Kimi K3 dalam amalan: pengalaman langsung dan perbandingan dengan Claude Code

Bagaimana eksperimen penulis berakhir#

Kimi K3 dilancarkan pada 16 Julai 2026. Model ini mempunyai 2.8 trilion parameter, tetingkap konteks satu juta token, pemberat terbuka dan tempat pertama dalam perbandingan frontend buta. Saya mengumpulkan semua butiran tentang seni bina, penanda aras dan harganya dalam ulasan penuh Kimi K3 berbanding Claude Code, jadi saya tidak akan mengulanginya di sini.

Pada penghujung ulasan itu, saya menulis: risikonya ialah kehilangan sehari untuk persediaan; pulangannya ialah bil yang menurun mulai minggu kedua. Saya menjalankan eksperimen ini menggunakan tugasan saya sendiri.

Beberapa jam pertama memang mengujakan. Model ini cepat mengambil tugasan, menghasilkan kerja frontend yang koheren dan tidak teragak-agak dengan fail besar. Sebab itulah saya menulis di saluran bahawa saya berasa terkejut dengan cara yang menyenangkan. Masalah muncul dalam sesi panjang, dengan berbilang ejen, melalui pusingan suntingan berulang dan pada waktu petang di terminal.

Akhirnya, saya mengembalikan keadaan seperti dahulu. Inilah perkara yang membawa saya kepada keputusan itu, berserta angka dan pautan ke sumber primer supaya anda boleh menyemak semuanya sendiri.

Mengapa penanda aras menunjukkan Kimi K3 mengatasi Claude?#

Berikut ialah penanda aras yang menunjukkan Kimi K3 mengatasi Claude Fable 5:

llm-stats menyusun penanda aras ini; setiap baris membandingkan keputusan dengan Claude Fable 5.

Angka-angka itu benar. Dalam kesemua 35 penanda aras dalam rumusan yang sama, Claude Fable 5 menang 22, Kimi K3 menang dua belas dan satu keputusan seri.

Lebih menarik ialah perkara yang menyebabkan Kimi K3 ketinggalan. Kekurangannya dalam penanda aras pengekodan sederhana, iaitu 4–5 mata. Model ini kurang menyerlah dalam pengetahuan dan penaakulan: dalam HLE, Claude mendahului hampir 10 mata. Di situlah tugasan panjang menemui jalan buntu: mula-mula anda perlu memahami, kemudian barulah boleh menulis.

Moonshot menyatakannya begini dalam bahagian utama hantaran pelancarannya:

Mengapa Kimi K3 terasa dua kali lebih perlahan dalam penggunaan sebenar?#

Angka ini datang daripada perbandingan Kimi K3 dengan Claude Opus 4.8: itulah versi Claude yang mempunyai ukuran kelajuan lengkap.

Kimi K3 menjawab lebih awal, jadi secara subjektif ia terasa lebih pantas dalam sembang ringkas. Dalam kerja, masa dihabiskan pada perkara lain: betapa perlahan jawapan penuh tiba. Di sini, kelajuannya hampir separuh sahaja, dan bagi jawapan panjang, jurang itu bertambah hingga beberapa minit.

Kimi Code mengiklankan kelajuan 180–260 token sesaat, dan angka itu kelihatan meyakinkan berbanding 34.7 yang saya ukur. Angka itu merujuk kepada binaan berkelajuan tinggi generasi sebelumnya, K2.7 Code HighSpeed. Kimi K3 langsung tidak mempunyai binaan sedemikian, dan penanda aras bebas mengukur Kimi K3 itu sendiri.

Sesi yang terhenti selepas ralat ketujuh dan membazirkan token melalui panggilan berulang ialah kegagalan kejuruteraan konteks; pemilihan model bukan isu utama di sini.

Ke manakah token pergi jika penaakulan tidak boleh dimatikan?#

Anda boleh merendahkan tahap usaha; dokumentasi menyenaraikan tiga tahap: rendah, tinggi dan maksimum. Namun penaakulan tidak boleh dimatikan sepenuhnya: dokumentasi menyatakan dengan jelas bahawa penaakulan dan penyimpanan sejarahnya sentiasa diaktifkan untuk Kimi K3. Untuk panggilan API secara terus, tahap maksimum ditetapkan secara lalai dan kebanyakan program pembalut tidak mengubahnya.

