Kimi K3 v praksi: preizkus in primerjava s Claude Code

Kako se je izšel avtorjev preizkus#

Kimi K3 je izšel 16. julija 2026. Ima 2,8 bilijona parametrov, kontekstno okno z milijonom žetonov, odprte uteži in prvo mesto v slepi primerjavi frontendov. Vse podrobnosti o njegovi arhitekturi, primerjalnih testih in cenah sem zbral v celotni oceni Kimi K3 proti Claude Code, zato jih tukaj ne bom ponavljal.

Na koncu te ocene sem zapisal: tveganje je izgubljen dan zaradi nastavljanja; korist pa račun, ki se začne zniževati od drugega tedna naprej. Preizkus sem izvedel pri svojih opravilih.

Prvih nekaj ur je res vznemirljivih. Model se z veseljem loti naloge, pripravi smiselno delo na frontendu in se ne ustraši velikih datotek. Zato sem v kanalu objavil, da sem bil prijetno presenečen. Težave so se pokazale pri dolgih sejah, z več agenti, skozi ponavljajoče se kroge urejanja in zvečer pri delu v terminalu.

Na koncu sem povrnil prejšnjo nastavitev. Tukaj je, kaj me je pripeljalo do te odločitve, skupaj s številkami in povezavami do primarnih virov, da lahko vse preverite sami.

Zakaj primerjalni testi kažejo, da Kimi K3 prekaša Claude?#

Tukaj so primerjalni testi, v katerih Kimi K3 prekaša Claude Fable 5:

llm-stats je zbral primerjalne teste; vsaka vrstica je primerjava s Claude Fable 5.

Številke so resnične. V vseh 35 primerjalnih testih iste zbirke Claude Fable 5 zmaga 22-krat, Kimi K3 dvanajstkrat, en rezultat pa je neodločen.

Zanimivejše je, kje Kimi K3 zaostaja. Njegov primanjkljaj pri programerskih testih je zmeren, 4–5 točk. Slabše se odreže pri znanju in sklepanju: pri HLE Claude vodi za skoraj 10 točk. Prav tu dolga naloga trči ob oviro: najprej je treba razumeti in šele nato pisati.

Moonshot to v glavnem delu objave ob izidu pove takole:

Zakaj je Kimi K3 v praksi videti dvakrat počasnejši?#

Primerjava uporablja Claude Opus 4.8, različico Claude, za katero imajo popolno meritev hitrosti.

Kimi K3 odgovori prej, zato se v kratkem klepetu subjektivno zdi hitrejši. Pri delu se čas porablja za nekaj drugega: za počasno prejemanje celotnega odgovora. Tu zaostaja skoraj za polovico, pri dolgem odgovoru pa se razlika nabere v minute.

Kimi Code oglašuje hitrost 180–260 žetonov na sekundo in ta številka je videti prepričljiva v primerjavi z mojimi 34.7. Nanaša se na hitrejšo gradnjo prejšnje generacije, K2.7 Code HighSpeed. Kimi K3 takšne gradnje sploh nima, neodvisni primerjalni test pa meri sam Kimi K3.

Kam gredo žetoni, če sklepanja ni mogoče izklopiti?#

Stopnjo napora lahko znižate; dokumentacija navaja tri: nizko, visoko in največjo. Sklepanja pa ni mogoče povsem izklopiti: izrecno piše, da sta sklepanje in shranjevanje njegove zgodovine pri Kimi K3 vedno omogočena. Pri neposrednih klicih API-ja je privzeta najvišja stopnja, večina ovojnih programov pa je ne spremeni.

Vsak korak doda tisoče izhodnih žetonov po ceni $15 na milijon. Poleg tega Moonshot zahteva, da vrnete celotno sporočilo pomočnika, vključno z njegovo zgodovino sklepanja, ti izhodni žetoni pa postanejo vhodni žetoni v naslednjem koraku.

Tako za isto sklepanje plačate dvakrat: prvič, ko ga model ustvari, nato pa še, ko ga pošljete nazaj modelu.

Po skupnem indeksu Kimi K3 porabi 21% manj izhodnih žetonov kot njegov predhodnik, K2.6. Model je postal varčnejši v primerjavi s svojo prejšnjo različico. Claude pri istih opravilih še vedno porabi manj.

Prompt »hi« se obračuna kot 86 žetonov. V ozadju je skrit sistemski prompt s približno 85 žetoni, zanj pa plačate pri vsaki zahtevi.

Posebej sem ocenil, kako izračunati porabo in kje preveriti preostalo dobroimetje: koliko žetonov vam dajeta Claude Pro in Max. Logika izračuna je enaka; spremenijo se le cene.

Kaj se zgodi, ko se model zatakne pri sklepanju?#

Videti je takole. Model začne razmišljati, vendar se besedilo namesto razvijanja misli prevesi v ponavljanje: ista beseda, nato drobci zlogov, v nedogled. Naloga obstane, števec žetonov pa se še naprej vrti.

