संदर्भ मूल्य का स्वतंत्र सत्यापन नहीं हुआ है। लागत की तुलना करने से पहले प्रकाशक की वर्तमान दरें, बिलिंग इकाइयाँ और लागू शर्तें जाँचें।
Kimi K3 ऑनलाइन चैट टूल
मॉडल सेटिंग
स्मृति क्या करती है?
यह इस बातचीत के पूरे और दोबारा इस्तेमाल योग्य आदान-प्रदान को आपके अगले अनुरोध में शामिल करती है, ताकि आप संदर्भ दोहराए बिना आगे के सवाल पूछ सकें।
बंद होने पर क्या होता है?
केवल आपका नया संदेश और कोई सिस्टम प्रॉम्प्ट भेजा जाता है। मौजूदा संदेश दिखते रहते हैं; स्मृति फिर चालू करने पर योग्य पुराने आदान-प्रदान फिर शामिल हो जाते हैं।
क्या यह दीर्घकालिक स्मृति है?
नहीं। यह इसी बातचीत का संदर्भ है, अलग बातचीतों के बीच की स्मृति नहीं। विफल, रोके गए, अधूरे या दोबारा इस्तेमाल न किए जा सकने वाले जवाब शामिल नहीं होते। अधिक इतिहास से इनपुट टोकन और लागत बढ़ सकते हैं।
उन्नत पैरामीटर
0 या अधिक अक्षर(0/कोई तय सीमा नहीं)
अक्षरों की कोई तय सीमा नहीं; पूरा अनुरोध आकार और मॉडल संदर्भ की सीमाओं के अधीन है। यह टोकन की संख्या नहीं है।
0 – 2
0 – 1
-2 – 2
-2 – 2
बातचीत
आज मैं आपकी कैसे मदद कर सकता हूँ?
अभी प्रतिक्रिया डेटा नहीं है
तैयार
दर्ज API Hop नमूने
API Hop से 22 अक्टूबर, 2026 को दर्ज किया गया। हर परिणाम नामित मॉडल और मोड का एक अनुरोध है, सफलता दर, गति या प्रोडक्शन गुणवत्ता की गारंटी नहीं। नीचे मॉडल के जवाब अपनी मूल भाषा में हैं।
अनुच्छेद उद्धरणों के साथ रिलीज़ निर्णय
kimi-k3 · document-citations ·
शब्दशः अंश
**Answer summary:** Production release is **not approved**. Staging established only export-formatting/export v7 verification — nothing about production. **Mei** owns the remaining duplicate-delivery tests; documentation ownership is **unassigned**.
मॉडल का पूरा जवाब (अपरिवर्तित)
**Answer summary:** Production release is **not approved**. Staging established only export-formatting/export v7 verification — nothing about production. **Mei** owns the remaining duplicate-delivery tests; documentation ownership is **unassigned**.
| Conclusion | Exact supporting quote | Paragraph ID | Uncertainty |
|---|---|---|---|
| Production release is not approved; approval was withheld pending tests | "the release reviewer withheld production approval until duplicate-delivery tests pass" | P31 | Low — explicit statement |
| No approval or completed test recorded later (cross-check of P04's Friday shipping proposal, which "was not an approval") | "No completed test result or production approval is recorded in this document." | P36 | Low — explicit; P04 proposal superseded by P31/P36 |
| Staging established export formatting checks passed (repeated across components), and verified export v7 on synthetic data only | "staging verified export version 7 with three synthetic records. Production deployment and billing checks were not performed." | P18 | Low for staging result; production readiness not established |
| Staging did not measure production latency, charges, or customer outcomes | "no production latency, charge or customer outcome was measured" | P01 (and P02–P03, P05–P17, P19–P30, P32–P35, identical wording) | Low — explicit; applies to all component entries |
| Remaining duplicate-delivery tests are owned by Mei | "Mei owns those tests." | P31 | Low — explicit; tests scheduled, not completed ("Mei scheduled duplicate-delivery tests for October 16," P36) |
| Documentation has no owner; a documentation check was only planned | "Documentation ownership remains unassigned." | P31 (earlier: "Documentation ownership was still unassigned," P04) | Low that it is unassigned as of this document; future owner unknown. Note: component entries say "The named reviewer will check documentation next week" (e.g., P01), but no name is given and no completion is recorded |
**Unresolved questions:**
1. Did the duplicate-delivery tests scheduled for October 16 (P36) pass, and has the release reviewer since granted production approval?
2. Who will be assigned documentation ownership, and did the unnamed "named reviewer" ever complete the documentation check promised for "next week" (P01 et al.)?
