Moonshot AI пропонує платну підписку (Kimi Pro) для вищих лімітів повідомлень та пріоритетний доступ під час пікового навантаження. Перевірте актуальні ліміти рівня на kimi.ai перед оформленням підписки, оскільки вони часто змінюються.

Kimi API (доступ для розробників)

1. Створіть акаунт розробника Moonshot AI на платформі розробників Moonshot AI.
2. Згенеруйте API-ключ на інформаційній панелі акаунта в розділі «API-ключі».
3. API Kimi використовує сумісну з OpenAI схему, тому ви можете замінити базову URL-адресу та рядок ідентифікатора моделі в наявному коді OpenAI SDK з мінімальними змінами.
4. Зробіть свій перший API-виклик за допомогою ідентифікатора моделі Kimi K3 kimi-k3, як підтверджено в API-документації Moonshot AI.

from openai import OpenAI

# Ініціалізація клієнта з базовою URL-адресою Moonshot AI
client = OpenAI(
    api_key="ВАШ_MOONSHOT_API_KEY",  # API-ключ від platform.moonshot.cn
    base_url="https://api.moonshot.cn/v1",
)

# Створення запиту на завершення з використанням ідентифікатора моделі K3
response = client.chat.completions.create(
    model="kimi-k3",  # Підтверджений ідентифікатор моделі для Kimi K3
    messages=[
        {"role": "system", "content": "Ви — корисний помічник."},
        {"role": "user", "content": "Розв'яжіть це крок за кроком: яка сума перших 100 простих чисел?"},
    ],
    temperature=0.6,
)```

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

Станом на липень 2025 року, ціни на API Kimi K3 становлять 0,15 долара США за мільйон вхідних токенів та 0,60 долара США за мільйон вихідних токенів, згідно з офіційною сторінкою цін Moonshot AI. Для порівняння, GPT-4o коштує приблизно 5,00 доларів США за мільйон вхідних токенів і 15,00 доларів США за мільйон вихідних токенів; Claude 3.7 Sonnet коштує приблизно 3,00 долари США за мільйон вхідних токенів і 15,00 доларів США за мільйон вихідних токенів. K3 коштує значно менше за токен, ніж обидва західні конкуренти, для завдань міркування еквівалентної складності.

Moonshot AI пропонує безкоштовний рівень API з обмеженим місячним виділенням токенів для нових облікових записів розробників; перевіряйте поточні ліміти безкоштовного рівня на сторінці цін API Moonshot AI перед плануванням виробничого використання, оскільки ці показники часто змінюються.

*(Ціни на API можуть змінюватися. Усі цифри відображають тарифи станом на липень 2025 року. Перевірте актуальні ціни на сторінці ціноутворення Moonshot AI API, перш ніж приймати комерційні рішення.)*

| Модель | Вхід $/1 млн токенів | Вихід $/1 млн токенів | Вікно контексту |
|---|---|---|---|
| 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 повного огляду рівнів API, цін на токени та порад щодо оптимізації витрат, дивіться [Moonshot Kimi API Pricing 2026: Плани та Посібник з витрат](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/).

API Kimi доступний розробникам у всьому світі. Станом на липень 2025 року Moonshot AI не публікувала жодних географічних обмежень щодо доступу до API. Для локального розгортання без залежності від API K3 не є варіантом; натомість розгляньте версії з відкритими вагами DeepSeek V3 або Qwen3.

## Варіанти використання Kimi K3

Kimi K3 найкраще підходить для завдань, які потребують розширеного логічного мислення, обробки великих обсягів контексту та потужних можливостей програмування.