Poročilo z dne 28. julija na Moonshotovem seznamu znanih težav opisuje, kako Kimi K3 šestkrat zapored poskuša prebrati isto datoteko, sedemkrat prejme zavrnitev »klic brez sprememb, datoteka se od prejšnjega branja ni spremenila«, nato pa konča korak, kot da se ni nič zgodilo. V sledilniku težav za Kimi CLI avtor navaja štiri različice podobnega zastoja—branje, zamenjavo, testiranje in analizo—in jih povzame z enim stavkom:

Moonshot vzrok navede neposredno. Model je bil naučen v načinu, ki ohranja zgodovino sklepanja, zato mora v celoti prejeti svoja pretekla sklepanja. Če zgodovina prispe nepopolna, model poskuša znova sestaviti odgovor, ustvari isti klic orodja in začne novo zanko.

Avtor analize v usmerjevalniku zahtev tretje osebe pride do enake diagnoze: Kimi je dovolj strog, da zavrača zahteve z nepopolno zgodovino sklepanja. Zunanji ovoj za to strogost ne ve in zgodovino skrajša.

Zakaj se večagentska nastavitev s Kimi K3 sesuje?#

V uradni dokumentaciji Moonshot to jasno piše: njihov API še ne podpira WebFetch. Z drugimi besedami, Claude Code, ki običajno obišče spletno stran in pridobi njeno vsebino, tega s Kimi K3 ne more narediti. Rešitev je, da vsebino prilepite ročno ali povežete orodje tretje osebe.

Claude Code lahko orodja nalaga po potrebi in v zgodovino vstavi servisni blok vrste tool_reference. Kimi te vrste ne sprejme in vrne napako 400. To stori brez pojasnila, ne navede ne polja ne razloga:

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

Za primerjavo: tako je videti ista napaka v Anthropicovem izvornem API-ju, kjer strežnik vsaj navede polje in našteje sprejete vrste:

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'

Razlika je pomembna. Prvega sporočila ni mogoče diagnosticirati: ne odjemalec ne oseba za njim ne moreta ugotoviti, kateri blok je bil zavrnjen. Točno nad tem se pritožujejo avtorji poročil. Razvijalci preklopnikov ponudnikov že predlagajo, naj se odloženo nalaganje orodij za Kimi privzeto izklopi ali naj se API Moonshot označi kot tak, ki teh blokov ne sprejema.

Posledico opisuje ločeno poročilo, odprto 17. julija, na katero še vedno ni odgovora. Avtor je v eni seji naletel na to napako sedemkrat. Seja je preživela prvih šest; sedma jo je dokončno končala: zatem je sesutje povzročil celo vnos navadnega besedila »continue«. Avtor posebej poudari, da se še zdaleč ni približal omejitvi konteksta, zato razlaga »zgodovina je bila predolga« ne drži.

Tukaj je povzetek vrst blokov, ki jih API Moonshot sprejema oziroma zavrača:

Beseda »združljiv« tukaj opisuje samo obliko zahteve. Vse drugo se razlikuje: katere vrste blokov so sprejete, kaj mora vsebovati zgodovina in katera orodja so sploh na voljo.

Česa ni mogoče prenesti na Kimi K3?#

Razdelek o omejitvah v objavi ob izidu pravi dobesedno:

Razvijalec modela pravi: uporabljajte našega odjemalca; za vedenje drugih ne jamčimo.

Druga točka v istem razdelku pojasni še nekaj, kar sem prej pripisoval trmoglavosti modela:

Moj CLAUDE.md je bil napisan za nasprotno navado: vprašaj, pokaži načrt in počakaj na potrditev. Navodila so še vedno tam, vendar jih zdaj bere model z drugačnim temperamentom.

Če želite za več agentov uporabljati eno datoteko s pravili, sem to nastavitev obravnaval posebej: ena datoteka z navodili za Claude Code, Codex in Cursor.

Koliko je Kimi K3 v resnici stal?#

Najprej cene, ki so v prid Kimi K3:

Cene Kimi izvirajo iz dokumentacije o predpomnjenju konteksta; desni stolpec prikazuje cene Claude Opus 5 na dan 30. julija 2026.

Kimin predpomnilnik je samodejen, ni ga mogoče izklopiti, prepozna pa se po zgoščeni vrednosti na začetku zahteve. Vsaka sprememba sistemskega prompta ali seznama orodij v celoti izbriše predpomnilnik sporočil.

Tukaj je, kaj Claude Code počne med običajnim delovnim dnem:

1. Ko naloga napreduje, povezuje in odklaplja zunanja orodja.
2. Po potrebi nalaga orodja na zahtevo.
3. Zažene podagente z drugačnim naborom orodij.
4. Sistemskemu promptu doda datoteko z navodili.
5. Pri stiskanju konteksta znova zgradi zgodovino.

Vsaka od teh postavk ponastavi začetek zahteve in s tem tudi predpomnilnik. Vhodni žetoni znova stanejo $3 na milijon namesto 30 centov—desetkrat več. Temu se pridruži še nenehno sklepanje po ceni $15 na milijon izhodnih žetonov, isti žetoni pa se v naslednjem koraku vrnejo kot vhodni. Tako lahko model z nizko navedeno ceno ustvari nepričakovan račun.

