Kimi K3 vs K2: изменения API, сравнение цен и руководство по миграции

Kimi K3 вышла 16 июля 2026 года. Это новый флагман Moonshot AI — модель Mixture-of-Experts на 2.8 триллиона параметров с контекстным окном 1M токенов, новым параметром reasoning_effort вместо объекта thinking из K2, и ценой $3.00 / $15.00 за миллион токенов ввода/вывода. Если вы направляете production-трафик через API Moonshot, обновление не будет бесшовным: интерфейс управления рассуждениями изменился, контекстное окно выросло в 4 раза, а цена увеличилась примерно в 3 раза по сравнению с K2.6.

Мы написали это сравнение, потому что в течение часа после запуска K3 в нашем тестовом pipeline сломались три вещи — все из-за перехода с thinking на reasoning_effort. В этом посте мы подробно разбираем, что именно изменилось, что ломается, когда K3 стоит переплаты, и как оставить K2.6 или K2.7 Code в качестве fallback рядом с K3.

Источники: Kimi K3 Pricing, получено 2026-07-17; Model Parameter Reference, получено 2026-07-17; BenchLM Kimi K3 Analysis, получено 2026-07-17; Artificial Analysis Kimi K3, получено 2026-07-17.

Сводная таблица

Источники: Kimi K3 Pricing, получено 2026-07-17; Model Parameter Reference, получено 2026-07-17.

Полный разбор изменений API

Параметр рассуждений: thinking → reasoning_effort

Это breaking change. K2.6 использует объект thinking в теле запроса:

# K2.6 — режим thinking включён
response = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[{"role": "user", "content": "Объясни быструю сортировку"}],
    extra_body={"thinking": {"type": "enabled"}},
)

K3 полностью убирает объект thinking и вводит поле верхнего уровня reasoning_effort:

# K3 — рассуждение всегда включено, уровень задаётся явно
response = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Объясни быструю сортировку"}],
    extra_body={"reasoning_effort": "max"},
)

Ключевые отличия:

1. K3 всегда рассуждает. Режима disabled нет. Если вы полагались на thinking.type: "disabled" в K2.6 для более быстрых и дешёвых ответов — в K3 такой опции нет.
2. Сейчас поддерживается только "max". Moonshot обещает больше уровней, но на данный момент каждый вызов K3 работает на максимальной интенсивности рассуждений.
3. Передача thinking в K3 возвращает ошибку. Если вы просто замените model ID без удаления параметра thinking, ваш код K2.6 перестанет работать.

Источник: Model Parameter Reference, получено 2026-07-17.

Контекстное окно: 256K → 1M

K3 поддерживает 1,048,576 токенов — в четыре раза больше, чем 262,144 у K2.6. Цена единая на весь диапазон окна (без разбивки по уровням контекста), что упрощает биллинг, но означает, что вызовы с длинным контекстом при $3.00 за ввод + $15.00 за вывод могут быстро стать дорогими.

Вызов инструментов: поддержка required

K3 добавляет tool_choice: "required" — K2.6 и K2.7 Code поддерживают только auto и none. Если вы обходили отсутствие required через prompt engineering, K3 позволяет принудительно вызывать инструменты нативно.

K3 также вводит две новые возможности, недоступные в K2:

• Динамическая загрузка инструментов — загрузка tools во время инференса
• Ограничения выбора инструментов — тонкий контроль над тем, какие tools модель может вызвать

Источник: Kimi K3 Pricing — описание модели, получено 2026-07-17.

Фиксированные параметры

K3 и K2.6/K2.7 Code блокируют большинство параметров семплирования. K3 фиксирует temperature на 1.0, top_p на 0.95, n на 1, оба penalty-параметра на 0. Передача других значений возвращает ошибку. Для K2.6 в режиме thinking это было так же, но K2.6 в режиме non-thinking использовал temperature: 0.6 — это различие больше не существует, поскольку K3 всегда рассуждает.