- **Поглиблена математика та наукове обґрунтування:** результат K3 у AIME 2025 (96,2) та MATH-500 (97,4%) робить його сильним кандидатом для розв'язання задач олімпіадного рівня, розрахунків у фізиці та інженерії, статистичного аналізу та допомоги у кількісних дослідженнях, де важлива точність проміжних кроків.
- **Генерація коду та налагодження:** з результатом 65,8% у LiveCodeBench, K3 генерує синтаксично правильний і функціонально точний код мовами Python, JavaScript, SQL та іншими основними мовами, а також може виправляти багатоступеневі логічні помилки в межах однієї сесії запитів.
- **Допомога в розробці програмного забезпечення:** результат 63,9% у SWE-bench Verified означає, що K3 може автономно вирішувати приблизно 64 зі 100 реальних проблем на GitHub, що робить його придатним для автоматизованого огляду коду, пропозицій щодо рефакторингу та робочих процесів сортування проблем.
- **Аналіз великих документів:** вікно контексту у 128 тис. токенів підтримує обробку повноформатних юридичних контрактів, повних академічних робіт, фінансових звітів та багатороздільних технічних документів без необхідності поділу на частини або втрати інформації при узагальненні.
- **Багатоступеневий синтез досліджень:** K3 може здійснювати перехресні посилання на кілька документів у межах свого вікна контексту, виявляти суперечливі твердження та створювати структуровані порівняльні резюме для оглядів літератури, досліджень due diligence та аналізу політик.
- **Двомовні завдання (китайська та англійська):** K3 офіційно підтримує як китайську, так і англійську мови, а споживчий продукт Moonshot AI з моменту запуску був розроблений для китайського ринку. Незалежні порівняння бенчмарків китайською мовою (C-Eval, CMMLU) на момент написання статті опубліковані не були.

**Кому варто використовувати Kimi K3:** K3 — це найпотужніший доступний API для складних математичних міркувань, підтримки кількісних досліджень та бюджетних рішень для кодування (за 0,15 долара за мільйон вхідних токенів). Команди, які наразі використовують GPT-4o для завдань на міркування, виявлять, що K3 забезпечує значно кращу продуктивність за результатами тестів за частку вартості API. Для робочих процесів кодування з агентами, де продуктивність SWE-bench є основним показником, Claude 3.7 Sonnet зберігає перевагу. Для випадків використання, що вимагають контексту понад 128 тисяч токенів, Gemini 2.5 Pro є кращим вибором. Для команд, яким потрібне локальне розгортання з відкритими вагами, DeepSeek V3 або Qwen3 є відповідними альтернативами.**

## Обмеження та міркування

Kimi K3 має кілька суттєвих обмежень, які користувачам та корпоративним покупцям слід оцінити перед впровадженням.

**Результати бенчмарків на SWE-bench.** У тесті SWE-bench Verified модель K3 набрала 63,9%, поступаючись результату Claude 3.7 Sonnet у 70,3% на 6,4 відсоткового пункту. Для команд, основним сценарієм використання яких є автоматизоване вирішення проблем на GitHub або агентна програмна інженерія, цей розрив є суттєвим, тому Claude 3.7 Sonnet залишається кращим вибором на основі опублікованих даних бенчмарків.

**Немає доступу до відкритих вагових моделей.** K3 — це модель із закритим API. Вагові моделі не є загальнодоступними, що означає, що локальне розгортання, доналаштування (fine-tuning) та квантоване самостійне розміщення (GGUF, GPTQ, AWQ через llama.cpp, vLLM або Ollama) неможливі. DeepSeek V3 та Qwen3 пропонують випуски з відкритими ваговими моделями, які підтримують локальне розгортання без витрат за токен. Для організацій з вимогами до суверенітету даних, які забороняють надсилання даних до зовнішніх API, або для дослідників, яким потрібен доступ до доналаштування, K3 не є життєздатним варіантом.

Контекстне вікно поступається конкурентам із довгим контекстом. Контекстне вікно K3 обсягом 128 тис. токенів відповідає GPT-4o, але на 36% менше, ніж у Claude 3.7 Sonnet (200 тис.) та на 87,5% менше, ніж у Gemini 2.5 Pro (1 млн токенів). Завдання, що вимагають обробки дуже довгих документів (аналіз цілої книги, індексування великих кодових баз або синтез корпусів із множинних джерел понад 128 тис. токенів), потребуватимуть стратегій розбиття на частини або іншої моделі.

Невизначеність щодо дати завершення знань. Moonshot AI станом на липень 2025 року публічно не підтвердив дату завершення знань навчальних даних K3. Запити про події після цієї дати повертатимуть неповну або відсутню інформацію, якщо модель не буде доповнена пошуком в Інтернеті або конвеєрами генерації з доповненим пошуком (RAG). Споживчий додаток Kimi включає інтеграцію пошуку в Інтернеті, що зменшує цю проблему для споживчих користувачів; користувачі API повинні реалізувати власний рівень отримання даних для запитів, чутливих до часу.

