Kimi K3: Kinas svar på de dyraste AI-modellerna – presterar som en toppmodell till en bråkdell av priset

Moonshot AI lanserade Kimi K3 den 16 juli 2026 – en 2,8-biljoners open weight-modell som den Peking-baserade start-upen menar utmanar de ledande proprietära systemen från Anthropic och OpenAI till en bråkdel av kostnaden . Modellen är tillgänglig via API, och fulla vikter utlovas senast den 27 juli . Här följer en detaljerad genomgång av arkitekturen, prestanda, prissättning och den strategiska bakgrunden för en av årets mest betydelsefulla open weight-lanseringar.

Arkitektur

Kimi K3 är en sparse Mixture-of-Experts (MoE)-modell med 2,8 biljoner parametrar. Av totalt 896 experter aktiveras endast 16 per token – en design som ger kapaciteten hos en enorm modell, men med beräkningskostnaden hos en mycket mindre . De viktigaste arkitektoniska innovationerna är:

• Stable LatentMoE: Moonshots egen MoE-implementation som bolaget säger förbättrar träningsstabilitet och effektivitet .
• Kimi Delta Attention (KDA) och Attention Residuals (AttnRes): Nya uppmärksamhetsmekanismer som enligt Moonshot ger upp till 6,3 gånger snabbare träning och inferens jämfört med traditionella metoder .
• 1 miljon tokens kontextfönster med inbyggd bildförståelse, vilket gör att modellen kan bearbeta långa dokument och bilder i en enda prompt .
• Vid lansering körs K3 uteslutande i ett max-ansträngningsläge (max-effort reasoning); inget snabbare eller lättare inferensalternativ finns ännu .

Dessa arkitekturella val placerar K3 som en direkt utmanare till de dyraste frontlinjemodellerna, med ambitionen att matcha deras intelligens och samtidigt erbjuda betydligt bättre värde.

Prestanda (Benchmarks)

Kimi K3:s benchmarkresultat placerar modellen ungefär mitt emellan Tier-1-slutna modeller och open weight-alternativen. Här är nyckeltalen från oberoende tester :

• Artificial Analysis Intelligence Index: 57,1 – rankad #4 totalt, bakom Claude Fable 5 (cirka 60) och GPT‑5.6 Sol (cirka 59), och något före Claude Opus 4.8 (cirka 56) .
• LMArena Frontend Code Arena: #1 – K3 tog förstaplatsen i blindtester för frontend-kodning och slog därmed alla andra modeller, inklusive Claude Fable 5 och GPT‑5.6 Sol .
• LMArena Chatbot Arena (StyleCtrl): #9 totalt med ett Elo på cirka 1380 .
• GPQA Diamond: 93,5%, det starkaste open weight-resultatet vid lanseringen och bättre än Claude Fable 5:s 92,6% på detta forskningsnivå-benchmark .
• SWE-bench Verified: 80%+ enligt leverantörens siffror, vilket indikerar stark agentisk kodningsprestanda .
• Terminal-Bench 2.1: 88,3% – bättre än Claude Fable 5 på detta agentiska terminal-test .
• GDPval v2: 1668 Elo på denna kunskapsarbets-lista, före Claude Opus 4.8 (1600) men efter Claude Fable 5 (1760) och GPT‑5.6 Sol (1748) .

I Moonshots egen 14-diagramsjämförelse slår K3 Claude Fable 5 på 6 benchmarks: Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 och BrowseComp. Fable 5 vinner de resterande 8, med störst marginal på FrontierSWE (86,6 mot 81,2) .

Oberoende testare noterar att K3 är långsammare och mer pratig än jämförbara modeller, och att endast ‚max effort'-läge finns tillgängligt . Alla benchmarkjämförelser bygger på uppgifter från leverantören samt tredjepartssammanslagningar från Artificial Analysis och LMArena; oberoende peer-reviewed-verifiering av hela testpaketet saknas fortfarande .

Prissättning

Kimi K3 API-priserna per den 16 juli 2026 :

• Input (cache miss): $3,00 per miljon tokens
• Cachad input: $0,375 per miljon tokens (rapporteras som $0,30 i flera källor )
• Output: $15,00 per miljon tokens

Detta är cirka 3–10 gånger billigare än Claude Fable 5 och GPT‑5.6 Sol per token . Priset är dock också cirka tre till fyra gånger dyrare än Moonshots tidigare flaggskepp K2, vilket markerar slutet på eran med extremt billiga kinesiska API-accesser . Priset är platt över hela kontextfönstret på 1 miljon tokens, inte stegvis efter kontextnivå .

Open Weight-lanseringsplan

• API-lansering: 16 juli 2026 på platform.kimi.ai .
• Fulla vikter på Hugging Face: Utlovade senast 27 juli 2026, under en modifierad MIT-licens som är kommersiellt vänlig men innehåller restriktioner .
• I skrivande stund (fram till 18 juli 2026) är vikterna inte offentliga – endast API och ett forskarprogram är aktiva .
• När de väl släpps blir K3 den största open weight-modell som någonsin publicerats, med god marginal före DeepSeek V4 Pro (1,6 biljoner parametrar) och Zhipu AI:s GLM 5-serie (744 miljarder) .

Lanseringen i två steg – betald API först, öppna vikter elva dagar senare – är den definierande formen för detta tillkännagivande . Moonshot kallar K3 för öppen frontlinjeintelligens, men det är bäst beskrivet som open weight i åtagande snarare än i praktiken, tills kontrollpunkten går att ladda ner .

Strategisk och finansiell bakgrund

Moonshot AI har befunnit sig i en extraordinär finansieringsrunda, drivet av behovet att hålla jämna steg i Kinas hyperkonkurrensutsatta AI-kapplöpning :

• November 2025: Värdering på cirka 4 miljarder dollar .
• Februari 2026: En serie unknown-runda på över 700 miljoner dollar .
• Maj 2026: Cirka 2 miljarder dollar vid en värdering på 20 miljarder dollar, ledd av Meituans venture-arm Long-Z Investments .
• Juni 2026: Inledde samtal om ytterligare en runda på 1–2 miljarder dollar med en värdering på 30 miljarder dollar – dess tredje finansiering på sex månader .

Totala offentliggjorda finansieringen uppgår till cirka 3,77 miljarder dollar över fyra rundor . Backarna inkluderar Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital och Zhen Fund . I april 2026 passerade Moonshots årliga återkommande intäkter 200 miljoner dollar, drivet av abonnemang till Kimi-chatboten och AI-modelltjänster .

Den strategiska bilden: Moonshot bränner kapital aggressivt för att hålla sig kvar i racet . K3-lanseringen signalerar att Moonshot kan leverera frontlinje-öppna modeller till en bråkdel av kostnaden för USA:s rivaler – ett nyckelsäljargument för globala företag som ifrågasätter ROI i Anthropics och Open AI:s prissättning . Open weight-strategin positionerar också K3 som en direkt konkurrent till DeepSeek:s öppna modeller för självhostade företagsinstallationer .