Kimi K3 v praxi: test a srovnání s Claude Code

Jak dopadl praktický test Kimi K3 proti Claude Code?#

Kimi K3 byl uveden 16. července 2026. Má 2,8 bilionu parametrů, kontextové okno o velikosti milionu tokenů, otevřené váhy a první místo ve slepém srovnání frontendových schopností. Všechny podrobnosti o jeho architektuře, benchmarkách a cenách jsem shromáždil v úplné recenzi Kimi K3 ve srovnání s Claude Code, takže je zde nebudu opakovat.

Na konci této recenze jsem napsal: rizikem je ztratit den nastavováním; odměnou je účet, který od druhého týdne klesne. Experiment jsem provedl na vlastních úkolech.

Prvních několik hodin je opravdu vzrušujících. Model se ochotně ujme úkolu, vytváří soudržnou práci na frontendu a neváhá ani u velkých souborů. Proto jsem do kanálu napsal, že jsem příjemně překvapený. Problémy se objevily při dlouhých sezeních, s více agenty, během opakovaných kol úprav a večer při práci v terminálu.

Nakonec jsem se vrátil k původnímu řešení. Tady je, co mě k tomu rozhodnutí vedlo, včetně čísel a odkazů na primární zdroje, abyste si mohli vše sami ověřit.

Proč benchmarky ukazují, že Kimi K3 překonává Claude?#

Zde jsou benchmarky, v nichž Kimi K3 překonává Claude Fable 5:

llm-stats benchmarky sestavil; každý řádek porovnává výsledky s Claude Fable 5.

Čísla jsou skutečná. Ve všech 35 benchmarcích stejného souhrnu vítězí Claude Fable 5 ve 22, Kimi K3 ve dvanácti a jednou je výsledek nerozhodný.

Zajímavější je, v čem Kimi K3 zaostává. Jeho deficit v programovacích benchmarcích je mírný, 4–5 bodů. Pokulhává ve znalostech a uvažování: v HLE získává Claude náskok téměř 10 bodů. Právě tam dlouhý úkol narazí na zeď: nejdřív musíte porozumět, a teprve potom můžete psát.

Moonshot to v hlavní části příspěvku o vydání popisuje takto:

Proč Kimi K3 v praxi působí dvakrát pomaleji?#

Srovnání používá Claude Opus 4.8, verzi Claude, pro niž existuje kompletní měření rychlosti.

Kimi K3 odpovídá dříve, takže v krátkém chatu subjektivně působí rychleji. Při práci se ale sleduje něco jiného: jak pomalu přichází celá odpověď. Zde ztrácí téměř polovinu a u dlouhé odpovědi se rozdíl nasčítá na celé minuty.

Kimi Code uvádí rychlost 180–260 tokenů za sekundu a vedle mých 34.7 toto číslo vypadá přesvědčivě. Týká se rychlostní verze předchozí generace, K2.7 Code HighSpeed. Kimi K3 takovou verzi vůbec nemá a nezávislý benchmark měří přímo Kimi K3.

Kam mizí tokeny, když nelze vypnout uvažování?#

Úroveň úsilí můžete snížit; dokumentace uvádí tři: nízkou, vysokou a maximální. Uvažování ale nelze úplně vypnout: výslovně se uvádí, že u Kimi K3 jsou uvažování i ukládání jeho historie vždy zapnuté. Při přímých voláních API je ve výchozím nastavení nastavena maximální úroveň a většina obalových programů ji nemění.

Každé kolo přidá tisíce výstupních tokenů za $15 za milion. Moonshot navíc vyžaduje, abyste vrátili celou zprávu asistenta včetně historie jeho uvažování; při dalším kole se tyto výstupní tokeny znovu stanou vstupními.

Za stejné uvažování tedy platíte dvakrát: nejprve když ho model napíše a potom když mu ho pošlete zpět.

V celkovém indexu používá Kimi K3 o 21% méně výstupních tokenů než jeho předchůdce K2.6. Model je úspornější ve srovnání se svou vlastní předchozí verzí. Claude při stejných úkolech stále spotřebuje méně.

Prompt „hi“ se účtuje jako 86 tokenů. Na pozadí je skrytý systémový prompt o přibližně 85 tokenech a platíte za něj při každém požadavku.

Mám samostatnou recenzi o tom, jak vypočítat spotřebu a kde zkontrolovat zbývající zůstatek: kolik tokenů vám dávají Claude Pro a Max. Logika výpočtu je stejná; mění se jen ceny.

Co se stane, když se model zasekne při uvažování?#

Vypadá to takto. Model začne přemýšlet, ale místo rozvíjení myšlenky text sklouzne k opakování: pořád stejné slovo, pak útržky slabik, donekonečna. Úkol se zastaví, zatímco počítadlo tokenů se dál točí.

