Kimi K3 és Claude Code: összehasonlítás, árak és beállítás

A Ailoot használatával kapcsolatos gyakorlati tudnivalókat a dokumentációban találod.

Mi az a Kimi K3, és miért rázta meg a piacot?#

Egy évvel ezelőtt a Moonshotot egyetlen modellről ismerték — a Kimi K2-ről, amelyet 2025 nyarán adtak ki nyíltan. Áprilisban követte a K2.6, majd 2026 júniusában a K2.7 Code. A K3 a következő lépés, mérete pedig körülbelül 2,8-szerese a K2.6-énak.

A 2,8 billiós szám félelmetesen hangzik, de a mögötte álló mérnöki megoldás 2026-ban már megszokott. A K3 mixture-of-experts architektúrára épül (Stable LatentMoE): 896 különálló szakértőt tartalmaz, és minden tokennél csak 16-ot aktivál közülük. Ez azt jelenti, hogy az aktív paraméterek száma jóval kisebb a teljes értéknél — különben senki sem tudna egy ekkora modellt elfogadható áron kiszolgálni. Emellett a Moonshot két saját technikáját is használja: a Kimi Delta Attentiont (amely akár 6-szorosára gyorsítja a generálást) és az Attention Residualst (amely olcsóbbá teszi a tanítást). Egy vibe coder számára ez műszaki háttérmunka, de megmagyarázza, hogyan kerülhet egy ekkora modell kevesebbe a Claude-nál, noha a mérete alapján ijesztő árat várnánk.

Ami a gyakorlatban számít:

• Egymillió tokenes kontextusablak. Ugyanakkora, mint a Claude teljes kontextusablaka. Egy nagy projektet is egyszerre betölthetsz a modellbe.
• Képfeldolgozás. Küldhetsz neki képernyőképet egy hibáról vagy egy makettről — a modell látja a képet. A korábbi kínai modellek, például a DeepSeek, erre nem voltak képesek.
• Mindig bekapcsolt gondolkodási mód (thinking mode). A modell előbb mindig gondolkodik, és csak utána válaszol. Ez javítja a minőséget és növeli az árat; erre még visszatérek alább.

A piaci reakció erőteljes volt. Egy nyílt kínai modell utolérte az Anthropic és az OpenAI zárt csúcsmodelljeit, a Moonshot pedig azt ígérte, hogy ingyen megosztja a súlyokat. Megnézem, mennyire valós ez az „egyenrangúság”, és hol csupán jól csomagolt bemutatásról van szó.

Miben múlja felül ténylegesen a Kimi K3 a Claude-ot, és miben marad el tőle?#

Kezdjük azzal a benchmarkkal, amely a legfontosabb egy vibe coder számára: a Frontend Code Arenával. A modellek felületeket generálnak, az emberek pedig vakon választják ki, melyik a jobb. Ez közel áll ahhoz, amikor megkéred az AI-t, hogy készítsen egy weboldalt.

A Kimi K3 az első, és a hét területből haton is első helyezést ért el. Aki AI-val, beszélgetés útján készít weboldalakat és felületeket, annak ez a legegyértelműbb jelzés: a modell erős az elrendezési és frontendfeladatokban.

Az általánosabb intelligencia esetén a körülbelül 57-es Kimi-pontszám és a „Kimi K3 (max)” 44-es értéke nem kezelhető egy következetes rangsorként megnevezett indexkiadó, elsődleges eredményhivatkozások és összehasonlítható tesztbeállítás nélkül. Az itt linkelt bizonyítékokkal egyik pontszám sem állapítja meg a Kimi aktuális helyezését.

Intelligenciapontszámok összevetése előtt ugyanazt a megnevezett indexverziót és dátumot használd, rögzítsd a pontos modellt és gondolkodási beállítást, a „max”-ot is, és ellenőrizd a tesztkörnyezetet és skálát. Amíg ezek a kiadó eredményéből nem igazolhatók, a cikk nem állapítja meg a Kimi általánosintelligencia-helyezését. A frontendpreferenciák és kódolási benchmarkok mást mérnek, nem pótolják ezt a hiányt.

Külön nyíltmodell-összevetéshez lásd a „GLM-5.2 utolérte a Claude Opus 4.8-at” cikket; az nem oldja meg a hiányzó Kimi-indexforrást.