Сравнение цен

K3 примерно в 2.6–2.8 раза дороже K2.6 в расчёте на токен. Однако автоматическое кеширование контекста K3 по $0.30 за миллион кешированных токенов может существенно снизить расходы при многоходовых диалогах или больших system prompt. Если 70% ваших входных токенов попадают в кеш, эффективная стоимость ввода падает до ~$1.11 — сопоставимо с K2.6.

Для контекста: K3 по цене находится в одном диапазоне с Claude Opus 4.8 ($15/$75, с большей наценкой на вывод) и ниже GPT-5.6 Sol. K3 существенно дороже DeepSeek V4 ($0.50/$2.00) и Qwen3.7-Max (¥2/¥8 за миллион токенов).

Источники: Kimi K3 Pricing, получено 2026-07-17; Artificial Analysis Kimi K3, получено 2026-07-17.

Сравнение бенчмарков

Все данные ниже предоставлены Moonshot AI, если не указано иное. Независимая верификация на ранней стадии — Artificial Analysis и Vals опубликовали первые оценки 16 июля 2026 года.

Код

Агентная и интеллектуальная работа

Независимые оценки

Artificial Analysis оценивает K3: Intelligence Index 57.11, Coding Index 76.24, Agentic Index 50.07 — интеллект «близок к Claude Opus 4.8 и GPT-5.5, уступает Claude Fable 5 и GPT-5.6 Sol». Скорость вывода — 62 токена/с, время до первого токена — 1.99 с.

Vals Index v1.2 оценивает K3 на 74.7. LMArena ставит K3 на первое место в Frontend Code Arena с Elo 1679.

Источники: BenchLM Kimi K3 Analysis, получено 2026-07-17; Artificial Analysis Kimi K3, получено 2026-07-17.

Когда оставаться на K2.6 / K2.7 Code, а когда переходить на K3

Выбирайте K3, если:

• Нужен контекст 1M токенов. K2.6 ограничен 256K. Если ваш сценарий включает большие кодовые базы, длинные документы или обширную историю диалогов — K3 единственный вариант Kimi.
• Нужен tool_choice: "required". K2.6 не поддерживает.
• Приоритет — качество кода на уровне frontier. Бенчмарки K3 по коду показывают значительный рост относительно K2.6, особенно на длительных агентных задачах.
• Нужно самое сильное агентное рассуждение. Скачок GDPval-AA Elo с 1190 (K2.6) до 1668 (K3) — огромный.

Оставайтесь на K2.6, если:

• Стоимость важнее пиковой производительности. K2.6 в 2.6–2.8 раза дешевле. При высоконагруженном routing, где качество K2.6 достаточно, экономия существенна.
• Нужен режим без thinking. K2.6 поддерживает thinking.type: "disabled" для более быстрых и дешёвых ответов без цепочки рассуждений. K3 рассуждает всегда.
• Код использует параметр thinking. Пока не проведёте рефакторинг, K2.6 — путь наименьшего сопротивления.

Оставайтесь на K2.7 Code, если:

• Нужна code-специализированная модель по ценам K2. K2.7 Code оптимизирован для coding agent workflow и дешевле K3.
• Используете Preserved Thinking. K2.7 Code требует режим keep: "all", который сохраняет reasoning_content между ходами — этот паттерн пока не документирован для K3.

OpenAI-совместимость означает, что провайдер предоставляет endpoint chat-completions, чей контракт запроса и ответа достаточно близок к API OpenAI, чтобы немодифицированный вызов OpenAI SDK работал после замены трёх значений: API key, base URL, название модели. Минимальная поверхность на практике —POST /v1/chat/completions с messages, model и потоковым ответом в форме OpenAI.

