Kimi 停止新订阅后,API 调用 K3 实测:不同方式差异大,套壳价值几何?

Kimi K3代码生成模型:核心能力、API接入与最佳实践指南 大型语言模型作为人工智能领域的重要分支,通过深度学习技术实现对自然语言的理解和生成。其核心原理基于Transformer架构,通过预训练和微调过程掌握语言规律。在技术价值层面,这类模型能够显著提升代码开发效率,实现智能编程辅助。特别是在代码生成和数学推理等应用场景中,模型通过分析上下文语义,提供准确的解决方案。以Kimi K3为例,该模型在代码生成质量和长文本处理方面表现突出,支持通过API接口快速集成到开发环境。开发者可以利用其强大的编程辅助能力,结合提示词工程技巧,实现高效的代码审查、文档生成等实际应用 阅读详情

突发:Kimi 新订阅停止,API 成使用 K3 新途径

Kimi 官方停止接受新的会员订阅后,如何用上最新的 K3 成了当务之急,而 API 成为符合直觉的答案。K3 可以通过开放平台直接调用,也能被接入 Claude Code 等第三方编程 Agent。用户只要准备一个 API Key,再做少量配置,似乎就能绕过拥挤的官方入口,把模型能力重新接到自己的电脑上。

API 调用遇阻,充值升级终解决

为 API 选一个好「壳」,Claude Code 是相对简单的一条路,它可以通过 Anthropic 兼容接口,把原本发往 Claude 的请求直接转到 Kimi K3,同时继续复用 Claude Code 现成的文件读写、终端执行和 Agent 工作流。然而,当进行一个简单的冒烟测试时,Claude Code 没有任何有效进展。检查发现问题在于 K3 的推理服务本身暂时没有余量接收请求,原因是充值太少。充值使账户从免费组升级到 Tier - 1 后,同一条最小请求才终于返回 HTTP 200。这表明,API 虽是订阅入口之外的替代路径,但「开放调用」和「此刻可用」不是一回事,算力紧张的 Kimi 只能有选择性地提供服务。

不同方式测试 K3,表现差异明显

使用同一张网页截图作为参考图,对 K3 进行四种测试。第一种是 K3 API 直连,图片被编码后直接发送给模型,由它一次性返回完整 HTML;第二种是把 K3 接入 Claude Code,底层仍是 K3,但获得了 Claude Code 提供的文件系统、终端和工具调用能力;第三种是 Kimi 官方原生客户端,代表 K3 在月之暗面自己设计的系统提示、工具和交付流程中的表现;第四种是 Codex,原本想让 K3 通过 CC Switch 接入 Codex,但未成功,最终完成横向测试的是 Codex 自己的原生 GPT 5.6 sol 和 Agent。

测试主要观察从发送任务到出现可用页面的时间、第一次生成是否能直接运行、页面对参考图的布局和风格理解、交互是否生效以及中间需要的人工干预次数。

API 直连链路最短,虽看不到流程,但最先交卷。不过它几乎没有过程反馈,看上去像「卡住了」。但它最早交付了可打开的页面,抓住了参考图的视觉特征,进行了视觉风格和页面结构的重建,但未达到像素级还原。其优势是没有庞大的 Agent 系统上下文和复杂的工具调用链,更直接完成任务。

Claude Code 体验更像真正的编码 Agent,能读取参考图、生成代码等,过程可被看到。但第一轮生成结束后,未成功把页面写入本地文件,在被要求检查后才补齐文件并启动预览。这揭示了 Agent 产品的典型问题,但它也能在收到验收要求后自我修正,还可进行持续读写、运行和修正的循环。最终生成的页面出现了淡红色调,体现了模型传模型现象,说明相同模型在不同壳中表现不同。

使用最高级别的老账号和配备原生 GPT 5.6 Sol 的 Codex 复刻任务,两个官方完成得更好、更细致。Kimi 官方有小改动,GPT 复刻几乎到了一比一程度。这说明 API 兼容存在问题,原生客户端能替普通用户完成大量工作。