Po zbirnih podatkih OpenCode povprečna seja Kimi K3 v skoraj 280,000 dejanskih sejah stane $1.86, pri povprečni porabi 3.1 milijona žetonov. Ta številka temelji na tem, da 93% vhodnih žetonov zadene predpomnilnik. Spremenite začetek zahteve in ta podatek za vas ne velja več.

Paketi Kimi stanejo $19, $39, $99 in $199. Kvota prihaja iz skupnega bazena za celotno članstvo, tedensko se ponastavi brez prenosa neporabljenih količin in uporablja drseče peturno okno. Ocena paketov to opiše takole: štirje terminali z nenehno sklepanjem Kimi K3 hitro porabijo peturno okno.

Programerska kvota paketa za $99 je primerljiva z Anthropicovim paketom za $200, kar je v nasprotju z mojim stališčem. Kimi je na žeton cenejši, vendar tega zvečer na računu ne vidite več.

V čem je Kimi K3 objektivno dober?#

1. Frontend. Prvo mesto v slepi primerjavi, ki so jo izvedli dejavni razvijalci. Ustvarja urejene postavitve z dobrim občutkom za estetiko.
2. Obseg. Kontekstno okno z milijonom žetonov, dolge datoteke ga ne zmotijo. Analiza velikega repozitorija in izdelava njegovega pregleda sta nalogi po njegovi meri.
3. Prvi odgovor. Čas do prvega žetona je pol krajši kot pri Claude. V kratkem pogovoru je to opazno in prijetno.
4. Cena na žeton. Približno 60% cene Claude Opus 5. Če se začetek zahteve ne spremeni, to prinese resnične prihranke pri velikih, ponavljajočih se obremenitvah.
5. Odprte uteži. Model ni vezan na enega ponudnika.

Pri zadnji točki velja opozorilo. Takšnega modela doma ni realno poganjati: tudi v stisnjeni obliki njegove uteži merijo terabajte. Tukaj odprtost pomeni neodvisnost od enega samega ponudnika.

Kako vse to sami preizkusite v enem večeru#

1. Dostop nastavite po navodilih. Tri okoljske spremenljivke in zamenjave modelov po ravneh sem opisal v oceni Kimi K3 proti Claude Code. Nastavitev preverite z ukazom /status: Kimi se ne bo pojavil v meniju za izbiro modela, ker ima ta vgrajen seznam vzdevkov, ki se ga ni treba dotikati.
2. Odstranite stari ključ. Če ste prej nastavili ANTHROPIC_API_KEY, ga odstranite. Skupaj z ANTHROPIC_AUTH_TOKEN povzroči spor in po nepotrebnem boste dobili napako pri avtorizaciji.
3. Takoj izklopite odloženo nalaganje orodij. Naredite to pred prvim zagonom, ne po sesutju prve seje.
4. Med nalogo ne menjajte modelov. Če ste začeli s Kimi K3, končajte s Kimi K3. Enako velja v obratni smeri. To je neposredna zahteva Moonshot; citiral sem jo zgoraj.
5. Uporabite svojo resnično nalogo. Takšno, na kateri ste delali včeraj, z vso zmedo in nedokončanimi nitmi. Igra kače ne bo pokazala razlike: ta se pokaže šele dolgoročno.
6. Zapišite dve številki. Koliko minut je trajalo in koliko denarja ste tisti večer porabili. Primerjajte z običajnim večerom ob Claude.
7. Čas nedelovanja spremljajte ločeno. Ko se agent obesi, v zanki bere isto datoteko ali odgovori z napako—tudi to je del stroška.

Če je večerni račun višji od pričakovanega, je skoraj vedno kriv predpomnilnik: preštejte, kolikokrat se je tisti večer ponastavil začetek zahteve. Cena na žeton je pri tem malo pomembna.

Kaj sem se na koncu odločil obdržati#

Bralci kanala, ki so model preizkušali z mano, so neodvisno prišli do iste nastavitve: Kimi K3 prosijo, naj pregleda repozitorij in poda drugo mnenje, glavno delo pa prepustijo svojemu znanemu agentu. Ta nastavitev deluje, ker ne zahteva premestitve ovoja ali pokvarjenja nečesa, kar že deluje.

Lahko povemo takole: ena celotna naloga gre Kimi K3; dolga veriga z orodji in podagenti gre Claude Code. Več kot naloga zahteva preklopov med orodji, dražja je uporaba Kimi K3 in večja je možnost, da se seja pokvari.

Posebej sem ocenil, kako razdeliti vloge med dva agenta, ne da bi ju pomešali: trije načini dela z dvema agentoma.

Primerjalni testi odgovarjajo na vprašanje »kdo je močnejši v laboratorijskih razmerah?« Večerni račun in seznam opravljenega dela odgovarjata na vprašanje »kdo je močnejši za vas?« Če se odgovora razlikujeta, zaupajte drugemu: izračunali ste ga sami, ne marketinški oddelek.

Ko sem vse to pretehtal, sem se odločil: ne glede na to, kaj ljudje pravijo o novih modelih, vodilni ostaja vodilni. Claude Code ostaja moj glavni motor.