Kimi K3 dan Claude Code: Perbandingan, Biaya, dan Penyiapan

Informasi praktis tentang penggunaan Ailoot tersedia di dokumentasi.

Apa Itu Kimi K3, dan Mengapa Mengguncang Pasar?#

Setahun lalu, Moonshot dikenal dengan satu model — Kimi K2, rilisan terbuka dari musim panas 2025. K2.6 menyusul pada April, lalu K2.7 Code pada Juni 2026. K3 adalah langkah berikutnya, dengan ukuran sekitar 2,8 kali K2.6.

Angka 2,8 triliun terdengar menggentarkan, tetapi teknologi di baliknya sudah lazim pada 2026. K3 dibangun dengan arsitektur mixture-of-experts (Stable LatentMoE): model ini memiliki 896 ahli terpisah, dan hanya mengaktifkan 16 di antaranya untuk setiap token. Artinya, parameter yang aktif jauh lebih sedikit daripada jumlah totalnya — jika tidak, tidak ada yang bisa melayani model sebesar ini dengan harga wajar. Model ini juga menggunakan dua teknik buatan Moonshot sendiri: Kimi Delta Attention (yang mempercepat generasi hingga 6 kali) dan Attention Residuals (yang membuat pelatihan lebih murah). Bagi vibe coder, ini hanyalah urusan teknis di balik layar, tetapi hal ini menjelaskan mengapa model sebesar ini akhirnya berharga lebih murah daripada Claude, padahal ukurannya mungkin membuat orang menduga harganya akan sangat mahal.

Yang penting dalam praktik:

• Jendela konteks satu juta token. Sama besar dengan jendela konteks penuh Claude. Anda bisa memasukkan proyek besar ke dalam model sekaligus.
• Visi. Anda bisa mengirim tangkapan layar kesalahan atau mockup — model dapat melihat gambarnya. Model Tiongkok terdahulu seperti DeepSeek tidak memiliki kemampuan ini.
• Mode penalaran yang selalu aktif (mode berpikir). Model selalu berpikir dahulu, baru menjawab. Ini meningkatkan kualitas sekaligus harga; saya akan membahasnya lagi di bawah.

Reaksi pasar sangat kuat. Model Tiongkok terbuka telah mencapai kesetaraan dengan model unggulan tertutup dari Anthropic dan OpenAI, dan Moonshot berjanji membagikan bobotnya secara gratis. Saya akan membahas bagian mana dari “kesetaraan” itu nyata dan bagian mana yang hanya presentasi yang dipoles.

Keunggulan Nyata Kimi K3 atas Claude, dan Kekurangannya#

Saya akan mulai dari benchmark yang paling penting bagi vibe coder: Frontend Code Arena. Model menghasilkan antarmuka, lalu orang memilih secara anonim mana yang lebih baik. Ini mendekati apa yang Anda lakukan ketika meminta AI membuat situs web.

Kimi K3 berada di posisi pertama, dan menempati posisi pertama pada enam dari tujuh domain. Bagi orang yang membangun situs web dan antarmuka melalui percakapan dengan AI, ini adalah sinyal paling jelas: model ini berkinerja kuat untuk tata letak dan pekerjaan frontend.

Untuk kecerdasan umum, perkiraan skor Kimi 57 dan skor 44 untuk “Kimi K3 (max)” tidak dapat diperlakukan sebagai satu peringkat konsisten tanpa nama penerbit indeks, tautan hasil primer, dan konfigurasi pengujian sebanding. Tidak satu pun skor membuktikan peringkat Kimi saat ini dengan bukti yang ditautkan di sini.

Sebelum membandingkan skor kecerdasan, gunakan revisi indeks bernama serta tanggal yang sama, catat model dan pengaturan penalaran yang tepat (termasuk “max”), lalu periksa harness dan skala penilaian. Sampai field itu dapat diverifikasi dari hasil penerbit, artikel membiarkan peringkat kecerdasan umum Kimi belum terbukti. Hasil preferensi frontend dan benchmark coding mengukur hal berbeda dan tidak mengisi celah tersebut.

Untuk perbandingan model terbuka terpisah, lihat “GLM-5.2 Menyamai Claude Opus 4.8”; artikel itu tidak menyelesaikan atribusi indeks Kimi yang hilang.

