Kimi K3: Alles wat je moet weten over Moonshot AI's 2,8 biljoen parameter open frontier-model

Architectuur

Kimi K3 is een 2,8 biljoen parameter sparse Mixture-of-Experts (MoE) model. Van de in totaal 896 experts zijn er slechts 16 actief per token, een ontwerp dat de capaciteit van een enorm model moet leveren met de rekenkosten van een veel kleiner model . De belangrijkste architectonische innovaties zijn:

• Stable LatentMoE: Moonshot's eigen MoE-formulering, die volgens het bedrijf de training stabiliteit en efficiëntie verbetert .
• Kimi Delta Attention (KDA) en Attention Residuals (AttnRes): Nieuwe aandachtsmechanismen die volgens Moonshot tot 6,3x snellere training en inferentie mogelijk maken in vergelijking met standaard aandachtsmechanismen .
• 1 miljoen token contextvenster met native vision-mogelijkheden, waardoor het model lange documenten en afbeeldingen in één enkele prompt kan verwerken .
• Bij de lancering draait K3 uitsluitend in een standaard max-effort redeneermodus; er is nog geen snellere of lichtere inferentieoptie beschikbaar .

Deze architectonische keuzes positioneren K3 als een directe uitdager van de duurste frontier-modellen, met als doel hun intelligentie te evenaren en tegelijkertijd aanzienlijk betere waar voor hun geld te bieden.

Benchmarkprestaties

De benchmarkscores van Kimi K3 plaatsen het ruwweg tussen de Tier-1 gesloten modellen en de open-weight groep. Onafhankelijke scores vertellen het verhaal :

• Artificial Analysis Intelligence Index: 57,1 – staat #4 overall, achter Claude Fable 5 (~60) en GPT-5.6 Sol (~59), en net voor Claude Opus 4.8 (~56) .
• LMArena Frontend Code Arena: #1 – K3 behaalde de eerste plaats in blinde tests voor front-end codering, waarmee het alle andere modellen versloeg, waaronder Claude Fable 5 en GPT-5.6 Sol .
• LMArena Chatbot Arena (StyleCtrl): #9 overall met een Elo van ~1380 .
• GPQA Diamond: scoorde 93,5%, het sterkste open-weight resultaat tot nu toe bij de lancering, waarmee het Claude Fable 5's 92,6% overtrof op deze PhD-niveau wetenschappelijke redeneerbenchmark .
• SWE-bench Verified: door de leverancier gerapporteerde score van 80%+, wat wijst op sterke agentische codeerprestaties .
• Terminal-Bench 2.1: scoorde 88,3%, waarmee het Claude Fable 5 verslaat op deze agentische terminalbenchmark .
• GDPval v2: scoorde 1668 Elo op deze knowledge-work leaderboard, waarmee het Claude Opus 4.8 (1600) overtreft maar achterblijft bij Claude Fable 5 (1760) en GPT-5.6 Sol (1748) .

In Moonshot's eigen 14-grafiek vergelijking bij de lancering verslaat K3 Claude Fable 5 op 6 benchmarks: Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 en BrowseComp. Fable 5 wint de resterende 8, waarbij FrontierSWE de grootste kloof laat zien (86,6 versus K3's 81,2) .

Onafhankelijke testers merken op dat K3 langzamer en uitgebreider is dan vergelijkbare modellen, en dat voorlopig alleen de "max effort" inferentiemodus beschikbaar is . Alle benchmarkvergelijkingen zijn momenteel gebaseerd op door de leverancier gerapporteerde claims en aggregaties van derden van Artificial Analysis en LMArena; onafhankelijke peer-reviewed verificatie van de volledige reeks is nog niet beschikbaar .

Prijzen

Kimi K3 API-prijzen vanaf 16 juli 2026 :

• Input (cache miss): $3,00 per miljoen tokens
• Cached input: $0,375 per miljoen tokens (gerapporteerd als $0,30 in verschillende bronnen )
• Output: $15,00 per miljoen tokens

Deze prijzen zijn ruwweg 3–10x goedkoper dan Claude Fable 5 en GPT-5.6 Sol op basis van per token . Het is echter ook ongeveer drie tot vier keer duurder dan Moonshot's vorige vlaggenschipmodel K2, wat een einde markeert aan het tijdperk van ultra-goedkope Chinese API-toegang . De prijs is vast voor het hele 1-miljoen-token venster, niet getrapt per contextniveau .

Open-Weight Releasedatum

• API-lancering: 16 juli 2026 op platform.kimi.ai .
• Volledige gewichten op Hugging Face: Beloofd op 27 juli 2026, onder een aangepaste MIT-licentie die commercieel vriendelijk is maar beperkingen bevat .
• Vanaf de beschikbare rapportagedata (tot 18 juli 2026) zijn de gewichten nog niet openbaar – alleen de API en een programma voor onderzoekstoegang zijn actief .
• Eenmaal uitgebracht, zal K3 het grootste open-weight model ooit gepubliceerd zijn, waarmee het DeepSeek's V4 Pro (1,6 biljoen parameters) en Zhipu AI's GLM 5-serie (744 miljard) ver overtreft .

De tweetraps uitrol – eerst betaalde API, elf dagen later open gewichten – is de bepalende vorm van deze aankondiging . Moonshot noemt K3 "open frontier intelligence", maar het kan het best worden omschreven als open-weight in toezegging, niet in de praktijk, totdat het checkpoint kan worden gedownload .

Strategische & Financieringscontext

Moonshot AI heeft een buitengewone fondsenwervingscampagne achter de rug, gedreven door de noodzaak om gelijke tred te houden in de hypercompetitieve AI-race van China :

• November 2025: Haalde financiering op tegen een waardering van ongeveer $4 miljard .
• Februari 2026: Sloot een Series Unknown af van meer dan $700 miljoen .
• Mei 2026: Haalde ~$2 miljard op tegen een $20 miljard waardering, geleid door de durfkapitaaltak van Meituan, Long-Z Investments .
• Juni 2026: Opende gesprekken voor een nieuwe ronde van $1–2 miljard, gericht op een $30 miljard waardering – de derde financieringsronde in zes maanden .

De totale bekende financiering bedraagt ongeveer $3,77 miljard verspreid over 4 rondes . Tot de geldschieters behoren Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital en Zhen Fund . In april 2026 bedroeg de geannualiseerde terugkerende omzet van Moonshot meer dan $200 miljoen, gedreven door abonnementen op zijn Kimi chatbot en AI-modeldiensten .

Het strategische plaatje: Moonshot verbrandt agressief kapitaal om in de race te blijven . De lancering van K3 geeft aan dat Moonshot frontier-niveau open modellen kan leveren tegen een fractie van de kosten van Amerikaanse rivalen – een belangrijk verkoopargument voor wereldwijde bedrijven die de ROI van Anthropic en OpenAI-prijzen in twijfel trekken . De open-weight strategie positioneert K3 ook als een directe concurrent van DeepSeek's open modellen voor zelf-gehoste enterprise-implementaties .