Kimi K3 в работе: практический обзор и проблемы на задачах

Итоги практического эксперимента#

Kimi K3 выпустили 16 июля 2026 года. У модели 2,8 трлн параметров, контекст на миллион токенов и открытые веса. В слепом сравнении фронтенда она заняла первое место. Архитектуру, результаты тестов и цены я подробно рассмотрел в обзоре Kimi K3 и Claude Code, поэтому здесь не повторяю эти сведения.

В том обзоре я сформулировал возможный риск и выгоду так: на настройку можно потратить день, зато со второй недели может снизиться счёт. Я проверил это на собственных задачах.

Начало эксперимента было удачным: модель быстро включалась в работу, создавала внятный фронтенд и уверенно обрабатывала большие файлы. Но в продолжительных сессиях, работе с несколькими агентами, повторных правках и вечерних терминальных задачах появились проблемы.

В итоге я вернулся к прежней схеме. Ниже рассказываю, что повлияло на это решение, и привожу числа и ссылки на первоисточники, чтобы читатель мог проверить сведения самостоятельно.

Почему в отдельных тестах Kimi K3 опережает Claude?#

В следующих тестах Kimi K3 опередила Claude Fable 5:

Во всех строках таблицы результаты сопоставляются с Claude Fable 5. В полном наборе из 35 тестов Claude Fable 5 выиграл 22 раза, Kimi K3 — двенадцать; один результат оказался ничейным.

Особенно заметны слабые стороны Kimi K3 за пределами программирования. В кодовых тестах отставание составляет всего 4–5 пунктов, зато в знаниях и рассуждении разрыв больше: в HLE преимущество Claude достигает почти 10 пунктов. Для продолжительной задачи это существенно: сначала нужно разобраться в проблеме, а уже затем писать код.

В основном тексте анонса Moonshot оценивает результат так:

Почему Kimi K3 кажется в работе вдвое медленнее?#

В сравнении используется Claude Opus 4.8 — версия Claude, для которой проведён полный тест скорости.

Поскольку Kimi K3 начинает отвечать быстрее, в коротком диалоге она может казаться более отзывчивой. Но при работе приходится ждать, пока сформируется ответ целиком. На длинных ответах отставание накапливается и может составить несколько минут.

В рекламе Kimi Code указана скорость 180–260 токенов в секунду. Это значение относится к скоростной сборке предыдущего поколения — K2.7 Code HighSpeed. Для Kimi K3 такой сборки нет, а независимый замер скорости выполнен непосредственно на Kimi K3.

Если сессия завершается после седьмой ошибки, а повторные вызовы расходуют токены, проблема связана с тем, как организованы передача контекста и работа инструментов. В таком случае выбор модели — лишь часть картины.

Почему размышления модели расходуют так много токенов?#

Интенсивность размышлений можно снизить, выбрав низкий или высокий уровень вместо максимального. Но полностью выключить их нельзя: Moonshot указывает, что размышления и сохранение их истории для Kimi K3 всегда включены. При прямом использовании API по умолчанию применяется максимальный уровень; многие программные оболочки его не меняют.

Каждый ход может добавлять тысячи исходящих токенов по цене $15 за миллион. Moonshot также требует возвращать всё сообщение ассистента, включая историю размышлений. В следующем запросе эти данные учитываются как входящие токены.

Таким образом, за одни и те же размышления возникает расход в двух местах: при их генерации и при повторной отправке модели.

По общему индексу Kimi K3 расходует на 21% меньше исходящих токенов, чем предыдущая K2.6. Это улучшение относительно прошлой модели, хотя на тех же задачах Claude всё ещё расходует меньше.

Даже запрос hi тарифицируется как 86 токенов. В обращение включён скрытый системный промпт примерно на 85 токенов, за который тоже взимается плата.

О том, как оценить свой расход и проверить остаток, я написал отдельно в обзоре количества токенов в Claude Pro и Max. Принцип расчёта тот же, различаются тарифы.

Что происходит, когда модель зацикливается на размышлениях?#

Иногда вместо развития мысли модель начинает многократно повторять одно и то же слово, затем — части слогов. Задача не продвигается, а расход токенов продолжает расти.

