MoonshotAI: Kimi K3

moonshotai/kimi-k3

Выпущена 16 июля 2026 г.|1.0М контекст|30,17 ₽/М вход|1 506,76 ₽/М выход

107,03 ₽за 1M токенов в среднемпо запросам клиентов за 30 дней, с учётом кэша

Kimi K3 — это сверхкрупномасштабная, открытая мультимодальная модель рассуждений от Moonshot AI. Она подходит для сложного кодирования, работы со знаниями и долгосрочных агентных рабочих процессов, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерациях с изображениями, логами, тестами и обратной связью во время выполнения. Её архитектура использует KDA и Attention Residuals для вычислительной эффективности.

Провайдер для MoonshotAI: Kimi K3

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

moonshotai

Latency

—

Throughput

—

Uptime

—

Контекст

1.0М

токенов

Макс. ответ

944К

токенов

Вход

30,17 ₽

за 1М токенов

Выход

1 506,76 ₽

за 1М токенов

Кеш чтение

26,51 ₽

за 1М токенов

Модальности

Вход:ТекстИзображенияВидеоВыход:Текст

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.

Средняя фактическая цена

107,03 ₽

по запросам за 30 дней · за 1 млн токенов


Wafer	30,04 ₽	3 029,67 ₽	28,78 ₽	70 т/с	100,0 %	3,7 %
InferenceNet	30,17 ₽	1 506,76 ₽	26,51 ₽	44 т/с	100,0 %	3,6 %
InferenceNet	30,17 ₽	1 506,76 ₽	26,51 ₽	44 т/с	100,0 %	3,6 %
Relace	37,87 ₽	1 514,84 ₽	31,56 ₽	—	99,9 %	< 0,1 %
Wafer	45,45 ₽	1 502,21 ₽	45,32 ₽	70 т/с	100,0 %	3,7 %
Makora	82,05 ₽	1 893,55 ₽	29,03 ₽	—	99,6 %	< 0,1 %
Morph	119,04 ₽	1 880,92 ₽	56,93 ₽	—	99,2 %	< 0,1 %
Sail Research	151,48 ₽	694,30 ₽	25,25 ₽	149 т/с	100,0 %	3,3 %
Sail Research	151,48 ₽	694,30 ₽	25,25 ₽	149 т/с	100,0 %	3,3 %
AkashML	151,48 ₽	1 767,31 ₽	151,48 ₽	—	100,0 %	< 0,1 %
Decart−45 %	~~378,71 ₽~~208,29 ₽	~~1 893,55 ₽~~1 041,45 ₽	~~37,87 ₽~~20,83 ₽	—	99,8 %	< 0,1 %
Chutes	233,54 ₽	1 199,25 ₽	23,35 ₽	—	95,1 %	< 0,1 %
InferenceNet	257,52 ₽	1 666,32 ₽	44,18 ₽	44 т/с	100,0 %	3,6 %
Fireworks	265,10 ₽	1 325,48 ₽	26,51 ₽	33 т/с	84,2 %	0,5 %
InferenceNet	282,77 ₽	1 832,83 ₽	44,18 ₽	44 т/с	100,0 %	3,6 %
Phala−15 %	~~378,71 ₽~~321,90 ₽	~~1 893,54 ₽~~1 609,51 ₽	~~37,87 ₽~~32,19 ₽	—	99,9 %	< 0,1 %
DigitalOcean	321,90 ₽	1 634,76 ₽	32,19 ₽	39 т/с	100,0 %	2,3 %
DeepInfra	359,77 ₽	1 798,87 ₽	35,98 ₽	—	99,9 %	< 0,1 %
Amazon Bedrock	378,71 ₽	1 893,55 ₽	37,87 ₽	—	97,2 %	< 0,1 %
Parasail	378,71 ₽	1 893,55 ₽	37,87 ₽	34 т/с	97,5 %	52,4 %
Modal	378,71 ₽	1 893,55 ₽	37,87 ₽	40 т/с	100,0 %	26,6 %
Together	378,71 ₽	1 893,55 ₽	37,87 ₽	59 т/с	99,9 %	7,6 %
Fireworks	378,71 ₽	1 893,55 ₽	37,87 ₽	33 т/с	99,7 %	0,5 %
BaseTen	378,71 ₽	1 893,55 ₽	37,87 ₽	—	99,6 %	< 0,1 %
Moonshot AI	378,71 ₽	1 893,55 ₽	37,87 ₽	—	100,0 %	< 0,1 %
Alibaba	435,52 ₽	2 177,58 ₽	43,55 ₽	—	98,6 %	< 0,1 %
Fireworks	568,06 ₽	2 840,32 ₽	56,81 ₽	33 т/с	91,1 %	0,5 %
Fireworks	568,06 ₽	2 840,32 ₽	56,81 ₽	33 т/с	98,9 %	0,5 %

Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.

Поддерживаемые параметры

frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_ppresence_penaltyreasoningreasoning_effortrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p

Тарификация для MoonshotAI: Kimi K3

Цены в рублях за 1 млн токенов. Списание — за реальные токены, без подписок.

Тип	Цена в ₽	Единица
Вход	30,17 ₽	за 1М токенов
Выход	1 506,76 ₽	за 1М токенов
Кэш: чтение	26,51 ₽	за 1М токенов

Пример кода и API для MoonshotAI: Kimi K3

Hubris — OpenAI-совместимый API. Используйте любой OpenAI SDK, поменяв только base URL и ключ.

Получить API-ключ

curl https://api.hubris.pw/v1/chat/completions \
  -H "Authorization: Bearer sk-gw-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/kimi-k3",
    "messages": [{"role": "user", "content": "Привет"}]
  }'

curl https://api.hubris.pw/v1/chat/completions \  -H "Authorization: Bearer sk-gw-..." \  -H "Content-Type: application/json" \  -d '{    "model": "moonshotai/kimi-k3",    "messages": [{"role": "user", "content": "Привет"}]  }'

from openai import OpenAI

client = OpenAI(
    base_url="https://api.hubris.pw/v1",
    api_key="sk-gw-...",
)

response = client.chat.completions.create(
    model="moonshotai/kimi-k3",
    messages=[{"role": "user", "content": "Привет"}],
)
print(response.choices[0].message.content)

from openai import OpenAIclient = OpenAI(    base_url="https://api.hubris.pw/v1",    api_key="sk-gw-...",)response = client.chat.completions.create(    model="moonshotai/kimi-k3",    messages=[{"role": "user", "content": "Привет"}],)print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.hubris.pw/v1",
  apiKey: process.env.HUBRIS_API_KEY!,
});

const response = await client.chat.completions.create({
  model: "moonshotai/kimi-k3",
  messages: [{ role: "user", content: "Привет" }],
});

console.log(response.choices[0].message.content);

import OpenAI from "openai";const client = new OpenAI({  baseURL: "https://api.hubris.pw/v1",  apiKey: process.env.HUBRIS_API_KEY!,});const response = await client.chat.completions.create({  model: "moonshotai/kimi-k3",  messages: [{ role: "user", content: "Привет" }],});console.log(response.choices[0].message.content);

Сравнить с…

выбрать любую модель →

Kimi K3 или Kimi K2.7 Codeтой же линейки · цена, скорость, качество, код Kimi K3 или Gemini 3.1 Flash Liteблизкая по цене · цена, скорость, качество, код Kimi K3 или GPT-6.1 Solпопулярная · цена, скорость, качество, код Kimi K3 или Claude Sonnet 5популярная · цена, скорость, качество, код

Другие модели от moonshotai

MoonshotAI: Kimi K2.7 Code

MoonshotAI: Kimi K2.7 Code — это модель семейства Kimi K2 от Moonshot AI, ориентированная на кодирование и предназначенная для надёжного выполнения сквозных задач программирования в длинных контекстах. Она использует нативную мультимодальную архитектуру MoE, которая принимает текстовые и графические входные данные, и всегда работает в режиме мышления, сохраняя полное содержание рассуждений в многоходовых диалогах. С окном контекста в 256K токенов, она нацелена на долгосрочное кодирование, декомпозицию агентских задач и многоходовый диалог. Модель активирует 32 миллиарда параметров из примерно 1 триллиона общих.

