Kimi K3 in Claude Code: primerjava, stroški in nastavitev

Praktične informacije o uporabi Ailoota najdete v dokumentaciji.

Kaj je Kimi K3 in zakaj je pretresel trg?#

Pred letom dni je bil Moonshot znan po enem modelu — Kimi K2, odprti izdaji iz poletja 2025. Aprila mu je sledil K2.6, nato pa junija 2026 K2.7 Code. K3 je naslednji korak in je približno 2,8-krat večji od K2.6.

Številka 2,8 bilijona zveni zastrašujoče, vendar je tehnologija v ozadju leta 2026 že običajna. K3 temelji na arhitekturi mixture-of-experts (Stable LatentMoE): vsebuje 896 ločenih strokovnjakov, za vsak žeton pa aktivira le 16 od njih. To pomeni, da je aktivnih veliko manj parametrov, kot kaže skupno število — sicer nihče ne bi mogel tako velikega modela ponujati po razumni ceni. Uporablja tudi dve Moonshotovi lastni tehniki: Kimi Delta Attention (ki generiranje pospeši do 6-krat) in Attention Residuals (ki pocenijo učenje). Za vibe coderja je to tehnično ozadje, pojasni pa, zakaj je tako velik model na koncu cenejši od Clauda, čeprav bi glede na njegovo velikost lahko pričakovali zastrašujočo ceno.

Kaj je pomembno v praksi:

• Kontekstno okno z milijonom žetonov. Enako veliko kot celotno kontekstno okno Clauda. V model lahko naenkrat naložite velik projekt.
• Vidno zaznavanje. Pošljete lahko posnetek zaslona z napako ali maketo — model lahko vidi sliko. Starejši kitajski modeli, kot je DeepSeek, tega niso omogočali.
• Vedno vključen način sklepanja (thinking mode). Model najprej vedno razmisli, nato odgovori. To izboljša kakovost in zviša ceno; k temu se vrnem spodaj.

Odprti kitajski model je dosegel raven zaprtih vodilnih modelov Anthropic in OpenAI, Moonshot pa je obljubil, da bo brezplačno delil uteži. Pogledal bom, kje je ta »primerljivost« resnična in kje gre le za izpiljeno predstavitev.

Kje Kimi K3 res prekaša Clauda in kje zaostaja#

Začel bom s primerjalnim testom, ki je za vibe coderja najpomembnejši: Frontend Code. Modeli ustvarjajo vmesnike, ljudje pa slepo izberejo boljšega. To je podobno temu, kar počnete, ko umetno inteligenco prosite, naj izdela spletno stran.

Kimi K3 je prvi in se je uvrstil na prvo mesto v šestih od sedmih področij. Za nekoga, ki spletne strani in vmesnike ustvarja s pogovorom z umetno inteligenco, je to najjasnejši znak: model se dobro obnese pri postavitvi in frontend delu.

Pri širši inteligenci približne ocene Kimi 57 in ocene 44 za »Kimi K3 (max)« ni mogoče obravnavati kot ene dosledne lestvice brez imenovanega izdajatelja indeksa, primarnih povezav rezultatov in primerljive testne konfiguracije. Glede na tukaj povezane dokaze nobena ocena ne potrjuje trenutne uvrstitve Kimi.

Pred primerjanjem ocen inteligence uporabite isto imenovano revizijo indeksa in datum, zabeležite točen model in nastavitev sklepanja, vključno z »max«, ter preverite izvajalno okolje in lestvico ocenjevanja. Dokler teh polj ni mogoče preveriti pri izdajatelju rezultata, splošna uvrstitev Kimi v članku ostaja nepotrjena. Preference za frontend in programerski testi merijo druge stvari ter te vrzeli ne zapolnijo.

Za ločeno primerjavo odprtega modela glejte »GLM-5.2 je dohitel Claude Opus 4.8«; ne razreši manjkajočega pripisa indeksa Kimi.

