Moonshot AI ได้เปิดตัว Kimi K3 เมื่อวันที่ 16 กรกฎาคม 2026 และเรียกมันว่า “โมเดล 3T-class แบบเปิดรุ่นแรกของโลก” นี่เป็นการกล่าวอ้างที่ยิ่งใหญ่ ดังนั้นเรามาแยกส่วนการตลาดออกจากวิศวกรรมกัน K3 เป็นโมเดล Mixture-of-Experts ที่มีพารามิเตอร์ 2.8 ล้านล้านตัว พร้อมหน้าต่างบริบท 1 ล้านโทเค็น, สถาปัตยกรรม Attention ที่สดใหม่, และราคาที่มุ่งเป้าไปที่ทีมพัฒนาโค้ดโดยเฉพาะ มันเริ่มใช้งานได้ในวันเดียวกันทั่วทั้ง Kimi.com, Kimi Work, Kimi Code, และ Kimi API โดยสัญญาว่าจะเปิดเผยน้ำหนักโมเดลทั้งหมดภายในวันที่ 27 กรกฎาคม 2026 คู่มือนี้เป็นศูนย์รวมทุกสิ่งที่คุณต้องการเพื่อประเมินมัน: มันคืออะไร, สร้างมาอย่างไร, ราคาเท่าไหร่, จัดอยู่ในอันดับใด, และใครควรใช้งานมันจริงๆ
สรุปสั้นๆ: Kimi K3 คืออะไร?
Kimi K3 คือโมเดลภาษาขนาดใหญ่เรือธงของ Moonshot AI ที่เปิดตัวเมื่อวันที่ 16 กรกฎาคม 2026 มันใช้การออกแบบ Mixture-of-Experts ที่มีพารามิเตอร์ 2.8 ล้านล้านตัว ซึ่งเปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 คนต่อโทเค็น, มีหน้าต่างบริบทขนาด 1,048,576 โทเค็น (1M), และให้บริการผ่าน API model ID kimi-k3 ราคาอยู่ที่ $0.30 ต่อล้านโทเค็นอินพุตแบบ cache-hit, $3.00 ต่อล้านโทเค็นอินพุตแบบ cache-miss, และ $15.00 ต่อล้านโทเค็นเอาต์พุต ในดัชนี Artificial Analysis Intelligence Index ที่เป็นอิสระ มันได้คะแนน 57 และจัดอยู่ในอันดับที่ 4 จาก 189 โมเดล โพสต์เปิดตัวของ Moonshot เองระบุว่า K3 ยังคงตามหลัง Claude Fable 5 และ GPT-5.6 Sol ดังนั้นจึงควรถือว่าเป็นโมเดลแบบเปิดที่แข็งแกร่งที่สุดที่ใกล้เคียงกับแนวหน้า ไม่ใช่ตัวแนวหน้าเอง คาดว่าจะมีการเปิดเผยน้ำหนักโมเดลแบบเปิดทั้งหมดประมาณวันที่ 27 กรกฎาคม 2026
ทำไม Kimi K3 ถึงสำคัญในตอนนี้
ทุกๆ สองสามเดือน ห้องแล็บของจีนจะส่งโมเดลที่กำหนดความคาดหวังใหม่ว่าคุณสามารถใช้งานอะไรได้บ้างโดยไม่ต้องมีสัญญา API แบบกรรมสิทธิ์ Kimi K3 คือโมเดลนั้นสำหรับช่วงกลางปี 2026 หัวใจสำคัญไม่ใช่แค่การครองอันดับสูงสุดในการทดสอบมาตรฐาน แต่เป็นการผสมผสานระหว่างคุณภาพที่ใกล้เคียงกับแนวหน้า, ราคา cache-hit ที่ดึงดูดใจ, และคำมั่นสัญญาที่จะเปิดเผยน้ำหนักโมเดลทั้งหมดภายในสิบเอ็ดวันหลังการเปิดตัว หากคำมั่นสัญญานั้นเป็นจริง K3 จะกลายเป็นโมเดลที่สามารถรองรับการโฮสต์ด้วยตนเองได้ดีที่สุด ซึ่งจะเปลี่ยนสมการสำหรับทุกคนที่กำลังชั่งน้ำหนักค่าใช้จ่าย API กับคลัสเตอร์ GPU
