Model
.ai
ওপেন AI মডেল ট্র্যাক করছি
Kimi K3
MoonshotAI | 1,048,576 token context | $0.30/M input, $11.94/M output. Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.
এই মডেলের গাইড
সব গাইড
Kimi K3 হল Moonshot AI-এর ২.৮ ট্রিলিয়ন প্যারামিটার ওপেন-ওয়েট মাল্টিমোডাল রিজনিং মডেল, যা একটি নতুন KDA এবং Attention Residuals আর্কিটেকচারে নির্মিত, প্রতি টোকেনে ১০৪B প্যারামিটার সক্রিয় করে। এটি এক মিলিয়ন টোকেন প্রসঙ্গ উইন্ডোর মধ্যে টেক্সট, ছবি এবং ভিডিও নেটিভভাবে পরিচালনা করে, এবং দীর্ঘমেয়াদী এজেন্টিক কাজের জন্য বিশেষভাবে তৈরি: বহু-ধাপ কোডিং সেশন, বড় রেপো নেভিগেশন, এবং টুল-ভিত্তিক গবেষণা পাইপলাইন। আপনি যদি গুরুতর ইঞ্জিনিয়ারিং বা জ্ঞান কাজের জন্য ফ্রন্টিয়ার-স্তরের ওপেন মডেল চান, এটি মূল্যায়ন করার মতো।

পরিচিত

  • বড় রেপোতে দীর্ঘ এজেন্টিক কোডিং সেশন কম তদারকিতে চালাতে সক্ষম।
  • নেটিভ মাল্টিমোডাল: এক মডেলে টেক্সট, ছবি এবং ভিডিও বুঝতে পারে।
  • গভীর নথি ও কোডবেস কাজের জন্য এক মিলিয়ন টোকেন প্রসঙ্গ উইন্ডো।
  • ২.৮T প্যারামিটার MoE আর্কিটেকচার, প্রতি টোকেনে ১০৪B সক্রিয়, ফ্রন্টিয়ার-স্তরের যুক্তির জন্য।
  • Moonshot AI দ্বারা গবেষণা ও ডিপ্লয়মেন্টের জন্য ওপেন ওয়েটস প্রকাশ।

সতর্ক থাকুন

  • আউটপুট প্রতি মিলিয়ন টোকেন $10.00 মূল্য—দীর্ঘ এজেন্টিক লুপে খরচ দ্রুত বাড়ে।
  • ২.৮T মোট প্যারামিটার মানে স্থানীয় ডিপ্লয়মেন্টের জন্য গুরুতর হার্ডওয়্যার দরকার; বেশিরভাগ ব্যবহারকারী API ব্যবহার করবেন।
  • ওয়েটস Kimi K3 লাইসেন্সের অধীনে প্রকাশিত, এটি একটি স্ট্যান্ডার্ড ওপেন-সোর্স লাইসেন্স নয়—বাণিজ্যিক ব্যবহারের আগে শর্তাবলী পরীক্ষা করুন।

চেষ্টা করার প্রম্পটস

ব্যর্থ টেস্ট স্যুট ডিবাগ
আমার একটি পাইথন রেপোজিটরি আছে যেখানে সাম্প্রতিক রিফ্যাক্টরের পর ইন্টিগ্রেশন টেস্ট ব্যর্থ হচ্ছে। এখানে এরর লগ এবং প্রাসঙ্গিক ফাইলগুলো আছে। মূল কারণ চিহ্নিত করুন, কোডবেস জুড়ে ট্রেস করুন, এবং একটি ন্যূনতম সমাধান প্রস্তাব করুন যা ব্যাখ্যা করবে কেন মূল পরিবর্তন টেস্টগুলো ভেঙে দিয়েছে।
সিস্টেম ডিজাইন বিশ্লেষণ
একটি পাবলিক API-এর জন্য একটি রেট-লিমিটিং সার্ভিস ডিজাইন করুন যা প্রতি সেকেন্ডে ৫০,০০০ অনুরোধ পরিচালনা করবে, ব্যবহারকারী ও এন্ডপয়েন্টভিত্তিক সীমা সমর্থন করবে, Redis ব্যর্থতার সময় সুন্দরভাবে অবনতি ঘটাবে, এবং p99 লেটেন্সিতে ২ms এর বেশি যোগ করবে না। আপনার স্থাপত্য সিদ্ধান্ত এবং প্রতিটি ধাপে আপনি যে ট্রেড-অফ করছেন তা ব্যাখ্যা করুন।
স্ক্রিনশট বাগ বিশ্লেষণ
আমি আমার ওয়েব অ্যাপের ড্যাশবোর্ডের একটি স্ক্রিনশট সংযুক্ত করছি। উপরের ডানদিকে চার্টটি ভুলভাবে রেন্ডার হচ্ছে—বারগুলো ওভারল্যাপ করছে এবং অক্ষের লেবেল কাটা পড়েছে। কোন CSS বা চার্টিং লাইব্রেরির সেটিংস এর কারণ হতে পারে তা নির্ণয় করুন এবং সংশোধিত কনফিগারেশন দিন।