दस्तावेज़ कृत्रिम है, अधिकतम संदर्भ का परीक्षण नहीं। निष्कर्ष इनपुट से मेल खाते हैं, लेकिन दो सहायक उद्धरण वाक्य के अंतिम पूर्णविराम को अल्पविराम से बदलते हैं: परीक्षण समय संबंधी P36 उद्धरण और दस्तावेज़ ज़िम्मेदारी संबंधी P04 उद्धरण। ये विराम चिह्न शब्दशः नहीं हैं; उद्धरणों की मैन्युअल जाँच अभी भी आवश्यक है।
पूरा अनुरोध और इनपुट
POST /v1/chat-completions
{
"model": "kimi-k3",
"messages": [
{
"role": "user",
"content": "Use only the following synthetic document. Answer: Is production release approved? What did staging establish? Who owns the remaining tests and documentation? Return a compact table of conclusion, exact supporting quote, paragraph ID and uncertainty, followed by two unresolved questions. Cross-check proposals against later updates; never infer a completed test or production success. Keep the answer under 500 words. This sample tests citation accuracy on this document, not maximum context length.\n\n[P01] Component 1 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P02] Component 2 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P03] Component 3 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P04] On October 10, the release coordinator proposed shipping export version 7 on Friday. The proposal was not an approval. Documentation ownership was still unassigned.\n\n[P05] Component 5 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P06] Component 6 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P07] Component 7 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P08] Component 8 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P09] Component 9 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P10] Component 10 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P11] Component 11 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P12] Component 12 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P13] Component 13 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P14] Component 14 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P15] Component 15 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P16] Component 16 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P17] Component 17 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P18] On October 11, staging verified export version 7 with three synthetic records. Production deployment and billing checks were not performed.\n\n[P19] Component 19 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P20] Component 20 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P21] Component 21 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P22] Component 22 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P23] Component 23 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P24] Component 24 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P25] Component 25 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P26] Component 26 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P27] Component 27 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P28] Component 28 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P29] Component 29 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P30] Component 30 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P31] On October 12, the release reviewer withheld production approval until duplicate-delivery tests pass. Mei owns those tests. Documentation ownership remains unassigned.