Klasszikus kódolási benchmarkok:

• SWE-bench Verified — 76.8%. Azt méri, mennyire képes a modell valódi hibákat kijavítani GitHub-projektekben. Jó eredmény, bár a legjobb Claude-modellek magasabb pontszámot érnek el.
• LiveCodeBench — 85%. Algoritmikus feladatok „bemenet — elvárt kimenet” formátumban. A K3 ebben erős.
• Terminal-Bench 2.1 — 88.3. Ügynöki feladatok a terminálban, a Moonshot saját adatai szerint.

És itt jön az a fenntartás, amelyet az őszinte beszámoló kedvéért muszáj megemlítenem. A Moonshot különböző tesztkörnyezetekkel állította össze a kódolási táblázatát: egyes méréseket a saját KimiCode-jával, másokat Claude Code-dal, megint másokat Codexszel végzett. A különböző tesztkörnyezetek ugyanazt az eredményt 10–26 ponttal is eltolhatják.

Nem állítom, hogy a kínai modellek „jobbak a Claude-nál”. A Claude Code-ot fő eszközként használva azt tapasztalom, hogy összetett kódolásban még mindig lemaradnak — ezt minden összehasonlításnál látom. A K3 viszont jelenleg a legjobb eredményt mutatja frontendfeladatokban, töredékáron. Ugyanolyan ostobaság ezt figyelmen kívül hagyni, mint kijelenteni, hogy a Claude halott.

Többet szeretnél, mint modellt választani — olyan beállítást építenél, amellyel az AI kevesebbet hallucinál és tovább tartja észben a kontextust? A modellválasztás csak az egyik szabályozó. A kontextusmérnökség sokkal hatásosabb: annak, amit a prompt előtt a modell kontextusába teszel, nagyobb hatása van az eredményre, mint annak, hogy milyen néven szerepel a modell egy benchmarkon.

Mennyibe kerül a Kimi K3, és miért nem jelent az, hogy „nyílt”, egyben azt is, hogy „ingyenes”?#

A Kimi K3 hivatalos API-árazása (a Moonshot hivatalos árazása és az Anthropic hivatalos árazása alapján ellenőrizve 2026. október 2-án):

Listaáron a Kimi bemenete negyedével olcsóbb az Opus 5.5-énél (3 dollár a 4-hez képest), a kimenet pedig szintén negyedével olcsóbb (15 dollár a 20-hoz képest). Az előző Opus-generációhoz képest kisebb a különbség, de az irány változatlan. Az igazi megtakarítás a gyorsítótárazásból ered, amikor ugyanazzal a kontextussal küldesz ismétlődő kéréseket. Ha egy projekten dolgozol, minden kérés eleje megismétlődik: ugyanazok a fájlok, ugyanazok a szabályok, ugyanaz a rendszerprompt. A Kimi cache-e 90%-os kedvezményt ad a teljes bemeneti árhoz képest. Kódolásnál az esetek legalább 90%-ában eléri a cache-t, így a bemeneti tokenek tényleges ára 30 centhez közelít. A gyorsítótárazás maximális kihasználása bármely modellnél külön odafigyelést igényel; ezt részletesen bemutattam a DeepSeek példáján.

A gondolkodási módban van egy rejtett árazási csapda. A Kimi K3 mindig gondolkodik, mielőtt válaszol, és ezt a gondolkodást kimeneti tokenekként számlázzák el, 1 millió tokenenként 15 dollárért. Egy egyszerű kérdésnél alig számít a különbség, de egy összetett feladatnál a modell több ezer tokenen át „gondolkodhat”, részben felemésztve az alacsony árból származó előnyt. Nézd meg az egész munkanap végén a számlát. Itt félrevezető lehet a listaár.

Most pedig a „nyílt” szó. A Moonshot azt ígérte, hogy legkésőbb 2026. július 27-ig kiadja a Kimi K3 súlyait, és be is tartotta az ígéretét — a HuggingFace-en található commit dátuma 2026. július 27. (HuggingFace, Kimi-K3, ellenőrizve 2026. október 2-án). A „nyílt súlyok” hallatán sokan arra gondolnak: „Letöltöm, és ingyen futtatom a saját gépemen.” A valóságban ez nem így van. Még 4 bitesre tömörítve is több száz gigabájt memóriát, több nagy teljesítményű GPU-t, köztük gyors kapcsolatot, valamint valakit igényel a telepítéshez és karbantartáshoz.

A Kimi K3 nyíltsága a nagy felhőszolgáltatóknak és a saját infrastruktúrával rendelkező vállalati csapatoknak hasznos. Neked mást ad: a versenyt, amely lefelé nyomja az árakat, valamint egy tartalék lehetőséget arra az esetre, ha a Claude korlátai vagy árai emelkednének. Nem fogsz 2,8 billió paramétert futtatni a laptopodon. Külön elemzést írtam arról, hogyan válik a „gratis” vibe coding észrevétlenül számlává: „A vibe coding rejtett költsége”.