В сообщениях на площадках Moonshot описаны повторные обращения к одному файлу: модель пытается прочитать его шесть раз, семь раз получает отказ «холостой вызов, файл не менялся с прошлого чтения», а затем завершает ход, не сообщая о проблеме. Также описаны четыре разновидности подобного зависания: чтение, замена, тестирование и анализ.

Moonshot объясняет, что Kimi K3 обучалась с сохранением истории размышлений и должна получать предыдущие рассуждения полностью. Если контекст приходит не целиком, модель может заново собирать ответ, повторять тот же вызов инструмента и снова попадать в цикл.

Почему схема с несколькими агентами может нарушаться при работе с Kimi K3?#

В официальной документации Moonshot сказано, что их API пока не поддерживает WebFetch. Поэтому Claude Code не сможет через Kimi K3 штатно загружать страницы из интернета. В качестве обходного пути можно вручную вставить содержимое страницы или подключить другой инструмент.

Claude Code умеет загружать инструменты по мере необходимости и добавляет в историю служебный блок типа tool_reference. Kimi может отклонить запрос с таким блоком и вернуть ошибку 400 без указания конкретного поля или причины:

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

В сообщении родного API Anthropic для аналогичной ошибки перечисляются поле и допустимые типы:

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'

Из краткого ответа Moonshot невозможно понять, какой именно блок вызвал отказ. В описанном выше сценарии это затрудняет диагностику для клиента и пользователя.

В одном сообщении об ошибках описан случай, когда ошибка такого типа возникала семь раз за сессию. После первых шести сессия продолжалась, но седьмая завершилась сбоем: после этого даже обычный текст «продолжай» вызывал ошибку. Автор сообщения отдельно отметил, что объём контекста был далёк от предельного, поэтому длина истории не объясняла произошедшее.

Ниже сведены сведения о поддержке нескольких функций API Moonshot:

Совместимость по формату запроса сама по себе не гарантирует одинакового поведения: могут различаться допустимые типы блоков, требования к истории и набор доступных инструментов.

Какие компоненты не переходят вместе с Kimi K3?#

В разделе ограничений релизного сообщения Moonshot говорится:

Иными словами, разработчик модели рекомендует свой клиент и предупреждает, что совместимость с другими оболочками не гарантируется.

В том же разделе Moonshot объясняет ещё одну особенность поведения Kimi K3:

Файл CLAUDE.md у меня рассчитан на другой стиль: сначала задать вопрос, затем предложить план и дождаться подтверждения. Эти инструкции остаются на месте, но теперь их выполняет модель с иными особенностями поведения.

Один файл правил для нескольких помощников — Claude Code, Codex и Cursor — я описал в отдельном материале.

Во сколько обходится использование Kimi K3?#

По указанным тарифам Kimi K3 дешевле:

Тарифы Kimi приведены в документации о кэшировании; в правом столбце указаны цены Claude Opus 5 по состоянию на 30 июля 2026 года.

Кэширование Kimi выполняется автоматически и не отключается. Для определения совпадения используется хэш начала запроса. Если изменить системный промпт или список инструментов, кэш сообщений сбрасывается.

Во время обычной работы Claude Code может выполнять несколько действий:

1. Подключать и отключать внешние инструменты по ходу задачи.
2. Загружать инструменты только после того, как они понадобятся.
3. Запускать субагентов с другим набором инструментов.
4. Добавлять содержимое файла инструкций в системный промпт.
5. Пересобирать историю при сжатии контекста.

Каждое такое изменение затрагивает начало запроса и может сбросить кэш. Тогда входящие токены вновь стоят 3 доллара за миллион вместо 30 центов — в десять раз дороже. Кроме того, размышления постоянно тарифицируются по $15 за миллион исходящих токенов, а затем возвращаются во входящие в следующем ходе. Поэтому модель с более низкой ценой за токен может дать больший счёт, чем ожидается.