หากคุณสร้างด้วย LLM APIs คำถามในทางปฏิบัติก็ง่ายๆ: คุณสามารถชี้ไคลเอนต์สไตล์ OpenAI ที่มีอยู่ของคุณไปที่ kimi-k3 และรับผลลัพธ์ที่เป็นประโยชน์ได้โดยไม่ต้องเขียนโค้ดใหม่ทั้งหมดหรือไม่? คำตอบคือใช่ เพราะ Moonshot นำเสนอ API ที่เข้ากันได้กับ OpenAI-SDK นั่นหมายความว่าคุณสามารถทดสอบและดีบักการเรียกใช้ K3 ได้ในเครื่องมือที่คุณใช้อยู่แล้ว Apidog ถือว่าเอนด์พอยต์ที่เข้ากันได้กับ OpenAI เป็นคำขอระดับสูงสุด ดังนั้นคุณสามารถส่งการสนทนาแบบสตรีมมิ่งไปยัง kimi-k3, ตรวจสอบเหตุการณ์ที่เซิร์ฟเวอร์ส่งมาแบบโทเค็นต่อโทเค็น, และดูการเรียกใช้เครื่องมือคลี่คลายก่อนที่คุณจะเชื่อมต่อโมเดลเข้ากับโค้ดจริง
โพสต์นี้เป็นแกนหลักสำหรับกลุ่ม Kimi K3 ที่กว้างขึ้น สำหรับการเจาะลึกเพิ่มเติม โปรดดูที่ คู่มือ Kimi K3 API, การวิเคราะห์ราคา Kimi K3, หรือ การวิเคราะห์ Kimi K3 benchmarks ในที่นี้ เราจะครอบคลุมภาพรวมทั้งหมด
เอกลักษณ์: โมเดลที่ทรงพลังที่สุดของ Moonshot
Moonshot AI วางตำแหน่ง K3 ให้เป็น “โมเดลที่ทรงพลังที่สุดของเรา” ซึ่งเป็นขั้นที่สูงขึ้นจากตระกูล Kimi K2 ที่นักพัฒนาหลายคนรู้จักกันดีอยู่แล้ว หากคุณเคยใช้ Kimi K2 หรือ Kimi K2.7 Code ที่เน้นการเขียนโค้ด K3 คือเจเนอเรชันถัดไปของสายผลิตภัณฑ์นั้น ซึ่งสร้างขึ้นใหม่ตั้งแต่ชั้น Attention ข้อกล่าวอ้างที่ดึงดูดความสนใจมากที่สุดคือ “โมเดล 3T-class แบบเปิดรุ่นแรกของโลก” สองคำในวลีนี้มีความสำคัญ
“เปิด” เป็นความจริงในอนาคตอันใกล้ ไม่ใช่ในวันเปิดตัว ในตอนเปิดตัว K3 สามารถใช้งานได้ผ่านผลิตภัณฑ์ที่โฮสต์และ API แบบชำระเงิน และ Moonshot ให้คำมั่นว่าจะเปิดเผย “น้ำหนักโมเดลทั้งหมดภายในวันที่ 27 กรกฎาคม 2026” ดังนั้น หากคุณกำลังวางแผนการใช้งานในเครื่อง ให้ถือว่าการเข้าถึงแบบเปิดเป็นเหตุการณ์ตามกำหนดการประมาณหนึ่งสัปดาห์ครึ่งหลังจากการเปิดตัว ไม่ใช่สิ่งที่คุณสามารถดาวน์โหลดได้ในวันแรก
“3T-class” หมายถึงขนาด ด้วยพารามิเตอร์รวม 2.8 ล้านล้านตัว K3 จัดอยู่ในระดับเดียวกันกับระบบกรรมสิทธิ์ที่ใหญ่ที่สุด แม้ว่าจะมีเพียงส่วนน้อยของพารามิเตอร์เหล่านั้นที่ทำงานบนโทเค็นใดๆ ก็ตาม การเปิดใช้งานแบบกระจัดกระจายนั้นคือสิ่งที่ทำให้การอนุมานมีราคาที่เข้าถึงได้ และเป็นเหตุผลที่ทำให้การกำหนดราคามีลักษณะเช่นนั้น