Setiap giliran menambah ribuan token output pada harga $15 bagi sejuta. Selain itu, Moonshot mewajibkan anda menghantar semula keseluruhan mesej pembantu, termasuk sejarah penaakulannya, dan token output itu menjadi token input semula pada giliran seterusnya.

Jadi, anda membayar dua kali untuk penaakulan yang sama: pertama apabila model menulisnya, kemudian apabila anda menghantarnya kembali kepada model.

Dalam indeks keseluruhan, Kimi K3 menggunakan 21% kurang token output berbanding pendahulunya, K2.6. Model ini menjadi lebih jimat berbanding versi terdahulunya sendiri. Claude masih menggunakan kurang token untuk tugasan yang sama.

Prompt “hi” dikenakan caj sebanyak 86 token. Di sebalik tabir, terdapat prompt sistem tersembunyi kira-kira 85 token, dan anda membayarnya bagi setiap permintaan.

Saya mempunyai ulasan berasingan tentang cara mengira penggunaan dan tempat menyemak baki anda: berapa banyak token yang diberikan oleh Claude Pro dan Max. Logik pengiraannya sama; hanya harganya berbeza.

Apa yang berlaku apabila model tersekat dalam penaakulan?#

Beginilah rupanya. Model mula berfikir, tetapi teks itu tidak mengembangkan fikirannya dan sebaliknya terjebak dalam pengulangan: perkataan yang sama, kemudian serpihan suku kata, tanpa henti. Tugasan terhenti sementara kaunter token terus berputar.

Laporan pada 28 Julai dalam senarai masalah diketahui Moonshot menerangkan Kimi K3 cuba membaca fail yang sama enam kali berturut-turut, menerima penolakan “no-op call, file hasn’t changed since the previous read” sebanyak tujuh kali, kemudian menamatkan giliran seolah-olah tiada apa-apa berlaku. Dalam penjejak isu Kimi CLI, penulis menyenaraikan empat variasi keadaan tergantung yang sama—membaca, menggantikan, menguji dan menganalisis—lalu merumuskannya dalam satu ayat:

Moonshot menyatakan puncanya secara langsung. Model ini dilatih dalam mod yang mengekalkan sejarah penaakulan, dan sejarah penaakulan terdahulunya perlu dihantar semula sepenuhnya. Jika sejarah itu tiba dalam keadaan tidak lengkap, model cuba membina semula jawapan, menghasilkan panggilan alat yang sama dan memulakan satu lagi gelung.

Penulis analisis dalam penghala permintaan pihak ketiga memberikan diagnosis yang sama: Kimi cukup tegas untuk menolak permintaan dengan sejarah penaakulan yang tidak lengkap. Pembalut luaran tidak mengetahui ketegasan ini lalu memotong sejarah tersebut.

Mengapa persediaan berbilang ejen gagal dengan Kimi K3?#

Dokumentasi rasmi Moonshot menyatakannya dengan jelas: API mereka belum menyokong WebFetch. Dalam erti kata lain, Claude Code yang biasanya mengakses Internet untuk mendapatkan halaman tidak dapat berbuat demikian dengan Kimi K3. Penyelesaiannya ialah menampal kandungan secara manual atau menyambungkan alat pihak ketiga.

Claude Code boleh memuatkan alat apabila diperlukan dan meletakkan blok perkhidmatan jenis tool_reference dalam sejarah. Kimi tidak menerima jenis ini lalu memulangkan ralat 400. Ia berbuat demikian secara senyap, tanpa menyatakan medan atau sebabnya:

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

Sebagai perbandingan, beginilah rupa kegagalan yang sama pada API natif Anthropic, yang sekurang-kurangnya menyatakan nama medan dan menyenaraikan jenis 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'

Perbezaan ini penting. Mesej pertama mustahil didiagnosis: klien mahupun orang di sebaliknya tidak dapat mengetahui blok yang ditolak. Itulah yang dikeluhkan oleh penulis laporan tersebut. Pembangun alat penukar penyedia sudah mencadangkan supaya pemuatan alat tertunda dimatikan secara lalai untuk Kimi atau API Moonshot ditandakan sebagai tidak menerima blok ini.

