Kimi K3 dalam praktik: ulasan langsung dan perbandingan dengan Claude Code

Hasil eksperimen penulis#

Kimi K3 diluncurkan pada 16 Juli 2026. Model ini memiliki 2,8 triliun parameter, jendela konteks satu juta token, bobot terbuka, dan menempati posisi pertama dalam perbandingan frontend buta. Saya mengumpulkan semua detail tentang arsitektur, tolok ukur, dan harganya dalam ulasan lengkap Kimi K3 versus Claude Code, jadi saya tidak akan mengulanginya di sini.

Di akhir ulasan itu, saya menulis: risikonya adalah kehilangan sehari untuk penyiapan; hasil yang diharapkan adalah tagihan yang mulai turun sejak minggu kedua. Saya menjalankan eksperimen ini dengan tugas-tugas saya sendiri.

Beberapa jam pertama memang sangat mengasyikkan. Model ini antusias menerima tugas, menghasilkan pekerjaan frontend yang koheren, dan tidak ragu menangani berkas besar. Karena itulah saya menulis di kanal bahwa saya cukup terkejut. Masalahnya muncul dalam sesi panjang, dengan beberapa agen, melalui putaran penyuntingan berulang, dan pada malam hari saat menggunakan terminal.

Pada akhirnya, saya kembali ke konfigurasi sebelumnya. Berikut hal-hal yang membuat saya mengambil keputusan itu, lengkap dengan angka dan tautan ke sumber primer agar Anda bisa memeriksanya sendiri.

Mengapa tolok ukur menunjukkan Kimi K3 mengungguli Claude?#

Berikut tolok ukur yang menunjukkan Kimi K3 mengungguli Claude Fable 5:

llm-stats mengompilasi tolok ukur tersebut; setiap baris membandingkannya dengan Claude Fable 5.

Angka-angka ini nyata. Dalam seluruh 35 tolok ukur di rangkuman yang sama, Claude Fable 5 menang 22 kali, Kimi K3 menang dua belas kali, dan satu hasil seri.

Yang lebih menarik adalah bagian yang belum dikuasai Kimi K3. Kekurangannya pada tolok ukur coding terbilang kecil, yakni 4–5 poin. Namun, model ini tertinggal dalam pengetahuan dan penalaran: pada HLE, Claude unggul hampir 10 poin. Inilah persis saat tugas panjang menemui jalan buntu: pertama-tama harus memahami, baru kemudian menulis.

Moonshot menyatakannya seperti ini di bagian utama tulisan peluncurannya:

Mengapa Kimi K3 terasa dua kali lebih lambat dalam praktik?#

Perbandingan tersebut menggunakan Claude Opus 4.8, versi Claude yang memiliki pengukuran kecepatan lengkap.

Kimi K3 merespons lebih cepat, sehingga secara subjektif terasa lebih sigap dalam percakapan singkat. Saat bekerja, waktu tersita untuk hal lain: lambatnya respons lengkap muncul. Dalam hal ini, Kimi K3 kalah hampir setengah, dan pada respons panjang selisihnya bertambah hingga hitungan menit.

Kimi Code mengiklankan kecepatan 180–260 token per detik, dan angka itu tampak meyakinkan dibandingkan 34.7 milik saya. Angka tersebut mengacu pada versi lama dengan build kecepatan tinggi, K2.7 Code HighSpeed. Build seperti itu tidak ada untuk Kimi K3, dan tolok ukur independen mengukur Kimi K3 itu sendiri.

Sesi yang terhenti setelah kesalahan ketujuh dan menghabiskan token lewat pemanggilan berulang adalah kegagalan rekayasa konteks; pilihan model bukan persoalan utama di sini.

Ke mana perginya token jika penalaran tidak bisa dimatikan?#

Anda dapat menurunkan tingkat upayanya; dokumentasi mencantumkan tiga tingkat: rendah, tinggi, dan maksimum. Namun, penalaran tidak dapat dimatikan sepenuhnya: dokumentasi secara eksplisit menyatakan bahwa penalaran dan penyimpanan riwayatnya selalu aktif untuk Kimi K3. Untuk pemanggilan API langsung, tingkat maksimum ditetapkan sebagai bawaan, dan sebagian besar program pembungkus tidak mengubahnya.

