---
title: "Kimi K3 по API из России"
description: "Открытая модель Moonshot AI на 2,8 трлн параметров для кода, агентов и документов. Видит скриншоты, окно до 1 млн токенов. От 317,71 ₽ за 1 млн токенов."
url: https://veselo.ai/models/moonshotai/kimi-k3
updated: 2026-11-17T04:26:46.099Z
---

# Kimi K3 по API из России

Kimi K3 — открытая модель Moonshot AI для долгих задач: разобраться в чужом репозитории, найти причину ошибки по журналу, свести пачку документов в одно решение. Она рассуждает перед каждым ответом, видит скриншоты и держит в одном запросе до 1 000 000 токенов. Здесь Kimi K3 работает по API с оплатой в рублях: ключ на veselo.ai, формат OpenAI, без VPN.

- **317,71 ₽ / 1 588,52 ₽ за 1 млн токенов**
- контекст 1 млн
- текст и картинки → текст

`moonshotai/kimi-k3`

Обновлено: 17 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/chat)

## Попробовать Kimi K3

Отправь вопрос — модель ответит текстом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

**Пример запроса:** Прочитай журнал ошибки и предложи, где искать причину: «ConnectionResetError: [Errno 104] Connection reset by peer» при выгрузке файлов на сервер.

В ответ приходит текст в choices[0].message.content и цена ответа в usage.cost_rub.

## Цены Kimi K3 в рублях

| Вход — твой запрос | 317,71 ₽ за 1 млн токенов |
| --- | --- |
| Выход — ответ модели | 1 588,52 ₽ за 1 млн токенов |
| Вход из кэша — повтор того же начала запроса | 31,78 ₽ за 1 млн токенов |

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. [Как считается цена](https://veselo.ai/docs/pricing)

### Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

| Найти причину ошибки по журналу: журнал и код на 20 000 токенов, ответ с рассуждениями на 5 000 | Около 14,30 ₽ |
| --- | --- |
| Спросить что угодно у всего репозитория: исходники на 300 000 токенов и ответ на 4 000 | Около 101,67 ₽ |
| Сверить вёрстку с макетом по скриншотам: два скриншота и стили на 8 000 токенов, ответ на 3 000 | Около 7,31 ₽ |
| Агент, который сам гоняет тесты: 15 шагов агента по 25 000 токенов входа и 2 000 выхода | Около 166,80 ₽ |
| Ревью изменений перед слиянием: diff и файлы на 40 000 токенов, ответ на 4 000 | Около 19,07 ₽ |

## Что умеет Kimi K3

- Держит в одном запросе до 1 000 000 токенов. По описанию Moonshot AI, модель рассчитана на большие репозитории и длинные цепочки шагов без присмотра человека.
- Рассуждает перед каждым ответом, и выключить это нельзя. Глубину задаёт поле `reasoning_effort`: `low`, `high` или `max`, по умолчанию стоит `max`.
- Понимает картинки в форматах JPEG, PNG, WebP, GIF, BMP, HEIC и HEIF: скриншоты, схемы, графики. SVG не принимает, его код отправляют текстом.
- Вызывает функции через `tools`, а по документации вендора умеет отвечать строго по JSON-схеме в поле `response_format`. На этом собирают агентов и выжимки из документов.
- Устроена как смесь экспертов: 2,8 трлн параметров, на каждый токен работают 16 экспертов из 896, это около 104 млрд параметров. Веса открыты.

## Где применять

### Найти причину ошибки по журналу

Трассировка на сорок строк и пара файлов вокруг неё — проверенный способ потерять вечер. Kimi K3 читает журнал вместе с кодом и называет места, где искать, от вероятных к маловероятным, и объясняет, почему подозрение пало именно на эту строку. Начни с уровня `high`: `max` думает дольше, а токены рассуждений оплачиваются как ответ. Чем больше подробностей — версия библиотеки, настройки, сетевой код, — тем меньше модели приходится гадать.