262К контекст·от 84,73 ₽/М

MoonshotAI: Kimi Latest

Эта модель всегда перенаправляется на последнюю модель в семействе MoonshotAI Kimi.

1.0М контекст·от 30,04 ₽/М

MoonshotAI: Kimi K2.6

Kimi K2.6 — это мультимодальная модель нового поколения от Moonshot AI, разработанная для долгосрочного кодирования, генерации UI/UX на основе кодирования и оркестрации мультиагентов. Она справляется со сложными сквозными задачами кодирования на Python, Rust и Go, а также может преобразовывать промпты и визуальные входные данные в готовые к производству интерфейсы. Её архитектура роя агентов масштабируется до сотен параллельных субагентов для автономной декомпозиции задач — создания документов, веб-сайтов и электронных таблиц за один запуск без участия человека.

262К контекст·от 82,05 ₽/М

MoonshotAI: Kimi K2.5

Kimi K2.5 — это нативная мультимодальная модель Moonshot AI, обеспечивающая передовые возможности визуального кодирования и парадигму самонаправляемой агентной системы. Созданная на базе Kimi K2 с продолженным предварительным обучением на примерно 15 триллионах смешанных визуальных и текстовых токенов, она демонстрирует высокую производительность в общем рассуждении, визуальном кодировании и агентном вызове инструментов.

262К контекст·от 63,12 ₽/М

MoonshotAI: Kimi K2 Thinking

Kimi K2 Thinking — это самая передовая открытая модель рассуждений Moonshot AI на сегодняшний день, расширяющая серию K2 в область агентных рассуждений с длительным горизонтом. Построенная на архитектуре Mixture-of-Experts (MoE) с триллионом параметров, представленной в Kimi K2, она активирует 32 миллиарда параметров за один прямой проход и поддерживает контекстные окна размером 256 тысяч токенов. Модель оптимизирована для последовательного пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждений, охватывающих сотни ходов. Она чередует пошаговые рассуждения с использованием инструментов, обеспечивая автономные исследования, кодирование и написание текстов, которые могут продолжаться сотни последовательных действий без отклонений. Она устанавливает новые открытые бенчмарки на HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, сохраняя при этом стабильное многоагентное поведение на протяжении 200–300 вызовов инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, она сочетает в себе сильную глубину рассуждений с высокой эффективностью вывода для требовательных агентных и аналитических задач.

262К контекст·от 75,74 ₽/М

MoonshotAI: Kimi K2 0905

Kimi K2 0905 — это сентябрьское обновление Kimi K2 0711. Это крупномасштабная языковая модель Mixture-of-Experts (MoE), разработанная Moonshot AI, с общим количеством параметров в 1 триллион и 32 миллиардами активных параметров на каждый прямой проход. Она поддерживает инференс с длинным контекстом до 256k токенов, что расширено по сравнению с предыдущими 128k. Это обновление улучшает агентное кодирование за счет более высокой точности и лучшей обобщаемости в различных scaffold, а также улучшает фронтенд-кодирование за счет более эстетичных и функциональных результатов для веба, 3D и связанных задач. Kimi K2 оптимизирована для агентных возможностей, включая расширенное использование инструментов, рассуждения и синтез кода. Она превосходно показывает себя в бенчмарках по кодированию (LiveCodeBench, SWE-bench), рассуждениям (ZebraLogic, GPQA) и использованию инструментов (Tau2, AceBench). Модель обучена с использованием нового стека, включающего оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.

262К контекст·от 75,74 ₽/М