Recenzja Kimi K3: benchmarki, cennik, kontekst 1M i API

Kimi K3 to flagowy model Moonshot AI z 2,8 biliona parametrów, przeznaczony do długohoryzontowego kodowania, pracy wiedzy, rozumowania wizualnego i agentów korzystających z narzędzi. Łączy okno kontekstu o długości miliona tokenów z natywnym rozumieniem obrazu i wideo, stale włączonym rozumowaniem, ustrukturyzowanym wyjściem i wyjątkowo rzadką architekturą Mixture-of-Experts.

Nagłówkowe liczby robią wrażenie, ale nie odpowiadają na praktyczne pytania. Czy Kimi K3 jest lepszy od najmocniejszych modeli zamkniętych? Czy jego kontekst 1M jest użyteczny, czy tylko drogi? Czy programiści mogą hostować model 2,8T samodzielnie? I jakie ograniczenia mają znaczenie, gdy K3 steruje narzędziami przez wiele godzin, a nie odpowiada na jeden prompt?

Ta recenzja oddziela potwierdzone możliwości od deklaracji z premiery i wyjaśnia, gdzie Kimi K3 pasuje w produkcyjnym zestawie modeli.

Dostępność w Poyo zaktualizowana 22 lipca 2026. Kimi K3 jest dostępny w Poyo.ai jako kimi-k3 oraz w oficjalnych produktach Moonshot AI. Moonshot podaje, że pełne wagi modelu mają zostać wydane do 27 lipca 2026; ten artykuł zaktualizujemy, gdy wagi i licencja będą publiczne.

Kimi K3 w skrócie

Kimi K3 wykorzystuje ekstremalną skalę inaczej niż gęsty model 2,8T. Stable LatentMoE kieruje każdy token przez 16 z 896 ekspertów, więc łączna liczba parametrów to nie to samo co aktywne obliczenia dla każdego tokena. To rozróżnienie ma znaczenie przy porównywaniu architektury, inteligencji i kosztów wdrożenia.

Do czego służy Kimi K3

Moonshot pozycjonuje K3 wokół dwóch szerokich zastosowań: długohoryzontowej inżynierii oprogramowania i kompleksowej pracy wiedzy.

Długohoryzontowe kodowanie

K3 zbudowano tak, aby pozostawał produktywny przez długie sesje inżynierskie. Oficjalne przykłady podkreślają nawigację po dużych repozytoriach, orkiestrację terminala, optymalizację kerneli GPU, tworzenie kompilatorów, inżynierię frontendu, tworzenie gier, CAD i kodowanie naukowe.

To inny cel niż autouzupełnianie. Model do długohoryzontowego kodowania musi wielokrotnie sprawdzać stan, wybierać narzędzie, interpretować wynik, poprawiać plan i weryfikować końcowy artefakt. Wytrwałość i odzyskiwanie po błędach mogą liczyć się bardziej niż jakość pierwszego fragmentu kodu.

Wizja w pętli kodowania

K3 ma natywne rozumienie obrazu. Podczas zmieniania kodu może używać zrzutów ekranu i wyrenderowanych wyników jako informacji zwrotnej. Wspiera to iterację frontendu, wizualne QA, gry, sceny 3D, diagramy i inne procesy, w których same zaliczone testy jednostkowe nie wystarczą.

Oficjalne API przyjmuje dane obrazu i przesłane wideo. Publiczne adresy URL obrazów nie są akceptowane bezpośrednio w wiadomościach wizualnych: obrazy trzeba przekazać jako base64 lub przez obsługiwane mechanizmy plików, a wideo wskazuje się przez ID pliku w Moonshot.

Praca wiedzy

K3 jest też przeznaczony do researchu, raportów, arkuszy kalkulacyjnych, prezentacji, dashboardów i wieloetapowych analiz. Kontekst 1M tokenów pomieści duży zbiór dowodów, ale przydatna praca wiedzy nadal wymaga kontroli źródeł, sprawdzania cytowań i weryfikacji. Duże okno zmniejsza potrzebę odrzucania kontekstu, ale nie gwarantuje, że każdy fakt zostanie przywołany lub oceniony poprawnie.

Jak dobre są benchmarki Kimi K3?

Raport z premiery Kimi obejmuje naprawę repozytoriów, zadania terminalowe, budowę całych programów, pracę wiedzy, automatyzację, przeglądanie sieci i oceny multimodalne. Ważniejszy niż pojedynczy wynik jest zaobserwowany wzorzec: K3 jest najmocniejszy w długich, agentowych procesach i pozostaje konkurencyjny wobec czołowych modeli zamkniętych w całym oficjalnym zestawie.