Hogyan csatlakoztasd a Kimi K3-at a Claude Code-hoz 3 változóval?#

A Claude Code bármely olyan végponthoz csatlakozhat, amely az Anthropic protokollját használja. A Moonshot létrehozott egyet a Kimi K3-hoz, ezért nincs szükség külön buildre vagy bővítményre. A minimális beállításhoz három változó kell:

export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-moonshot-key
export ANTHROPIC_MODEL=kimi-k3

Ezután indítsd el a claude parancsot a szokásos módon. A Claude Code úgy gondolja, az Anthropickal kommunikál, de valójában a Kimi K3-nak küldi a kéréseket. Minden skills, hooks és plan mode tovább működik, a számlázás pedig a Moonshot díjszabásával történik.

Van itt egy fő csapda, amelybe szinte mindenki belefut. A Moonshotnak két különböző kompatibilis végpontja van — az egyik az api.moonshot.ai, a másik a platform.kimi.ai platformon található. A kulcsváltozót és a modellt eltérően nevezik el, és az egyik végpont kulcsa 401-es hibát ad a másikon (Kimi-dokumentáció a Claude Code-hoz). Ha 401-es hibát kapsz, annak szinte mindig a kulcs és a végpont eltérése az oka. Maga a kulcs általában működik. Ugyanarról a platformról szerezd be a kulcsot és a végpontot.

A legegyszerűbben úgy ellenőrizheted, hogy minden működik-e, ha adsz neki egy kis feladatot: kérd meg a Claude Code-ot, hogy mutassa meg egy fájl tartalmát, majd ellenőrizd, hogy megérkezett-e a válasz, és nőtt-e a Moonshot irányítópultján látható számláló. Ha vissza akarsz térni a hagyományos Claude-hoz, távolítsd el a három változót (unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL), majd indítsd újra a Claude Code-ot. Ha gyakran váltasz, kényelmes lehet két shellprofilt létrehozni, vagy a változókat egy .envrc fájlba tenni a direnv használatával, így csak egy adott könyvtárban lesznek bekapcsolva.

Ez kényelmes megoldás, ha már beállítottad a skilljeidet és hookjaidat a Claude Code-ban, és nem akarsz másik eszközt megtanulni. A Moonshotnak saját terminálügynöke is van, a Kimi Code, de aki már a Claude Code-ot használja, annak a három változóval történő motorcsere jár a legkevesebb macerával.

Amit semmiképpen ne tegyél: ne vásárolj Telegram-botoktól „feltöltött egyenlegű, kész fiókokat”. Ezek gyakran pénzvesztéshez és néhány nap után letiltott fiókokhoz vezetnek. Az adatok is valódi aggályt jelentenek: a Moonshot szerverei Kínában vannak, ezért érzékeny adatokat kezelő munkaprojektek esetében ezt külön meg kell fontolni. Az adatokhoz való modellhozzáférés kockázatairól az „Biztonságos hozzáférést adni a Claude Code-nak az adataidhoz?” című útmutatóban írtam.

Milyen feladatokat adj a Kimi K3-nak, és melyek maradjanak a Claude-nál?#

Itt húzódik a választóvonal. Külön írtam arról, hogyan használtam egy héten át éles munkában a Kimi K3-at, és miért tértem vissza a Claude Code-hoz a „Kimi K3 a munkában: áttekintés és miért tértem vissza a Claude Code-hoz” című cikkben — benchmarkok nélkül, csak a valódi feladatok során tapasztaltakról.

Amiben a Kimi K3 a legtöbbet nyújtja:

• Frontend és elrendezés. Első helyezés a Frontend Code Arenán. Készíts felületet, oldalt vagy komponenst — a Kimi jól teljesít, és érezhetően kevesebbe kerül.
• Rutinszerű refaktorálás. Nevezz át valamit, bonts fel egy függvényt, adj hozzá típusokat. Ehhez túlzás egy csúcsmodell.
• Tesztgenerálás meglévő kódhoz. A két modell nagyjából egyformán teljesít; a Kimi olcsóbb.
• Szövegek tömeges feldolgozása. Leírások, fordítások, címkézés — nagy mennyiségnél számít az alacsony ár.
• Hosszú munkamenetek egy projekten belül. Minél tovább dolgozol ugyanabban a kontextusban, annál gyakrabban talál be a cache, így minden következő lépés olcsóbb lesz.