สถาปัตยกรรม: มีอะไรใหม่ภายใต้โครงสร้าง
K3 ไม่ใช่แค่ K2 ที่ใหญ่ขึ้น Moonshot ได้สร้างแกนหลักขึ้นมาใหม่ด้วยเทคนิคหลายอย่างที่ได้รับการตั้งชื่อ และการเลือกออกแบบเหล่านี้อธิบายได้ทั้งคุณภาพที่เพิ่มขึ้นและอัตราการประมวลผลที่ได้
Kimi Delta Attention (KDA). นี่คือกลไก Attention แบบเส้นตรงลูกผสมที่ Moonshot อธิบายว่าเป็นรากฐานที่มีประสิทธิภาพสำหรับการปรับขนาด Attention Attention สไตล์เส้นตรงช่วยควบคุมการเติบโตของหน่วยความจำและการคำนวณเมื่อความยาวบริบทเพิ่มขึ้น ซึ่งทำให้หน้าต่าง 1M-โทเค็นใช้งานได้จริงมากกว่าเป็นเพียงแนวคิด
Attention Residuals (AttnRes). Moonshot นำเสนอสิ่งนี้ในฐานะส่วนประกอบทดแทนที่ใช้งานง่ายสำหรับ Standard residual connections เป้าหมายที่ระบุคือการเลือกดึงข้อมูลการแสดงผลจากความลึกของเครือข่าย เพื่อให้ข้อมูลจากเลเยอร์ก่อนหน้ายังคงเข้าถึงได้ลึกขึ้นในสแต็ก พูดง่ายๆ คือ มันช่วยให้โมเดลคงบริบทไว้ได้ แทนที่จะถูกลบออกไปทีละเลเยอร์
Stable LatentMoE. นี่คือเลเยอร์การจัดเส้นทาง Mixture-of-Experts และเป็นจุดที่เรื่องราว “รวม 2.8 ล้านล้าน, ใช้งานจริงเพียงเล็กน้อย” ได้รับการอธิบาย K3 มีผู้เชี่ยวชาญ 896 คนและเปิดใช้งาน 16 คนต่อโทเค็น โดยใช้สิ่งที่ Moonshot เรียกว่า Quantile Balancing เพื่อรักษาสภาพการจัดเส้นทางให้คงที่ระหว่างการฝึกฝน การเปิดใช้งานแบบกระจัดกระจายหมายความว่าโมเดลสามารถเก็บข้อมูลพารามิเตอร์นับล้านล้านได้ แต่จ่ายค่าการประมวลผลเทียบเท่ากับเครือข่ายที่เล็กกว่ามากในระหว่างการอนุมาน
Moonshot ยังอ้างอิงถึงส่วนประกอบสนับสนุนอื่นๆ เช่น Per-Head Muon, Sigmoid Tanh Unit (SiTU), และ Gated MLA รวมถึงน้ำหนัก MXFP4 พร้อมการเปิดใช้งาน MXFP8 สำหรับ quantization
ข้อมูลจำเพาะ Kimi K3 โดยสรุป
นี่คือข้อมูลสรุปที่คุณควรบันทึกไว้ ข้อมูลทุกตัวเลขด้านล่างนี้มาจากโพสต์เปิดตัวของ Moonshot หรือรายการจาก Artificial Analysis ที่เป็นอิสระ
| คุณสมบัติ | Kimi K3 |
|---|---|
| ผู้พัฒนา | Moonshot AI |
| วันเปิดตัว | July 16, 2026 |
| พารามิเตอร์รวม | 2.8 trillion (Mixture-of-Experts) |
| ผู้เชี่ยวชาญที่ใช้งาน | 16 of 896 per token |