\n\n[P32] Component 32 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P33] Component 33 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P34] Component 34 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P35] Component 35 review: staging checks passed for export formatting. Production rollout has not been approved by this entry. The named reviewer will check documentation next week; no production latency, charge or customer outcome was measured. This paragraph records a proposed review, not completion.\n\n[P36] On October 13, Mei scheduled duplicate-delivery tests for October 16. No completed test result or production approval is recorded in this document."
}
],
"stream": false,
"max_tokens": 4096
}
ये Kimi K3 के मूल्यांकन प्रॉम्प्ट हैं, दर्ज मॉडल आउटपुट नहीं। ये केवल दिए टेक्स्ट का विश्लेषण करते हैं; कोड नहीं चलाते, प्रोडक्शन प्रणालियों की जाँच नहीं करते और लंबे संदर्भ का प्रदर्शन साबित नहीं करते। उद्धृत प्रमाण तथा स्वीकृति मानदंड जाँचें, फिर प्रोडक्शन उपयोग से पहले प्रतिक्रिया मेटाडेटा और उपयोग देखें।
केवल इस दस्तावेज़ नमूने का उपयोग करें: [P1] निर्यात सुधार स्टेजिंग जाँच में पास हुआ। [P2] शुक्रवार की रिलीज़ प्रस्तावित हुई, मंज़ूर नहीं। [P3] Mei मंगलवार को त्रुटि संदेशों की समीक्षा करेंगी। [P4] दस्तावेज़ों का कोई ज़िम्मेदार तय नहीं है। दावा, सटीक समर्थन उद्धरण, अनुच्छेद ID और अनिश्चितता की तालिका लौटाएँ। क्या प्रोडक्शन रिलीज़ मंज़ूर है? दस्तावेज़ों का ज़िम्मेदार कौन है? गुम तथ्य अज्ञात लिखें। हर उद्धरण दिए नमूने से मेल खाना चाहिए; स्टेजिंग से प्रोडक्शन सफलता न मानें। यह छोटा नमूना अधिकतम संदर्भ लंबाई नहीं जाँचता।
इन कृत्रिम रिकॉर्ड को id, owner, deadline और evidence फ़ील्ड वाले JSON में निकालें: [R1] समस्या 41: Ana निर्यात सुधार की ज़िम्मेदार हैं; समय सीमा तय नहीं। [R2] समस्या 42: समीक्षा 15 अक्टूबर तक करनी है; ज़िम्मेदार तय नहीं; वर्ष नहीं बताया गया। गुम वैल्यू के लिए null इस्तेमाल करें और अधूरी तारीखें जैसी दी गई हैं वैसी रखें। evidence में स्रोत उद्धृत करें। वर्ष या ज़िम्मेदार व्यक्ति न गढ़ें। हर फ़ील्ड उसके रिकॉर्ड से जाँचें; यह टेक्स्ट प्रारूपण का कार्य है, डेटाबेस ऑपरेशन नहीं।
एक काल्पनिक दो-सदस्यीय टीम रोज़ 2,000 रिपोर्ट चलाती है। 30 मिनट में पूरा होना स्वीकार्य है। उसके पास डेटाबेस है, कतार सेवा नहीं; कार्य रीस्टार्ट के बाद बहाल होने चाहिए और दोहरी डिलीवरी रोकनी चाहिए। डेटाबेस आधारित बैच और समर्पित कतार की तुलना करें। निर्णय तालिका, सशर्त सिफ़ारिश, तीन अज्ञात बातें और एक ऐसी शर्त दें जो आपका चयन बदल दे। बेंचमार्क, लागत या परीक्षण से मिली गारंटी न गढ़ें।
Kimi K3 क्या है
लंबे कोडिंग और ज्ञान-कार्य के लिए मूल मल्टीमोडल मॉडल
हम Kimi K3 को जटिल कामों का तर्क और एजेंट मॉडल मानते हैं, खासकर जहां संदर्भ लगातार समझना, टूल कॉल और परिणाम के अनुसार संशोधन चाहिए। Moonshot AI का यह मूल दृष्टि क्षमता वाला मल्टीमोडल मॉडल टेक्स्ट, चित्र और वीडियो समझता है। प्रोजेक्ट कोडिंग, शोध और कई चरणों के ज्ञान-कार्य इसके उपयोग हैं।
मल्टीमोडल क्षमता से चित्र समझ/OCR सहित उपयोग बढ़ते हैं। पारंपरिक OCR के मुकाबले फायदा यह है कि अलग मॉडल प्रशिक्षित किए बिना अच्छी समझ मिल सकती है।
खुले वज़न और दस लाख टोकन संदर्भ वाला MoE मॉडल
