Этот урок открывает курс о Kimi, большой языковой модели китайской компании Moonshot AI. Вы узнаете, кто стоит за Kimi, чем линейка моделей отличается от K2 до K3 и какую модель выбрать для своей задачи на 03.10.2026. После урока вы сможете осознанно выбирать между приложением, API и открытыми весами, не путать актуальные модели с отключёнными и трезво оценивать сильные и слабые стороны Kimi на фоне Claude, ChatGPT и DeepSeek.
Неофициальный курс AI University. Тексты, примеры и задания написаны нашей командой по открытой документации Moonshot AI и опыту разработчиков на 03.10.2026; курс не связан с Moonshot AI и не одобрен ею. Модели и цены меняются, сверяйтесь с документацией.
Кто такая Moonshot AI и почему о Kimi говорят
Moonshot AI (по-китайски 月之暗面, «тёмная сторона луны») основана в Пекине в 2023 году. Компания делает продукт для конечных пользователей под именем Kimi и параллельно выкладывает веса части своих моделей в открытый доступ. Для пользователей существует две версии: международная kimi.ai, договор с которой заключает сингапурская компания и оплата идёт в долларах, и китайская kimi.com, где вход происходит по телефону или через WeChat. Важная деталь: аккаунты, балансы подписки и ключи API этих двух версий не переносятся друг в друга, то есть зарегистрироваться придётся отдельно там, где вы собираетесь реально работать.
Разговоры вокруг Kimi держатся на нескольких практических аргументах. Во-первых, часть моделей выходит с открытыми весами, их можно скачать и развернуть на своих серверах, в отличие от закрытых флагманов западных компаний. Во-вторых, Kimi стабильно показывает себя сильной в задачах кода и агентных сценариях, то есть там, где модель сама вызывает инструменты и доводит многошаговую задачу до конца. В-третьих, контекст у флагмана K3 достигает 1 048 576 токенов, это позволяет загружать в диалог целые кодовые базы или длинные документы без обрезки. И наконец, цены API на 03.10.2026 заметно ниже, чем у закрытых флагманов: например, вход без попадания в кэш у kimi-k3 стоит 3 доллара за миллион токенов, а выход 15 долларов, подробный разбор тарифов будет в уроке 3.
От K2 до K3: хронология и что такое MoE простыми словами
Линейка актуальных моделей Kimi выглядит так. Kimi K2 вышел в июле 2025 года как модель смешанных экспертов (MoE) на триллион параметров с 32 миллиардами активных. В январе 2026 появился K2.5 с мультимодальностью и режимом Agent Swarm, который умеет распределять задачу между множеством субагентов. 20 апреля 2026 вышел K2.6, в июне 2026 появился K2.7 Code, специализированный на программировании. 16 июля 2026 Moonshot представила Kimi K3, новый флагман, полные веса которого открыли 27 июля 2026. А 11 сентября 2026 в подписке Kimi Code под идентификатором kimi-for-coding появился K2.8 Preview, модель, которой нет на обычной API-платформе: её архитектура и число параметров нигде не опубликованы, поэтому относиться к ней стоит как к продукту для подписчиков Kimi Code, а не как к ещё одной записи в списке моделей API.
Разберёмся с термином MoE (mixture of experts, смесь экспертов), он встречается в описании каждой модели Kimi. Представьте, что вместо одной огромной нейросети, которая целиком участвует в обработке каждого слова, у вас есть большой штат узких специалистов, экспертов, и диспетчер, который на каждое слово вызывает только несколько из них. В K3 всего 2,8 триллиона параметров, но реально «включаются» в обработку одного токена только 104 миллиарда, активные параметры. Технически это устроено так: в модели 896 экспертов, и диспетчер на каждый токен выбирает 16 из них плюс два общих эксперта, которые работают всегда. Такая схема позволяет модели быть огромной по знаниям и возможностям, но при этом считать быстрее и дешевле, чем если бы все параметры участвовали в каждом вычислении. Именно поэтому у огромных на бумаге моделей цена за токен в API оказывается разумной: платите вы фактически за активные параметры, а не за все 2,8 триллиона.
Помимо MoE, в K3 используется гибридная схема внимания: 69 слоёв с Kimi Delta Attention (KDA, собственная разработка Moonshot) и 24 слоя Gated MLA. KDA экономит память и ускоряет работу с очень длинным контекстом, а Gated MLA сохраняет точность на сложных рассуждениях. Модель понимает изображения и видео нативно, без отдельных надстроек, а глубина размышлений в K3 всегда включена и регулируется только параметром reasoning_effort со значениями low, high или max, в API по умолчанию стоит max. Отключить размышления у K3 нельзя, это заложено в архитектуру, и параметра thinking, который есть у K2.6, у K3 не существует.
