Kimi K3 käytännössä: kokemuksia ja vertailu Claude Codeen

Miten kirjoittajan kokeilu sujui#

Kimi K3 julkaistiin 16. heinäkuuta 2026. Siinä on 2,8 biljoonaa parametria, miljoonan tokenin konteksti-ikkuna, avoimet painot ja ykkössija sokkoutetussa frontend-vertailussa. Kokosin kaikki sen arkkitehtuuria, vertailutestejä ja hintoja koskevat tiedot Kimi K3:n ja Claude Coden kattavaan vertailuun, joten en toista niitä tässä.

Kirjoitin kyseisen arvion lopussa: riskinä on menettää päivä käyttöönottoon; hyötynä on lasku, joka pienenee toisesta viikosta alkaen. Tein kokeilun omilla tehtävilläni.

Ensimmäiset tunnit ovat todella innostavia. Malli tarttuu tehtävään innokkaasti, tuottaa johdonmukaista frontend-työtä eikä epäröi suurten tiedostojen kanssa. Siksi kirjoitin kanavalle olevani iloisesti yllättynyt. Ongelmat tulivat esiin pitkissä työskentelyjaksoissa, usean agentin kanssa, toistuvilla muokkauskierroksilla ja illalla päätteen ääressä.

Lopulta palasin entiseen. Tässä ovat päätökseen johtaneet syyt ja luvut sekä linkit ensisijaisiin lähteisiin, jotta voit tarkistaa kaiken itse.

Miksi vertailutestit osoittavat Kimi K3:n päihittävän Clauden?#

Tässä ovat vertailutestit, joissa Kimi K3 päihittää Claude Fable 5:n:

llm-stats kokosi vertailutestien tulokset; jokaisella rivillä vertailukohtana on Claude Fable 5.

Luvut ovat todellisia. Saman yhteenvedon kaikissa 35 vertailutestissä Claude Fable 5 voittaa 22, Kimi K3 kaksitoista, ja yksi päättyy tasapeliin.

Kiinnostavampaa on, missä Kimi K3 jää jälkeen. Sen ero koodaustesteissä on melko pieni, 4–5 pistettä. Tieto- ja päättelytehtävissä se jää jälkeen: HLE:ssä Claude siirtyy lähes 10 pistettä edelle. Juuri tässä pitkä tehtävä törmää seinään: ensin on ymmärrettävä, ja vasta sitten voi kirjoittaa.

Moonshot ilmaisee asian näin julkaisutekstinsä pääosiossa:

Miksi Kimi K3 tuntuu käytännössä kaksi kertaa hitaammalta?#

Vertailussa Kimi K3:a verrataan Claude Opus 4.8:aan. Se on Claude-versio, josta on kattava nopeusmittaus.

Kimi K3 vastaa nopeammin, joten se tuntuu lyhyessä keskustelussa subjektiivisesti nopeammalta. Työssä aikaa kuluu johonkin muuhun: siihen, kuinka hitaasti koko vastaus saapuu. Tässä se häviää lähes puolella, ja pitkässä vastauksessa ero kasvaa minuuteiksi.

Kimi Code mainostaa 180–260 tokenia sekunnissa, ja luku näyttää vakuuttavalta omiin 34.7 tokeniini verrattuna. Se viittaa edellisen sukupolven nopeusversioon, K2.7 Code HighSpeediin. Kimi K3:sta ei ole lainkaan vastaavaa versiota, ja riippumaton vertailu mittaa nimenomaan Kimi K3:a.

Istunto, joka katkeaa seitsemänteen virheeseen ja kuluttaa tokeneita toistuviin kutsuihin, on kontekstisuunnittelun epäonnistuminen; mallin valinta on tässä toissijainen asia. Koko järjestely perustuu kolmeen pilariin: AI-klooni + toinen aivo + kontekstisuunnittelu. Nämä ovat ne kolme pilaria, joita ilman AI hallusinoi.

Mihin tokenit kuluvat, jos päättelyä ei voi poistaa käytöstä?#

Voit laskea tehotasoa; dokumentaatiossa luetellaan kolme tasoa: matala, korkea ja maksimi. Päättelyä ei kuitenkaan voi poistaa kokonaan käytöstä: dokumentaatiossa sanotaan nimenomaisesti, että päättely ja sen historian tallennus ovat aina käytössä Kimi K3:ssa. Suorissa API-kutsuissa maksimitaso on oletuksena käytössä, eivätkä useimmat wrapper-ohjelmat muuta sitä.