**Пример запроса:** «Вот журнал и функция upload_chunk. Почему соединение рвётся на файлах больше 2 ГБ? Предложи три проверки по порядку».

**Стоимость:** журнал и код на 20 000 токенов, ответ с рассуждениями на 5 000 — около 14,30 ₽.

### Спросить что угодно у всего репозитория

Представь: проект достался от другой команды, документации нет, автор давно ушёл. Окна в 1 000 000 токенов хватает, чтобы положить в запрос исходники целиком и спросить, где проверяются права, откуда берутся цены и что сломается, если поменять формат даты. Kimi K3 отвечает с названиями файлов и функций, поэтому каждое утверждение легко проверить. Для большого репозитория начни с карты: список файлов и по строке о каждом модуле, а нужные файлы добавляй следующими сообщениями. Если начало запроса повторяется, эта часть может пойти по цене кэша — 31,78 ₽ за 1 млн токенов.

**Пример запроса:** «Вот исходники сервиса заказов. Опиши путь заказа от формы на сайте до записи в базе и назови места, где теряются ошибки».

**Стоимость:** исходники на 300 000 токенов и ответ на 4 000 — около 101,67 ₽.

### Сверить вёрстку с макетом по скриншотам

В описании Moonshot AI визуальная работа с кодом — одна из главных задач K3: модель пишет интерфейсы и игры, сверяясь со скриншотами. Покажи ей макет и то, как страница выглядит у тебя, и она перечислит расхождения: съехавшие отступы, другой кегль, пропавшую кнопку. Следом — правки в CSS. Картинку отправляй в base64 внутри сообщения: ссылки на картинки K3 не открывает. Весь запрос у нас — до 25 МБ, а разрешение выше 4K, по документации вендора, ничего не добавляет к пониманию и только замедляет ответ.

**Пример запроса:** «Первая картинка — макет карточки товара, вторая — как она выглядит у нас. Перечисли отличия и дай правки для card.css».

**Стоимость:** два скриншота и стили на 8 000 токенов, ответ на 3 000 — около 7,31 ₽.

### Агент, который сам гоняет тесты

Через `tools` модель получает твои функции: прочитать файл, выполнить команду, запустить тесты. Дальше она работает циклом — смотрит на падающий тест, правит код, запускает снова, пока тесты не пройдут или не кончится бюджет шагов. Moonshot AI делала K3 как раз для длинных задач, где человек заглядывает редко. В каждом следующем запросе возвращай модели её прошлое сообщение целиком, вместе с `reasoning_content` и `tool_calls`: так требует документация вендора. Предел ключа — 10 одновременных запросов и 60 в минуту.

**Пример запроса:** «Тесты в tests/test_billing.py падают после обновления библиотеки дат. Найди причину, поправь код и запусти тесты снова».

**Стоимость:** 15 шагов агента по 25 000 токенов входа и 2 000 выхода — около 166,80 ₽.

### Ревью изменений перед слиянием

Diff на пару тысяч строк в пятницу вечером внимательно не читает никто, а модели всё равно, какой сегодня день. Kimi K3 смотрит изменения вместе с файлами вокруг и пишет замечания по делу: где не обработана ошибка, где запрос к базе уйдёт в цикл, где тест проверяет не то. Попроси ответ JSON-массивом с файлом, строкой и серьёзностью — такой список легко превратить в комментарии к pull request. Модель ошибается, как любой ревьюер, поэтому её замечание — повод посмотреть, а не приговор.

**Пример запроса:** «Вот diff и изменённые файлы целиком. Найди ошибки и риски, ответь JSON-массивом: file, line, severity, comment».

**Стоимость:** diff и файлы на 40 000 токенов, ответ на 4 000 — около 19,07 ₽.

## Как писать запрос

- Не передавай `temperature`, `top_p`, `n`, `presence_penalty` и `frequency_penalty`. У K3 они закреплены — 1.0, 0.95, 1, 0 и 0, — а другое значение вернётся ошибкой. Ошибка денег не стоит, но время уходит.
- Уровень `reasoning_effort` выбирай в начале разговора и не меняй на ходу: по документации Moonshot AI смена уровня сбрасывает попадания в кэш.
- `max_tokens` ставь по задаче. Перед запросом мы удерживаем сумму под этот предел, а списываем по факту.
- Анимированные GIF и WebP модель разбирает как видео, и токенов на них уходит больше. Если важен один кадр, пришли его обычной картинкой.