Amihez tartsd meg a Claude-ot:

• Új eszközkészlet architektúrája. Lehetőségek összehasonlítása, buktatók felismerése, struktúra választása — a csúcs Claude továbbra is következetesebb.
• Összetett, több lépéses hibák felderítése. A Claude megbízhatóbban teljesít a hosszú gondolatmenetek során.
• Hosszú, önálló ügynöki ciklusok. A Claude ritkábban esik szét, ha egy ember nélkül több tucat lépést hajt végre egymás után.
• Éles környezetben kritikus buildfolyamatok. Amikor a stabilitás fontosabb az árnál.
• Érzékeny adatok. A Moonshot szerverei Kínában vannak — az ügyfelek személyes adatainak használata külön beszélgetést igényel egy ügyvéddel.

Egy mondatban: az ismétlődő, nagy volumenű és vizuális munkát add a Kimi K3-nak, a hibák szempontjából kritikus döntéseket pedig hagyd a Claude-ra. Sokan éppen így tesznek — mindkét kulcsot megtartják, és a feladattól függően váltanak a motorok között. Az előző szakasz három környezeti változója erre való.

Mi hiányzik még a Kimi K3-ból, és mit nem mutatnak meg a benchmarkok?#

Érdemes észben tartani a következőket.

A benchmarkok vegyes tesztkörnyezeteket használnak. Fentebb már említettem a fenntartást: a Moonshot egyes méréseket a saját KimiCode-jával, másokat Claude Code-dal, megint másokat Codexszel végzett, ami 10–26 ponttal eltolhatta az eredményeket. A Frontend Arenán elért első hely független mérés; ott valódi emberek bírálják el az eredményeket. A Moonshot kódolási táblázatát viszont óvatosan kell értelmezni.

A független intelligenciaindex összevetése nem tisztázott. A „Kimi K3 (max)” pontszám nem vethető össze egy meg nem nevezett modellbeállítás pontszámával a kiadó, dátumozott eredmény, modellbeállítás, tesztkörnyezet és indexverzió nélkül. Itt nincs e mezőket igazoló elsődleges hivatkozás, ezért az elérhető bizonyíték nem támaszt alá aktuális helyezést, feladatköltség- vagy sebesség-összehasonlítást. Ne feltételezd, hogy a „max” és egy meg nem nevezett alapfutás pontszáma vagy skálája azonos.

A gondolkodási mód növeli a számlát. A mindig bekapcsolt gondolkodás minőségi szempontból előny, összetett feladatoknál viszont hátrány az árra nézve: a folyamat több ezer, 1 millió tokenenként 15 dollárért számlázott tokenre is nyúlhat. A Kimi alacsony ára egyszerű és közepesen összetett munkánál valódi; nehéz feladatoknál ellenőrizd a számlát.

Adatok és joghatóság. A kínai szerverek gyakorlati kérdést vetnek fel: ha egy projekt emberek személyes adatait dolgozza fel, ezt ügyvéddel kell megbeszélni. A benchmarknak ehhez semmi köze.

Ezek egyike sem jelenti azt, hogy a Kimi K3 rossz modell lenne. Erős és olcsó, és ezt jogosan mondhatjuk. A „jó és olcsó” azonban nem ugyanaz, mint az, hogy „mindenben jobb a Claude-nál”; utóbbi nem következik a bemutatottakból.

Hol kezdd ezen a héten?#

Konkrét terv, felesleges lépések nélkül:

1. Állítsd át a Claude Code-ot Kimire az előző szakaszban megadott három változóval. Dolgozz vele egy átlagos napot. Olyan feladatokat adj neki, amelyekben erősnek mondják — például oldal, komponens vagy felület készítését.
2. Hasonlítsd össze. Egy nap után nézz meg két dolgot: a valódi feladataidnál elért minőséget és a számlát. Figyeld meg, hol válaszol a Kimi olyan jól, mint a Claude, és hol marad el tőle.
3. Dönts. Tartsd meg mindkét kulcsot, és a feladattól függően válts motort (frontend és rutinfeladatok — Kimi; kritikus munka — Claude), vagy egyetlen unset paranccsal térj vissza csak a Claude-hoz.

A kísérlet kockázata, hogy egy napod rámegy a kalibrálásra. Az előnye, hogy a nagy volumenű és vizuális munkák számlája általában többszörösére csökken a második hétre. Olcsón kipróbálhatod, és egyetlen paranccsal leállíthatod.

Látogass el az Ailootra.