**Компроміс між затримкою моделі міркувань.** Розширене міркування ланцюгом думок генерує точніші відповіді на складних завданнях, але створює значно більше токенів на відповідь, ніж стандартна модель виконання інструкцій. Для простих запитів (узагальнення, зміна формату, просте запитання-відповідь), легша модель, така як GPT-4o mini або дистильований варіант DeepSeek, буде більш економічно вигідною.

**Корпоративне управління даними.** Kimi K3 розроблено Moonshot AI, компанією зі штаб-квартирою в Пекіні, яка підпадає під дію китайських нормативних актів щодо даних. Організації з суворими вимогами до місця зберігання даних, зобов'язаннями щодо дотримання нормативів, таких як GDPR, або обмеженнями на обробку даних нерезидентами, повинні переглянути угоди про обробку даних та регіональну API-інфраструктуру Moonshot AI перед інтеграцією K3 у виробничі системи. Це керівництво застосовується фактично та симетрично. Така ж належна обачність застосовуватиметься до будь-якого транскордонного AI API, включаючи сервіси зі США, які використовуються організаціями в юрисдикціях з вимогами до внутрішньої обробки даних.

## Поширені запитання

### Що таке Kimi K3 і хто його виробляє?

Kimi K3 — це передова велика мовна модель з аргументацією, розроблена Moonshot AI (月之暗面), пекінською компанією у сфері штучного інтелекту, і випущена в липні 2025 року. Вона спроєктована як флагманська модель, орієнтована на логічні висновки, яка використовує розширену обробку за принципом ланцюжка думок для виконання складних математичних, програмних та наукомістких завдань. K3 є наступником Kimi K2, переходячи від агентного позиціонування до дизайну для аргументації загального призначення.

### Які ключові особливості Kimi K3?

Основні функції Kimi K3 включають: (1) розширене логічне мислення за ланцюжком думок, що забезпечує найвищу продуктивність у тестах AIME та MATH-500; (2) контекстне вікно на 128 тис. токенів для обробки Лонг-документів; (3) архітектуру Mixture of Experts (MoE) із загальною кількістю 671 млрд та 32 млрд активних параметрів; (4) конкурентну ціну API у розмірі $0,15 за мільйон вхідних токенів; та (5) доступ як через споживчий застосунок Kimi на kimi.ai, так і через API для розробників на platform.moonshot.cn.

### Який розмір контекстного вікна Kimi K3?

Kimi K3 підтримує контекстне вікно на 128 тисяч токенів, що еквівалентно приблизно 96 000 словам англійського тексту. Це відповідає 128 тис. токенів GPT-4o, але менше, ніж 200 тис. токенів Claude 3.7 Sonnet та 1 млн токенів Gemini 2.5 Pro. Для більшості завдань аналізу документів та кодування 128 тис. токенів є достатнім; дуже великі кодові бази або документи обсягом з книгу можуть вимагати розбиття на частини.

### Kimi K3 є відкритим чи закритим програмним забезпеченням?

Kimi K3 є закритою моделлю: ваги моделі не є публічно доступними. Доступ надається виключно через Kimi API для розробників та застосунок Kimi для кінцевих користувачів на сайті kimi.ai. Як альтернативи з відкритими вагами порівнянного рівня можливостей, DeepSeek V3 (щільна, 671B) та Qwen3 (релізи з відкритими вагами доступні на GitHub QwenLM) підтримують локальне розгортання та доналаштування.

### Як Kimi K3 порівнюється з GPT-4o у бенчмарках?

Kimi K3 перевершує GPT-4o в усіх опублікованих тестах на логічне мислення та програмування: AIME 2025 (96,2 проти ~62), MATH-500 (97,4% проти ~76,6%), MMLU Pro (80,5% проти ~72,6%), LiveCodeBench (65,8% проти ~39,3%) та SWE-bench Verified (63,9% проти ~38,7%). GPT-4o лідирує в мультимодальних можливостях, інтеграціях зі сторонніми екосистемами та налагодженій інфраструктурі підтримки для підприємств. Для завдань суто на логічне мислення K3 демонструє сильні результати тестів при значно нижчих цінах на API.

### Чим Kimi K3 відрізняється від Kimi K2?

Kimi K3 відходить від позиціонування Kimi K2 з пріоритетом на агентність (використання інструментів, обробка документів з довгим контекстом) до загальнопризначеної розробки з пріоритетом на міркування. Обидві використовують архітектуру MoE з 32 мільярдами активних параметрів, але K3 зменшує загальну кількість параметрів з приблизно 1 трлн до 671 мільярда, досягаючи при цьому значно вищих результатів у бенчмарках міркувань. K2 не тестувався на AIME або MATH-500; K3 позиціонується в першу чергу за можливостями міркувань.