## Характеристики

| Разработчик | Moonshot AI (Kimi) |
| --- | --- |
| Вид | Текст |
| Контекст | 1 000 000 токенов |
| Вход → выход | текст и картинки → текст |
| Умеет | вызывать функции (tools), отвечать строго в JSON, рассуждать перед ответом |
| id для запроса | `moonshotai/kimi-k3` |

## Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — `POST https://veselo.ai/v1/chat/completions` с полем `model`: `moonshotai/kimi-k3`, ключ — в заголовке `Authorization: Bearer sk-vsl-…`.

**curl**

```
curl https://veselo.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/kimi-k3",
    "messages": [{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}]
  }'
```

**Python**

```
from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ")

r = client.chat.completions.create(
    model="moonshotai/kimi-k3",
    messages=[{"role": "user", "content": "Привет! Объясни в двух предложениях, что такое API."}],
)
print(r.choices[0].message.content)
```

**JavaScript**

```
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ' });

const r = await client.chat.completions.create({
  model: 'moonshotai/kimi-k3',
  messages: [{ role: 'user', content: 'Привет! Объясни в двух предложениях, что такое API.' }],
});
console.log(r.choices[0].message.content);
```

### Пример ответа — только поля

```
{
  "id": "chatcmpl-…",
  "model": "…",
  "choices": [{ "message": { "role": "assistant", "content": "…" } }],
  "usage": { "prompt_tokens": …, "completion_tokens": …, "cost_rub": … }
}
```

**В программах:** OpenAI SDK, Cursor и n8n — по адресу и ключу, Claude Code — через формат Anthropic, Claude и ChatGPT — через MCP. [Библиотеки и программы](https://veselo.ai/docs/sdks) · [Claude Code](https://veselo.ai/docs/anthropic) · [MCP](https://veselo.ai/connect)

[Документация раздела](https://veselo.ai/docs/chat)

## Сравнение с похожими

| Модель | Цена | Главное | Когда выбрать |
| --- | --- | --- | --- |
| **Kimi K3** — эта модель | 317,71 ₽ / 1 588,52 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие задачи с кодом и документами, скриншоты на входе, окно до 1 млн токенов |
| [Kimi K3.1 Pro](https://veselo.ai/models/moonshotai/kimi-k3.1-pro) — Moonshot AI (Kimi) | 211,81 ₽ / 1 059,02 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | сложные задачи, где важна точность: договоры, финансы, 3D-модели и игры кодом |
| [GLM-5.3](https://veselo.ai/models/z-ai/glm-5.3) — Z.ai (GLM) | 148,27 ₽ / 465,97 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | долгие задачи кода, агенты в Claude Code, разбор большого репозитория целиком |
| [DeepSeek V4 Pro](https://veselo.ai/models/deepseek/deepseek-v4-pro) — DeepSeek | 184,27 ₽ / 368,54 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | сложный код, проектирование систем и вопросы, где нужны знания модели |
| [Qwen3.8 Max](https://veselo.ai/models/qwen/qwen3.8-max) — Qwen (Alibaba) | 211,81 ₽ / 635,41 ₽ (вход / выход за 1 млн токенов) | контекст 1 млн | флагман Qwen для сложного кода, агентов и документов на сотни страниц |
| [Kimi K2.7 Code](https://veselo.ai/models/moonshotai/kimi-k2.7-code) — Moonshot AI (Kimi) | 100,61 ₽ / 423,61 ₽ (вход / выход за 1 млн токенов) | контекст 262 тыс. | программирование с рассуждениями на каждом шаге: функции, тесты, правки в проекте |