Kimi K3 मिश्रण-विशेषज्ञ यानी MoE संरचना इस्तेमाल करता है। कुल पैरामीटर 2.8 ट्रिलियन और प्रति टोकन सक्रिय लगभग 104 बिलियन हैं। संदर्भ विंडो 1,048,576 टोकन है। पूरे मॉडल वज़न Kimi K3 License के तहत जारी हैं।
दस लाख टोकन संदर्भ का व्यावहारिक मूल्य एक विश्लेषण में अधिक संबंधित सामग्री रखना है, जैसे प्रोजेक्ट विनिर्देश, कई मॉड्यूल का कोड और पिछली चर्चा। अपनी डिप्लॉयमेंट चाहने वाली कुछ कंपनियों और उपयोगकर्ताओं के लिए खुले वज़न खुद होस्ट करना भी संभव बनाते हैं।
हमेशा सक्रिय सोच और तीन तर्क प्रयास स्तर
Kimi K3 हमेशा सोचता है। वर्तमान आधिकारिक Kimi API में reasoning_effort से तीन स्तर मिलते हैं: low, high और max; डिफ़ॉल्ट max है।
कठिनाई के अनुसार तर्क बजट दें: सरल वर्गीकरण और निष्कर्षण में low, कई चरणों के विश्लेषण में high, तथा बार-बार शर्तें जांचने वाले जटिल काम में max तुलना करें। दूसरे मॉडलों के हमारे परीक्षण में max हमेशा सबसे अच्छा कुल लाभ नहीं देता, इसलिए अपने उपयोग से जांचें।
API Hop पर Kimi K3 ऑनलाइन टूल और API
API Hop से अपने काम पर Kimi K3 का प्रदर्शन जल्दी समझ सकते हैं। साइन इन करें, API कुंजी बनाएं और थोड़ा क्रेडिट जोड़कर ऑनलाइन टूल शुरू करें। पहले API इंटीग्रेशन कोड या छोटे मूल्यांकन की निश्चित सदस्यता जरूरी नहीं।
Kimi K3 की मुख्य सुविधाएं और मजबूत क्षेत्र
लंबा सॉफ़्टवेयर विकास: जरूरत समझने से सुधार और परीक्षण तक
Kimi K3 में लंबे समय तक कोडिंग की क्षमता पहले जांचने योग्य है। एजेंट फ़्रेमवर्क फ़ाइल, टर्मिनल और परीक्षण टूल दे तो यह कोड पढ़ने, कार्यान्वयन बदलने, परीक्षण चलाने और समस्या ठीक करने का चक्र पूरा कर सकता है, सिर्फ एक पंक्ति की जरूरत से कोड नहीं बनाता।
ग्राहकों के अनुभव में एक उपयोगकर्ता ने बताया कि Kimi K3 ने रुका प्रोजेक्ट लगातार कई विकास चरणों में आगे बढ़ाया। दूसरों ने कई फ़ाइलों का विश्लेषण और मॉड्यूल संबंध पहचानना अच्छा पाया, लेकिन शुरुआती बदलाव हमेशा सुरक्षित नहीं थे और कभी नई समस्या ला सकते थे।
इससे वास्तविक विकास का तरीका स्पष्ट होता है: Kimi K3 से सिर्फ "बग ठीक करो" कहने के बजाय स्पष्ट परीक्षण, अपरिवर्तित रहने वाले व्यवहार और बदलने योग्य फ़ाइलों का दायरा दें।
बैकएंड रीफ़ैक्टर, जटिल डेटा प्रसंस्करण और प्रोडक्शन कोड में पहले योजना समझाने, फिर बदलाव और अंत में अपने आप चलने वाले परीक्षण से सत्यापन को कहें। मॉडल पूरा बताए तब भी कोड समीक्षा न छोड़ें।
दृश्य विकास: स्क्रीनशॉट से फ्रंटएंड और इंटरैक्शन लगातार सुधारना
Kimi K3 की दृश्य समझ एक काम में इंटरफ़ेस स्क्रीनशॉट, डिज़ाइन जरूरतें और कोड संभालने देती है।
पहले संदर्भ चित्र से वेबसाइट बनवाएं, फिर ब्राउज़र टूल से वास्तविक रेंडर का स्क्रीनशॉट लें। मॉडल डिज़ाइन से मिलाकर लेआउट, रंग, टाइपोग्राफ़ी और इंटरैक्शन सुधारता रह सकता है।
हमारे ग्राहक समूह में कुछ लोगों ने फ्रंटएंड, विज़ुअलाइज़ेशन प्रोजेक्ट और छोटे गेम में Kimi K3 के काम की प्रशंसा की।
Kimi K3 उत्पाद प्रोटोटाइप, अभियान पृष्ठ, दृश्य डैशबोर्ड और स्क्रीनशॉट से बार-बार तुलना वाले विकास में उपयुक्त है। स्वतंत्र डेवलपर पहले काम करता संस्करण बनवाकर फिर अनुभव धीरे-धीरे सुधार सकते हैं।
एजेंट टूल सहयोग: कई चरणों के काम को स्पष्ट सीमाएं चाहिए
Kimi K3 बाहरी टूल से फ़ाइल पढ़-लिख सकता है, टर्मिनल चला सकता है, जानकारी खोज और कई चरणों का ऑटोमेशन कर सकता है। मॉडल अगला काम तय करता है; वास्तविक टूल कॉल और वातावरण ऐप या एजेंट फ़्रेमवर्क देता है।
एक बात पर खास ध्यान है: एक ही मॉडल की पूर्णता दर अलग एजेंट फ़्रेमवर्क में काफी बदल सकती है।