Какую модель выбрать на 03.10.2026
На практике выбор сводится к трём линиям.
Kimi K3 (в API kimi-k3) стоит брать для сложных задач: многошаговых рассуждений, работы с очень длинным контекстом, анализа изображений и видео. Это самая способная модель линейки, но и самая дорогая, и, по отзывам пользователей, не самая быстрая.
Kimi K2.7 Code и его скоростная версия kimi-k2.7-code-highspeed созданы специально для программирования. Обычная версия точнее держит длинные инструкции в коде, а highspeed выдаёт около 180 токенов в секунду, что заметно ускоряет работу в интерактивных сценариях вроде автодополнения или быстрых итераций в агенте программиста. Обе модели дешевле K3 и хорошо подходят, если основная нагрузка это код, а не общие рассуждения.
Kimi K2.6 остаётся разумным выбором для массовых и недорогих задач: обычного чата, классификации текста, несложной обработки документов. У этой модели размышления можно включать и выключать параметром thinking, что позволяет экономить токены там, где глубокие рассуждения не нужны.
Коротко, на что смотреть при выборе:
K3 сложные задачи, 1M контекст, изображения и видео, дороже
K2.7 Code код и агенты разработки, обычная версия точнее
highspeed тот же код, но на скорость, около 180 ток/с
K2.6 массовые задачи, дёшево, размышления по желанию
Осторожно с устаревшими инструкциями
В интернете и в старых заметках до сих пор попадаются примеры кода с именами моделей, которые уже не работают. На 03.10.2026 отключены вся серия kimi-k2 (включая kimi-k2-0905-preview), kimi-k2.5 и вся серия moonshot-v1, а также kimi-latest. Запрос к любому из этих идентификаторов вернёт ошибку, а не ответ модели. Если вы видите учебник или статью, где используется одно из этих имён, считайте материал устаревшим и переносите код на актуальные идентификаторы: kimi-k3, kimi-k2.7-code, kimi-k2.7-code-highspeed или kimi-k2.6. Это особенно важно для тех, кто копирует примеры из старых статей на русском и английском языках: дата публикации материала там часто не указана явно, а название модели в коде выглядит правдоподобно.
Ещё одна мелкая, но частая ошибка в старых примерах: для kimi-k3 в запросе передают temperature или top_p, подобранные под другую модель. У K3 эти параметры зафиксированы на значениях 1.0 и 0.95, и любое отличающееся значение вызывает ошибку, поэтому их в запросе лучше вообще не указывать.
Kimi на фоне Claude, ChatGPT и DeepSeek
Сравнивать модели честно сложно, потому что у компании-разработчика и у независимых пользователей картина обычно расходится. Сама Moonshot в блоге K3 заявляет, что модель обходит, например, Claude Opus 4.8 и GPT-5.5, но тут же признаёт «заметный разрыв в пользовательском опыте по сравнению с Claude Fable 5 и GPT-5.6 Sol». Такие заявления компании стоит воспринимать как маркетинг, а не как независимую оценку, и относиться к ним с той же осторожностью, что и к любым бенчмаркам от самого разработчика.
Сильные стороны Kimi, которые подтверждаются разными источниками: заметно более низкая цена за токен по сравнению с закрытыми флагманами, открытые веса части моделей, что даёт возможность разворачивать их у себя, сильные результаты в агентных сценариях вроде Agent Swarm и в задачах фронтенд-разработки.
Слабые стороны по отзывам практиков: в независимых обзорах галлюцинации у Kimi заметнее, чем у закрытых флагманов, особенно в технических деталях вроде конфигурационных файлов. K3 по отзывам пользователей бывает медленнее, чем ожидалось, и склонен к избыточной инициативности на простых задачах, то есть делает больше, чем просили, там, где достаточно короткого прямого ответа. По отзыву одного из разработчиков, тестировавших K3 через API, модель оказалась менее надёжной на по-настоящему сложных задачах, чем Claude Opus, и не заменяет Claude Fable 5, хотя для рутинной работы её хватает «настолько, что перестаёшь замечать разницу». Разрыв между открытыми китайскими моделями и закрытыми западными флагманами, по оценке участников рынка, постепенно сокращается, но говорить, что он уже закрыт, пока рано.
Отдельно стоит сказать о DeepSeek, ещё одной китайской компании с моделями открытых весов. Прямого сравнения с конкретными цифрами в материалах для этого урока нет, и приводить такие цифры без проверки не стоит. Если вам важно сравнение именно с DeepSeek, разумно свериться с независимыми рейтингами вроде Artificial Analysis или LM Arena на момент принятия решения, а не опираться на цифры многомесячной давности.