По статистике OpenCode, основанной почти на 280 тысячах активных агентских сессий, средняя сессия с Kimi K3 стоит $1,86 при среднем объёме 3,1 млн токенов. Этот показатель связан с тем, что 93% входящих токенов попадают в кэш. Если начало запроса меняется, приведённая средняя стоимость может оказаться неприменимой.

Подписки Kimi стоят $19, $39, $99 и $199. Квота рассчитывается из общего пула на весь период подписки; обновление происходит раз в неделю без переноса неиспользованного остатка. Также действует скользящее окно продолжительностью пять часов.

План за $99 сопоставим по квоте для задач программирования с планом Anthropic за $200. Несмотря на более низкую стоимость токенов Kimi, итог вечерней работы может этого преимущества не показать.

В каких задачах Kimi K3 показывает сильные стороны?#

1. Фронтенд. Модель заняла первое место в слепом сравнении, где оценивали работы разработчики. Она аккуратно верстает и хорошо чувствует оформление.
2. Большой объём. Контекст достигает миллиона токенов, поэтому крупные файлы не становятся препятствием. Модель можно использовать для изучения большого репозитория и составления его карты.
3. Быстрый первый ответ. Первый токен приходит примерно вдвое раньше, чем у Claude. В коротком диалоге это заметно.
4. Стоимость токенов. Около 60% от цены Claude Opus 5. Если начало запроса остаётся неизменным, на однотипной задаче с большим объёмом это может снизить затраты.
5. Открытые веса. Модель можно использовать за пределами одного поставщика.

Однако запуск такой модели на обычном домашнем компьютере нереалистичен: даже сжатая версия занимает терабайты. Практическое значение открытых весов здесь — возможность не зависеть только от одного поставщика.

Как проверить Kimi K3 за один вечер?#

1. Настройте доступ по инструкции. Для подключения нужны три переменные окружения и настройка подстановки моделей по уровням; подробности приведены в обзоре Kimi K3 и Claude Code. Проверьте связку командой /status. Kimi не появится в меню выбора модели, поскольку там предусмотрен встроенный список псевдонимов; менять его не требуется.
2. Удалите прежний ключ. Если у вас был задан ANTHROPIC_API_KEY, удалите его. Одновременное использование с ANTHROPIC_AUTH_TOKEN может привести к конфликту и ошибке авторизации.
3. Отключите отложенную загрузку инструментов до запуска. Не ждите, пока ошибка завершит сессию.
4. Не меняйте модель в середине работы. Начали с Kimi K3 — продолжайте на ней до конца задачи; то же правило применяйте в обратном направлении. Это прямое требование Moonshot, приведённое выше.
5. Выберите реальную рабочую задачу. Возьмите задачу, над которой работали накануне, включая незавершённые части и сложные места. Небольшая игра вроде «змейки» не позволит оценить поведение на длинной дистанции.
6. Зафиксируйте два значения. Запишите, сколько минут заняла работа и сколько денег потрачено за вечер. Сравните результат с обычной сессией на Claude.
7. Отметьте простой отдельно. Учитывайте время, когда агент зависает, многократно читает один файл или возвращает ошибку.

Если расходы за вечер выше ожиданий, вероятной причиной может быть сброс кэша. Подсчитайте, сколько раз менялось начало запроса: цена токена сама по себе не объясняет итоговый счёт.

Какую схему я оставил?#

Практический вариант — поручить Kimi K3 изучить репозиторий и подготовить второе мнение, а основную работу оставить привычному агенту. Такая схема не требует менять всю программную оболочку и сохраняет существующий рабочий процесс.

Коротко: отдельную завершённую задачу можно поручить Kimi K3, а длительную последовательность действий с инструментами и субагентами — Claude Code. Чем чаще задача переключается между инструментами, тем выше могут быть расходы на Kimi K3 и риск прерывания сессии.

О распределении ролей между двумя агентами я написал в материале о трёх схемах совместной работы.

Тесты показывают, какая модель сильнее в заданных лабораторных условиях. Расходы за вечер и выполненный список задач помогают понять, какая из них лучше подходит конкретному рабочему процессу. Если результаты различаются, полезно опираться на собственные измерения.

После этого эксперимента я решил оставить Claude Code основным инструментом, несмотря на появление новых моделей.