Moonshot AI चेताता है कि उपयोगकर्ता की मंशा अस्पष्ट हो तो Kimi K3 अपेक्षा से आगे निर्णय ले सकता है। सख्त व्यवहार नियंत्रण वाले कामों में सिस्टम प्रॉम्प्ट या AGENTS.md में संचालन अनुमतियां तय करें।
Kimi K3 बेंचमार्क और प्रदर्शन
इस भाग में Moonshot के रिलीज़-समय आधिकारिक परीक्षण और 7 अक्टूबर 2026 तक उपलब्ध स्वतंत्र Artificial Analysis मूल्यांकन अलग हैं। नीचे सभी आधिकारिक Kimi K3 परिणाम max सोच प्रयास के हैं। बेंचमार्क संस्करण और मुख्य शर्तें भी रखते हैं ताकि वास्तविक काम में उनकी उपयोगिता आंकी जा सके।
सॉफ़्टवेयर इंजीनियरिंग: DeepSWE में 67.5%, ProgramBench में 77.8%
Moonshot के अनुसार Kimi K3 को DeepSWE v1.1 में 67.5% और ProgramBench में 77.8% मिले। दोनों K3 परीक्षण Kimi Code वातावरण में हैं। इन्हें रिपॉज़िटरी और लगातार कोडिंग क्षमता के संदर्भ मानते हैं।
कोडिंग सहायक जोड़ने वाली टीम मौजूदा समस्या सुधार, छोटी सुविधा और छोटा प्रोजेक्ट अलग जांचे। पहले प्रयास की पूर्णता, विफलता से उबरना और अंतिम कोड में मानवीय सुधार मापें। ये विकास खर्च से अधिक सीधे जुड़ते हैं।
टर्मिनल कार्य: Terminal-Bench 2.1 और 4.0 अलग समझें
रिलीज़ के आधिकारिक परीक्षण में Kimi Code के साथ Kimi K3 को Terminal-Bench 2.1 में 88.3% मिले। वर्तमान Artificial Analysis Terminal-Bench 4.0 में K3 Max लगभग 13% है।
कार्य सेट और निष्पादन वातावरण अलग हैं। AA के 4.0 में 66 अधिक कठिन टर्मिनल कार्य, mini-swe-agent और हर कार्य के तीन रन हैं। वास्तविक व्यवसाय में दूसरे वातावरण से भी जांचें।
शोध और टूल कॉल: BrowseComp में 91.2%, MCPMark-Verified में 94.5%
आधिकारिक रिपोर्ट में Kimi K3 का BrowseComp 91.2% और MCPMark-Verified 94.5% है। BrowseComp का 91.2% परिणाम 300K टोकन पर संदर्भ संपीड़न करता है; बिना संदर्भ प्रबंधन सीधे 1M इस्तेमाल करने पर 90.4% है।
ये परिणाम Kimi K3 की शोध और टूल सहयोग ताकत बताते हैं, साथ ही ऐप के संदर्भ प्रबंधन को देखने की याद दिलाते हैं। हमारे अनुभव में संदर्भ प्रबंधन वास्तविक परिणाम पर बड़ा असर डालता है।
लंबे दस्तावेज़ों का तर्क: AA-LCR v1.1 में 88.7%
Artificial Analysis के समर्पित AA-LCR v1.1 पृष्ठ में Kimi K3 Max 88.7% है। कंपनी रिपोर्ट, शोधपत्र और उद्योग सामग्री जैसे लंबे दस्तावेज़ जोड़ने वाले 100 सवाल हैं। लंबाई लगभग 10,000 से 100,000 टोकन है।
यह Kimi K3 की कई सामग्रियों के विश्लेषण का अपेक्षाकृत मजबूत प्रमाण है। फिर भी दस लाख टोकन के करीब वास्तविक इनपुट अलग जांचें। हमारे पिछले परीक्षण में मॉडल की सीमा के करीब इनपुट होने पर आउटपुट खास अच्छा नहीं रहा।
क्षमता सूचकांक और गति: 44 अंक और लगभग 45 टोकन प्रति सेकंड
Artificial Analysis Intelligence Index v4.3.2 में Kimi K3 Max के 44 अंक हैं। आउटपुट लगभग 45 टोकन प्रति सेकंड, पहले टोकन तक करीब 3.92 सेकंड और सोच सहित पहले उत्तर टोकन तक 48.58 सेकंड हैं।
हम डेटा लौटना शुरू होने, वास्तविक उत्तर दिखने और पूरा काम खत्म होने का समय अलग मापते हैं। लगातार संवाद में ये अनुभव पर असर डालते हैं; जटिल विश्लेषण में व्यावसायिक संदर्भ के अनुसार परिणाम गुणवत्ता से तौलें।
Kimi K3 की DeepSeek V4 Pro, V4.1 Flash, Claude Fable 5.1 और GPT-5.6 Sol से तुलना
हम एक ही Artificial Analysis v4.3.2 का डेटा तुलना करते हैं। नीचे सभी Max प्रयास पर हैं; Claude Fable 5.1 में मूल्यांकन का Default Fallback कॉन्फ़िगरेशन बना है। तुलना पृष्ठ AA-LCR को पूर्णांक प्रतिशत में दिखाते हैं, इसलिए Kimi K3 का 88.7% वहां 89% है।
तालिका का खर्च AA मूल्यांकन का भारित औसत है, जिसमें इनपुट, कैश, सोच और उत्तर शामिल हैं। यह मॉडल चयन का संदर्भ है। वास्तविक API Hop शुल्क प्लेटफॉर्म कीमत और अनुरोध उपयोग से निकलता है। खर्च पद्धति
मॉडल और परीक्षण कॉन्फ़िगरेशन
