Kimi K3 i praksis: hands-on erfaring og en sammenligning med Claude Code

Slik gikk forfatterens eksperiment#

Kimi K3 ble lansert 16. juli 2026. Den har 2,8 billioner parametere, et kontekstvindu på én million tokener, åpne vekter og førsteplass i en blind frontend-sammenligning. Jeg samlet alle detaljene om arkitekturen, referansetestene og prisene i den fullstendige anmeldelsen av Kimi K3 sammenlignet med Claude Code, så jeg gjentar dem ikke her.

På slutten av den anmeldelsen skrev jeg: Risikoen er å miste en dag på oppsettet; gevinsten er en regning som går ned fra den andre uken. Jeg gjennomførte eksperimentet på mine egne oppgaver.

De første timene er virkelig spennende. Modellen tar ivrig fatt på en oppgave, lager sammenhengende frontendarbeid og nøler ikke med store filer. Derfor skrev jeg i kanalen at jeg var positivt overrasket. Problemene dukket opp i lange økter, med flere agenter, gjennom gjentatte redigeringsrunder og om kvelden i terminalen.

Til slutt rullet jeg tilbake. Her er hva som førte til den avgjørelsen, med tall og lenker til primærkilder slik at du kan kontrollere alt selv.

Hvorfor viser referansetester at Kimi K3 slår Claude?#

Her er referansetestene der Kimi K3 slår Claude Fable 5:

llm-stats har samlet referansetestene; hver rad sammenligner med Claude Fable 5.

Tallene er reelle. I alle de 35 referansetestene i den samme sammenstillingen vinner Claude Fable 5 22, Kimi K3 vinner tolv, og én ender uavgjort.

Det er mer interessant hvor Kimi K3 kommer til kort. Forskjellen på kodebaserte referansetester er beskjeden, på 4–5 poeng. Den faller bakpå innen kunnskap og resonnering: på HLE går Claude nesten 10 poeng foran. Det er nettopp der en lang oppgave støter på en vegg: Først må du forstå, og så kan du skrive.

Moonshot uttrykker det slik i hoveddelen av lanseringsinnlegget:

Hvorfor føles Kimi K3 dobbelt så langsom i praksis?#

Sammenligningen bruker Claude Opus 4.8, Claude-versjonen med en fullstendig hastighetstest.

Kimi K3 svarer raskere, så den føles subjektivt kvikkere i en kort samtale. På jobb går tiden til noe annet: hvor langsomt hele svaret kommer. Her taper den med nesten halvparten, og på et langt svar utgjør forskjellen flere minutter.

Kimi Code annonserer 180–260 tokener per sekund, og det tallet virker overbevisende sammenlignet med mine 34.7. Det gjelder den forrige generasjonens raske bygg, K2.7 Code HighSpeed. Kimi K3 har ikke noe slikt bygg i det hele tatt, og den uavhengige referansetesten måler selve Kimi K3.

En økt som bryter sammen ved den sjuende feilen og bruker opp tokener på gjentatte kall, er en svikt i kontekstutformingen; valg av modell er sekundært her.

Hvor blir tokenene av hvis resonnering ikke kan slås av?#

Du kan senke innsatsnivået; dokumentasjonen lister tre nivåer: lavt, høyt og maksimalt. Men resonnering kan ikke slås helt av: Dokumentasjonen sier uttrykkelig at resonnering og lagring av historikken alltid er aktivert for Kimi K3. Ved direkte API-kall er det maksimale nivået standardinnstillingen, og de fleste wrapperprogrammer endrer det ikke.

Hver tur legger til tusenvis av utdatatokener til $15 per million. I tillegg krever Moonshot at du returnerer hele assistentens melding, inkludert resonneringshistorikken, og disse utdatatokenene blir inndatatokener igjen i neste tur.

Du betaler altså to ganger for den samme resonneringen: først når modellen skriver den, og deretter når du sender den tilbake til modellen.

På den samlede indeksen bruker Kimi K3 21% færre utdatatokener enn forgjengeren K2.6. Modellen har blitt mer økonomisk sammenlignet med sin egen forrige versjon. Claude bruker fortsatt mindre på de samme oppgavene.

Prompten «hi» belastes som 86 tokener. Under panseret ligger en skjult systemprompt på omtrent 85 tokener, og du betaler for den ved hver forespørsel.

Jeg har en egen anmeldelse om hvordan du beregner forbruket og hvor du sjekker gjenværende saldo: hvor mange tokener Claude Pro og Max gir deg. Beregningslogikken er den samme der; bare prisene endres.

Hva skjer når modellen setter seg fast i resonneringen?#

Det ser slik ut. Modellen begynner å tenke, men i stedet for å utvikle tanken sin sklir teksten over i gjentakelser: det samme ordet, deretter stavelser, i det uendelige. Oppgaven stopper opp mens tokentelleren fortsetter å gå.