API 调用利弊分析,套壳价值待探讨

回到最初问题,Kimi 暂停新订阅后,通过充 API 可以使用 K3,也可将其接入 Claude Code 等开发工具。但通过 API 迁移出来的只是模型的推理和生成能力,官方客户端的系统提示、工具编排等不会随 API Key 一起端出。用户获得更大选择权的同时,也接手了稳定性、协议等责任。对于需要模型读取真实项目等的人,Claude Code 一类 Agent 外壳更合适,但会引入新问题;对于不熟悉环境变量等的普通用户,等待官方原生入口恢复可能是成本最低的选择。

过去市场常认为「模型即产品」,但 harness 并不只是聊天框,一个成熟的 harness 有重要作用。K3 接入 Claude Code 获得新能力的同时也出现新问题,说明壳不是被动包装,它在组织和制造能力的同时也会制造新故障。官方客户端也是一种 harness,真正值得追问的是产品在模型之外创造了多少新的使用价值。

Kimi K3技术拆解:细粒度MoE架构与API实战指南 大模型参数量快速增长带来推理成本挑战,混合专家(MoE)架构通过稀疏激活平衡容量与效率。细粒度MoE进一步将专家切分,提升参数利用率与部署稳定性。基于此类架构,Kimi K3不仅强化长上下文理解,更通过OpenAI兼容接口提供API调用能力,开发者可将其集成至VSCode、IDEA、Claude Code等编程工具链,实现代码生成与文档分析。从架构原理到工程落地,展示如何用Python构建长文档摘要工具,并探讨模型选型与成本治理。对于关注大模型应用与AI编程的开发者,相关实践具有直接参考价值。 阅读详情

相关推荐

Hermes+Kimi K2.6构建7×24小时生产级Agent军团

Agent(智能体)是具备目标导向、自主决策与工具调用能力的AI运行单元,其核心原理在于将大语言模型封装为可编排、可观测、可容错的服务实例。技术价值体现在突破人工值守瓶颈,实现跨系统自动协同与长周期任务自治。典型应用场景包括财务自动化日报、实时客服响应、多源数据监控等需高可靠性与低延迟的工业级流程。本文聚焦Hermes Agent框架与Kimi K2.6模型的深度集成实践,覆盖Redis内存重构、Nginx网关熔断、K2.6长上下文优化及Agent可观测性增强等关键工程环节,解决生产环境中内存冲突、API抖

weixin_33739523的博客 326

三种方式把 Kimi K3 接入你的 AI 编程工作流:从 /model 到 config.toml 完整配置

Kimi K3 是由月之暗面推出的全球最大开源大模型(2.8万亿参数),在编程、推理和多模态任务表现突出。文章详细介绍了三种接入方式:通过CLI命令临时切换、修改配置文件设为默认模型,以及使用API Key接入第三方工具。关键注意事项包括会员等级要求(Moderato及以上)、思考强度配置(low/high/max三档)以及1M上下文的Allegretto会员限制。同时对比了K3与K2.7 Code的适用场景,并提供了常见问题解决方案,如401错误排查和上下文长度设置等。

vibecoding77的博客 2078

【AI前沿】2026.07.20 Kimi K3追平闭源前沿,AI安全指数无人及格,三大宗师同时指向范式转折-优快云博客

判断一:开源模型正在用"权重发布"改变AI产业的权力结构Kimi K3的发布,加上智谱、深度求索的持续跟进,标志着开源模型的创新中心已经从美国转移到了中国。当最强的开源模型来自中国公司时,全球AI开发者的技术栈会发生倾斜开源权重的可得性,意味着更多公司可以不依赖OpenAI/Anthropic的API来构建AI应用这实际上是在用开源的力量,打破闭源模型对AI产业的控制权从现在开始,把你的应用架构设计成"模型可替换"的。不要把所有鸡蛋放在GPT或Claude的篮子里。