| หน้าต่างบริบท | 1,048,576 tokens (1M) |
| API model ID | kimi-k3 |
| OpenRouter slug | moonshotai/kimi-k3 |
| ความเข้ากันได้กับ API | OpenAI SDK compatible |
| อินพุตแบบ Cache-hit | $0.30 / 1M tokens |
| อินพุตแบบ Cache-miss | $3.00 / 1M tokens |
| เอาต์พุต | $15.00 / 1M tokens |
| ความเร็วเอาต์พุต | ~62 tokens/sec (ต่ำกว่าค่ากลางของระดับที่ 72.7) |
| เวลาถึงโทเค็นแรก | ~1.99s |
| ดัชนีความฉลาด | 57 (อันดับที่ 4 จาก 189) |
| น้ำหนักแบบเปิด | คาดการณ์ประมาณ 27 กรกฎาคม 2026 |
ตารางนั้นคือคำตอบที่รวดเร็วสำหรับการค้นหา “ตรวจสอบสเปก” ส่วนใหญ่ สำหรับโมเดลค่าใช้จ่ายแบบบรรทัดต่อบรรทัดเทียบกับปริมาณโทเค็นของคุณ คู่มือราคา Kimi K3 จะแสดงตัวเลขเหล่านี้
หน้าต่างบริบท 1M และเหตุผลที่ราคาแบบ Cache-hit คือเรื่องราวที่แท้จริง
หน้าต่างบริบท 1,048,576 โทเค็น ทำให้สามารถใส่โค้ดเบสทั้งหมด, ชุดข้อมูลการวิจัยขนาดยาว, หรือบันทึกการประชุมหลายชั่วโมงลงในพร้อมต์เดียวได้ นั่นเป็นสิ่งจำเป็นสำหรับโมเดลแนวหน้าในปัจจุบัน แต่การกำหนดราคาบริบทที่ยาวของ K3 คือสิ่งที่ทำให้มันน่าสนใจสำหรับภาระงานจริง
ลองดูราคาอินพุตอีกครั้ง: $0.30 ต่อล้านโทเค็นเมื่อเป็น cache hit เทียบกับ $3.00 เมื่อเป็น cache miss นั่นคือความแตกต่างถึง 10 เท่า สแต็กการอนุมานของ Moonshot ซึ่งเรียกว่า Mooncake disaggregated inference มีรายงานว่าให้อัตรา cache-hit สูงกว่า 90% สำหรับงานเขียนโค้ด หากรูปแบบการใช้งานของคุณมีการนำบริบทที่ใช้ร่วมกันขนาดใหญ่, พร้อมต์ระบบที่ยาว, โครงสร้างไฟล์ขนาดใหญ่, บล็อกคำสั่งที่ตายตัวกลับมาใช้ซ้ำ โทเค็นอินพุตส่วนใหญ่ของคุณจะถูกคิดในอัตราที่ถูก สำหรับลูปการเขียนโค้ดแบบ agentic ที่ส่งบริบทของที่เก็บเดียวกันซ้ำในทุกขั้นตอน ความแตกต่างนี้จะเพิ่มขึ้นอย่างรวดเร็ว นี่คือจุดแข็งที่ทำให้ K3 สามารถแข่งขันด้านต้นทุนได้ แม้ว่าราคาเอาต์พุตต่อโทเค็นจะอยู่ในระดับปกติของโมเดลแนวหน้า