তুলনা করুন

  • Kimi Latest
    শুধুমাত্র API মডেল
    1,048,576 টোকেন প্রসঙ্গ · $0.29/M ইনপুট, $24.00/M আউটপুট
  • Kimi K2 Thinking
    ওপেন-ওয়েটস মডেল
    262,144 টোকেন প্রসঙ্গ · $0.60/M ইনপুট, $2.50/M আউটপুট
  • Kimi K2.7 Code
    ওপেন-ওয়েটস মডেল
    262,144 টোকেন প্রসঙ্গ · $0.67/M ইনপুট, $3.35/M আউটপুট
  • Kimi K2.5
    ওপেন-ওয়েটস মডেল
    262,144 টোকেন প্রসঙ্গ · $0.50/M ইনপুট, $2.50/M আউটপুট
moonshotai থেকে আরও টেক্সট মডেল

মানুষ যে প্রশ্ন করে

Kimi K3-এর ওয়েটস কি ওপেন এবং আমি কি এটি স্থানীয়ভাবে চালাতে পারি?
হ্যাঁ, Moonshot AI পুরো মডেল ওয়েটস প্রকাশ করেছে, তাই আপনি ডাউনলোড করে স্ব-হোস্ট করতে পারেন। ২.৮T মোট প্যারামিটার থাকার কারণে বড় হার্ডওয়্যার দরকার; অধিকাংশ ব্যবহারকারী API ব্যবহার করবেন।
Kimi K3-এর মূল্য কত এবং প্রসঙ্গ উইন্ডো কত বড়?
API-এর মাধ্যমে $0.73 প্রতি মিলিয়ন ইনপুট টোকেন এবং $10.00 প্রতি মিলিয়ন আউটপুট টোকেন চার্জ হয়, প্রসঙ্গ উইন্ডো 1,048,576 টোকেন—প্রায় এক মিলিয়ন।
Kimi K3 অন্যান্য ফ্রন্টিয়ার রিজনিং মডেল থেকে কীভাবে আলাদা?
এটি ৩T-পরিসরের প্রথম প্রকাশিত মডেল, নতুন KDA এবং Attention Residuals আর্কিটেকচার ব্যবহার করে, এবং দীর্ঘমেয়াদী এজেন্টিক ওয়ার্কফ্লোর জন্য বিশেষভাবে ডিজাইন করা হয়েছে, সাধারণ চ্যাট মডেল নয়।
ক্যাপ্টেনের সিদ্ধান্ত
এখন পর্যন্ত সবচেয়ে সক্ষম ওপেন-ওয়েট মডেল, এজেন্ট এবং গুরুতর ইঞ্জিনিয়ারিং কাজের জন্য তৈরি—তবে আউটপুট মূল্য দীর্ঘ রানকে ব্যয়বহুল করবে।
Hugging Face এ মডেল কার্ড
ক্যাপ্টেন এই নোটস মডেলের নিজস্ব বর্ণনা এবং মডেল কার্ড থেকে লিখেছেন। দাম এবং প্রসঙ্গের আকার লেখার সময় প্রদানকারীর এবং পরিবর্তিত হতে পারে।
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai-তে Kimi K3: #35 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #16 Hottest Text / LLM model · #16 Hottest Text / LLM text model
Not this creator?
Kimi K3 জনপ্রিয়তার প্রবণতা
16 Jul 2026 থেকে হিট স্কোর
হিট স্কোর
9,095°
এই সপ্তাহ
▲
23.9%
9,067° তখন, 9,095° এখন
এই মাস
▲
189%
8,954° তখন, 9,095° এখন
গত বছর
n/a
এখনো প্রকাশ বা ট্র্যাক করা হয়নি
Kimi K3: 16 Jul 2026 থেকে হিট স্কোর7,000°7,587°8,173°8,760°9,346°17 Jul4 Aug25 Aug13 Sep3 Oct22 Oct9,095°ModelTrends.ai
7,000°
ফ্লোর