求知若渴、虚心若愚 306

玩转金蝶K3 WISE API接口

目录 VB版测试 Delphi版测试 C#版测试 Java版(手机客户端)测试 基于API的服务程序 开发自己的API接口 金蝶K3 WISE 从14.3版本开始提供API接口,实现企业上下游(供应商、客户、第三方厂商)也就是所谓企业联盟之间的数据交换。经过几个版本的迭代,现在已经比较完善。 接口采用HTTP协议,所以支持HTTP协议的任何开发语言和平台,都可以基于此接口开发相关应用。接口包括:基础资料、财务、供应链、制造模块单据和BOS基础资料、BOS单据的增删改查,基本满足大部分企业的需

Eypsn的专栏 1万+

金蝶K3 API_SDK

金蝶K3 API_SDK

金蝶 webservice api

金蝶 webservice api 有项目中调用接口的类在zip包中

金蝶K3 WebAPI接口核心代码-JAVA

1.HttpUtil类 package com.K3demo; import java.util.Map; import java.util.Set; import org.springframework.http.HttpEntity; import org.springframework.http.HttpHeaders; import org.springframework.http.H...

weixin_36027383的博客 5613

金蝶K3 接口说明 包含数字表

金蝶K3接口说明,其中包含凭证的接口字段,适合开发和金蝶有关的系统时使用!

49 元的 Kimi 订阅套餐到底值多少钱?用官方 Token 定价反推一笔账

一份 49 元档的 Kimi(k3)订阅到底值多少钱?本文用真实用量统计 + 官方 Token 单价,完整复现「用量 → 单价 → 反推套餐总价值」的计算过程:524 万 Token 已用量约值 22 元,按 13.46% 进度反推整份套餐对应算力市场价约 163 元,并解释 93.5% 缓存命中率如何大幅省钱及提升技巧。

qq_54470008的博客 2460

金蝶云(K3/cloud)webapi 开发实例

K3/Cloud6.x,7.x(现在叫金蝶云了)均可用,很实用的webapi实例,代码很全已打包

k3凭证接口参考手册

凭证是K/3系统财务模块中一个重要的支撑子模块,所以在K/3系统的二次开发过程中,用户对于获 1 取K/3系统本身的凭证信息,和开发外部程序向K/3系统中存储凭证等凭证的相关处理上都有较迫切的需求,但原有的很多的开发都是基于直接读取数据库等方式进行的。这样不仅效率低下,而且开发的周期长、出错的几率较高。K/3系统本身独特而先进的三层结构技术,在系统的设计过程中就已经考虑到了如何的灵活、正确、快捷的去让用户自定义自己的一些应用。在凭证这个模块上,提供了通过客户端组件调用和中间层接口实现等多种方式来实现对K/3系统的凭证对象的各种操作。

Kimi K3模型深度解析:长上下文AI的成本控制与高效应用指南

在人工智能领域,大语言模型(LLM)通过理解和生成人类语言,正深刻改变信息处理与自动化工作流。其核心原理基于Transformer架构,通过海量数据训练获得强大的上下文理解和推理能力。这一技术的核心价值在于能够处理复杂、非结构化的任务,如长文档分析、代码生成和多步骤规划,从而显著提升知识工作者的效率。在实际应用中,如何平衡模型能力与使用成本成为关键挑战,尤其是在处理需要超长上下文窗口和深度推理的任务时。本文聚焦于Kimi K3这类专为长上下文和复杂任务设计的大模型,深入探讨其API调用、Tokens计费机制