การแลกเปลี่ยนจะปรากฏให้เห็นในด้านความเร็ว Artificial Analysis วัดความเร็วของ K3 ได้ประมาณ 62 โทเค็นต่อวินาทีของเอาต์พุต ซึ่งต่ำกว่าค่ามัธยฐานที่ 72.7 สำหรับโมเดลการให้เหตุผลในระดับราคาเดียวกัน เวลาถึงโทเค็นแรกอยู่ที่ประมาณ 1.99 วินาที ซึ่งดีกว่าค่ามัธยฐานของระดับเล็กน้อย ดังนั้น K3 จึงเป็นโมเดลแบบ “คิดหนัก, สตรีมเรื่อยๆ” มากกว่าจะเป็นโมเดลที่รวดเร็ว และการตั้งค่าการให้เหตุผลเริ่มต้นของมันมุ่งเน้นไปที่ความพยายามในการคิดสูงสุด หากความหน่วงเวลามีความสำคัญมากกว่าความลึกสำหรับกรณีการใช้งานของคุณ ให้ทดสอบเทียบกับโมเดลที่เร็วกว่าก่อนที่จะตัดสินใจใช้งาน
การวางตำแหน่งที่ตรงไปตรงมา: แข็งแกร่ง, เปิดกว้าง, ไม่ใช่แนวหน้าที่สุด
นี่คือส่วนหนึ่งของเรื่องราวที่บทความเปิดตัวหลายฉบับมักมองข้ามไป Moonshot เองก็ระบุไว้อย่างชัดเจน บล็อกเปิดตัว Kimi K3 อย่างเป็นทางการ ระบุว่าแม้ K3 “ยังคงตามหลังโมเดลกรรมสิทธิ์ที่ทรงพลังที่สุดอย่าง Claude Fable 5 และ GPT 5.6 Sol” แต่ก็ “แสดงให้เห็นถึงประสิทธิภาพระดับแนวหน้าทั่วทั้งชุดการประเมินของเรา” อ่านสองครั้ง เพราะนี่เป็นความตรงไปตรงมาที่ไม่ค่อยพบเห็นจากผู้จำหน่ายโมเดล
ข้อมูลที่เป็นอิสระสนับสนุนความแตกต่างนี้ ใน ดัชนี Artificial Analysis Intelligence Index K3 ได้คะแนน 57 และจัดอยู่ในอันดับที่ 4 จาก 189 โมเดล ดัชนีดังกล่าวผสมผสานการประเมินเก้าด้าน ครอบคลุมงาน Agentic, การเขียนโค้ด, วิทยาศาสตร์, และการให้เหตุผล ดังนั้นการอยู่ในอันดับท็อปห้าจึงเป็นสัญญาณที่แท้จริง ไม่ใช่การเลือกข้อมูล แต่การเป็นอันดับที่ 4 ก็หมายความว่ามีโมเดลสามตัวที่อยู่ข้างหน้า และ Moonshot ได้เอ่ยชื่อไปแล้วสองตัว
แล้วคุณควรมอง K3 อย่างไร? มันเป็นโมเดลน้ำหนักเปิดที่แข็งแกร่งที่สุดที่ใกล้เคียงกับแนวหน้า และเป็นหนึ่งในโมเดลที่สามารถทำงานได้ดีที่สุดที่คุณสามารถใช้งานได้โดยไม่ต้องมีสัญญาแบบกรรมสิทธิ์เมื่อน้ำหนักโมเดลถูกเปิดเผย มันไม่ใช่โมเดลที่ดีที่สุดในโลก และคุณไม่ควรอ้างเช่นนั้นกับผู้มีส่วนได้ส่วนเสียของคุณ หากคุณต้องการประสิทธิภาพสูงสุดสำหรับงานการให้เหตุผลที่ซับซ้อน โมเดลกรรมสิทธิ์ยังคงเป็นผู้ชนะ หากคุณต้องการคุณภาพที่ใกล้เคียงกับแนวหน้า พร้อมเส้นทางแบบเปิดและราคาที่คุ้มค่า K3 คือคู่แข่งที่น่าสนใจ สำหรับการเปรียบเทียบโดยตรงกับผู้นำแบบกรรมสิทธิ์ โปรดดูที่ Kimi K3 vs Claude Opus 4.8 และ Kimi K3 vs GPT-5.6 Sol
คุณสามารถใช้ Kimi K3 ได้ที่ไหนบ้างในวันนี้
K3 เปิดตัวพร้อมใช้งานบนทุกผลิตภัณฑ์ของ Moonshot ตั้งแต่วันแรก นี่คือตารางแสดงการใช้งาน
| แพลตฟอร์ม | สิ่งที่คุณจะได้รับ |
|---|---|