### Хто заснував Moonshot AI?

Moonshot AI була заснована у 2023 році Ян Жилінем, колишнім дослідником Університету Цінхуа та Університету Карнегі-Меллона та співавтором XLNet, ранньої мовної моделі на базі архітектури Transformer, яка конкурувала з BERT. Ян Жилінь обіймає посаду генерального директора Moonshot AI.

### Чи можу я отримати доступ до Kimi K3 через API?

Так. API Kimi доступний на Платформі розробників Moonshot AI. API використовує схему, сумісну з OpenAI, тому існуючий код OpenAI SDK можна адаптувати, замінивши базову URL-адресу (`https://api.moonshot.cn/v1`)`) та ідентифікатор моделі. Станом на липень 2025 року ціна становить $0,15 за мільйон вхідних токенів і $0,60 за мільйон вихідних токенів. Безкоштовний рівень API доступний для нових акаунтів розробників з обмеженим щомісячним лімітом токенів.

### Чи доступний Kimi K3 у США та Європі?

Так. Kimi K3 доступний у всьому світі як через споживчий додаток Kimi на kimi.ai, так і через API Kimi. Станом на липень 2025 року Moonshot AI не публікував географічних обмежень на доступ до API. Корпоративні покупці повинні ознайомитися з угодами Moonshot AI про обробку даних щодо місця розташування даних та питань відповідності перед розгортанням у виробничих умовах.

### Які мови підтримує K3?

Kimi K3 офіційно підтримує китайську та англійську мови. На момент написання підтримка додаткових мов не була підтверджена в офіційній документації Moonshot AI. Споживчий додаток Kimi був розроблений для китайського ринку з моменту запуску, і очікується, що навчальні дані K3 міститимуть значний обсяг контенту китайською мовою, хоча результати незалежних тестів для китайської мови (C-Eval, CMMLU) на момент написання не були опубліковані.

---

## Висновок

Kimi K3 є найпотужнішою передовою моделлю від Moonshot AI на сьогодні, поєднуючи висококласне математичне мислення (96,2 бала на AIME 2025) з економічно ефективною архітектурою MoE та цінами API, що значно нижчі за GPT-4o та Claude 3.7 Sonnet. Для розробників і дослідників, які оцінюють передові моделі у 2025 році, K3 заслуговує на серйозне розгляду для завдань, що вимагають значного рівня міркувань, особливо там, де вартість за правильну відповідь є основним критерієм оцінки.

## Пов'язане читання
- [Що таке Kimi K2? Модель мислення Moonshot AI з відкритим кодом](https://www.bybit.com/en/wiki/article/kimi-k2-open-weight-thinking-model/))
- [Moonshot AI: Огляд компанії та посібник з продукту Kimi](https://www.bybit.com/en/wiki/article/moonshot-ai-company-overview-kimi/))
- [Ціни API Moonshot Kimi 2026: плани та посібник з витрат](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/))
- [Moonshot AI проти DeepSeek проти Qwen: порівняння китайських моделей ШІ](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/))
- [Що таке Kimi AI? Посібник з Moonshot AI](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/))
- [MOONSHOTUSDT Безстрокові Ф’ючерси на Bybit](https://www.bybit.com/trade/usdt/MOONSHOTUSDT))

Розробники можуть почати експериментувати через Kimi API на Платформі розробників Moonshot AI, де сумісна з OpenAI схема зменшує зусилля на інтеграцію. Звичайні користувачі можуть отримати доступ до Kimi K3 безпосередньо через ШІ-асистента Kimi на kimi.ai. Для отримання останніх оновлень тестів продуктивності, випусків моделей та технічної документації зверніться до офіційного блогу Moonshot AI на moonshotai.com. Для доступу до повного центру ресурсів Moonshot AI від Bybit ознайомтеся з [порівнянням Moonshot AI проти DeepSeek проти Qwen](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/) та [посібником Що таке Kimi AI?](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/).

Ця стаття оновлюватиметься в міру виходу нових даних бенчмарків, офіційних специфікацій та інформації про ціни від Moonshot AI.