En melding fra 28. juli i Moonshots kjente problemer beskriver hvordan Kimi K3 prøver å lese den samme filen seks ganger på rad, får avvisningen «no-op call, file hasn’t changed since the previous read» sju ganger, og deretter avslutter turen som om ingenting hadde skjedd. I Kimi CLI-problemsporingen lister forfatteren opp fire varianter av samme type fastlåsing — lesing, erstatting, testing og analyse — og oppsummerer det i én setning:

Moonshot oppgir årsaken direkte. Modellen ble trent i en modus som bevarer resonneringshistorikken, og den må få tilbake hele den tidligere resonneringen sin. Hvis historikken kommer ufullstendig, prøver modellen å rekonstruere svaret, produserer det samme verktøykallet og starter en ny løkke.

Forfatteren av en analyse i en forespørselsruter fra en tredjepart gir samme diagnose: Kimi er så streng at den avviser forespørsler med ufullstendig resonneringshistorikk. En ekstern wrapper kjenner ikke til denne strengheten og avkorter historikken.

Hvorfor faller et oppsett med flere agenter fra hverandre med Kimi K3?#

Den offisielle Moonshot-dokumentasjonen sier det rett ut: API-et deres støtter ennå ikke WebFetch. Med andre ord kan ikke Claude Code, som vanligvis går på nettet for å hente en side, gjøre det med Kimi K3. En omvei er å lime innholdet inn manuelt eller koble til et tredjepartsverktøy.

Claude Code kan laste inn verktøy ved behov og legger en tjenesteblokk av typen tool_reference i historikken. Kimi godtar ikke denne typen og returnerer en 400-feil. Det skjer uten forklaring, og verken feltet eller årsaken blir oppgitt:

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

Til sammenligning ser den samme feilen slik ut på Anthropics opprinnelige API, der serveren i det minste oppgir feltet og lister opp hvilke typer som godtas:

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'

Forskjellen betyr noe. Det er umulig å diagnostisere den første meldingen: Verken klienten eller personen bak den kan se hvilken blokk som ble avvist. Det er nettopp dette forfatterne av rapportene klager over. Utviklerne av leverandørbyttere foreslår allerede at utsatt innlasting av verktøy deaktiveres som standard for Kimi, eller at Moonshot API merkes som ute av stand til å godta disse blokkene.

Konsekvensen beskrives i en egen rapport, åpnet 17. juli og fortsatt ubesvart. Forfatteren møtte denne feilen sju ganger i én økt. Økten overlevde de første seks; den sjuende tok endelig livet av den: Etterpå krasjet den selv når vanlig tekst «continue» ble skrevet inn. Forfatteren understreker også at kontekstgrensen var langt unna, så forklaringen om at «historikken var for lang» holder ikke.

Her er en oversikt over blokktypene Moonshot API godtar og avviser:

Ordet «kompatibel» beskriver her bare forespørselsformatet. Alt annet er forskjellig: hvilke blokktyper som godtas, hva historikken må inneholde, og hvilke verktøy som i det hele tatt er tilgjengelige.

Hva følger ikke med Kimi K3?#

Begrensningsdelen i lanseringsinnlegget sier dette ordrett:

Modellens utvikler sier: Bruk klienten vår; vi garanterer ikke hvordan en annens fungerer.

Det andre punktet i samme avsnitt forklarer enda en ting jeg hadde tilskrevet modellens stahet:

CLAUDE.md-filen min var skrevet for den motsatte vanen: spør, vis en plan og vent på bekreftelse. Instruksjonene står der fortsatt, men nå leses de av en modell med et annet temperament.

Hvis du vil beholde én regel-fil for flere agenter, har jeg beskrevet det oppsettet separat: én instruksjonsfil for Claude Code, Codex og Cursor.

Hva kostet Kimi K3 egentlig?#

Først prisene, som er i Kimi K3s favør:

Kimi-prisene kommer fra dokumentasjonen om konteksthurtigbufring; kolonnen til høyre viser prisene for Claude Opus 5 per 30. juli 2026.

Kimis hurtigbuffer er automatisk, kan ikke deaktiveres og identifiseres med hashen i starten av forespørselen. Enhver redigering av systemprompten eller verktøylisten tømmer meldingsbufferen fullstendig.

Dette gjør Claude Code i løpet av en vanlig arbeidsdag:

1. Kobler til og fra eksterne verktøy etter hvert som oppgaven skrider fram.
2. Laster inn verktøy ved behov.
3. Starter underagenter med et annet sett verktøy.
4. Legger instruksjonsfilen til systemprompten.
5. Bygger opp historikken på nytt når konteksten komprimeres.

Hvert punkt på denne listen tilbakestiller starten av forespørselen, og dermed hurtigbufferen. Inndatatokener koster igjen $3 per million i stedet for 30 cent — ti ganger mer. I tillegg kommer konstant resonnering til $15 per million utdatatokener, og de samme tokenene kommer tilbake som input i neste tur. Slik kan en modell med lav listepris gi en regning du ikke ventet.