| Kimi.com | แอปแชทบนเว็บ, K3 เป็นโมเดลเริ่มต้น |
| Kimi Work | ผลิตภัณฑ์พื้นที่ทำงานสำหรับทีม |
| Kimi Code | เอเจนต์เขียนโค้ดบนเทอร์มินัล |
| Kimi API | การเข้าถึงแบบโปรแกรมผ่าน model ID kimi-k3 |
| แอปมือถือ | iOS, Android, และ HarmonyOS |
| เดสก์ท็อป | แอป Kimi Work, เวอร์ชัน 3.1.0 และใหม่กว่า |
| OpenRouter | การเข้าถึงแบบจัดเส้นทางผ่าน moonshotai/kimi-k3 |
หากคุณใช้งานในเทอร์มินัล Kimi Code คือจุดเริ่มต้นของเอเจนต์เขียนโค้ด; คู่มือ Kimi Code CLI ของเราครอบคลุมรูปแบบการตั้งค่าจากยุค K2 และขั้นตอนการทำงานของ K3 ก็คล้ายกัน หากคุณต้องการเปรียบเทียบพฤติกรรมการเขียนโค้ดกับแชมป์เก่าในสายผลิตภัณฑ์นั้น Kimi K3 vs Kimi K2.7 Code คือการจับคู่โดยตรง และหากคุณไม่ต้องการจ่ายเงินเลยในขณะที่ประเมิน วิธีใช้ Kimi K3 ฟรี จะครอบคลุมเส้นทางที่ไม่มีค่าใช้จ่าย
ความสามารถที่ API เปิดเผย
สำหรับนักพัฒนา โมเดลเป็นเพียงครึ่งหนึ่งของเรื่องราว พื้นผิว API เป็นตัวกำหนดว่าคุณสามารถสร้างอะไรได้บ้าง เอนด์พอยต์ของ K3 รองรับคุณสมบัติที่คุณคาดหวังจากโมเดล Agentic ที่จริงจัง:
- การแคชบริบท (กลไกที่อยู่เบื้องหลังอัตรา cache-hit $0.30 นั้น)
- การเรียกใช้เครื่องมือและข้อจำกัดในการเลือกเครื่องมือ
- โหมด JSON และเอาต์พุตแบบมีโครงสร้าง
- โหมดบางส่วนสำหรับการเติมข้อความแบบควบคุม
- การค้นหาอินเทอร์เน็ต
- การโหลดเครื่องมือแบบไดนามิก
- ความพยายามในการให้เหตุผลที่ปรับแต่งได้ รวมถึงการตั้งค่า “สูงสุด”
ชุดคุณสมบัติเหล่านั้นหมายความว่า K3 สามารถทำงานร่วมกับเฟรมเวิร์กเอเจนต์, ไปป์ไลน์การดึงข้อมูลแบบมีโครงสร้าง, และแอปพลิเคชันที่เรียกใช้ฟังก์ชันได้โดยไม่ต้องมีการจัดการพิเศษ URL พื้นฐานเป็นไปตามรูปแบบที่ Moonshot กำหนดไว้ นั่นคือเอนด์พอยต์ Kimi ที่เข้ากันได้กับ OpenAI (โปรดยืนยัน URL พื้นฐานที่แน่นอนบน platform.kimi.ai ก่อนที่จะนำไปใช้ เพราะคอนโซลได้ย้ายไปยังโดเมนใหม่เมื่อเปิดตัว) ชี้ไคลเอนต์ OpenAI ของคุณไปยังเอนด์พอยต์นั้น ตั้งค่าโมเดลเป็น kimi-k3 และโค้ด chat-completions และ tool-calling ที่มีอยู่ของคุณก็น่าจะทำงานได้ คำแนะนำการทำงานแบบครบวงจรตั้งแต่การร้องขอและการตอบกลับสามารถดูได้ใน คู่มือ Kimi K3 API
การทดสอบ Kimi K3 ก่อนที่คุณจะนำไปใช้งานจริง