Benchmark coding klasik:

• SWE-bench Verified — 76.8%. Mengukur kemampuan memperbaiki bug nyata dalam proyek GitHub. Skor yang solid, meskipun model Claude teratas meraih skor lebih tinggi.
• LiveCodeBench — 85%. Soal algoritmik dengan format “input — output yang diharapkan”. K3 kuat di sini.
• Terminal-Bench 2.1 — 88.3. Pekerjaan agentik di terminal, menurut Moonshot sendiri.

Dan inilah catatan yang harus saya sertakan agar panduan ini jujur, bukan iklan. Moonshot menyusun tabel coding-nya menggunakan harness yang berbeda: beberapa pengukuran memakai KimiCode miliknya sendiri, beberapa Claude Code, dan beberapa Codex. Harness yang berbeda dapat menggeser hasil yang sama sebesar 10–26 poin.

Saya tidak berpendapat bahwa model Tiongkok “lebih baik daripada Claude.” Dari pengalaman saya menggunakan Claude Code sebagai alat utama, model-model itu masih tertinggal dalam coding yang kompleks — dan saya melihatnya setiap kali membandingkannya. Namun K3 menunjukkan hasil langsung terbaik saat ini untuk pekerjaan frontend, dengan harga yang jauh lebih rendah. Mengabaikannya sama kelirunya dengan menyatakan Claude sudah mati.

Berapa Harga Kimi K3, dan Mengapa “Terbuka” Bukan Berarti “Gratis”#

Harga API resmi Kimi K3 (diverifikasi berdasarkan harga resmi Anthropic pada 2 Oktober 2026):

Pada harga standar, input Kimi seperempat lebih murah daripada Opus 5.5 ($3 dibandingkan $4), dan output juga seperempat lebih murah ($15 dibandingkan $20). Selisihnya lebih kecil daripada pada generasi Opus sebelumnya, tetapi arahnya sama. Penghematan sesungguhnya berasal dari caching saat Anda membuat permintaan berulang dengan konteks yang sama. Saat bekerja dalam satu proyek, bagian awal setiap permintaan berulang: berkas yang sama, aturan yang sama, prompt sistem yang sama. Cache Kimi memberi diskon 90% dari harga input penuh. Dalam coding, cache terkena pada 90% atau lebih kasus, sehingga biaya efektif token input mendekati 30 sen. Memaksimalkan caching pada model apa pun adalah disiplin tersendiri; saya membahasnya secara terperinci dengan DeepSeek sebagai contoh.

Ada satu jebakan harga tersembunyi dalam mode penalaran. Kimi K3 selalu berpikir sebelum menjawab, dan penalaran itu ditagihkan sebagai token output seharga $15 per 1 juta. Selisihnya bisa diabaikan untuk pertanyaan sederhana, tetapi pada tugas kompleks model mungkin “memikirkan” ribuan token, sehingga sebagian menggerus harga rendah tersebut. Anda perlu melihat tagihan akhir untuk pekerjaan sehari. Harga standar bisa menyesatkan di sini.

Sekarang tentang kata “terbuka”. Moonshot berjanji merilis bobot Kimi K3 paling lambat 27 Juli 2026, dan menepati janjinya — commit HuggingFace bertanggal 27 Juli 2026 (HuggingFace, Kimi-K3, diverifikasi 2 Oktober 2026). “Bobot terbuka” terdengar seperti “Saya akan mengunduhnya dan menjalankannya secara gratis di komputer sendiri.” Kenyataannya tidak begitu. Bahkan setelah dikompresi menjadi 4-bit, 2,8 triliun parameter memerlukan memori ratusan gigabita, beberapa GPU bertenaga, koneksi cepat di antara GPU tersebut, serta seseorang untuk menyiapkan dan memeliharanya.

Keterbukaan Kimi K3 berguna bagi penyedia cloud besar dan tim perusahaan yang memiliki infrastruktur sendiri. Bagi Anda, manfaatnya berbeda: persaingan yang mendorong harga turun, dan pilihan cadangan jika batas atau harga Claude naik. Anda tidak akan menjalankan 2,8 triliun parameter di laptop. Saya memiliki analisis terpisah tentang bagaimana vibe coding yang “gratis” diam-diam berubah menjadi tagihan: “Biaya Tersembunyi Vibe Coding”.