Чеклист миграции: K2.6 → K3

1. Измените model ID: kimi-k2.6 → kimi-k3
2. Удалите параметр thinking. K3 его не принимает. Уберите все extra_body={"thinking": {...}} из вызовов.
3. Добавьте reasoning_effort. Передайте extra_body={"reasoning_effort": "max"} — сейчас поддерживается только это значение.
4. Обработайте reasoning_content в ответах. K3 может возвращать reasoning_content в сообщениях assistant. Если ваш код парсит или сохраняет сообщения assistant, убедитесь, что он обрабатывает это поле.
5. Обновите использование tool_choice. Если раньше required был недоступен — теперь можно. Если вы передавали required и ловили ошибки — уберите обработку ошибок.
6. Скорректируйте бюджет. Ожидайте рост стоимости вывода примерно в 2.8 раза. Учтите процент попадания в кеш — если у вас повторяющиеся system prompt, кеш K3 по $0.30 помогает.
7. Протестируйте обработку длины контекста. K3 поддерживает 1M токенов. Если ваша логика обрезки была настроена на 256K, обновите её.

# До миграции (K2.6)
response = client.chat.completions.create(
    model="kimi-k2.6",
    messages=messages,
    extra_body={"thinking": {"type": "enabled"}},
)

# После миграции (K3)
response = client.chat.completions.create(
    model="kimi-k3",
    messages=messages,
    extra_body={"reasoning_effort": "max"},
)

Routing K3 через TheRouter

TheRouter сейчас направляет несколько моделей Kimi K2 — включая moonshot/kimi-k2.6 и moonshot/kimi-k2.7-code — через провайдер Moonshot. Поддержка routing K3 зависит от добавления модели в таблицу маршрутизации.

Если вы используете конфигурацию fallback TheRouter, можно назначить K3 основной моделью с K2.6 в качестве fallback. Это позволяет пробовать K3 для задач, чувствительных к качеству, сохраняя K2.6 как экономичный запасной вариант:

# Пример конфигурации fallback (концептуальный)
primary: kimi-k3
fallback:
  - kimi-k2.6
  - kimi-k2.7-code

TheRouter маршрутизирует OpenAI-совместимые запросы через настроенных провайдеров — base_url и маппинг model ID делают остальное. Когда K3 появится в таблице маршрутизации, достаточно переключить model ID, и TheRouter обработает upstream-вызов.

Примечание: доступность routing K3 в TheRouter зависит от добавления модели в конфигурацию. Актуальную информацию смотрите на странице провайдера Moonshot.

Открытые веса: K3 ожидается 27 июля

Moonshot объявила, что полные веса K3 будут опубликованы до 27 июля 2026 года. K2.6 уже доступна в открытых весах на Hugging Face. После публикации весов K3 появится возможность self-hosting — но обслуживание модели MoE на 2.8T параметров требует значительно больше инфраструктуры, чем K2.6 с 1T.

FAQ

Q: Можно ли использовать K2.6 и K3 в одном приложении? Да. Это разные model ID (kimi-k2.6 и kimi-k3) на одном API endpoint (https://api.moonshot.ai/v1). Можно направлять разные запросы на разные модели по мере необходимости.

Q: K2.6 будет deprecated после выхода K3? На 17 июля 2026 года Moonshot не объявляла дату deprecation K2.6. Учитывая разные ценовые категории и сценарии использования, обе модели могут сосуществовать какое-то время.

Q: K3 доступна на DashScope или других китайских облачных платформах? На момент запуска K3 доступна только через API Moonshot на platform.kimi.ai. Доступность через третьи стороны (DashScope, SiliconFlow и т.д.) не объявлена.

Q: Почему K3 поддерживает только reasoning_effort: "max"? Moonshot сообщает, что дополнительные уровни effort появятся позже. Текущее ограничение означает, что K3 всегда работает на максимальной интенсивности рассуждений — нет способа снизить reasoning для ускорения или удешевления ответов.

---

Это сравнение актуально на 17 июля 2026 года. K3 запущена за день до публикации — независимые бенчмарки и доступность через третьи стороны продолжают появляться. Мы обновим этот пост по мере поступления данных.