Hlášení z 28. července v seznamu známých problémů Moonshotu popisuje, jak se Kimi K3 pokusil šestkrát za sebou přečíst stejný soubor, sedmkrát dostal odmítnutí „no-op call, file hasn’t changed since the previous read“ a poté ukončil kolo, jako by se nic nestalo. V issue trackeru Kimi CLI autor uvádí čtyři podoby stejného typu zaseknutí — čtení, nahrazování, testování a analýzu — a shrnuje je jednou větou:

Moonshot příčinu uvádí přímo. Model byl trénován v režimu, který zachovává historii uvažování, a musí dostat zpět celé své předchozí uvažování. Pokud historie dorazí neúplná, model se pokusí zrekonstruovat odpověď, vytvoří stejné volání nástroje a spustí další smyčku.

Autor analýzy v externím směrovači požadavků dochází ke stejnému závěru: Kimi je natolik přísné, že odmítá požadavky s neúplnou historií uvažování. Externí wrapper o této přísnosti neví a historii zkrátí.

Proč se nastavení více agentů s Kimi K3 rozpadá?#

Oficiální dokumentace Moonshotu to uvádí jasně: jejich API zatím nepodporuje WebFetch. Jinými slovy, Claude Code, který se běžně připojuje k internetu a načítá stránky, to s Kimi K3 dělat nemůže. Řešením je obsah vložit ručně nebo připojit nástroj třetí strany.

Claude Code může načítat nástroje podle potřeby a do historie vkládá blok služby typu tool_reference. Kimi tento typ nepřijímá a vrací chybu 400. Dělá to tiše, bez uvedení pole nebo příčiny:

{"error":{"type":"invalid_request_error","message":"Invalid request Error"},"type":"error"}

Pro srovnání, takto vypadá stejné selhání v nativním API Anthropic, kde server alespoň pojmenuje pole a vypíše přijímané typy:

messages.166.content.0.tool_result.content.0: Input tag 'tool_reference' found
using 'type' does not match any of the expected tags: 'document', 'image',
'search_result', 'text'

Na tomto rozdílu záleží. První zprávu nelze diagnostikovat: ani klient, ani člověk, který za ním stojí, nedokáže zjistit, který blok byl odmítnut. Právě na to si autoři hlášení stěžují. Vývojáři přepínačů poskytovatelů už navrhují, aby bylo odložené načítání nástrojů u Kimi ve výchozím nastavení vypnuté, případně aby bylo API Moonshotu označeno jako nepřijímající tyto bloky.

Důsledek popisuje samostatné hlášení, otevřené 17. července a stále bez odpovědi. Autor se s touto chybou setkal během jednoho sezení sedmkrát. Sezení přežilo prvních šest; sedmá chyba ho definitivně ukončila: poté se zhroutilo i po zadání prostého textu „continue“. Autor zvlášť uvádí, že se ani zdaleka nepřiblížil limitu kontextu, takže vysvětlení „historie byla příliš dlouhá“ neobstojí.

Zde je přehled typů bloků, které API Moonshotu přijímá a odmítá:

Slovo „kompatibilní“ zde popisuje pouze formát požadavku. Všechno ostatní se liší: které typy bloků se přijímají, co musí obsahovat historie a které nástroje jsou vůbec dostupné.

Co se s Kimi K3 nepřenáší?#

Část příspěvku o vydání věnovaná omezením říká doslova:

Vývojář modelu říká: používejte našeho klienta; za chování jiného klienta neručíme.

Druhý bod téže části vysvětluje ještě jednu věc, kterou jsem připisoval tvrdohlavosti modelu:

Moje CLAUDE.md byla napsána pro opačný zvyk: zeptat se, ukázat plán a počkat na potvrzení. Pokyny tam stále jsou, ale nyní je čte model s jiným temperamentem.

Pokud chcete používat jeden soubor s pravidly pro několik agentů, tomuto nastavení jsem se věnoval zvlášť: jeden soubor s instrukcemi pro Claude Code, Codex a Cursor.

Kolik Kimi K3 skutečně stál?#

Nejprve ceny, které hovoří ve prospěch Kimi K3:

Ceny Kimi pocházejí z dokumentace cachování kontextu; pravý sloupec uvádí ceny Claude Opus 5 k 30. červenci 2026.

Cache Kimi je automatická, nelze ji vypnout a identifikuje se hashem na začátku požadavku. Jakákoli úprava systémového promptu nebo seznamu nástrojů vymaže cache zpráv úplně.

Takto Claude Code funguje během běžného pracovního dne:

1. Připojuje a odpojuje externí nástroje podle toho, jak úkol postupuje.
2. Načítá nástroje podle potřeby.
3. Spouští podřízené agenty s jinou sadou nástrojů.
4. Přidává soubor s instrukcemi do systémového promptu.
5. Při kompresi kontextu znovu sestavuje historii.

Každá položka seznamu resetuje začátek požadavku, a tím i cache. Vstupní tokeny pak znovu stojí $3 za milion místo 30 centů — desetkrát více. K tomu se přidává neustálé uvažování za $15 za milion výstupních tokenů; tytéž tokeny se při dalším kole vracejí jako vstup. Tak může model s nízkou uvedenou cenou vytvořit účet, který nečekáte.