Jokainen vuoro lisää tuhansia output-tokeneita hintaan $15 miljoonalta tokenilta. Lisäksi Moonshot vaatii palauttamaan avustajan koko viestin, myös sen päättelyhistorian, ja nämä output-tokenit muuttuvat input-tokeneiksi seuraavalla vuorolla.

Maksat siis samasta päättelystä kahdesti: ensin, kun malli kirjoittaa sen, ja sitten, kun lähetät sen takaisin mallille.

Kimi K3 käyttää kokonaisindeksissä 21% vähemmän output-tokeneita kuin edeltäjänsä K2.6. Mallista on tullut taloudellisempi omaan aiempaan versioonsa verrattuna. Claude käyttää silti samoihin tehtäviin vähemmän.

Promptista “hi” laskutetaan 86 tokenia. Taustalla on piilotettu, noin 85 tokenin järjestelmäprompti, josta maksat jokaisen pyynnön yhteydessä.

Olen kirjoittanut erillisen arvion siitä, miten käyttö lasketaan ja mistä jäljellä olevan saldon voi tarkistaa: kuinka monta tokenia Claude Pro ja Max antavat. Laskentaperiaate on sama; vain hinnat muuttuvat.

Mitä tapahtuu, kun malli juuttuu päättelemään?#

Tilanne näyttää tältä. Malli alkaa ajatella, mutta ajatuksen kehittämisen sijaan teksti alkaa toistaa itseään: sama sana, sitten tavunpätkiä loputtomasti. Tehtävä pysähtyy, mutta tokenlaskuri pyörii edelleen.

Moonshotin tunnettujen ongelmien listalla 28. heinäkuuta julkaistussa raportissa kuvataan, kuinka Kimi K3 yrittää lukea samaa tiedostoa kuusi kertaa peräkkäin, saa seitsemän kertaa virheilmoituksen “no-op call, file hasn’t changed since the previous read” ja päättää sitten vuoron aivan kuin mitään ei olisi tapahtunut. Kimi CLI:n issue-seurannassa kirjoittaja luettelee neljä samantyyppistä jumitusta – lukemisen, korvaamisen, testaamisen ja analyysin – ja tiivistää asian yhteen lauseeseen:

Moonshot kertoo syyn suoraan. Malli koulutettiin tilassa, joka säilyttää päättelyhistorian, ja sille on palautettava koko aiempi päättely. Jos historia saapuu puutteellisena, malli yrittää muodostaa vastauksen uudelleen, tuottaa saman työkalukutsun ja käynnistää uuden silmukan.

Kolmannen osapuolen pyyntöreitittimessä julkaistun analyysin kirjoittaja esittää saman diagnoosin: Kimi on niin tarkka, että se hylkää pyynnöt, joiden päättelyhistoria on puutteellinen. Ulkoinen wrapper ei tiedä tästä vaatimuksesta ja typistää historian.

Miksi usean agentin järjestely hajoaa Kimi K3:n kanssa?#

Moonshotin virallisessa dokumentaatiossa sanotaan asia selvästi: heidän API:nsa ei vielä tue WebFetchiä. Toisin sanoen Claude Code, joka tavallisesti hakee sivun verkosta, ei pysty tekemään sitä Kimi K3:lla. Ratkaisuna on liittää sisältö manuaalisesti tai yhdistää kolmannen osapuolen työkalu.

Claude Code voi ladata työkaluja tarpeen mukaan ja lisää historiaan tool_reference-tyyppisen palvelulohkon. Kimi ei hyväksy tätä tyyppiä ja palauttaa 400-virheen. Virheviesti ei kerro kenttää eikä syytä:

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

Vertailun vuoksi sama virhe näyttää tältä Anthropicin omassa API:ssa, jossa palvelin ilmoittaa sentään kentän ja luettelee hyväksytyt tyypit:

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'

Erolla on merkitystä. Ensimmäistä viestiä on mahdoton diagnosoida: asiakasohjelma eikä sen takana oleva ihminen voi tietää, mikä lohko hylättiin. Juuri tästä raporttien kirjoittajat valittavat. Palveluntarjoajan vaihtotyökalujen kehittäjät ehdottavat jo, että työkalujen viivästetty lataus poistetaan oletuksena käytöstä Kimiltä tai että Moonshot API merkitään sellaiseksi, ettei se hyväksy näitä lohkoja.

Seurausta kuvataan erillisessä raportissa, joka avattiin 17. heinäkuuta eikä siihen ole vieläkään vastattu. Kirjoittaja kohtasi virheen seitsemän kertaa yhden istunnon aikana. Istunto selvisi kuudesta ensimmäisestä; seitsemäs päätti sen lopullisesti: sen jälkeen jopa tavallisen tekstin “continue” kirjoittaminen kaatoi sen. Kirjoittaja huomauttaa erikseen, ettei kontekstiraja ollut lähelläkään, joten selitys “historia oli liian pitkä” ei päde.