क्षमता सूचकांक
AA-LCR v1.1
भारित प्रति-कार्य खर्च
Kimi K3 Max
44
89%
$2.00
DeepSeek V4 Pro 0813 Max
36
80%
$0.67
DeepSeek V4.1 Flash Max
39
84%
$0.27
Claude Fable 5.1 Max, Default Fallback
53
85%
$7.63
GPT-5.6 Sol Max
47
84%
$1.99
Artificial Analysis v4.3.22026-10-07 · सभी मॉडल Max पर
बुद्धिमत्ता सूचकांकस्कोर · अधिक बेहतर है
03060
Kimi K3 Max44
DeepSeek V4 Pro 0813 Max36
DeepSeek V4.1 Flash Max39
Claude Fable 5.1 Maxडिफ़ॉल्ट फ़ॉलबैक53
GPT-5.6 Sol Max47
AA-LCR v1.1प्रतिशत · अधिक बेहतर है
0%50%100%
Kimi K3 Max89%
DeepSeek V4 Pro 0813 Max80%
DeepSeek V4.1 Flash Max84%
Claude Fable 5.1 Maxडिफ़ॉल्ट फ़ॉलबैक85%
GPT-5.6 Sol Max84%
भारित प्रति-कार्य खर्चUSD/कार्य · कम बेहतर है
$0$4$8
Kimi K3 Max$2.00
DeepSeek V4 Pro 0813 Max$0.67
DeepSeek V4.1 Flash Max$0.27
Claude Fable 5.1 Maxडिफ़ॉल्ट फ़ॉलबैक$7.63
GPT-5.6 Sol Max$1.99
AA-LCR को पूर्णांक किया गया है: Kimi K3 88.7% → 89%।AA कार्य लागत में इनपुट, कैश, तर्क-विचार और उत्तर शामिल हैं; ये API Hop की कीमतें नहीं हैं।
DeepSeek V4 Pro के मुकाबले: लंबे दस्तावेज़ में मजबूत, परीक्षण कार्य खर्च अधिक
इन परीक्षणों में Kimi K3, DeepSeek V4 Pro 0813 से क्षमता सूचकांक, लंबे दस्तावेज़ तर्क और ज्ञान-कार्य में आगे है। कई प्रकार के प्रमाण और सामग्री के जटिल संबंध वाले काम में K3 पहले जांचेंगे, फिर देखेंगे कि क्षमता अंतर मानवीय व्यवस्था और समीक्षा समय घटाता है या नहीं। AA समान आधार पर तुलना
स्पष्ट स्वीकृति वाले बड़ी संख्या के दोहराए टेक्स्ट कार्यों में V4 Pro भी जांचेंगे। इस परीक्षण सूट में उसका खर्च कम है। परिणाम पहले से जरूरत पूरा करे तो बड़े पैमाने पर यह अंतर महत्वपूर्ण हो सकता है।
DeepSeek V4.1 Flash के मुकाबले: समग्र और लंबे दस्तावेज़ में आगे, ऑटोमेशन में अलग समझौते
Kimi K3 क्षमता सूचकांक और AA-LCR में आगे है, लेकिन AutomationBench-AA में V4.1 Flash के 69% बनाम K3 के 58% हैं; Terminal-Bench 4.0 में क्रमशः 27% और 13% हैं। कार्य प्रकार मॉडल क्रम बदल सकता है। AA समान आधार पर तुलना
मुख्यतः लंबी सामग्री विश्लेषण वाले ऐप में K3 पर ध्यान दें। वर्कफ़्लो ऑटोमेशन, टर्मिनल और बार-बार कॉल में V4.1 Flash को महत्वपूर्ण उम्मीदवार रखकर सफलता दर और पूरा निष्पादन खर्च दोनों तुलना करेंगे।
Claude Fable 5.1 के मुकाबले: टर्मिनल कोडिंग में अंतर, लंबे दस्तावेज़ अलग जांचें
ऊपर के Default Fallback में Claude Fable 5.1 के क्षमता सूचकांक 53 बनाम Kimi K3 के 44 और Terminal-Bench 4.0 में 52% बनाम 13% हैं। जटिल टर्मिनल कोडिंग में Fable 5.1 महत्वपूर्ण संदर्भ है। K3 का AA-LCR v1.1 स्कोर अधिक और परीक्षण खर्च कम है। AA समान आधार पर तुलना
कई स्रोत पढ़कर विशिष्ट सवालों का उत्तर देने वाले ऐप में K3 अलग जांचें। लगातार टर्मिनल संचालन, वातावरण सुधार और इंजीनियरिंग सत्यापन में अतिरिक्त मॉडल खर्च तय करने से पहले पहले-प्रयास सफलता तथा मानवीय हस्तक्षेप की संख्या पर अधिक ध्यान देंगे।
GPT-5.6 Sol के मुकाबले: करीब पूरे कार्य खर्च में अलग लंबे दस्तावेज़ तर्क परिणाम
Kimi K3, GPT-5.6 Sol से AA-LCR में आगे है, जबकि GPT-5.6 Sol क्षमता सूचकांक और Terminal-Bench 4.0 में आगे है। इस सूट में खर्च क्रमशः लगभग $2.00 और $1.99, यानी काफी करीब है। AA समान आधार पर तुलना
इसलिए सोच, टूल संवाद, दोबारा प्रयास और अंतिम उत्तर सहित पूरे कार्य के बाद खर्च तुलना करें। सूचना-प्रधान विश्लेषण में K3 और टर्मिनल इंजीनियरिंग में GPT-5.6 Sol प्रमुख संदर्भ रखें। अंत में अपने व्यवसाय की वास्तविक पूर्णता से रूटिंग चुनें।
API Hop के ज़रिए Kimi K3 क्यों इस्तेमाल करें?