Setiap giliran menambahkan ribuan token keluaran dengan harga $15 per juta. Selain itu, Moonshot mengharuskan Anda mengirim kembali seluruh pesan asisten, termasuk riwayat penalarannya, dan token keluaran itu menjadi token masukan lagi pada giliran berikutnya.

Jadi, Anda membayar dua kali untuk penalaran yang sama: pertama saat model menuliskannya, lalu saat Anda mengirimkannya kembali ke model.

Pada indeks keseluruhan, Kimi K3 menggunakan 21% lebih sedikit token keluaran daripada pendahulunya, K2.6. Model ini menjadi lebih hemat dibandingkan versi sebelumnya. Claude tetap menggunakan lebih sedikit token untuk tugas yang sama.

Prompt “hi” ditagihkan sebagai 86 token. Di balik layar, ada prompt sistem tersembunyi sekitar 85 token, dan Anda membayarnya pada setiap permintaan.

Saya punya ulasan terpisah tentang cara menghitung penggunaan dan memeriksa sisa saldo: berapa banyak token yang diberikan Claude Pro dan Max. Logika perhitungannya sama; hanya harganya yang berubah.

Apa yang terjadi saat model buntu dalam penalaran?#

Tampilannya seperti ini. Model mulai berpikir, tetapi alih-alih mengembangkan pemikirannya, teksnya tergelincir ke pengulangan: kata yang sama, lalu fragmen suku kata, tanpa henti. Tugas terhenti sementara penghitung token terus berputar.

Sebuah laporan 28 Juli di daftar masalah yang diketahui milik Moonshot menjelaskan Kimi K3 mencoba membaca berkas yang sama enam kali berturut-turut, menerima penolakan “pemanggilan no-op, berkas tidak berubah sejak pembacaan sebelumnya” sebanyak tujuh kali, lalu mengakhiri giliran seolah-olah tidak terjadi apa-apa. Di pelacak isu Kimi CLI, penulis mencantumkan empat jenis kemacetan serupa—membaca, mengganti, menguji, dan menganalisis—lalu merangkumnya dalam satu kalimat:

Moonshot menyatakan penyebabnya secara langsung. Model ini dilatih dalam mode yang mempertahankan riwayat penalaran, dan riwayat penalaran sebelumnya harus dikirim kembali secara utuh. Jika riwayat diterima dalam keadaan tidak lengkap, model mencoba merekonstruksi jawaban, menghasilkan pemanggilan alat yang sama, lalu memulai loop lain.

Penulis analisis di router permintaan pihak ketiga memberikan diagnosis yang sama: Kimi cukup ketat hingga menolak permintaan dengan riwayat penalaran yang tidak lengkap. Pembungkus eksternal tidak mengetahui aturan ketat ini dan memangkas riwayat.

Mengapa penyiapan multi-agen berantakan saat menggunakan Kimi K3?#

Dokumentasi resmi Moonshot menyatakannya dengan jelas: API mereka belum mendukung WebFetch. Dengan kata lain, Claude Code, yang biasanya mengakses internet untuk mengambil halaman, tidak dapat melakukannya saat menggunakan Kimi K3. Solusinya adalah menempelkan konten secara manual atau menghubungkan alat pihak ketiga.

Claude Code dapat memuat alat sesuai permintaan dan memasukkan blok layanan bertipe tool_reference ke dalam riwayat. Kimi tidak menerima tipe ini dan mengembalikan kesalahan 400. Kesalahan itu muncul tanpa menyebut nama kolom maupun alasannya:

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

Sebagai perbandingan, berikut tampilan kesalahan yang sama pada API asli Anthropic, yang setidaknya menyebut kolom dan mencantumkan tipe yang diterima:

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'

Perbedaan ini penting. Pesan pertama tidak mungkin didiagnosis: baik klien maupun orang yang menggunakannya tidak dapat mengetahui blok mana yang ditolak. Itulah tepatnya yang dikeluhkan para penulis laporan. Para pengembang alat pengalih penyedia sudah menyarankan agar pemuatan alat yang ditunda dinonaktifkan secara bawaan untuk Kimi atau agar API Moonshot ditandai sebagai API yang tidak menerima blok-blok ini.