นี่คือส่วนที่ข้อมูลจำเพาะของโมเดลกลายเป็นการผสานรวมที่ใช้งานได้จริง ก่อนที่คุณจะนำ kimi-k3 เข้าไปในลูปของเอเจนต์ คุณต้องการดูว่าเอนด์พอยต์ส่งคืนอะไรบ้าง: โทเค็นสตรีมอย่างไร, การเรียกใช้เครื่องมือทำงานในรูปแบบที่คุณคาดหวังหรือไม่, และโมเดลมีพฤติกรรมอย่างไรเมื่อใช้ความพยายามในการให้เหตุผลสูงสุด นั่นคืองานทดสอบ API ไม่ใช่งานวิศวกรรมพร้อมต์
นี่คือจุดที่ Apidog เข้ามามีบทบาทในเวิร์กโฟลว์ เนื่องจาก K3 ใช้โปรโตคอล OpenAI คุณสามารถเพิ่มเอนด์พอยต์ chat-completions ของมันเป็นคำขอใน Apidog, เก็บกุญแจของคุณเป็นตัวแปรสภาพแวดล้อมเพื่อไม่ให้ไปอยู่ในคอลเลกชันที่ใช้ร่วมกัน, และส่งการเรียกใช้ด้วย stream: true Apidog จะแสดงผลสตรีมเหตุการณ์ที่เซิร์ฟเวอร์ส่งมา ทำให้คุณสามารถอ่านส่วนเดลต้าที่เข้ามาได้ ซึ่งเป็นวิธีที่เร็วที่สุดในการยืนยันว่าโปรแกรมแยกวิเคราะห์สตรีมมิ่งของคุณจะจัดการกับเอาต์พุตของ K3 ได้ เมื่อคุณส่งคำขอที่กำหนดเครื่องมือไว้ คุณสามารถตรวจสอบ payload ของ tool_calls ที่โมเดลส่งคืนได้อย่างแม่นยำ และตรวจสอบความถูกต้องของอาร์กิวเมนต์กับ schema ของคุณก่อนที่โค้ดของเอเจนต์จะทำงานแม้แต่บรรทัดเดียว
คำถามที่พบบ่อย
Kimi K3 คืออะไร? Kimi K3 คือโมเดลภาษาขนาดใหญ่เรือธงของ Moonshot AI ที่เปิดตัวเมื่อวันที่ 16 กรกฎาคม 2026 เป็นโมเดล Mixture-of-Experts ที่มีพารามิเตอร์ 2.8 ล้านล้านตัว พร้อมหน้าต่างบริบท 1M โทเค็น ซึ่งให้บริการผ่าน API model ID kimi-k3 และผลิตภัณฑ์สำหรับผู้บริโภคและนักพัฒนาของ Moonshot Moonshot อธิบายว่าเป็น “โมเดล 3T-class แบบเปิดรุ่นแรกของโลก”
Kimi K3 มีพารามิเตอร์จำนวนเท่าใด? K3 มีพารามิเตอร์รวม 2.8 ล้านล้านตัว และใช้การจัดเส้นทางแบบ Mixture-of-Experts ที่เปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 คนต่อโทเค็น Moonshot ยังไม่ได้เผยแพร่จำนวนพารามิเตอร์ที่ใช้งานจริงที่แน่นอน ดังนั้นโปรดหลีกเลี่ยงการอ้างอิงตัวเลข 'พันล้านที่ใช้งานอยู่' โดยเฉพาะว่าเป็นข้อเท็จจริง ตัวเลขที่พวกเขาเปิดเผยอย่างแม่นยำคือ “ผู้เชี่ยวชาญ 16 จาก 896 คน”
Kimi K3 API มีค่าใช้จ่ายเท่าไหร่? ราคาอยู่ที่ $0.30 ต่อล้านโทเค็นอินพุตแบบ cache-hit, $3.00 ต่อล้านโทเค็นอินพุตแบบ cache-miss, และ $15.00 ต่อล้านโทเค็นเอาต์พุต ระบบอนุมาน Mooncake ของ Moonshot มีรายงานว่ามีอัตรา cache-hit สูงกว่า 90% สำหรับงานเขียนโค้ด ดังนั้นต้นทุนอินพุตที่มีประสิทธิภาพจึงต่ำสำหรับงานที่ทำซ้ำๆ และมีบริบทจำนวนมาก โมเดลเต็มอยู่ใน รายละเอียดราคา