- [**Kimi K3.1 Pro**](https://veselo.ai/models/moonshotai/kimi-k3.1-pro) — если начинаешь с нуля: это дообученная K3 с тем же окном, по замерам Moonshot AI она точнее в фактах и сильнее в коде. K3 оставь, если запросы уже отлажены на ней.
- [**GLM-5.3**](https://veselo.ai/models/z-ai/glm-5.3) — модель Z.ai для тех же задач, кода и агентов. Выход у неё сейчас в несколько раз дешевле, и это заметно у агентов, которые много пишут.
- [**DeepSeek V4 Pro**](https://veselo.ai/models/deepseek/deepseek-v4-pro) — когда один длинный контекст повторяется в десятках запросов: вход из кэша у неё в разы дешевле.
- [**Qwen3.8 Max**](https://veselo.ai/models/qwen/qwen3.8-max) — флагман Qwen. Его удобно держать второй моделью и сверять ответы там, где ошибка обходится дорого.
- [**Kimi K2.7 Code**](https://veselo.ai/models/moonshotai/kimi-k2.7-code) — если задача только про код и хватает 256 тыс. токенов: модель меньше и дешевле.

## Версии и отличия

Kimi K3 вышла в июле 2026 года, и теперь Moonshot AI называет её флагманом прошлого поколения. Следующая — [Kimi K3.1 Pro](https://veselo.ai/models/moonshotai/kimi-k3.1-pro): та же основа на 2,8 трлн параметров и то же окно, но часть слоёв внимания заменили на разреженные, а саму модель долго дообучали с подкреплением. По замерам вендора она реже выдумывает факты. На её основе есть и [Kimi K3.1 Pro без цензуры](https://veselo.ai/models/moonshotai/kimi-k3.1-pro-uncensored). Модели прошлой серии — [K2.7 Code](https://veselo.ai/models/moonshotai/kimi-k2.7-code), [K2.6](https://veselo.ai/models/moonshotai/kimi-k2.6) и [K2.5](https://veselo.ai/models/moonshotai/kimi-k2.5) — меньше, на 1 трлн параметров, и с окном 256 тыс. токенов. Все модели вендора собраны на странице [Kimi API](https://veselo.ai/models/kimi).

## Подробно о Kimi K3

Moonshot AI выпустила Kimi K3 летом 2026 года и сразу выложила веса целиком. По карточке модели в ней 93 слоя, один из них плотный. В 69 слоях работает Kimi Delta Attention (KDA) — гибридное линейное внимание, в остальных 24 — Gated MLA, а связи между слоями устроены через Attention Residuals. Если по-простому, линейное внимание тратит меньше вычислений на длинных текстах, поэтому окно в миллион токенов модели по силам. Словарь модели — 160 тыс. токенов, у внимания 96 голов.

Экспертов 896: на каждый токен выбираются 16, и ещё 2 общих работают всегда. По словам вендора, такая разреженная схема даёт примерно в 2,5 раза больше отдачи от масштаба, чем у прошлой серии K2. Картинки модель видит через собственный кодировщик MoonViT-V2 на 401 млн параметров.

Веса хранятся в 4-битном формате MXFP4, вычисления идут в MXFP8. Сжатие не накладывали поверх готовой модели: её учили сразу в этом формате, начиная с этапа дообучения на примерах. Так вендор старался, чтобы маленький формат не съел качество.

Вендор описывает K3 для двух видов работы. Первый — долгое программирование почти без присмотра: большие репозитории, ускорение кода для видеокарт, компиляторы, игры, CAD и проектирование микросхем. Второй — работа со знаниями: глубокие исследования, дашборды, монтаж видео. Проверяли модель на десятках тестов, от поиска в интернете до офисных таблиц и вопросов по картинкам, и в карточке честно оговорено: результат зависит от программы-агента, в которой её запускали, — Kimi Code, Claude Code или Codex. Для программирования вендор советует свою программу для терминала Kimi Code CLI. Сами веса запускают в vLLM, SGLang или TokenSpeed, а при работе через API об этом думать не нужно.