weixin_34025151的博客 302

Allegro17.2 出gerber文件详细流程 - 干货

Allegro17.2 出gerber文件详细流程 - 干货

u010614434的博客 1万+

Kimi K3模型集成Perplexity平台:长文本处理与代码分析实战指南

大规模语言模型作为人工智能领域的核心技术,通过深度学习算法实现对自然语言的理解和生成。其原理基于Transformer架构,通过自注意力机制捕捉文本中的长距离依赖关系。在工程实践中,这类模型的价值体现在能够自动化处理复杂的语言任务,显著提升信息处理效率。特别是在长文本处理和代码理解场景中,模型能够对技术文档、学术论文和程序代码进行深度解析。以Kimi K3模型为例,其集成了Perplexity平台后,用户可以直接上传PDF文档或代码文件,实现智能摘要生成和代码审查功能。这种集成方案降低了技术门槛,让开发者能

weixin_33923762的博客 399

信息系统项目管理师(高项)重点!

学习高项自己做的笔记

PanJWei的博客 3301

代码复现——SymAgent:一种用于知识图谱复杂推理的神经符号自学习Agent框架

根据《SymAgent: A Neural-Symbolic Self-Learning Agent Framework for Complex Reasoning over Knowledge Graphs》(《SymAgent:一种用于知识图谱复杂推理的神经符号自学习Agent框架》)论文思路,简单复现代码,以实现SymAgent中的Agent-Planner和Agent-Executor模块。Agent-Planner利用大语言模型的归纳推理能力从知识图谱中提取符号规则,指导高效的问题分解。

qq_60040306的博客 1605

Kimi K2.5 最实惠使用姿势:成本可量化的AI编程工程实践

大模型API调用成本优化,本质是理解Token计费机制、模型能力边界与网关路由策略的技术工程问题。Kimi K2.5并非通用升级版,而是面向代码场景深度重构的推理引擎,其内置AST解析能力显著提升代码修复与类型推导的准确性;火山方舟Coding Plan则提供多模型智能路由与MCP工具链支持,使开发者能按需调度K2.5等模型。这种结构化成本治理,既适用于VS Code插件改造、本地开发Token预算控制,也支撑CI/CD自动化测试生成等高ROI场景,真正实现从‘能用’到‘算得清、控得住、效更高’的工程跃迁。

axfcjwkbi259888707的博客 432

基于opencv-ANN的水果识别模型训练

本文通过opencv-ann-mlp训练模型,实现对五种水果进行分类识别。本文详细介绍该项目的各个过程,包括数据准备、预处理、样本读取、训练数据集制作、训练标签制作、模型参数设置、模型训练,模型测试验证等,总结该过程需要注意的事项。

qq_15985873的博客 3974

Kimi K3 停订后,用 TaoToken 统一 Key 接入 Claude Code 与 Codex 的 settings.json 配置骨架

Kimi K3 停订后,用 TaoToken 统一 API Key 接入 Claude Code 与 Codex:本文给出 settings.json 与 config.toml 配置骨架,含 Base URL、模型名与最小 curl 验证步骤,照着改即可跑通。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42604188的博客 16

Ansys HFSS 中的同轴电缆仿真

准确模拟它们的行为对于确保 RF 系统的最佳性能至关重要。在本博客中,我们将介绍在 HFSS 中设置同轴电缆仿真并绘制插入损耗、回波损耗和电场分布的过程。将波端口分配给同轴线的两端以激励模型,并定义了从 1 GHz 到 20 GHz 的频率扫描以评估其宽带性能。铜分配给内部导体,铝分配给外部导体。介电区域使用 PTFE 定义,其相对介电常数为 2.1,损耗角正切为 0.00022。仿真完成后,结果用于绘制整个频率范围内的回波损耗和插入损耗。此外,电介质内的电场分布也被绘制和动画化。

jkh920184196的博客 1907

论文精读-ReTransformer ReRAM-based Processing-in-MemoryArchitecture for Transformer Acceleration