Klasični primerjalni testi programiranja:

• SWE-bench Verified — 76.8%. Meri zmožnost odpravljanja resničnih napak v projektih GitHub. Soliden rezultat, čeprav najboljši modeli Claude dosegajo višje.
• LiveCodeBench — 85%. Algoritmične naloge v obliki »vhod — pričakovani izhod«. K3 se tu dobro obnese.
• Terminal-Bench 2.1 — 88.3. Agentsko delo v terminalu, po podatkih samega Moonshota.

In tu je zadržek, ki ga moram vključiti, da bo vodnik iskren, ne pa oglas. Moonshot je svojo tabelo programiranja sestavil z različnimi testnimi okolji: nekatere meritve so bile izvedene z njihovim KimiCode, nekatere s Claude Code, nekatere pa s Codexom. Različna testna okolja lahko isti rezultat premaknejo za 10–26 točk.

Ne trdim, da so kitajski modeli »boljši od Clauda«. Po mojih izkušnjah, ko Claude Code uporabljam kot glavno orodje, pri zahtevni kodi še vedno zaostajajo — to opazim vsakič, ko jih primerjam. Toda K3 trenutno kaže najboljši rezultat v frontend delu, in to za delček cene. Ignorirati to je prav tako nespametno kot razglasiti konec Clauda.

Želite narediti več kot le izbrati model — postaviti sistem, zaradi katerega bo umetna inteligenca manj halucinirala in dlje ohranila kontekst? Izbira modela je le en gumb. Inženiring konteksta ima večji vpliv: to, kar v modelov kontekst vključite pred pozivom, na rezultat vpliva bolj kot ime modela na primerjalnem testu.

Koliko stane Kimi K3 in zakaj »odprto« ne pomeni »brezplačno«#

Uradne cene API-ja Kimi K3 (preverjene glede na uradne cene Anthropica 2. oktobra 2026):

Po redni ceni je Kimi pri vhodnih žetonih za četrtino cenejši od Opus 5.5 (3 USD v primerjavi s 4 USD), pri izhodnih pa prav tako za četrtino (15 USD v primerjavi z 20 USD). Razlika je manjša kot pri prejšnji generaciji Opusa, smer pa ostaja enaka. Pravi prihranek prinese predpomnjenje, ko ponavljate zahteve z istim kontekstom. Ko delate na enem projektu, se začetek vsake zahteve ponavlja: iste datoteke, ista pravila, isti sistemski poziv. Kimijev predpomnilnik prinese 90-odstotni popust glede na polno ceno vhodnih žetonov. Pri programiranju se predpomnilnik zadene v 90% ali več primerih, zato je dejanski strošek vhodnega žetona bliže 30 centom. Učinkovito izkoriščanje predpomnjenja pri katerem koli modelu je posebna veščina; podrobno sem jo obravnaval na primeru DeepSeeka.

V načinu sklepanja se skriva ena cenovna past. Kimi K3 pred odgovorom vedno razmišlja, to sklepanje pa se zaračuna kot izhodni žetoni po 15 USD na 1M. Pri preprostem vprašanju je razlika zanemarljiva, pri zahtevni nalogi pa lahko model »premisli« več tisoč žetonov in deloma izniči nizko ceno. Pogledati morate končni račun za cel dan dela. Redna cena je tu lahko zavajajoča.

Zdaj pa še o besedi »odprto«. Moonshot je obljubil, da bo uteži Kimi K3 objavil do 27. julija 2026, in obljubo izpolnil — zapis na HuggingFace je datiran na 27. julij 2026 (HuggingFace, Kimi-K3, preverjeno 2. oktobra 2026). »Odprte uteži« zvenijo kot: »Prenesel jih bom in model brezplačno zagnal na svojem računalniku.« V resnici ni tako. Tudi stisnjenih na 4 bite 2,8 bilijona parametrov zahteva več sto gigabajtov pomnilnika, več zmogljivih grafičnih procesorjev, hitre povezave med njimi ter nekoga, ki vse nastavi in vzdržuje.

Odprtost Kimi K3 je koristna za velike ponudnike oblaka in poslovne ekipe z lastno infrastrukturo. Za vas pomeni nekaj drugega: konkurenco, ki znižuje cene, in rezervno možnost, če se Claudeove omejitve ali cene kdaj zvišajo. Na prenosniku ne boste izvajali 2,8 bilijona parametrov. Ločeno sem analiziral, kako se »brezplačno« vibe coding neopazno spremeni v račun: »Skriti strošek vibe codinga«.