## Как устроен доступ

Весело — не разработчик Kimi K3: модель выпускает Moonshot AI (Kimi). Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. [Данные и приватность](https://veselo.ai/docs/privacy)

## Вопросы и ответы

**Это официальный сайт Kimi?**

Нет. Kimi делает Moonshot AI: у компании свой чат kimi.com и платформа для разработчиков [platform.kimi.ai](https://platform.kimi.ai/docs/models). Весело не разрабатывает модель, а даёт к ней доступ по API с оплатой в рублях; запрос уходит модели как есть, без наших правок. Что мы храним, написано в разделе [Данные и приватность](https://veselo.ai/docs/privacy).

**Как оплатить Kimi из России?**

На платформе Moonshot AI счёт пополняют в долларах, и доступ к K3 там открывается после первого пополнения. У нас API-счёт пополняется в рублях, картой российского банка или по СБП. Ключ выпускается в кабинете на veselo.ai, а цена каждого ответа приходит в поле `usage.cost_rub`.

**Пишет ли Kimi K3 по-русски?**

Списка языков Moonshot AI не публикует: в карточке модели о них ни слова. Запрос можно писать по-русски, модель получит его без перевода. Насколько ровно она пишет в твоей задаче, проверь на коротком примере в блоке «Попробовать»: запуск платный, цена видна на кнопке.

**Можно ли скачать Kimi K3 и запустить у себя?**

Веса открыты и лежат на [Hugging Face](https://huggingface.co/moonshotai/Kimi-K3). Но 2,8 трлн параметров даже в 4-битном формате — больше терабайта одних весов, домашней видеокарте такое не поднять. По API платишь только за токены и не держишь сервер.

**Можно ли встроить Kimi K3 в коммерческий продукт?**

Лицензия Kimi K3 License это разрешает, а оговорки касаются крупных. Если продуктом пользуются больше 100 млн человек в месяц или он приносит больше 20 млн долларов в месяц, в интерфейсе нужно заметно показать название «Kimi K3». Сервисам, которые сами продают доступ к модели и зарабатывают больше 20 млн долларов за 12 месяцев, нужен отдельный договор с Moonshot AI. Точные слова — в [тексте лицензии](https://huggingface.co/moonshotai/Kimi-K3/blob/main/LICENSE).

**Почему ответ K3 стоит больше, чем кажется по длине текста?**

Модель рассуждает перед каждым ответом, а токены рассуждений оплачиваются как выход. Сколько их ушло, показывает поле `usage.completion_tokens_details.reasoning_tokens`, если модель его прислала. На простых вопросах ставь `reasoning_effort: "low"`: по документации вендора так модель думает меньше.

**Есть ли подписка или абонентская плата?**

Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.

**Сколько запросов можно отправлять?**

До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.

**Что такое токены и как их считать?**

Токен — кусочек текста: часть слова, слово или знак. Платишь за токены запроса и ответа, сколько ушло — в поле usage ответа; как считается цена, написано в разделе документации «Цены и списания».

## Ещё по теме

- [Все модели: языковые модели](https://veselo.ai/models/llm-api)
- [Все модели: нейросети для кода](https://veselo.ai/models/api-neirosetej-dlya-koda)
- [Kimi API: модели Moonshot AI](https://veselo.ai/models/kimi)
- [Чат: сообщения и параметры — документация API](https://veselo.ai/docs/chat)
- [Подключить к Claude и ChatGPT](https://veselo.ai/connect)
- [Kimi K3.1 Pro без цензуры](https://veselo.ai/models/moonshotai/kimi-k3.1-pro-uncensored)
- [Kimi K2.6](https://veselo.ai/models/moonshotai/kimi-k2.6)
- [Kimi K2.5](https://veselo.ai/models/moonshotai/kimi-k2.5)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [huggingface.co](https://huggingface.co/moonshotai/Kimi-K3), [platform.kimi.ai](https://platform.kimi.ai/docs/guide/kimi-k3-quickstart)