Podle souhrnných údajů OpenCode stojí průměrné sezení Kimi K3 napříč téměř 280,000 živými sezeními $1.86 a odpovídá průměrnému objemu 3.1 milionu tokenů. Toto číslo předpokládá, že 93% vstupních tokenů zasáhne cache. Změňte začátek požadavku a přestane pro vás platit.

Tarify Kimi stojí $19, $39, $99 a $199. Kvóta se čerpá ze společného fondu pro celé členství, každý týden se obnovuje bez převodu nevyužitého zůstatku a používá klouzavé pětihodinové okno. Recenze tarifů to popisuje takto: čtyři terminály s Kimi K3, které neustále uvažuje, rychle vyčerpají pětihodinové okno.

Programovací kvóta tarifu za $99 je srovnatelná s tarifem Anthropic za $200, což je v rozporu s mým vlastním postojem. Kimi je za token levnější, ale večer už to na účtu neuvidíte.

V čem je Kimi K3 objektivně dobrý?#

1. Frontend. První místo ve slepém srovnání provedeném aktivními vývojáři. Přehledné rozvržení vytváří úhledně a s dobrým vkusem.
2. Objem. Kontextové okno o velikosti milionu tokenů a dlouhé soubory mu nevadí. Analýza velkého repozitáře a zmapování jeho struktury jsou přesně úkoly pro něj.
3. První odpověď. Čas do prvního tokenu je poloviční oproti Claude. V krátké konverzaci je to znatelné a příjemné.
4. Cena za token. Přibližně 60% ceny Claude Opus 5. Pokud se začátek požadavku nemění, přináší to skutečné úspory při rozsáhlé, opakované práci.
5. Otevřené váhy. Model není uzamčený u jednoho poskytovatele.

U posledního bodu je háček. Spouštět takový model doma není realistické: i v komprimované podobě mají jeho váhy velikost terabajtů. Otevřenost zde znamená nezávislost na jediném poskytovateli.

Jak si to všechno sami vyzkoušet za jeden večer#

1. Nastavte přístup podle pokynů. Tři proměnné prostředí a záměny modelů podle úrovně jsem popsal v recenzi Kimi K3 ve srovnání s Claude Code. Nastavení ověřte příkazem /status: Kimi se v nabídce modelů nezobrazí, protože obsahuje vestavěný seznam aliasů, a není třeba do něj zasahovat.
2. Odstraňte starý klíč. Pokud jste dříve měli nastavené ANTHROPIC_API_KEY, odstraňte ho. Spolu s ANTHROPIC_AUTH_TOKEN způsobuje konflikt a bezdůvodně se zobrazí chyba autorizace.
3. Okamžitě vypněte odložené načítání nástrojů. Udělejte to před prvním spuštěním, ne až po pádu prvního sezení.
4. Nepřepínejte modely uprostřed úkolu. Pokud jste začali s Kimi K3, dokončete úkol s Kimi K3. Platí to i opačně. Jde o přímý požadavek Moonshotu, který jsem citoval výše.
5. Použijte vlastní skutečný úkol. Takový, na kterém jste pracovali včera a který má všechny své nepořádky a nedokončené nitky. Hra s hadem rozdíl neukáže: projeví se až při delší práci.
6. Zapište si dvě čísla. Kolik minut to trvalo a kolik peněz jste ten večer utratili. Porovnejte to s obvyklým večerem na Claude.
7. Zvlášť sledujte nečinný čas. Když agent zamrzne, čte stejný soubor ve smyčce nebo odpovídá chybou, i to patří k nákladům.

Pokud je večerní účet vyšší, než jste čekali, téměř vždy za to může cache: spočítejte, kolikrát se ten večer resetoval začátek požadavku. Cena za token s tím má jen málo společného.

Co jsem se nakonec rozhodl ponechat#

Čtenáři kanálu, kteří model testovali se mnou, nezávisle dospěli ke stejnému nastavení: zadávají Kimi K3 prohlídku repozitáře a žádají o druhý názor, zatímco hlavní práci nechávají svému známému agentovi. Toto nastavení funguje, protože nevyžaduje přesouvat wrapper ani narušovat to, co už funguje.

Dá se to říci takto: jeden kompletní úkol svěříte Kimi K3; dlouhý řetězec práce zahrnující nástroje a podřízené agenty svěříte Claude Code. Čím více přepnutí nástrojů úkol vyžaduje, tím více stojí na Kimi K3 a tím větší je riziko přerušení sezení.

Mám samostatnou recenzi o tom, jak přidělit role dvěma agentům, aby se nepletly: tři způsoby práce se dvěma agenty.

Benchmarky odpovídají na otázku „kdo je silnější v laboratorních podmínkách?“ Večerní účet a seznam dokončených úkolů odpovídají na otázku „kdo je silnější pro vás?“ Pokud se tyto odpovědi liší, důvěřujte druhé: spočítali jste si ji sami, ne marketingové oddělení.

Po zvážení toho všeho jsem se rozhodl: ať už lidé o nových modelech říkají cokoli, lídr zůstává lídrem. Claude Code zůstává mým hlavním motorem.