Kesannya dihuraikan dalam laporan berasingan yang dibuka pada 17 Julai dan masih belum dijawab. Penulis menemui ralat ini sebanyak tujuh kali dalam satu sesi. Sesi itu bertahan untuk enam kali pertama; ralat ketujuh mematikannya terus: selepas itu, menaip teks biasa “continue” pun menyebabkan sesi ranap. Penulis turut menyatakan bahawa had konteks masih jauh, jadi penjelasan “sejarah terlalu panjang” tidak munasabah.

Berikut ialah ringkasan jenis blok yang diterima dan ditolak oleh API Moonshot:

Perkataan “serasi” di sini hanya menerangkan format permintaan. Perkara lain semuanya berbeza: jenis blok yang diterima, kandungan yang perlu ada dalam sejarah dan alat yang tersedia.

Apakah yang tidak dibawa bersama Kimi K3?#

Bahagian batasan dalam hantaran pelancaran menyatakan perkara ini secara langsung:

Pembangun model itu berkata: gunakan klien kami; kami tidak menjamin tingkah laku klien orang lain.

Perkara kedua dalam bahagian yang sama menjelaskan satu lagi perkara yang saya anggap berpunca daripada kedegilan model:

CLAUDE.md saya ditulis untuk tabiat yang bertentangan: bertanya, menunjukkan rancangan dan menunggu pengesahan. Arahan itu masih ada, tetapi kini dibaca oleh model dengan perangai yang berbeza.

Jika anda mahu mengekalkan satu fail peraturan untuk beberapa ejen, saya membincangkan persediaan itu secara berasingan: satu fail arahan untuk Claude Code, Codex dan Cursor.

Berapakah kos sebenar Kimi K3?#

Pertama, harga yang memihak kepada Kimi K3:

Harga Kimi datang daripada dokumentasi caching konteks; lajur kanan menunjukkan harga Claude Opus 5 pada 30 Julai 2026.

Cache Kimi adalah automatik, tidak boleh dimatikan dan dikenal pasti melalui cincangan pada permulaan permintaan. Sebarang suntingan pada prompt sistem atau senarai alat akan mengosongkan cache mesej sepenuhnya.

Inilah yang dilakukan Claude Code sepanjang hari kerja biasa:

1. Menyambung dan memutuskan sambungan alat luaran mengikut perkembangan tugasan.
2. Memuatkan alat apabila diperlukan.
3. Melancarkan subagen dengan set alat yang berbeza.
4. Menambah fail arahan pada prompt sistem.
5. Membina semula sejarah apabila memampatkan konteks.

Setiap item dalam senarai ini menetapkan semula permulaan permintaan, lalu menetapkan semula cache. Token input kembali berharga $3 bagi sejuta, bukannya 30 sen—sepuluh kali lebih mahal. Selain itu, penaakulan berterusan berharga $15 bagi sejuta token output, dan token yang sama kembali sebagai input pada giliran seterusnya. Inilah sebab model yang harga yang disenaraikannya rendah boleh menghasilkan bil yang tidak dijangka.

Menurut data agregat OpenCode, merentas hampir 280,000 sesi langsung, kos purata satu sesi Kimi K3 ialah $1.86 dengan purata jumlah 3.1 juta token. Angka itu bergantung pada 93% token input terkena cache. Ubah permulaan permintaan, dan angka itu tidak lagi terpakai kepada anda.

Pelan Kimi berharga $19, $39, $99 dan $199. Kuota datang daripada kumpulan kongsi untuk keseluruhan keahlian, ditetapkan semula setiap minggu tanpa membawa baki yang tidak digunakan, dan menggunakan tempoh lima jam bergerak. Ulasan pelan menyatakannya begini: empat terminal yang menjalankan Kimi K3 yang sentiasa membuat penaakulan akan menghabiskan tempoh lima jam dengan cepat.

Kuota pengekodan pelan $99 setanding dengan pelan $200 Anthropic, yang bercanggah dengan pendirian saya sendiri. Kimi lebih murah bagi setiap token, tetapi anda tidak lagi nampak penjimatan itu pada bil waktu petang.

Apakah kelebihan objektif Kimi K3?#

1. Frontend. Tempat pertama dalam perbandingan buta oleh pembangun yang masih aktif. Model ini membina reka letak dengan kemas dan cita rasa yang baik.
2. Skala. Tetingkap konteks satu juta token, dan fail panjang tidak menggentarkannya. Menganalisis repositori besar serta memetakan strukturnya memang sesuai dengannya.
3. Respons pertama. Masa untuk token pertama ialah separuh daripada Claude. Perbezaan ini ketara dan menyenangkan dalam perbualan ringkas.
4. Harga bagi setiap token. Kira-kira 60% daripada harga Claude Opus 5. Jika permulaan permintaan tidak berubah, ini menghasilkan penjimatan sebenar bagi beban kerja besar dan berulang.
5. Pemberat terbuka. Model ini tidak terkunci kepada satu penyedia.

