Kimi K3 setter fart på Kinas AI-kappløp – og utfordrer de amerikanske gigantene

Rekordrunde løftet verdsettelsen til 35 milliarder dollar

Moonshot AI fullførte finansieringsrunden 29. juli 2026. Målet var opprinnelig å hente mellom 1 og 2 milliarder dollar, men investorinteressen sendte summen opp til 3,5 milliarder dollar og verdsatte selskapet til 35 milliarder dollar .

Blant de ledende investorene var det statlige National Artificial Intelligence Industry Investment Fund, som også har investert i andre kinesiske AI-prosjekter . Runden var selskapets tredje kapitalinnhenting på bare seks måneder.

Moonshots verdsettelse skal ha steget fra rundt 4,3 milliarder dollar tidlig i 2026 til 35 milliarder dollar i slutten av juli . Den årlige gjentakende inntekten ble rapportert til 300 millioner dollar i juni, opp fra 200 millioner dollar i april, mens det daglige salget økte minst seks ganger etter Kimi K3-lanseringen .

Kimi K3: En modell i tre-billionersklassen

Moonshot presenterte Kimi K3 16. juli 2026. Modellen er bygget som en såkalt «Mixture of Experts»-modell, eller MoE, der bare deler av nettverket aktiveres for hver forespørsel. Totalt har den 2,8 billioner parametre – det største antallet som er oppgitt for en modell med åpne vekter .

Moonshot lovet å publisere modellvektene 27. juli, og gjorde dem tilgjengelige sammen med teknisk dokumentasjon og kode . Det betyr at utviklere kan laste ned, tilpasse og kjøre modellen på egen infrastruktur, i stedet for å være avhengige av et lukket API.

De viktigste spesifikasjonene er:

• Arkitektur: En sparsom MoE-modell med 896 eksperter, hvor 16 aktiveres for hvert token. Det tilsvarer omtrent 104 milliarder aktive parametre per kjøring .
• Kontekstvindu: 1 048 576 tokens, altså rundt én million tokens .
• Funksjoner: Innebygd bilde- og tekstforståelse, permanent resonneringsmodus og et API som er kompatibelt med OpenAI-standarden .
• Lisens: En modifisert MIT-lisens med åpning for forskning og personlig bruk, men med begrensninger for kommersiell bruk .

Moonshot trekker særlig frem to tekniske nyvinninger: Kimi Delta Attention, som skal gjøre behandling av lange tekster raskere, og en ny treningsprosess som er utviklet for å forbedre modellens evne til å utføre flertrinnsoppgaver og bruke verktøy .

Hvordan måler Kimi K3 seg mot GPT og Claude?

Moonshot erkjenner selv at Kimi K3 fortsatt ligger bak Anthropic Claude Fable 5 og OpenAI GPT 5.6 Sol i samlet ytelse. Samtidig sier selskapet at K3 jevnlig slår Claude Opus 4.8 og GPT 5.5 i tester av programmering, resonnering og kunnskapsarbeid .

Flere analyser har beskrevet modellen som omtrent på nivå med de beste proprietære amerikanske systemene i enkelte oppgaver, men til en lavere pris . På BrowseComp-testen, som måler blant annet informasjonsinnhenting og agentoppgaver, fikk Kimi K3 en poengsum på 91,2. Den kom også på andreplass i AA-briefcase-testen, bak Claude Fable 5 . På Intelligence Index fikk modellen 57 poeng, nær de ledende lukkede modellene .

Resultatene bør likevel leses med en viss varsomhet. Flere av sammenligningene bygger på Moonshots egne tester eller tidlige uavhengige analyser, og ytelsen kan variere mye mellom oppgaver, versjoner og målemetoder.

Hva koster Kimi K3?

Moonshot tar betalt etter hvor mange tokens som sendes inn og produseres. Prisene for API-et er oppgitt i amerikanske dollar per million tokens:

• Input uten cache: 3 dollar
• Input fra cache: 0,30 dollar
• Output: 15 dollar

Prisene gjelder gjennom hele kontekstvinduet på én million tokens, uten egne pristrinn for lange forespørsler . En beregnet gjennomsnittskostnad per oppgave var 0,94 dollar for K3, sammenlignet med 1,04 dollar for GPT 5.6 Sol og 1,80 dollar for Claude Opus 4.8 .

Det er imidlertid viktig å merke seg at resonneringstokener regnes som output og faktureres til 15 dollar per million. En kort synlig tekst kan derfor bli dyrere enn den ser ut til dersom modellen bruker mange tokens på intern resonnering .

Amerikanske selskaper bruker allerede Kimi-modeller

Selv om AI-konkurransen mellom USA og Kina har fått en tydelig geopolitisk dimensjon, brukes Moonshots modeller allerede i amerikanske teknologiselskaper.

