Databricks Hadirkan Kimi K3: Model Open-Weight Terbesar di Dunia, Siap Saingi Raksasa Proprietary

Spesifikasi Model

Kimi K3 adalah model sparse Mixture-of-Experts (MoE) dengan spesifikasi berikut :

• Total parameter: 2,8 triliun
• Parameter aktif: 104 miliar yang diaktifkan per token
• Arsitektur: Sparse MoE dengan 896 expert, 16 aktif per token, plus 2 shared expert
• Jendela konteks: 1.048.576 token (1 juta)
• Modalitas: Teks dan visi asli (gambar dan video)
• Inovasi arsitektural: Kimi Delta Attention (KDA), Attention Residuals (AttnRes), dan Stable LatentMoE framework

Moonshot menyebut K3 sebagai "model kelas 3T terbuka pertama di dunia" . Bobot terbuka (open weights) dirilis pada 27 Juli 2026 di bawah lisensi MIT yang dimodifikasi .

Peringkat Artificial Analysis Intelligence Index

Pada Artificial Analysis Intelligence Index (v4.1) independen, Kimi K3 mencetak skor 57 dalam konfigurasi standar dan 60 pada konfigurasi "max" . Peringkatnya :

• #3 atau #4 secara keseluruhan di antara semua model yang diuji, tergantung konfigurasi
• Pertama di antara model open-weight (pesaing terdekat: GLM-5.2 dengan skor 51)
• Di bawah: Claude Fable 5 (~60) dan GPT-5.6 Sol (~59)
• Di atas: Claude Opus 4.8 (~56), GPT-5.5, DeepSeek V4 Pro (44), dan GLM-5.2 (51)

Indeks ini menggabungkan sembilan evaluasi termasuk GDPval-AA v2, Terminal-Bench 2.1, SciCode, Humanity's Last Exam, GPQA Diamond, dan penalaran konteks panjang . Pada tolok ukur tertentu, Kimi K3 mencapai #1 di papan peringkat Frontend Code Arena dan #2 di AA-Briefcase (pekerjaan pengetahuan agentic), hanya kalah dari Fable 5 .

Perbandingan Biaya dengan Model Proprietary

Kimi K3 menawarkan keunggulan biaya yang signifikan dibandingkan pesaing proprietary :

• Biaya per Tugas Intelligence Index: Sekitar $0,94
• Kira-kira setengah biaya Claude Opus 4.8 (max reasoning, $1,80)
• Biaya serupa dengan GPT-5.6 Sol (max, $1,04)
• Databricks melaporkan biaya per tugas 50–72% lebih rendah dibandingkan pemimpin proprietary
• Harga API: ~$3,00 per juta token input dan ~$15,00 per juta token output

Seperti yang dikatakan CEO Databricks Ali Ghodsi kepada CNBC, kombinasi performa tolok ukur dan efisiensi biaya K3 membuat beban kerja agentic yang sebelumnya mahal — seperti agen coding terus-menerus atau pemrosesan dokumen skala besar — kini layak secara ekonomi bagi perusahaan .

Unity AI Gateway: Tata Kelola Perusahaan dan Kendali Biaya

Unity AI Gateway menyediakan panel kendali terpadu bagi tim platform yang mengelola AI di seluruh perusahaan. Kemampuan utama yang berlaku untuk Kimi K3 meliputi :

• Izin akses terperinci dan pagar pengaman keselamatan yang diberlakukan pada input dan output model
• Jejak audit lengkap dan observabilitas waktu nyata untuk semua panggilan model
• Kendali pengeluaran AI — peringatan anggaran proaktif di seluruh pengguna, ruang kerja, kasus penggunaan, dan seluruh akun, dikombinasikan dengan tabel sistem Unity Catalog dan anggaran Databricks
• Pembatasan kecepatan dan perutean lalu lintas di seluruh model, agen, dan server MCP
• Batas pengeluaran keras yang menghentikan permintaan saat anggaran tercapai
• Zero Data Retention (ZDR) untuk Kimi K3 di Databricks
• Tata kelola terpadu di seluruh model open-weight dan proprietary melalui kerangka kebijakan yang sama

Pada minggu yang sama, Unity AI Gateway mencapai Ketersediaan Umum (General Availability), menyatukan manajemen pengeluaran, pembatasan kecepatan, dan kontrol akses di seluruh LLM perusahaan, server MCP, dan agen coding .

Tren Lebih Luas: Kesenjangan Open-Weight Menyempit dengan Cepat

Databricks membingkai integrasi Kimi K3 sebagai bukti bahwa kesenjangan antara model AI open-weight dan proprietary menutup dengan cepat . Perusahaan mencatat bahwa setahun yang lalu, model open-weight terbaik tertinggal jauh dari rekan proprietary mereka — tetapi hari ini, model open-weight seperti Kimi K3 menyaingi pemimpin proprietary dalam performa tolok ukur sambil menawarkan biaya yang jauh lebih rendah dan fleksibilitas yang lebih besar .

Menurut Databricks, pergeseran ini memungkinkan perusahaan untuk mengadopsi strategi AI hibrida, mencampur model open-weight dan proprietary pada satu platform yang diatur. Perusahaan menekankan bahwa perusahaan kini memiliki pilihan nyata — dengan kemampuan merutekan beban kerja ke model yang paling hemat biaya untuk setiap tugas, tanpa mengorbankan performa atau tata kelola .