Ada satu catatan tentang kelebihan terakhir ini. Menjalankan model seperti ini di rumah tidak realistik: walaupun dimampatkan, pemberatnya berukuran terabait. Dalam konteks ini, keterbukaan bermaksud kebebasan daripada satu penyedia sahaja.

Cara menguji semua ini sendiri dalam satu malam#

1. Sediakan akses mengikut arahan. Saya menghuraikan tiga pemboleh ubah persekitaran dan penggantian model mengikut tahap dalam ulasan Kimi K3 berbanding Claude Code. Semak persediaan dengan perintah /status: Kimi tidak akan muncul dalam menu pemilihan model kerana menu itu mempunyai senarai alias terbina dalam, dan anda tidak perlu mengusiknya.
2. Buang kunci lama. Jika anda pernah menetapkan ANTHROPIC_API_KEY, buangkannya. Bersama ANTHROPIC_AUTH_TOKEN, kunci itu menyebabkan konflik dan anda akan mendapat ralat kebenaran tanpa sebab yang munasabah.
3. Matikan pemuatan alat tertunda dengan segera. Buat demikian sebelum larian pertama, bukan selepas sesi pertama terhenti.
4. Jangan tukar model di tengah-tengah tugasan. Jika anda bermula dengan Kimi K3, selesaikan tugasan dengan Kimi K3. Begitu juga sebaliknya. Ini ialah arahan langsung Moonshot yang saya petik di atas.
5. Gunakan tugasan sebenar anda sendiri. Pilih tugasan yang anda kerjakan semalam, lengkap dengan semua kekusutan dan perkara yang belum selesai. Permainan ular tidak akan menunjukkan perbezaannya: perbezaan itu hanya muncul dalam jangka panjang.
6. Catat dua angka. Berapa minit masa yang diambil dan berapa banyak wang yang anda belanjakan pada malam itu. Bandingkan dengan malam biasa menggunakan Claude.
7. Jejak masa melahu secara berasingan. Apabila ejen tergantung, membaca fail yang sama berulang kali atau memberikan ralat, semua itu turut menjadi sebahagian daripada kos.

Jika bil malam itu lebih tinggi daripada jangkaan, hampir selalu puncanya ialah cache: kira berapa kali permulaan permintaan ditetapkan semula pada malam itu. Harga bagi setiap token tidak banyak kaitannya.

Perkara yang akhirnya saya kekalkan#

Pembaca saluran yang menguji model ini bersama saya secara berasingan turut membuat pilihan persediaan yang sama: mereka meminta Kimi K3 memeriksa repositori dan memberikan pandangan kedua, sementara kerja utama diserahkan kepada ejen yang sudah biasa mereka gunakan. Persediaan ini berkesan kerana tidak memerlukan pemindahan pembalut atau merosakkan perkara yang sudah berfungsi.

Ringkasnya: satu tugasan lengkap diberikan kepada Kimi K3; rangkaian panjang yang melibatkan alat dan subagen diberikan kepada Claude Code. Semakin banyak pertukaran alat yang diperlukan oleh tugasan, semakin tinggi kosnya pada Kimi K3 dan semakin besar kemungkinan sesi itu terganggu.

Saya mempunyai ulasan berasingan tentang cara mengagihkan peranan kepada dua ejen tanpa mengelirukan mereka: tiga cara bekerja dengan dua ejen.

Penanda aras menjawab soalan “siapa lebih kuat dalam keadaan makmal?” Bil malam anda dan senarai kerja yang telah diselesaikan menjawab soalan “siapa lebih kuat untuk anda?” Jika kedua-dua jawapan itu berbeza, percayalah pada jawapan kedua: anda yang mengiranya sendiri, bukannya bahagian pemasaran.

Selepas mempertimbangkan semua ini, saya membuat keputusan sendiri: apa pun kata orang tentang model baharu, peneraju tetap peneraju. Claude Code kekal sebagai enjin utama saya.