Tässä on yhteenveto lohkotyypeistä, jotka Moonshot API hyväksyy ja hylkää:

Sana “yhteensopiva” tarkoittaa tässä vain pyyntömuotoa. Kaikki muu on erilaista: hyväksytyt lohkotyypit, historian vaadittu sisältö ja ylipäätään käytettävissä olevat työkalut.

Mitä Kimi K3:n mukana ei siirry?#

Julkaisun rajoituksia käsittelevässä osiossa sanotaan tämä sanatarkasti:

Mallin kehittäjä sanoo siis: käyttäkää meidän asiakasohjelmaamme; emme takaa, miten jonkun muun ohjelma toimii.

Saman osion toinen kohta selittää vielä yhden asian, jonka olin pannut mallin itsepäisyyden piikkiin:

CLAUDE.md-tiedostoni kirjoitettiin päinvastaista toimintatapaa varten: kysy, näytä suunnitelma ja odota vahvistusta. Ohjeet ovat edelleen siellä, mutta niitä lukee nyt erilaisella temperamentilla varustettu malli.

Jos haluat käyttää yhtä sääntötiedostoa useille agenteille, käsittelin kokoonpanoa erikseen: yksi ohjetiedosto Claude Codeen, Codexiin ja Cursoriin.

Paljonko Kimi K3 oikeasti maksoi?#

Ensin Kimi K3:lle edulliset hinnat:

Kimin hinnat ovat peräisin kontekstivälimuistia käsittelevästä dokumentaatiosta; oikeassa sarakkeessa näkyvät Claude Opus 5:n hinnat 30. heinäkuuta 2026.

Kimin välimuisti on automaattinen, sitä ei voi poistaa käytöstä ja se tunnistetaan pyynnön alussa olevan tiivisteen perusteella. Mikä tahansa muutos järjestelmäpromptiin tai työkaluluetteloon tyhjentää viestivälimuistin kokonaan.

Tällaista Claude Code tekee tavallisen työpäivän aikana:

1. Yhdistää ulkoisia työkaluja ja katkaisee yhteyksiä niihin tehtävän edetessä.
2. Lataa työkaluja tarpeen mukaan.
3. Käynnistää aliagentteja eri työkalujoukolla.
4. Lisää ohjetiedoston järjestelmäpromptiin.
5. Rakentaa historian uudelleen kontekstin tiivistämisen yhteydessä.

Jokainen listan kohta nollaa pyynnön alun ja siten välimuistin. Input-tokenit maksavat taas $3 miljoonalta 30 sentin sijaan – kymmenen kertaa enemmän. Lisäksi jatkuva päättely maksaa $15 miljoonaa output-tokenia kohden, ja samat tokenit palaavat inputiksi seuraavalla vuorolla. Näin mallin alhainen listahinta voi tuottaa odottamattoman laskun.

OpenCoden koottujen tietojen mukaan keskimääräinen Kimi K3 -istunto maksaa $1.86, kun aktiivisia istuntoja on lähes 280,000 ja tokenien keskimääräinen määrä 3.1 miljoonaa. Luku perustuu siihen, että 93% input-tokeneista osuu välimuistiin. Muuta pyynnön alkua, eikä luku enää päde sinuun.

Kimin tilaukset maksavat $19, $39, $99 ja $199. Kiintiö tulee koko jäsenyyden yhteisestä poolista, nollautuu viikoittain ilman käyttämättömien määrien siirtymistä eteenpäin ja käyttää liukuvaa viiden tunnin ikkunaa. Tilausarviossa asia ilmaistaan näin: neljä päätettä, joissa pyörii jatkuvasti päättelevä Kimi K3, kuluttavat viiden tunnin ikkunan nopeasti loppuun.

$99:n tilauksen koodauskiintiö vastaa Anthropicin $200:n tilausta, mikä on oman kantani vastaista. Kimi on tokenia kohden halvempi, mutta illan laskussa sitä ei enää näe.