• Cursor: Selskapet har bekreftet at Composer 2 tok utgangspunkt i en Kimi K2.5-modell. Cursors teknologisjef opplyste at omtrent en fjerdedel av beregningsressursene i den ferdige modellen kom fra grunnmodellen, mens resten ble brukt på selskapets egen trening .
• DoorDash: Teknologidirektør Andy Fang har sagt at selskapet bruker Kimi til enklere resonneringsoppgaver, mens Anthropic Fable reserveres for mer avanserte funksjoner .
• Coinbase: Selskapet har bekreftet intern bruk av Kimi-modeller .
• Thinking Machines Lab: AI-selskapet grunnlagt av tidligere OpenAI-teknologidirektør Mira Murati brukte Kimi under utviklingen av sitt første verktøy, Inkling .

Tall fra API-markedsplassen OpenRouter tyder dessuten på at kinesiske AI-modeller står for rundt 60 prosent av tokenbruken fra amerikanske selskaper på plattformen .

Etterspørselen ble for stor for infrastrukturen

Kimi K3 fikk en svært rask start. Fire dager etter lanseringen, 20. juli, satte Moonshot nye abonnementer på pause for å stabilisere tjenesten for eksisterende brukere .

«Kimi K3 har fått langt mer kjærlighet enn vi forventet», skrev selskapet på X. Moonshot sa at etterspørselen de foregående 48 timene hadde presset kapasiteten nær grensen, og viste til «enestående utfordringer» knyttet til datakraft .

Kapasitetsproblemet illustrerer samtidig en viktig side ved dagens AI-kappløp: Det er ikke nok å bygge en stor og effektiv modell. Selskapene må også ha tilgang til nok avanserte brikker, datasentre og strøm til å betjene brukerne.

Ny kapitalrunde og mulig børsnotering i Hongkong

Før finansieringsrunden på 3,5 milliarder dollar var ferdigstilt, skal Moonshot allerede ha kontaktet investorer om en ny runde til en forhåndsverdsettelse på 50 milliarder dollar .

Målet er å hente mer kapital før en mulig børsnotering på Hongkong-børsen, som selskapet ønsker å gjennomføre så raskt som mulig i løpet av 2026 . Planene viser hvor raskt investorenes syn på selskapet har endret seg – men også hvor høye forventninger som nå er bakt inn i verdsettelsen.

Eksportkontroll og anklager om modell-destillering

Kimi K3 har også fått en rolle i den stadig mer tilspissede teknologiske konflikten mellom USA og Kina. Modellen har prestert sterkt til tross for amerikanske begrensninger på eksport av avanserte halvledere til Kina. Det har ført til debatt om hvorvidt fremgangen først og fremst skyldes egen innovasjon, eller om modellen kan ha benyttet såkalt modell-destillering fra amerikanske frontmodeller .

Ved modell-destillering trenes en mindre eller ny modell på svar fra en større modell. Metoden kan gi raskere fremgang, men blir kontroversiell dersom den bryter med lisensvilkår eller andre selskapers rettigheter. Huang Zixin, Moonshots leder for bedriftsvirksomhet, har avvist anklagene i et intervju med kinesiske statlige medier .

Lanseringen skapte også uro blant amerikanske teknologiinvestorer. Flere rapporter koblet K3s gjennombrudd til et fall i Nvidia-aksjen, fordi billigere kinesiske modeller med åpne vekter kan redusere etterspørselen etter den dyreste maskinvaren . Samtidig økte presset på amerikanske myndigheter for å stramme inn reglene for eksport av avanserte brikker og modellvekter .

Det store spørsmålet: Kan åpne modeller presse ned AI-prisene?

Kimi K3 peker mot en mulig dreining i AI-markedet. I stedet for at de mest avanserte modellene bare tilbys som lukkede tjenester, gjør Moonshot en modell i frontklassen tilgjengelig for utviklere som vil laste den ned og kjøre den selv .

For selskaper kan dette gi mer kontroll over kostnader, data og tilpasning. For modellutviklerne betyr det samtidig at det blir vanskeligere å forsvare høye priser dersom en åpen konkurrent leverer sammenlignbar kvalitet.

Det er fortsatt for tidlig å slå fast at Kimi K3 har passert de beste amerikanske modellene. Men lanseringen har gjort én ting tydelig: Kinesiske modeller med åpne vekter er nå billige og kapable nok til å bli tatt i bruk av amerikanske selskaper. Dermed handler konkurransen ikke lenger bare om hvem som kan bygge den største modellen, men også om hvem som kan gjøre avansert kunstig intelligens tilgjengelig til lavest mulig kostnad.