Zastrzeżenia mają znaczenie:

• Wyniki Kimi K3 zwykle uzyskano przy maksymalnym wysiłku rozumowania.
• Modeli nie zawsze oceniano przy użyciu tego samego harnessa agenta.
• Część zadań uruchomiono w środowiskach skalibrowanych pod H20, a nie na standardowym sprzęcie benchmarku.
• Oficjalny raport odnotowuje zachowanie fallback w przypadku co najmniej jednego konkurencyjnego modelu.
• Niezależne rankingi ogólnej inteligencji nie stawiają K3 na pierwszym miejscu.

Niezależna analiza plasuje obecnie K3 blisko czołówki, a nie wyraźnie przed nią. Zgadza się to z własnym stwierdzeniem Moonshot, że K3 nadal ustępuje ogółem najmocniejszym modelom własnościowym.

Tabele wyników, uwagi o harnessach i rozróżnienie wyników oficjalnych od niezależnych znajdziesz w artykule Benchmarki Kimi K3 w pigułce.

Cennik API Kimi K3

Moonshot podaje stałe stawki płatności za użycie, z osobnymi cenami wejścia z cache i bez cache.

Nie ma wyższego progu cenowego tylko dlatego, że żądanie używa długiego kontekstu. Łączny rachunek może jednak urosnąć: milion tokenów wejściowych bez cache kosztuje $3, zanim doliczysz wyjście, a 50 000 tokenów wyjściowych dodaje $0.75.

Automatyczne cache'owanie może zmienić ekonomię powtarzanych procesów na repozytoriach i researchu. Stabilny prefiks o długości 500K tokenów kosztuje $1.50 przy pudle, ale $0.15 przy trafieniu w cache. Aplikacje powinny logować zachowanie cache, zamiast zakładać, że każde powtórzone żądanie dostaje niższą stawkę.

Pełne przykłady obciążeń i strategie cache'owania znajdziesz w artykule Cennik API Kimi K3 w pigułce.

Kimi K3 vs GPT-5.6 Sol

K3 i GPT-5.6 Sol nakładają się w zaawansowanym kodowaniu, agentach, rozumowaniu i pracy zawodowej, ale reprezentują różne kompromisy.

Żaden model nie wygrywa w każdym zastosowaniu. K3 jest atrakcyjny dla zespołów, którym zależy na długim kontekście, multimodalnym kodowaniu i przyszłym dostępie do wag. GPT-5.6 Sol pozostaje atrakcyjny, gdy ważniejsze są niezależnie potwierdzona jakość na szczycie, dojrzałe zachowanie platformy i zamknięta, hostowana infrastruktura.

Pełny przewodnik decyzyjny przeczytasz w artykule Kimi K3 vs GPT-5.6 Sol.

Mocne strony Kimi K3

Naprawdę duży kontekst roboczy

Milion tokenów daje agentom miejsce na kod źródłowy, dokumentację, historię narzędzi, dowody wizualne i artefakty pośrednie. Jest to szczególnie przydatne, gdy agresywne wyszukiwanie rozdzieliłoby dowody, które trzeba rozważać razem.

Kodowanie i wizja w jednym modelu

K3 potrafi sprawdzić wyrenderowany wynik, zamiast polegać wyłącznie na kodzie źródłowym lub logach tekstowych. Dzięki temu przydaje się w inżynierii UI, grach, CAD, wizualizacji danych i procesach multimedialnych.

Funkcje API nastawione na agentów

Oficjalne API obsługuje własne narzędzia, wymuszone użycie narzędzi, dynamiczne ładowanie narzędzi, streaming, ustrukturyzowane wyjście i długie sesje wieloturowe. To produkcyjne klocki, a nie funkcje tylko do czatu.

Kierunek otwartych wag

Moonshot opisuje K3 jako pierwszy otwarty model klasy 3T i zapowiedział pełne wagi. Jeśli wydanie i licencja pozwolą na szerokie użycie, zespoły infrastrukturalne dostaną większą kontrolę niż w przypadku modeli zamkniętych, dostępnych tylko przez API. Dostępność, warunki licencji i wsparcie inferencji w społeczności trzeba jednak zweryfikować po premierze wag.

Ograniczenia Kimi K3

Historię rozumowania trzeba zachować

Moonshot ostrzega, że K3 trenowano z zachowaną historią rozumowania. Klient, który odrzuca wymagany stan asystenta, zachowuje tylko końcowy tekst lub zmienia model w środku sesji, może powodować niestabilną jakość. Dlatego poprawna obsługa stanu rozmowy jest niezbędna.

Może być zbyt proaktywny

Trening długohoryzontowy skłania model do ciągłego działania. W niejednoznacznych sytuacjach K3 może podejmować decyzje, na które użytkownik nie wyraził zgody. Agenty produkcyjne potrzebują jawnych granic, narzędzi o ograniczonym zakresie, kroków zatwierdzania i jasnych instrukcji, kiedy się zatrzymać.