उपयोग आधारित बिलिंग और मॉडल लागत अनुकूलन
शुल्क वर्तमान API Hop दरों और वास्तविक उपयोग के अनुसार हैं। ज़रूरत पर बैलेंस जोड़ें।
एकीकृत AI मॉडल और डेटा API, एक जगह कई मॉडल की पहुँच
एक API कुंजी कई AI मॉडल और डेटा सेवाएँ जोड़ती है, जिससे इंटीग्रेशन लागत घटती है और आप एक क्लिक में स्विच कर सकते हैं। व्यावसायिक एप्लिकेशन को AI और डेटा दोनों चाहिए।
हर कॉल की स्पष्ट जानकारी के साथ कॉल लॉग और एप्लिकेशन पहुँच नियंत्रण
हर API कॉल आपके डैशबोर्ड में दर्ज होती है। अलग एप्लिकेशन के लिए अलग API कुंजियाँ बनाएँ।
अपने कार्य के अनुसार आउटपुट का मूल्यांकन करें
API Hop से दस्तावेज़ में दी मॉडल ID और समर्थित पैरामीटर इस्तेमाल करें। अपने स्वीकृति मानदंडों पर आउटपुट परखें, फिर प्रोडक्शन उपयोग से पहले उपयोग रिकॉर्ड और प्रतिक्रिया मेटाडेटा जाँचें। मॉडल का नाम या उदाहरण हर परिणाम की गारंटी नहीं देता।
कंसोल में API कुंजी बनाने के बाद दस्तावेज़ के अनुसार Kimi K3 से शुरुआत करें।
खाता तैयार करें और ऑनलाइन जाँचें
लॉग इन करें, बैलेंस की पुष्टि करें और API कुंजी बनाएँ।
प्रयोग टूल में आज़माएँ
इस्तेमाल करने का सही तरीका जानने के लिए प्रयोग टूल में मॉडल की क्षमताएँ आज़माएँ।
Kimi K3 को अपने व्यवसाय में जोड़ें
Kimi K3 को अपने व्यवसाय में जोड़ने के लिए हमारे डेवलपर दस्तावेज़ देखें।
आगे के मॉडल अपग्रेड
नए मॉडल पर स्विच करने से पहले पुष्टि करें कि आपकी API कुंजी के मॉडल कैटलॉग में उसकी सटीक ID लौटती है। वही एंडपॉइंट और अनुरोध फ़ील्ड समर्थित होने पर मॉडल ID बदलें, फिर प्रोडक्शन ट्रैफ़िक भेजने से पहले प्रतिक्रिया प्रारूप, स्ट्रीमिंग, आउटपुट सीमा और बिलिंग जाँचें। एसिंक्रोनस इमेज या वीडियो कार्यों के लिए कार्य भेजना, स्थिति पोलिंग और परिणाम प्राप्ति भी सत्यापित करें।
API Hop से Kimi K3 कॉल करने का एंडपॉइंट और मॉडल नाम क्या है?
हमारा वर्तमान Kimi K3 एंडपॉइंट POST https://api.apihop.ai/v1/chat-completions, मॉडल ID kimi-k3 और प्रमाणीकरण API Hop API कुंजी है। नीचे न्यूनतम अनुरोध से कनेक्शन पुष्ट करें, फिर वैकल्पिक पैरामीटर एक-एक जोड़ें। API Hop Kimi API दस्तावेज़
curl -X POST "https://api.apihop.ai/v1/chat-completions" \
-H "Authorization: Bearer $APIHOP_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3",
"messages": [
{"role": "user", "content": "Organize this requirement into goals, constraints, and acceptance criteria: create an admin dashboard for internal employees with email login and password reset."}
],
"stream": false
}'
यह API Hop मॉडल एकीकृत Chat Completions इंटरफ़ेस इस्तेमाल करता है, OpenAI Responses या Claude Messages नहीं।
क्या Kimi K3 स्ट्रीमिंग और आगे के सवाल समर्थित करता है?