Missä Kimi K3 on objektiivisesti hyvä?#

1. Frontend. Ensimmäinen sija aktiivisten kehittäjien sokkoutetussa vertailussa. Se rakentaa asetteluja siististi ja hyvällä maulla.
2. Laajuus. Miljoonan tokenin konteksti-ikkuna, eivätkä pitkät tiedostot hätkäytä sitä. Laajan repositorion analysointi ja kartoittaminen sopii sille.
3. Ensimmäinen vastaus. Aika ensimmäiseen tokeniin on puolet Clauden ajasta. Eron huomaa ja se tuntuu mukavalta lyhyessä keskustelussa.
4. Tokenin hinta. Noin 60% Claude Opus 5:n hinnasta. Jos pyynnön alku ei muutu, tällä saa todellisia säästöjä suurissa, toistuvissa työkuormissa.
5. Avoimet painot. Malli ei ole lukittu yhteen palveluntarjoajaan.

Viimeiseen kohtaan liittyy yksi varaus. Tällaisen mallin ajaminen kotona on epärealistista: sen painot vievät teratavuja jopa pakatussa muodossa. Tässä avoimuus tarkoittaa riippumattomuutta yhdestä palveluntarjoajasta.

Näin testaat kaiken itse yhden illan aikana#

1. Määritä käyttöoikeus ohjeiden avulla. Kuvailin kolme ympäristömuuttujaa ja mallien vaihdot tasoittain Kimi K3:n ja Claude Coden vertailussa. Tarkista määritys komennolla /status: Kimi ei näy mallinvalintavalikossa, koska siinä on sisäänrakennettu aliasluettelo, johon ei tarvitse koskea.
2. Poista vanha avain. Jos ANTHROPIC_API_KEY oli aiemmin asetettuna, poista se. Yhdessä ANTHROPIC_AUTH_TOKEN-arvon kanssa se aiheuttaa ristiriidan, ja saat turhaan valtuutusvirheen.
3. Poista työkalujen viivästetty lataus heti käytöstä. Tee se ennen ensimmäistä ajoa, älä vasta ensimmäisen istunnon kaaduttua.
4. Älä vaihda mallia kesken tehtävän. Jos aloitit Kimi K3:lla, vie tehtävä loppuun Kimi K3:lla. Sama pätee toisin päin. Tämä on Moonshotin suora vaatimus; lainasin sitä yllä.
5. Käytä oikeaa omaa tehtävääsi. Valitse sellainen, jota työstit eilen ja johon liittyy kaikki sotku ja keskeneräiset säikeet. Matopeli ei paljasta eroa: se näkyy vasta pidemmässä käytössä.
6. Kirjaa kaksi lukua muistiin. Montako minuuttia tehtävään kului ja paljonko rahaa käytit sinä iltana. Vertaa niitä tavalliseen iltaan Clauden kanssa.
7. Seuraa joutoaikaa erikseen. Kun agentti juuttuu, lukee samaa tiedostoa silmukassa tai vastaa virheellä, sekin kuuluu kustannuksiin.

Jos illan lasku on odotettua suurempi, syynä on melkein aina välimuisti: laske, kuinka monta kertaa pyynnön alku nollautui illan aikana. Tokenin hinnalla on siihen vain vähän vaikutusta.

Mitä lopulta päätin pitää käytössä#

Kanavan lukijat, jotka testasivat mallia kanssani, päätyivät itsenäisesti samaan kokoonpanoon: he pyytävät Kimi K3:a tutkimaan repositorion ja antamaan toisen mielipiteen, mutta jättävät varsinaisen työn tutulle agentilleen. Tämä kokoonpano toimii, koska se ei vaadi wrapperin vaihtamista eikä jo toimivan rikkomista.

Asian voi ilmaista näin: Kimi K3:lle annetaan yksi kokonainen tehtävä; Claude Codelle pitkä työkalujen ja aliagenttien ketju. Mitä useampia siirtymiä työkalujen välillä tehtävä edellyttää, sitä enemmän Kimi K3 maksaa ja sitä suurempi on istunnon rikkoutumisen riski.

Olen kirjoittanut erillisen arvion siitä, miten kahden agentin roolit jaetaan niitä sekoittamatta: kolme tapaa työskennellä kahden agentin kanssa.

Vertailutestit vastaavat kysymykseen “kumpi on vahvempi laboratorio-olosuhteissa?” Illan lasku ja lista valmiista töistäsi vastaavat kysymykseen “kumpi on sinulle vahvempi?” Jos vastaukset eroavat, luota jälkimmäiseen: sinä laskit sen itse, et markkinointiosasto.

Kaiken tämän tarkasteltuani tein oman päätökseni: sanovatpa ihmiset uusista malleista mitä tahansa, johtaja on yhä johtaja. Claude Code pysyy päämoottorinani.

Täydellinen vibe coding -kokoonpano: AI-klooni + toinen aivo + kontekstisuunnittelu.