Cara Menghubungkan Kimi K3 ke Claude Code dengan 3 Variabel#

Claude Code dapat terhubung ke endpoint mana pun yang menggunakan protokol Anthropic. Moonshot menyiapkan endpoint untuk Kimi K3, jadi Anda tidak memerlukan build atau plugin terpisah. Pengaturan minimum terdiri dari tiga variabel:

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

Setelah itu, jalankan claude seperti biasa. Claude Code mengira sedang berbicara dengan Anthropic, tetapi sebenarnya mengirim permintaan ke Kimi K3. Semua skills, hooks, dan mode plan tetap berfungsi, sementara tagihan dihitung berdasarkan tarif Moonshot.

Ada satu jebakan utama di sini, dan hampir semua orang pernah mengalaminya. Moonshot memiliki dua endpoint kompatibel yang berbeda — satu di api.moonshot.ai, satu lagi di platform platform.kimi.ai. Keduanya menggunakan nama berbeda untuk variabel kunci dan model, dan kunci dari satu endpoint akan menghasilkan kesalahan 401 pada endpoint lainnya (dokumentasi Kimi untuk Claude Code). Jika Anda mendapat 401, hampir selalu penyebabnya adalah ketidakcocokan antara kunci dan endpoint. Kuncinya sendiri biasanya berfungsi. Dapatkan kunci dan endpoint dari platform yang sama.

Cara termudah untuk memeriksa apakah semuanya berfungsi adalah memberinya tugas kecil: minta Claude Code menampilkan isi satu berkas, lalu pastikan respons diterima dan penghitung di dasbor Moonshot bertambah. Untuk kembali ke Claude biasa, hapus ketiga variabel (unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL) lalu mulai ulang Claude Code. Jika Anda sering berganti, Anda bisa membuat dua profil shell atau menaruh variabel di berkas .envrc dengan direnv, agar hanya aktif di direktori tertentu.

Ini pilihan praktis jika Anda sudah menyiapkan skills dan hooks untuk Claude Code dan tidak ingin mempelajari alat lain. Moonshot juga memiliki agen terminalnya sendiri, Kimi Code, tetapi bagi orang yang sudah terbiasa memakai Claude Code, mengganti mesin dengan tiga variabel adalah cara dengan hambatan paling rendah.

Satu hal yang sama sekali tidak sebaiknya Anda lakukan adalah membeli “akun siap pakai dengan saldo” dari bot Telegram. Akun seperti itu sering menyebabkan uang hilang dan akun diblokir setelah beberapa hari. Data juga merupakan kekhawatiran nyata: server Moonshot berada di Tiongkok, dan untuk proyek kerja dengan data sensitif, hal ini perlu dibahas secara terpisah. Saya membahas risiko memberi model akses ke data Anda dalam panduan “Apakah Aman Memberi Claude Code Akses ke Data Anda?”.

Tugas Mana yang Sebaiknya Diberikan kepada Kimi K3, dan Mana yang Sebaiknya Tetap untuk Claude?#

Di sinilah batasnya terlihat jelas. Saya menulis secara terpisah tentang pengalaman seminggu menggunakan Kimi K3 dalam pekerjaan nyata dan alasan saya kembali ke Claude Code dalam “Kimi K3 di Tempat Kerja: Ulasan dan Alasan Saya Kembali ke Claude Code” — tanpa benchmark, hanya kejadian pada tugas nyata.

Keunggulan utama Kimi K3:

• Frontend dan tata letak. Hasil teratas di Frontend Code Arena. Bangun antarmuka, halaman, atau komponen—Kimi berkinerja kuat dan biayanya jauh lebih rendah.
• Refaktor rutin. Ganti nama sesuatu, pecah fungsi, tambahkan tipe. Model teratas terlalu berlebihan untuk ini.
• Membuat pengujian untuk kode yang sudah ada. Kedua model bekerja hampir sama baiknya; Kimi lebih murah.
• Pemrosesan teks batch. Deskripsi, terjemahan, pelabelan—harga rendah penting untuk volume besar.
• Sesi panjang dalam satu proyek. Semakin lama Anda bekerja dalam satu konteks, semakin sering cache terkena dan semakin murah setiap langkah berikutnya.