Ifølge OpenCodes aggregerte data koster en gjennomsnittlig Kimi K3-økt $1.86, med et gjennomsnittlig volum på 3.1 millioner tokener, fordelt på nesten 280,000 aktive økter. Dette tallet forutsetter at 93% av inndatatokenene treffer hurtigbufferen. Endrer du starten av forespørselen, gjelder det ikke lenger for deg.

Kimi-abonnementene koster $19, $39, $99 og $199. Kvoten kommer fra en felles pott for hele medlemskapet, nullstilles ukentlig uten at ubrukt kvote overføres, og bruker et rullerende femtimersvindu. Anmeldelsen av abonnementene sier det slik: Fire terminaler som kjører Kimi K3 med kontinuerlig resonnering, bruker opp et femtimersvindu raskt.

Kodekvoten i abonnementet til $99 tilsvarer den i Anthropics abonnement til $200, noe som strider mot mitt eget standpunkt. Kimi er billigere per token, men det ser du ikke lenger på kveldens regning.

Hvor er Kimi K3 objektivt god?#

1. Frontend. Førsteplass i en blind sammenligning utført av aktive utviklere. Den lager ryddige oppsett med god smak.
2. Volum. Et kontekstvindu på én million tokener, og lange filer skremmer den ikke. Å analysere et stort repositorium og kartlegge det er en oppgave den passer til.
3. Første svar. Tiden til første token er halvparten av Claudes. Det merkes og føles behagelig i en kort samtale.
4. Pris per token. Omtrent 60% av prisen til Claude Opus 5. Hvis starten på forespørselen ikke endres, gir dette reelle besparelser på store, repetitive arbeidsmengder.
5. Åpne vekter. Modellen er ikke låst til én leverandør.

Det siste punktet kommer med et forbehold. Det er urealistisk å kjøre en slik modell hjemme: Selv i komprimert form måles vektene i terabyte. Her betyr åpenhet uavhengighet fra én enkelt leverandør.

Slik kan du teste alt dette selv på én kveld#

1. Konfigurer tilgangen ved å følge instruksjonene. Jeg beskrev de tre miljøvariablene og modellbyttene per nivå i anmeldelsen av Kimi K3 sammenlignet med Claude Code. Kontroller oppsettet med kommandoen /status: Kimi vises ikke i modellvalgmenyen fordi den har en innebygd liste over aliaser, og du trenger ikke endre den.
2. Fjern den gamle nøkkelen. Hvis ANTHROPIC_API_KEY tidligere var angitt, fjern den. Sammen med ANTHROPIC_AUTH_TOKEN fører den til en konflikt, og du får en autorisasjonsfeil uten god grunn.
3. Slå av utsatt innlasting av verktøy med en gang. Gjør det før første kjøring, ikke etter at den første økten har dødd.
4. Ikke bytt modell midt i en oppgave. Hvis du startet med Kimi K3, fullfør med Kimi K3. Det motsatte gjelder også. Dette er et direkte krav fra Moonshot; jeg siterte det ovenfor.
5. Bruk en reell oppgave du selv har. En du jobbet med i går, med alt rotet og de uavklarte trådene. Et slangspill viser ikke forskjellen: Den dukker bare opp over tid.
6. Skriv ned to tall. Hvor mange minutter det tok, og hvor mye penger du brukte den kvelden. Sammenlign med en vanlig kveld med Claude.
7. Følg med på inaktiv tid separat. Når agenten henger, leser den samme filen om og om igjen eller svarer med en feil, er det også en del av kostnaden.

Hvis kveldens regning blir høyere enn forventet, skyldes det nesten alltid hurtigbufferen: Tell hvor mange ganger starten på forespørselen ble tilbakestilt den kvelden. Prisen per token har lite med det å gjøre.

Hva jeg endte opp med å beholde#

Lesere av kanalen som testet modellen sammen med meg, kom uavhengig fram til samme oppsett: De ber Kimi K3 inspisere repositoriet og gi en second opinion, mens de lar hovedarbeidet bli hos agenten de kjenner. Dette oppsettet fungerer fordi det ikke krever at wrapperen flyttes eller at noe som allerede virker, blir ødelagt.

Du kan si det slik: Én komplett oppgave går til Kimi K3; en lang kjede med verktøy og underagenter går til Claude Code. Jo flere bytter mellom verktøy en oppgave krever, desto mer koster den med Kimi K3, og desto større er sjansen for at økten går i stykker.

Jeg har en separat anmeldelse om hvordan man fordeler roller mellom to agenter uten å blande dem sammen: tre måter å jobbe med to agenter på.

Referansetester besvarer spørsmålet «hvem er sterkest under laboratorieforhold?» Kveldens regning og listen over fullførte oppgaver besvarer spørsmålet «hvem er sterkest for deg?» Når de to svarene er forskjellige, stol på det andre: Du regnet det ut selv, ikke markedsavdelingen.

Etter å ha sett på alt dette bestemte jeg meg: Uansett hva folk sier om nye modeller, er en leder fortsatt en leder. Claude Code forblir hovedmotoren min.