স্কেল 0° থেকে 9,999° পর্যন্ত চলে। 7,000° এর নিচের সবকিছু সেই মডেলগুলোর জন্য রাখা হয়েছে যেগুলো সম্পর্কে কোনো উৎস এখনো তথ্য দেয়নি, যারা সেখানে একটি স্ট্যান্ড-ইন নম্বর বহন করে যাতে তালিকাগুলো সম্পূর্ণ থাকে। 7,000° হল যেখানে পরিমাপকৃত তথ্য শুরু হয়: বাস্তব তথ্য সহ কিন্তু প্রায় কোনো ডাউনলোড নেই এমন মডেল ফ্লোরে থাকে, এবং পরিমাপগুলো তার উপরে ডিগ্রি পূরণ করে। ফ্লোর মডেল সম্পর্কে কিছু বলে না; শুধুমাত্র তার উপরের ডিগ্রিগুলো বলে, আর সেগুলোই এক মডেলকে অন্য থেকে আলাদা করে।
+1,767°
OpenRouter টোকেন
এই মডেলটি শেষ ৩০ দিনে OpenRouter এর মাধ্যমে 7,787,431,365,488 টোকেন প্রক্রিয়াজাত করেছে, প্রম্পট এবং উত্তর মিলিয়ে। প্রতি 10,000,000 টোকেনকে ডাউনলোড হিসেবে গণ্য করা হয়, মোট 778,743; শেষ দিনের টোকেন গ্রহণের হারে যোগ হয়। উৎস: OpenRouter (openrouter.ai/rankings)।
+328°
গ্রহণের হার
প্রায় 23,609 ডাউনলোড প্রতিদিন, উৎসের দুইটি রিডিংয়ের মধ্যে মাপা, জীবনকাল গড় থেকে অনুমান নয়। গতি ডাউনলোড টার্মের এক চতুর্থাংশ ওজন রাখে, তাই নতুন স্ফুরণ দেখায় কিন্তু এক দিনের স্পাইক বছরের ব্যবহারের থেকে উপরে রাখে না।
বিস্তারিত বিশ্লেষণ দেখাও
এই সাইটের প্রতিটি নম্বর যাচাই করা যায়। এই মডেলের হিট স্কোর 9,095°, এবং এখানে এটি এক এক উপাদান যোগ করে তৈরি হয়েছে, প্রতিটি যোগের পর মোট স্কোর দেখানো হয়েছে: ফ্লোর, প্রতিটি উৎস কত ডিগ্রি যোগ করে, মডেলের ধরনের জন্য বোনাস এবং ওজনের বয়স যা কমিয়ে দেয়। রঙগুলো উপরের চার্টের ব্যান্ড। শেষে গ্লসারি প্রতিটি শব্দের অর্থ ব্যাখ্যা করে।
  1. 1
    ফ্লোর থেকে শুরু করো।
    কেন 7,000° এবং শূন্য নয়: স্কেল 0° থেকে 9,999° পর্যন্ত চলে, এবং 7,000° এর নিচের অংশ সেই মডেলগুলোর জন্য সংরক্ষিত যেগুলো সম্পর্কে কোনো উৎস এখনো তথ্য দেয়নি, যারা সেখানে একটি স্ট্যান্ড-ইন নম্বর বহন করে যাতে তালিকাগুলো সম্পূর্ণ থাকে এবং তথ্যসহ মডেলের থেকে কখনো উপরে না উঠে। 7,000° হল যেখানে পরিমাপকৃত তথ্য শুরু হয়। বাস্তব তথ্য সহ কিন্তু প্রায় কোনো ডাউনলোড নেই এমন মডেল এখানে থাকে; পরবর্তী সবকিছু পরিমাপ, এবং ফ্লোরের উপরে দশটি দশগুণ ধাপ ডাউনলোডে থাকে, প্রতিটি 300°। ফ্লোর সব মডেলের জন্য একই, তাই এটি কিছু নির্ধারণ করে না; তার উপরের ডিগ্রিগুলো নির্ধারণ করে।
    7,000°
    চলমান মোট
  2. 2
    ডাউনলোড যোগ করুন।
    মোট 778,743 ডাউনলোড-সমতুল্য, OpenRouter টোকেন থেকে। ডাউনলোড দশ গুণ বাড়ালে একই 300° যোগ হয়, তাই সাইজ গুরুত্বপূর্ণ কিন্তু কখনো স্কোর ছাড়িয়ে যায় না।
    +1,767°
    8,767°
    চলমান মোট
  3. 3
    গ্রহণের হার যোগ করো।
    এখন প্রায় 23,609 ডাউনলোড প্রতিদিন, দুই রিডিংয়ের মধ্যে মাপা হয়েছে, ওজনের এক চতুর্থাংশ।