Kimi K3 เป็นโอเพนซอร์สหรือไม่? ไม่ใช่ในวันเปิดตัว Moonshot ให้คำมั่นว่าจะเปิดเผยน้ำหนักโมเดลทั้งหมดภายในวันที่ 27 กรกฎาคม 2026 จนกว่าจะถึงเวลานั้น คุณจะเข้าถึง K3 ผ่านผลิตภัณฑ์ที่โฮสต์และ API แบบชำระเงิน หลังจากน้ำหนักโมเดลถูกเปิดเผย คุณจะสามารถโฮสต์ด้วยตนเองได้ ซึ่งเป็นพื้นฐานสำหรับคำอธิบาย “open 3T-class”
Kimi K3 ดีกว่า Claude Fable 5 หรือ GPT-5.6 Sol หรือไม่? ไม่ และ Moonshot กล่าวไว้อย่างตรงไปตรงมา โพสต์เปิดตัวระบุว่า K3 “ยังคงตามหลังโมเดลกรรมสิทธิ์ที่ทรงพลังที่สุดอย่าง Claude Fable 5 และ GPT 5.6 Sol” ในขณะที่เรียกประสิทธิภาพของมันว่าอยู่ในระดับแนวหน้า ในดัชนี Artificial Analysis Intelligence Index มันได้คะแนน 57 และจัดอยู่ในอันดับที่ 4 จาก 189 โมเดล ดังนั้นจึงอยู่ใกล้จุดสูงสุดแต่ไม่ใช่ที่หนึ่ง
ฉันสามารถใช้ Kimi K3 กับ OpenAI SDK ได้หรือไม่? ได้ API ของ Moonshot เข้ากันได้กับ OpenAI-SDK ชี้ไคลเอนต์ของคุณไปยังเอนด์พอยต์ Kimi ที่เข้ากันได้กับ OpenAI (ยืนยัน URL พื้นฐานที่แน่นอนบน platform.kimi.ai), ตั้งค่าโมเดลเป็น kimi-k3, และโค้ด chat-completions และ tool-calling ที่มีอยู่ของคุณก็น่าจะทำงานได้ คุณสามารถตรวจสอบรูปแบบคำขอและการตอบกลับใน Apidog ก่อนที่จะเชื่อมต่อเข้ากับแอปของคุณ
Kimi K3 เร็วแค่ไหน? Artificial Analysis วัดความเร็วได้ประมาณ 62 โทเค็นเอาต์พุตต่อวินาที ซึ่งต่ำกว่าค่ามัธยฐานของระดับราคาที่ 72.7 โดยมีเวลาถึงโทเค็นแรกใกล้เคียง 1.99 วินาที K3 ให้ความสำคัญกับความลึกมากกว่าความเร็ว และการตั้งค่าการให้เหตุผลเริ่มต้นของมันใช้ความพยายามในการคิดสูงสุด เปรียบเทียบกับโมเดลที่เร็วกว่าหากความหน่วงเวลาเป็นข้อจำกัดของคุณ
Kimi K3 เปรียบเทียบกับ Kimi K2.7 Code อย่างไร? K3 คือเรือธงรุ่นถัดไปที่เหนือกว่าตระกูล K2 โดยมีสถาปัตยกรรม Attention ที่สร้างขึ้นใหม่ และมีประสิทธิภาพการปรับขนาดดีกว่า K2 ประมาณ 2.5 เท่า ตามข้อมูลของ Moonshot K2.7 Code ยังคงเป็นตัวเลือกที่แข็งแกร่งสำหรับการเขียนโค้ดโดยเฉพาะ การเปรียบเทียบโดยตรงสามารถดูได้ใน Kimi K3 vs Kimi K2.7 Code