Два сайта и способы доступа к Kimi
Международная версия kimi.ai принимает оплату картой Visa или Mastercard, а также через магазины приложений App Store и Google Play. Китайская версия kimi.com рассчитана на вход по телефону или через WeChat, а способ оплаты, по отзывам пользователей, чаще всего это Alipay, хотя в официальной документации этот пункт явно не описан. Для читателя из России ни один из этих способов не гарантирован: доступность карт, магазинов приложений и способов входа часто меняется, поэтому перед тем как планировать регулярную работу с Kimi, проверьте непосредственно на сайте, какой способ входа и оплаты у вас сейчас сработает.
Помимо приложения и веб-версии, есть ещё два способа пользоваться Kimi. Первый это API: вы получаете ключ в консоли platform.kimi.ai (для международной версии) или platform.kimi.com (для китайской), и обращаетесь к моделям программно по протоколу OpenAI Chat Completions, Responses или через совместимость с Anthropic Messages. Этот способ подходит разработчикам, которые встраивают Kimi в свои продукты и платят за токены, подробно разберём его в уроке 3. Второй способ это открытые веса: модели серии K2.x и K3 можно скачать и развернуть на своих серверах, если задача требует полного контроля над данными или соответствия внутренним требованиям безопасности. Для K3 официально рекомендован узел не менее 8 ускорителей GB300 или MI355X, это серьёзные промышленные мощности, а не домашний компьютер. Подробнее об открытых весах, лицензиях и вопросах безопасности поговорим в уроке 5.
Коротко, кому что подходит: приложению и сайту место там, где вам нужен готовый интерфейс и не хочется писать код, API подходит для интеграции в собственные сервисы и автоматизации, открытые веса на своих серверах нужны компаниям с требованиями к приватности данных или доступом к мощному железу.
Карта курса
Этот курс состоит из пяти уроков. В уроке 1, который вы читаете сейчас, разобрались, что такое Kimi, откуда взялась компания и какую модель выбрать для своей задачи. В уроке 2 поговорим о работе с Kimi прямо в браузере: агентный режим, глубокое исследование и генерация презентаций. Урок 3 посвящён API Kimi на Python: там разберём работу с K3, параметр reasoning_effort, вызов инструментов и расчёт стоимости запросов. В уроке 4 сосредоточимся на Kimi для программистов, Kimi Code CLI и сравнении с Claude Code. Урок 5 закроет курс темой открытых весов, условий лицензий и вопросов безопасности при самостоятельном развёртывании моделей.
Попробуйте сами
Зарегистрируйтесь на kimi.ai, выберите бесплатный тариф Adagio и задайте один и тот же практический вопрос из вашей работы модели K3 в чате Kimi и любой знакомой вам модели, например ChatGPT или Claude. Критерий результата: вы зафиксировали, какой ответ точнее, какой короче и какой удобнее применить сразу без доработки.
В чате Kimi переключитесь между K2.6 и K3 на одной и той же несложной задаче, например составить короткое письмо или объяснить термин. Критерий результата: вы заметили разницу в скорости ответа и в том, насколько модель расширяет задачу сверх того, что вы просили.
Проверьте на сайте kimi.ai, какой способ входа и оплаты доступен из вашей страны прямо сейчас. Критерий результата: вы знаете, сможете ли оплатить подписку картой или потребуется способ оплаты через магазин приложений.
Итоги
- Moonshot AI, компания из Пекина, развивает Kimi как продукт для пользователей и параллельно открывает часть моделей как открытые веса; международная версия kimi.ai и китайская kimi.com не делят между собой аккаунты и ключи.
- На 03.10.2026 актуальны модели kimi-k3 (сложные задачи, контекст до 1 048 576 токенов, изображения и видео), kimi-k2.7-code с версией highspeed (код) и kimi-k2.6 (массовые дешёвые задачи с управляемым режимом размышлений).
- MoE и активные параметры означают, что модель с огромным числом параметров на бумаге считает только часть из них на каждый токен, за счёт этого достигается баланс между возможностями и ценой.
- Старые инструкции с именами kimi-k2-0905-preview, moonshot-v1 или kimi-latest больше не работают, при встрече с такими примерами переносите код на актуальные идентификаторы и не передавайте в kimi-k3 свои значения temperature или top_p.
- Сильные стороны Kimi это цена, открытые веса и агентные сценарии, слабые, по независимым отзывам, это заметные галлюцинации и отставание от некоторых топовых закрытых моделей на самых сложных задачах.
- Для доступа к Kimi есть три пути: приложение и сайт для готового интерфейса, API для интеграций и открытые веса для развёртывания на своих серверах, выбор зависит от задачи и доступных ресурсов.