    +328°
    9,095°
    চলমান মোট
  4. =
    হিট স্কোর।
    এই মডেল সাইটের প্রতিটি তালিকায় কোথায় আছে। আর কিছুই এটা পরিবর্তন করে না।
    9,095°
শব্দকোষ: এখানে ব্যবহৃত শব্দগুলো
হিট স্কোর
একটি সংখ্যা যা দেখায় মডেলটি এখন কতটা ব্যবহৃত এবং চাওয়া হচ্ছে, 0° থেকে 9,999° পর্যন্ত। এই সাইটের প্রতিটি তালিকা যা hottest বলে সেটি এই স্কোর অনুযায়ী সাজানো হয়, আর কিছু নয়।
ফ্লোর
প্রতিটি মডেল যার কাছে আসল ডেটা আছে তার জন্য 7,000° থেকে শুরু। স্কেল 0° থেকে 9,999° পর্যন্ত; ফ্লোরের নিচের অংশ স্ট্যান্ড-ইন (ডেটা ছাড়া মডেল) এর জন্য রাখা হয়েছে, যাতে ডেটা থাকা মডেল সবসময় ডেটা ছাড়া মডেলের উপরে থাকে। ফ্লোর সবার জন্য একই এবং কিছু নির্ধারণ করে না; এর উপরের ডিগ্রি গুলোই মাপ।
ডাউনলোড-সমতুল্য
যা কিছু স্কোর ডাউনলোড হিসেবে গণনা করে, সব যোগ করা হয়েছে: ডাউনলোড নিজেই, প্রতিটি টরেন্ট সিডার 1,000 হিসেবে, প্রতিটি AI Horde ছবি এবং প্রতিটি জেনারেশন সাইটে রান এক হিসেবে।
লগ স্কেল
দশের ভিত্তিতে গণনা, একের ভিত্তিতে নয়: 1,000 থেকে 10,000 ডাউনলোডে যাওয়া একই ডিগ্রি যোগ করে যেমন 10,000 থেকে 100,000 এ যাওয়া। এটা বড় মডেলগুলোকে সবকিছু ছাপিয়ে যাওয়া থেকে রোধ করে।
লাইক
প্রতিটি উৎস থেকে থাম্বস আপ এবং লাইক, লগ স্কেলে প্রতিটি ডাউনলোডের অর্ধেক মূল্যমান।
গ্রহণের হার
একটি মডেল এখন প্রতিদিন কত ডাউনলোড পাচ্ছে, একটি উৎসের দুই রিডিংয়ের পার্থক্য থেকে। ডাউনলোড টার্মের এক চতুর্থাংশ ওজন।
পরিমাপ করা এবং অনুমান করা
পরিমাপ করা মানে একটি উৎসের দুটি রিডিং আছে এবং তার মধ্যে পার্থক্য সত্য। অনুমান করা মানে শুধু আজকের মোট জানা আছে এবং অতীত মডেলের জীবনের উপর ছড়িয়ে দেওয়া হয়েছে; সাইট বলে কোনটি দেখাচ্ছে।
সিডার
যে কেউ ওজনের একটি কপি অনলাইনে রাখে অন্যদের টরেন্টের মাধ্যমে ডাউনলোড করার জন্য, অথবা একটি হোস্ট করা মিরর যা একই কাজ করে। প্রতিটি 1,000 ডাউনলোড হিসাবে গণনা হয়।
AI হোর্ড
একটি স্বেচ্ছাসেবক নেটওয়ার্ক যা দানকৃত কম্পিউটারে বিনামূল্যে ছবি তৈরি করে। একটি মডেলের সাথে এটি যত ছবি তৈরি করেছে তা প্রকাশ্য, এবং প্রতিটি একটি ডাউনলোড হিসাবে গণ্য হয়।
জেনারেশন সাইটসমূহ
সাইটগুলো যারা তাদের নিজস্ব মডেলের কপি হোস্ট করে এবং মানুষকে সেটি দিয়ে ছবি তৈরি করতে দেয়, যেমন PixAI, SeaArt এবং Yodayo। তাদের ডাউনলোড Civitai এর মতো গণনা হয় এবং প্রতিটি জেনারেশন রান একটি ডাউনলোড হিসাবে গণ্য হয়।
OpenRouter টোকেন