Transformer已经成为一种流行的深度神经网络(DNN)模型,用于神经语言处理(NLP)应用,并在神经机器翻译、实体识别等方面表现出优异的性能。然而,其在自回归解码器中的规模化点积注意机制在推理过程中带来了性能瓶颈。Transformer也是计算和内存密集型的,需要硬件加速解决方案。

a284365的博客 1922

【AI前沿】2026.07.20 Kimi K3追平闭源前沿,AI安全指数无人及格,三大宗师同时指向范式转折

判断一:开源模型正在用"权重发布"改变AI产业的权力结构Kimi K3的发布,加上智谱、深度求索的持续跟进,标志着开源模型的创新中心已经从美国转移到了中国。当最强的开源模型来自中国公司时,全球AI开发者的技术栈会发生倾斜开源权重的可得性,意味着更多公司可以不依赖OpenAI/Anthropic的API来构建AI应用这实际上是在用开源的力量,打破闭源模型对AI产业的控制权从现在开始,把你的应用架构设计成"模型可替换"的。不要把所有鸡蛋放在GPT或Claude的篮子里。

求知若渴、虚心若愚 234

AMD Ryzen AI Max+ 395四机集群实战:开源工具链与大模型推理优化全解析

本文详细解析了基于AMD Ryzen AI Max+ 395处理器的四机集群搭建与优化实践,涵盖硬件配置、开源工具链评测及大模型推理优化技巧。通过深度测试,揭示了集群在AI推理中的性能瓶颈与解决方案,特别适合需要扩展显存的大模型实验场景。文章还提供了成本效益分析,帮助开发者做出更明智的选型决策。

weixin_29041767的博客 1521

Kimi K2.5智能体集群:并行办公的技术实现与实战指南

智能体集群是当前AI工程化落地的核心范式,指由协调器、子协调器与执行智能体构成的分层自治协作系统,其本质是将单任务线性处理升级为多线程信息作战。依托MoE稀疏架构与256K超长上下文,Kimi K2.5实现了Worker级轻量化并行调度,显著降低人类认知切换成本与错误干预频次。该技术并非通用对话增强,而是面向信息密集型场景(如竞品分析、法规审查、文献综述)的生产力重构工具,适用于市场、产品、教培、科研等需高频跨源处理的专业人群。本文基于147次实测,解析其原理边界、指令设计逻辑与典型失效场景。

weixin_33769125的博客 682

【YOLO系列】YOLOv4详解:模型结构、损失函数、训练方法及代码实现

摘要:YOLOv4在目标检测领域实现了精度与速度的平衡,通过CSPDarknet53骨干网络、SPP+PANet特征融合及CIoU损失函数等创新,在MS COCO数据集达到65.7% AP50,V100显卡实现62FPS实时检测。核心优化包括Mosaic数据增强、自对抗训练和解耦头结构,显著提升小目标检测和遮挡场景鲁棒性。代码实现采用CSP模块和SPP多尺度池化,兼顾计算效率与检测性能,为工业落地提供高效解决方案。(149字)

一碗白开水一 1358

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

KIMI AI助手:长文本与深度联网搜索的技术解析与实践指南

在人工智能领域,大语言模型(LLM)的核心能力之一是其上下文处理长度,这直接决定了模型对复杂信息的理解和关联能力。传统模型受限于有限的上下文窗口,难以处理超长文档或多轮深度对话。KIMI AI助手通过突破性的长上下文技术,支持数百万tokens的输入,实现了对整本技术书籍、完整代码库等海量信息的无损处理。这一技术优势结合其深度联网搜索功能,使其不仅能检索信息,还能自动深入阅读网页内容,综合多源信息后给出回答。从工程实践角度看,这种能力为解决开发者和技术团队面临的信息过载问题提供了全新方案,特别是在代码库分析

weixin_33841503的博客 308

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

上一篇: Claude Opus 5提前泄露实测:细节超Fable 5,能否成低价平替?
下一篇: 大厂从“内部赛马”转向“集中火力”,Work Agent 战争才刚开始!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值