Kako povezati Kimi K3 s Claude Code s 3 spremenljivkami#

Claude Code se lahko poveže s katerim koli koncem, ki uporablja Anthropicov protokol. Moonshot je za Kimi K3 pripravil enega, zato ne potrebujete ločene gradnje ali vtičnika. Za osnovno nastavitev potrebujete tri spremenljivke:

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

Nato zaženite claude kot običajno. Claude Code misli, da komunicira z Anthropicom, v resnici pa zahteve pošilja Kimi K3. Vsi skills, hooks in plan mode še naprej delujejo, račun pa se obračuna po Moonshotovih cenah.

Tu je ena glavna past, na katero naleti skoraj vsak. Moonshot ima dva različna združljiva konca — eden je na api.moonshot.ai, drugi pa na platformi platform.kimi.ai. Za spremenljivko ključa in model uporabljata različni imeni, ključ z enega konca pa na drugem vrne napako 401 (dokumentacija Kimi za Claude Code). Če dobite napako 401, je skoraj vedno vzrok neskladje med ključem in koncem. Sam ključ običajno deluje. Ključ in konec pridobite na isti platformi.

Najlažje preverite, ali vse deluje, tako da mu dodelite majhno nalogo: prosite Claude Code, naj prikaže vsebino ene datoteke, nato pa potrdite, da je odgovor prispel in da se je števec na nadzorni plošči Moonshota premaknil. Za vrnitev na običajni Claude odstranite tri spremenljivke (unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL) in znova zaženite Claude Code. Če pogosto preklapljate, je priročno ustvariti dva profila lupine ali shraniti spremenljivke v datoteko .envrc z direnv, da so omogočene samo v določenem imeniku.

To je priročna možnost, če ste v Claude Code že nastavili skills in hooks ter se ne želite učiti drugega orodja. Moonshot ima tudi svojega terminalskega agenta, Kimi Code, toda za nekoga, ki že uporablja Claude Code, je zamenjava mehanizma s tremi spremenljivkami pot z najmanj trenja.

Česa vsekakor ne smete storiti: ne kupujte »že pripravljenih računov s stanjem« od Telegramovih botov. Ti pogosto povzročijo izgubo denarja in blokirane račune po nekaj dneh. Tudi podatki so resnično vprašanje: Moonshotovi strežniki so na Kitajskem, zato je pri delovnih projektih z občutljivimi podatki to treba obravnavati posebej. O tveganjih, povezanih z dostopom modela do vaših podatkov, sem pisal v vodniku »Ali je varno Claude Codeu omogočiti dostop do vaših podatkov?«.

Katere naloge zaupati Kimiju K3 in katere pustiti Claudu?#

Tukaj se meja zares pokaže. O tednu, ko sem Kimi K3 uporabljal pri živem delu, in o tem, zakaj sem se vrnil k Claude Code, sem pisal ločeno v članku »Kimi K3 pri delu: pregled in zakaj sem se vrnil k Claude Code« — brez primerjalnih testov, le o tem, kaj se je zgodilo pri resničnih nalogah.

Kje Kimi K3 največ ponudi:

• Frontend in postavitev. Dober rezultat pri primerjalnem testu Frontend Code. Ustvarite vmesnik, stran ali komponento — Kimi se dobro obnese in stane občutno manj.
• Rutinsko refaktoriranje. Nekaj preimenujte, razdelite funkcijo, dodajte tipe. Vrhunski model je za to pretiran.
• Ustvarjanje testov za obstoječo kodo. Oba modela sta približno enako dobra; Kimi je cenejši.
• Paketna obdelava besedila. Opisi, prevodi, označevanje — pri velikih količinah so nizke cene pomembne.
• Dolge seje znotraj enega projekta. Dlje ko delate v istem kontekstu, pogosteje se zadene predpomnilnik in cenejši je vsak naslednji korak.