स्ट्रीमिंग और गैर-स्ट्रीमिंग दोनों हैं। stream: true पर SSE, stream: false या फ़ील्ड छोड़ने पर पूरा JSON मिलता है। क्रमशः परिणाम दिखाने वाले इंटरफ़ेस में स्ट्रीमिंग सुझाते हैं। API Hop Kimi API दस्तावेज़
आगे के सवालों में ऐप प्रोटोकॉल के अनुसार इतिहास रखे और अगले अनुरोध में संबंधित संदर्भ भेजे। ऑनलाइन टूल की मेमोरी वर्तमान बातचीत के उपयोगी दौर जोड़ती है। सवाल से जुड़ी सामग्री रखें और इतिहास बढ़ने पर इनपुट खर्च देखें। ऑनलाइन टूल संदर्भ विवरण
Playground मेमोरी सत्रों के बीच स्थायी नहीं है। बंद करने पर इतिहास दिखता रहता है लेकिन नए अनुरोधों में नहीं जाता। विफल, रोके गए, कटे हुए या अनुपयोगी उत्तर सामान्य इतिहास में नहीं जोड़े जाते।
0
दस लाख टोकन संदर्भ होने पर भी Kimi K3 का उत्तर क्यों कटता है?
संदर्भ क्षमता और आउटपुट बजट अलग जांचें। API Hop का max_tokens आउटपुट सीमा तय करता है, जिसे सोच और अंतिम उत्तर साझा करते हैं। बहुत कम सीमा में उत्तर पूरा होने से पहले finish_reason: "length" आ सकता है। API Hop आउटपुट बजट विवरण
length मिलने पर पहले सोच और उत्तर की पर्याप्त जगह देखें, फिर बजट बढ़ाएं या काम चरणों में बांटें। त्रुटि संदर्भ सीमा पार होने की हो तो असंबंधित इतिहास और दोहराई सामग्री हटाएं।
एक बात स्पष्ट है: दस लाख टोकन संदर्भ होने का मतलब उस पैमाने पर अच्छे परिणाम मिलना नहीं है। शुद्धता प्राथमिक हो तो अब तक संदर्भ लंबाई नियंत्रित करना ही विकल्प है।
API क्लाइंट को reasoning_content को अंतिम content से अलग रखना चाहिए।
0
Kimi K3 कॉल में 400, 401, 402 और 429 त्रुटियां कैसे संभालें?
पहले HTTP स्थिति, फिर प्रतिक्रिया का संख्यात्मक code देखें। API Hop Chat Completions में सामान्य त्रुटियां नीचे हैं। API Hop त्रुटि प्रतिक्रिया दस्तावेज़
HTTP स्थिति
संख्यात्मक code
अर्थ
सुझाई कार्रवाई
400
10000
अमान्य अनुरोध
model, messages, फ़ील्ड प्रकार और वैकल्पिक पैरामीटर जांचें
401
20000
प्रमाणीकरण गायब या अमान्य
API Hop API कुंजी और Bearer हेडर जांचें
402
40000
उपलब्ध बैलेंस कम
खाता बैलेंस और अनुरोध की जरूरी सीमा जांचें
429
40001
अनुरोध दर सीमित
समवर्ती कॉल व आवृत्ति घटाएं और बढ़ते विराम से फिर प्रयास करें
न्यूनतम अनुरोध से जांच शुरू करके पैरामीटर एक-एक वापस जोड़ें। HTTP स्थिति और प्रतिक्रिया code अलग संभालें। समस्या बनी रहे तो प्रतिक्रिया का अनुरोध पहचानकर्ता और संबंधित पैरामीटर रखें ताकि हम विशिष्ट विफलता खोज सकें।
403 पर अपनी कुंजी को दिखने वाले कैटलॉग में मॉडल अनुमतियाँ जाँचें। 502, 503, 504 और स्ट्रीम के भीतर SSE त्रुटियों का निदान पूरे त्रुटि उत्तर से करें।
क्या Kimi K3 Playground चित्र, PDF या वीडियो स्वीकार कर सकता है?
यह पृष्ठ फ़ाइल या चित्र अपलोड नियंत्रण के बिना टेक्स्ट बातचीत देता है। मूल दृश्य समझ के लिए उन इनपुट का समर्थित इंटरफ़ेस चाहिए। यह टूल लिंक की गई फ़ाइलें डाउनलोड नहीं करता, बाहरी दस्तावेज़ नहीं पढ़ता और अपने-आप वेब पर खोज नहीं करता। यहाँ परखने से पहले प्रासंगिक पाठ निकालें।
क्या एक अनुरोध कई विकल्प लौटा सकता है या वैध JSON की गारंटी दे सकता है?
API Hop के ज़रिए Kimi K3 केवल n=1 समर्थित करता है। एक उत्तर में कई विकल्प माँगें। JSON के लिए फ़ील्ड, प्रकार और अनुपलब्ध मान का व्यवहार तय करें, फिर अपने ऐप में सिंटैक्स, स्कीमा और व्यावसायिक अर्थ सत्यापित करें।