Konsekuensinya dijelaskan dalam laporan terpisah yang dibuka pada 17 Juli dan masih belum dijawab. Penulis mengalami kesalahan ini tujuh kali dalam satu sesi. Sesi tetap berjalan setelah enam kesalahan pertama; kesalahan ketujuh menghentikannya sepenuhnya: setelah itu, bahkan mengetik teks biasa “continue” membuatnya crash. Penulis juga mencatat bahwa batas konteks masih jauh, jadi penjelasan “riwayatnya terlalu panjang” tidak berlaku.

Berikut ringkasan tipe blok yang diterima dan ditolak API Moonshot:

Kata “kompatibel” di sini hanya menjelaskan format permintaan. Hal lainnya berbeda: tipe blok yang diterima, isi riwayat yang diwajibkan, dan alat yang tersedia.

Apa yang tidak ikut terbawa saat menggunakan Kimi K3?#

Bagian batasan dalam tulisan peluncuran menyatakan hal ini secara persis:

Pengembang model tersebut mengatakan: gunakan klien kami; kami tidak menjamin perilaku klien pihak lain.

Poin kedua di bagian yang sama menjelaskan satu hal lagi yang sebelumnya saya anggap sebagai sikap keras kepala model:

CLAUDE.md saya ditulis untuk kebiasaan yang berlawanan: bertanya, menunjukkan rencana, dan menunggu konfirmasi. Instruksi itu masih ada, tetapi kini dibaca oleh model dengan temperamen berbeda.

Jika Anda ingin menggunakan satu berkas aturan untuk beberapa agen, saya membahas penyiapan tersebut secara terpisah: satu berkas instruksi untuk Claude Code, Codex, dan Cursor.

Berapa biaya sebenarnya Kimi K3?#

Pertama, berikut harga-harganya; perbandingan ini menguntungkan Kimi K3:

Harga Kimi berasal dari dokumentasi caching konteks; kolom kanan menunjukkan harga Claude Opus 5 per 30 Juli 2026.

Cache Kimi bersifat otomatis, tidak dapat dinonaktifkan, dan dikenali melalui hash di awal permintaan. Penyuntingan apa pun pada prompt sistem atau daftar alat menghapus cache pesan sepenuhnya.

Berikut hal yang dilakukan Claude Code selama hari kerja biasa:

1. Menghubungkan dan memutuskan alat eksternal seiring perkembangan tugas.
2. Memuat alat sesuai permintaan saat dibutuhkan.
3. Meluncurkan subagen dengan rangkaian alat yang berbeda.
4. Menambahkan berkas instruksi ke prompt sistem.
5. Membangun ulang riwayat saat memadatkan konteks.

Setiap hal dalam daftar ini mengatur ulang awal permintaan, sehingga cache pun ikut diatur ulang. Harga token masukan kembali menjadi $3 per juta, bukan 30 sen—sepuluh kali lipat. Selain itu, ada penalaran terus-menerus seharga $15 per juta token keluaran, dan token yang sama kembali sebagai masukan pada giliran berikutnya. Itulah sebabnya model dengan harga tertera yang rendah bisa menghasilkan tagihan yang tidak Anda duga.

Menurut data agregat OpenCode, dari hampir 280,000 sesi langsung, biaya rata-rata sesi Kimi K3 adalah $1.86 dengan volume rata-rata 3.1 juta token. Angka itu bergantung pada 93% token masukan yang mengenai cache. Ubah awal permintaan, dan angka itu tidak lagi berlaku untuk Anda.

Paket Kimi berharga $19, $39, $99, dan $199. Kuotanya berasal dari kumpulan bersama untuk seluruh langganan, direset setiap minggu tanpa mengakumulasi sisa kuota, dan menggunakan jendela bergulir lima jam. Ulasan paket menjelaskannya begini: empat terminal yang menjalankan Kimi K3 dengan penalaran terus-menerus akan cepat menghabiskan jendela lima jam.

Kuota coding paket $99 sebanding dengan paket Anthropic seharga $200, yang bertentangan dengan pandangan saya sendiri. Kimi lebih murah per token, tetapi Anda tidak bisa lagi melihatnya dalam tagihan malam itu.

Dalam hal apa Kimi K3 memang bagus secara objektif?#

1. Frontend. Peringkat pertama dalam perbandingan buta oleh pengembang aktif. Model ini menyusun tata letak dengan rapi dan selera desain yang baik.
2. Volume. Jendela konteks satu juta token, dan berkas panjang tidak membuatnya kewalahan. Menganalisis repositori besar dan memetakannya adalah jenis tugas yang cocok untuknya.
3. Respons pertama. Waktu hingga token pertama setengah dari Claude. Perbedaannya terasa dan menyenangkan dalam percakapan singkat.
4. Harga per token. Sekitar 60% dari harga Claude Opus 5. Jika awal permintaan tidak berubah, ini menghasilkan penghematan nyata pada beban kerja besar dan berulang.
5. Bobot terbuka. Model ini tidak terkunci pada satu penyedia.