Za kaj obdržati Clauda:

• Arhitektura novega nabora orodij. Primerjava možnosti, odkrivanje pasti, izbira strukture — vrhunski Claude je še vedno doslednejši.
• Odpravljanje zapletenih večstopenjskih napak. Claude je zanesljivejši v dolgih verigah sklepanja.
• Dolge avtonomne zanke agentov. Claude se manj pogosto sesuje med več deset zaporednimi koraki brez človeka.
• Gradnje, kritične za produkcijo. Ko je stabilnost pomembnejša od cene.
• Občutljivi podatki. Moonshotovi strežniki so na Kitajskem — osebni podatki strank zahtevajo ločen pogovor z odvetnikom.

Z eno povedjo: ponavljajoče se, obsežno in vizualno delo zaupajte Kimiju K3, odločitve, pri katerih so napake drage, pa prepustite Claudu. Mnogi počnejo prav to — obdržijo oba ključa in za različne naloge zamenjajo mehanizem. Za to so namenjene tri spremenljivke okolja iz prejšnjega razdelka.

Česa Kimi K3 še nima in česa primerjalni testi ne pokažejo#

Upoštevati velja naslednje.

Primerjalni testi uporabljajo različna testna okolja. Zgoraj sem že omenil pridržek: Moonshot je nekatere meritve izvedel prek svojega KimiCode, nekatere prek Claude Code, nekatere pa prek Codexa, kar je rezultate premaknilo za 10–26 točk. Prvo mesto na Frontend Arena je neodvisno; rezultate tam ocenjujejo resnični ljudje. Moonshotovo tabelo programiranja pa je treba brati previdno.

Primerjava neodvisnega indeksa inteligence ostaja nerazrešena. Ocene »Kimi K3 (max)« ni mogoče primerjati z oceno za neopredeljeno nastavitev modela brez imenovanega izdajatelja, datiranega rezultata, nastavitve modela, izvajalnega okolja in revizije indeksa. Nobena primarna povezava tukaj teh polj ne potrjuje, zato dokazi ne podpirajo trenutne uvrstitve, primerjave cene naloge ali hitrosti. Ne sklepajte, da »max« in neopredeljen privzeti zagon uporabljata isto oceno ali lestvico.

Način sklepanja poveča račun. Vedno vključeno sklepanje izboljša kakovost, vendar zviša ceno zahtevnih nalog, pri katerih lahko nastane več tisoč žetonov po ceni 15 USD na 1M. Nizka Kimijeva cena je resnična pri preprostem in srednje zahtevnem delu; pri težkih nalogah preverite račun.

Podatki in jurisdikcija. Strežniki na Kitajskem postavljajo praktično vprašanje: če projekt obdeluje osebne podatke ljudi, se o tem posvetujte z odvetnikom. Primerjalni test s tem nima nobene zveze.

Nobena od teh točk ne pomeni, da je Kimi K3 slab model. Je zmogljiv in poceni — to lahko pošteno rečemo. Toda »zmogljiv in poceni« ter »v vsem boljši od Clauda« sta različni trditvi; druga ne sledi iz predstavitve.

Kje začeti ta teden#

Konkreten načrt brez dodatnih korakov:

1. Preklopite Claude Code na Kimi s tremi spremenljivkami iz prejšnjega razdelka. Delajte običajen dan. Zaupajte mu naloge, pri katerih naj bi bil močan — izdelavo strani, komponente ali vmesnika.
2. Primerjajte. Po enem dnevu preverite dve stvari: kakovost pri svojih resničnih nalogah in račun. Opazujte, kje Kimi odgovarja tako dobro kot Claude in kje zaostaja.
3. Odločite se. Obdržite oba ključa in za različne naloge preklapljajte med mehanizmoma (frontend in rutinsko delo — Kimi; ključno delo — Claude) ali pa se z enim ukazom unset vrnite samo k Claudu.

Tveganje tega preizkusa je izgubljen dan za umerjanje. Korist pa je, da se račun za obsežno in vizualno delo običajno do drugega tedna zmanjša za večkratnik. Preizkus je poceni, ustavite pa ga lahko z enim ukazom.

Obiščite Ailoot.