Claude বা GPT এর মতো API এর মাধ্যমে পরিবেশিত একটি টেক্সট মডেলের ওজন ডাউনলোড করার কিছু থাকে না, তাই এর ব্যবহার টোকেনে পরিমাপ করা হয়: OpenRouter এর মাধ্যমে এটি পড়া এবং লেখা টেক্সটের অংশ, যা অনেক অ্যাপ ব্যবহার করে, গত ৩০ দিনে। প্রতি 10,000,000 টোকেনকে একটি ডাউনলোড হিসেবে গণ্য করা হয়। উৎস: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
পূর্ণ মডেল (চেকপয়েন্ট)
ওজনগুলো নিজেই, সেই ফাইল যা নিজে থেকে জেনারেট করে। এটি একটি বোনাস পায় কারণ অ্যাড-অনগুলো এর উপর নির্ভর করে।
LoRA এবং এমবেডিং
ছোট অ্যাড-অন ফাইল যা অন্য কারো ওজনকে একটি স্টাইল, চরিত্র বা ধারণার দিকে পরিচালিত করে। এগুলো একা চালানো যায় না।
পরিবার এবং ওজন
যে বেসের উপর একটি মডেল তৈরি হয়, যেমন SD 1.5, SDXL, Flux বা Wan। প্রতিটি মডেল তার পরিবারের ওজনের রিলিজ তারিখ উত্তরাধিকার সূত্রে পায়।
বয়স
পরিবারের ওজন কতদিন আগে বের হয়েছে তার জন্য ডিগ্রি কমানো হয়: বছরে ১৫০°, সর্বোচ্চ ৭৫০° পর্যন্ত। এটি পুরানো ডাউনলোডগুলো ধরে রাখে যেগুলো বছরের পর বছর জমা হয়েছে তালিকার শীর্ষ থেকে ফ্রিজ করে।
পরিবার বুস্ট
একটি ছোট, সীমাবদ্ধ ধাক্কা LoRA গুলোর জন্য যেগুলো এই সাইট এখন এগিয়ে দিচ্ছে, সবসময় ব্রেকডাউনে তালিকাভুক্ত থাকে।
স্ট্যান্ড-ইন স্কোর
একটি স্থিতিশীল সংখ্যা যা একটি মডেলের জন্য দেওয়া হয় যার কোন উৎস এখনও রিপোর্ট করেনি, যাতে তালিকা সম্পূর্ণ থাকে। এটি কখনোই ডেটা সহ মডেলের উপরে স্থান পায় না।
নতুন! (গ্রেস পিরিয়ড)
7 দিনের কম বয়সী একটি মডেল স্কোরের পরিবর্তে নতুন! দেখায় এবং র‌্যাঙ্কিংয়ে স্থান পায় না। এর স্কোর প্রথম দিন থেকে গণনা হয়, কিন্তু একদিন বয়সী মডেল দ্রুত বৃদ্ধি পায়, তাই অপেক্ষা না করলে সপ্তাহের #1 সবসময় গতকালের নতুন মডেল হতো, সপ্তাহ ধরে টিকে থাকা মডেলের পরিবর্তে।
ট্রেন্ড
একটি মডেলের বৃদ্ধি একটি নির্দিষ্ট সময়ে কেমন হয়েছে তা একই সময়ের মধ্যে সাধারণ মডেলের বৃদ্ধির সাথে তুলনা করে। সাধারণের চেয়ে দ্রুত হলে তা বৃদ্ধি, ধীর হলে পতন হিসেবে পড়ে।
সাধারণ মডেল
ক্যাটালগের মাঝামাঝি: অর্ধেক মডেল একটি সংখ্যার সাথে সময়কালে দ্রুত বৃদ্ধি পেয়েছে, অর্ধেক ধীর।
এই মডেলের জনপ্রিয়তা ক্যাটালগের বাকি অংশের তুলনায় কেমন পরিবর্তিত হয়েছে: প্রতিটি সময়কালে ডাউনলোড, লাইক এবং ব্যবহারের বৃদ্ধি, একই সময়কালের জন্য সাধারণ মডেলের বৃদ্ধির সাথে তুলনা করে, এবং সেই সময়ের হিট স্কোর। সাধারণ বৃদ্ধির উপরে থাকলে তা বৃদ্ধি, নিচে থাকলে পতন বোঝায়। অতীত আজকের মোট থেকে পুনর্গঠিত, মডেলের প্রথম দিন এবং যেখানে দুইটি রিডিং আছে সেখানে ডাউনলোডের গতি মাপা হয়েছে; একটি মডেল যা সময়কালের শুরুতে ছিল না তা n/a দেখায়।