Ada catatan tentang poin terakhir. Menjalankan model seperti ini di rumah tidaklah realistis: bahkan dalam bentuk terkompresi, bobotnya berukuran terabita. Dalam hal ini, keterbukaan berarti tidak bergantung pada satu penyedia.

Cara menguji semua ini sendiri dalam satu malam#

1. Siapkan akses sesuai petunjuk. Saya menjelaskan tiga variabel lingkungan dan penggantian model per tingkatan dalam ulasan Kimi K3 versus Claude Code. Periksa penyiapannya dengan perintah /status: Kimi tidak akan muncul dalam menu pemilihan model karena menu itu memiliki daftar alias bawaan, dan Anda tidak perlu mengubahnya.
2. Hapus kunci lama. Jika sebelumnya Anda menetapkan ANTHROPIC_API_KEY, hapus kunci itu. Jika disetel bersama ANTHROPIC_AUTH_TOKEN, keduanya menimbulkan konflik dan Anda akan mendapat kesalahan otorisasi tanpa alasan yang jelas.
3. Segera nonaktifkan pemuatan alat yang ditunda. Lakukan sebelum proses pertama, bukan setelah sesi pertama berhenti.
4. Jangan berganti model di tengah tugas. Jika Anda memulai dengan Kimi K3, selesaikan dengan Kimi K3. Sebaliknya juga berlaku. Ini persyaratan langsung dari Moonshot; kutipannya sudah saya cantumkan di atas.
5. Gunakan tugas nyata milik Anda. Pilih tugas yang Anda kerjakan kemarin, lengkap dengan segala keruwetan dan pekerjaan yang belum selesai. Permainan ular tidak akan menunjukkan perbedaannya: perbedaan itu baru muncul dalam jangka panjang.
6. Catat dua angka. Berapa menit waktu yang dibutuhkan dan berapa biaya yang Anda keluarkan malam itu. Bandingkan dengan malam biasa menggunakan Claude.
7. Catat waktu tidak aktif secara terpisah. Saat agen macet, membaca berkas yang sama dalam satu loop, atau merespons dengan kesalahan—semua itu juga bagian dari biayanya.

Jika tagihan malam itu lebih tinggi daripada perkiraan, hampir selalu penyebabnya adalah cache: hitung berapa kali awal permintaan diatur ulang malam itu. Harga per token tidak banyak berpengaruh.

Hal yang akhirnya tetap saya gunakan#

Pembaca kanal yang menguji model ini bersama saya secara independen sampai pada penyiapan yang sama: mereka meminta Kimi K3 memeriksa repositori dan memberikan pendapat kedua, sementara pekerjaan utama tetap diserahkan kepada agen yang sudah mereka kenal. Penyiapan ini berhasil karena tidak mengharuskan pemindahan pembungkus atau merusak hal yang sudah berfungsi.

Sederhananya: satu tugas utuh diberikan kepada Kimi K3; rangkaian panjang yang melibatkan alat dan subagen diberikan kepada Claude Code. Semakin banyak perpindahan antaralat yang dibutuhkan suatu tugas, semakin besar biayanya di Kimi K3 dan semakin tinggi kemungkinan sesi bermasalah.

Saya punya ulasan terpisah tentang cara membagi peran kepada dua agen tanpa mencampuradukkannya: tiga cara bekerja dengan dua agen.

Tolok ukur menjawab pertanyaan “siapa yang lebih kuat dalam kondisi laboratorium?” Tagihan malam itu dan daftar pekerjaan yang selesai menjawab pertanyaan “siapa yang lebih kuat untuk Anda?” Jika kedua jawaban itu berbeda, percayalah pada jawaban kedua: Anda menghitungnya sendiri, bukan bagian pemasaran.

Setelah mempertimbangkan semuanya, saya memutuskan sendiri: apa pun kata orang tentang model baru, pemimpin tetaplah pemimpin. Claude Code tetap menjadi mesin utama saya.