Największy model nie jest modelem na lokalny laptop

Nawet z wagami MXFP4 i rzadką aktywacją ekspertów model 2,8T to wdrożenie w skali infrastruktury. Moonshot zaleca konfiguracje supernode z 64 lub więcej akceleratorami. Otwarte wagi nie uczynią K3 praktycznym na konsumenckim GPU ani zwykłej stacji roboczej.

Wyjście jest stosunkowo drogie

Przy $15 za milion tokenów wyjściowych rozwlekłe zachowanie agenta może zdominować rachunek. Aplikacje powinny ustawiać rozsądne limity długości odpowiedzi i mierzyć koszt zweryfikowanego zadania, a nie cenę żądania.

Część szczegółów wydania nadal czeka

Na dzień 21 lipca pełne wagi, ostateczna licencja i raport techniczny nie są jeszcze publiczne. Do artykułów, które opisują kompletny proces lokalnej instalacji, zanim te materiały istnieją, podchodź ostrożnie.

Kto powinien używać Kimi K3?

K3 to mocny kandydat do:

• agentów kodujących w skali repozytorium;
• procesów w terminalu wymagających wytrwałości;
• iteracji frontendu, gier, CAD i oprogramowania wizualnego;
• researchu na długich dokumentach i artefaktów zawodowych;
• analizy multimodalnej z obrazami lub przesłanym wideo;
• zespołów oceniających przyszłe wdrożenia otwartych modeli klasy frontier.

Może być niepotrzebnie duży lub drogi do:

• klasyfikacji, ekstrakcji i prostego wsparcia;
• krótkich odpowiedzi wrażliwych na opóźnienie;
• małych środowisk hostowanych samodzielnie;
• procesów, które nie potrafią zachować pełnego stanu rozmowy;
• agentów bez silnych granic uprawnień i weryfikacji.

Werdykt o Kimi K3

Kimi K3 to jedna z najważniejszych premier otwartych modeli 2026 roku, bo łączy architekturę w skali frontier, okno kontekstu 1M, natywne rozumienie obrazu i poważne API dla agentów. Jego najbardziej przekonujące zastosowanie to nie jednorazowe pytanie z benchmarku, lecz długotrwała praca z kodem, narzędziami, dokumentami i wizualną informacją zwrotną.

Model nie jest automatycznym zamiennikiem najmocniejszych systemów zamkniętych. Znaczenie mają niezależna ocena, koszt wyjścia, wymagania dotyczące zarządzania stanem, nadmierna proaktywność i ekstremalne wymagania przy samodzielnym hostingu. Właściwa decyzja produkcyjna to przetestować K3 na reprezentatywnych, długotrwałych zadaniach i porównać koszt zweryfikowanego wyniku.

Śledź stronę modelu Kimi K3, aby poznać dostępność w Poyo.ai, potwierdzone ID modeli i ceny.

Najczęstsze pytania

Czy Kimi K3 jest open source?

Moonshot nazywa K3 otwartym modelem klasy 3T i zapowiada wydanie pełnych wag do 27 lipca 2026. Na dzień 21 lipca programiści powinni poczekać na faktyczne pliki i licencję, zanim zaczną składać deklaracje o wdrożeniu lub użyciu komercyjnym.

Jak duże jest okno kontekstu Kimi K3?

Kimi K3 obsługuje okno kontekstu o długości 1 miliona tokenów. W oficjalnym API dostępne jest automatyczne cache'owanie kontekstu.

Czy Kimi K3 jest lepszy niż GPT-5.6 Sol?

Nie uniwersalnie. K3 jest szczególnie atrakcyjny przy długim kontekście, planowanych otwartych wagach, multimodalnym kodowaniu i procesach agentowych. GPT-5.6 Sol zachowuje przewagę w niektórych niezależnych ocenach i ocenach na szczycie. Przetestuj oba na tych samych zadaniach.

Czy Kimi K3 obsługuje obrazy i wideo?

Tak. Oficjalne API obsługuje wejście w postaci obrazów i przesłanego wideo. Zwraca tekst, a nie wygenerowane obrazy ani wideo.

Ile kosztuje API Kimi K3?

Moonshot podaje $0.30 za milion tokenów wejściowych z trafieniem w cache, $3 za milion tokenów wejściowych z pudłem w cache i $15 za milion tokenów wyjściowych.

Czy Kimi K3 da się uruchomić lokalnie?

Nie na zwykłym sprzęcie konsumenckim. Model 2,8T jest przeznaczony do dużej rozproszonej infrastruktury, mimo że na token aktywny jest tylko podzbiór ekspertów.

Źródła

• Moonshot AI: techniczna premiera Kimi K3
• Kimi API: szybki start z Kimi K3 i limity
• Oficjalny cennik API Kimi K3
• Artificial Analysis: niezależna analiza Kimi K3
• Strona modelu Kimi K3 w Poyo.ai