Pekerjaan yang sebaiknya tetap untuk Claude:

• Arsitektur untuk toolset baru. Membandingkan pilihan, menemukan jebakan, memilih struktur — Claude teratas masih lebih konsisten.
• Men-debug bug kompleks bertahap. Claude lebih andal dalam rangkaian penalaran panjang.
• Rangkaian kerja agen otonom yang panjang. Claude lebih jarang berantakan selama puluhan langkah berturut-turut tanpa campur tangan manusia.
• Build yang kritis bagi produksi. Saat stabilitas lebih penting daripada harga.
• Data sensitif. Server Moonshot berada di Tiongkok — data pribadi pelanggan memerlukan pembahasan terpisah dengan pengacara.

Singkatnya: berikan pekerjaan repetitif, bervolume tinggi, dan visual kepada Kimi K3, serta serahkan keputusan yang kesalahannya mahal kepada Claude. Banyak orang melakukan hal itu — menyimpan kedua kunci dan mengganti mesin untuk tugas yang berbeda. Tiga variabel lingkungan pada bagian sebelumnya dibuat untuk tujuan ini.

Kekurangan Kimi K3 dan Hal yang Tidak Ditunjukkan Benchmark#

Berikut hal-hal yang perlu diingat.

Benchmark menggunakan harness yang beragam. Seperti disebutkan di atas: Moonshot menjalankan beberapa pengukuran melalui KimiCode miliknya sendiri, beberapa melalui Claude Code, dan beberapa melalui Codex, sehingga hasil bergeser 10–26 poin. Posisi pertama di Frontend Arena bersifat independen; orang sungguhan menilai hasil di sana. Namun, tabel coding Moonshot sebaiknya dibaca dengan hati-hati.

Perbandingan indeks kecerdasan independen belum terselesaikan. Skor “Kimi K3 (max)” tidak dapat dibandingkan dengan skor bagi pengaturan model yang tidak diketahui tanpa penerbit bernama, hasil bertanggal, pengaturan model, harness, dan revisi indeks. Tidak ada tautan primer di sini yang membuktikan field tersebut, sehingga bukti yang tersedia tidak mendukung peringkat saat ini, perbandingan biaya per tugas, atau kecepatan. Jangan menganggap “max” dan proses default tanpa keterangan memiliki skor atau skala yang sama.

Mode penalaran memperbesar tagihan. Penalaran yang selalu aktif meningkatkan kualitas, tetapi merugikan dari sisi harga untuk tugas kompleks, yang dapat menghasilkan ribuan token dengan tarif $15 per 1 juta. Harga Kimi yang rendah memang nyata untuk pekerjaan sederhana dan berkompleksitas menengah; untuk tugas berat, periksa tagihannya.

Data dan yurisdiksi. Server di Tiongkok menimbulkan pertanyaan praktis: untuk proyek yang memproses data pribadi orang, hal ini perlu dibahas dengan pengacara. Benchmark tidak ada hubungannya dengan itu.

Tidak satu pun dari poin-poin ini menjadikan Kimi K3 model yang buruk. Model ini kuat dan murah, dan itu benar. Namun, “kuat dan murah” dan “lebih baik daripada Claude dalam segala hal” adalah dua klaim berbeda; klaim kedua tidak dapat disimpulkan dari presentasi tersebut.

Dari Mana Sebaiknya Memulai Minggu Ini#

Rencana konkret tanpa langkah tambahan:

1. Alihkan Claude Code ke Kimi menggunakan tiga variabel dari bagian sebelumnya. Bekerjalah seperti biasa selama sehari. Berikan tugas yang menjadi keunggulannya — membuat halaman, komponen, atau antarmuka.
2. Bandingkan. Setelah sehari, periksa dua hal: kualitas pada tugas nyata Anda dan tagihannya. Perhatikan bagian yang dijawab Kimi sebaik Claude dan bagian yang masih kurang.
3. Putuskan. Simpan kedua kunci dan ganti mesin untuk tugas berbeda (frontend dan pekerjaan rutin — Kimi; pekerjaan kritis — Claude), atau kembali hanya ke Claude dengan satu perintah unset.

Risiko eksperimen ini adalah kehilangan satu hari untuk kalibrasi. Manfaatnya, tagihan untuk pekerjaan bervolume tinggi dan visual biasanya turun beberapa kali lipat pada minggu kedua. Mencobanya tidak mahal, dan Anda dapat berhenti dengan satu perintah.

Kunjungi Ailoot.