สถาปัตยกรรม

Kimi K3 เป็นโมเดล Mixture-of-Experts (MoE) แบบ sparse ที่มีขนาด 2.8 ล้านล้านพารามิเตอร์ จากผู้เชี่ยวชาญ (experts) ทั้งหมด 896 ราย จะมีเพียง 16 รายที่ทำงานต่อหนึ่งโทเค็น การออกแบบนี้มีเป้าหมายเพื่อมอบความสามารถของโมเดลขนาดใหญ่ด้วยต้นทุนการคำนวณที่เทียบเท่าโมเดลที่เล็กกว่ามาก นวัตกรรมทางสถาปัตยกรรมที่สำคัญ ได้แก่:

• Stable LatentMoE: สูตร MoE แบบกำหนดเองของ Moonshot ซึ่งบริษัทอ้างว่าช่วยปรับปรุงเสถียรภาพและประสิทธิภาพในการฝึก
• Kimi Delta Attention (KDA) และ Attention Residuals (AttnRes): กลไก Attention ใหม่ที่ Moonshot อ้างว่าช่วยให้การฝึกและ Inference เร็วขึ้นถึง 6.3 เท่า เมื่อเทียบกับกลไก Attention มาตรฐาน
• หน้าต่างบริบทขนาด 1 ล้านโทเค็น พร้อมความสามารถด้านภาพในตัว ทำให้โมเดลสามารถประมวลผลเอกสารยาวและรูปภาพในพรอมต์เดียวได้
• ในการเปิดตัวครั้งแรก K3 ทำงานในโหมด max-effort reasoning เป็นค่าเริ่มต้นเท่านั้น ยังไม่มีตัวเลือก Inference ที่เร็วกว่าหรือเบากว่าให้ใช้

ตัวเลือกทางสถาปัตยกรรมเหล่านี้ทำให้ K3 กลายเป็นคู่แข่งโดยตรงกับโมเดลระดับแนวหน้าที่มีราคาแพงที่สุด โดยมีเป้าหมายเพื่อให้ตรงกับความฉลาดของโมเดลเหล่านั้นในขณะที่ให้มูลค่าที่ดีกว่าอย่างเห็นได้ชัด

ประสิทธิภาพในการวัดผล (Benchmark)

คะแนน Benchmark ของ Kimi K3 อยู่ในระดับระหว่างโมเดลระบบปิดระดับ Tier-1 และกลุ่มโมเดล Open-weight คะแนนจากการทดสอบอิสระที่สำคัญมีดังนี้ :

• ดัชนี Artificial Analysis Intelligence: 57.1 – อยู่อันดับ 4 โดยรวม ตามหลัง Claude Fable 5 (~60) และ GPT-5.6 Sol (~59) และนำหน้า Claude Opus 4.8 (~56) เล็กน้อย
• LMArena Frontend Code Arena: #1 – K3 คว้าอันดับหนึ่งในการทดสอบแบบ Blind Test สำหรับการเขียนโค้ด Frontend เอาชนะโมเดลอื่นๆ ทั้งหมด รวมถึง Claude Fable 5 และ GPT-5.6 Sol
• LMArena Chatbot Arena (StyleCtrl): อันดับ 9 โดยรวม ด้วย Elo ประมาณ 1380
• GPQA Diamond: ได้คะแนน 93.5% ซึ่งเป็นผลลัพธ์ที่ดีที่สุดในบรรดาโมเดล open-weight ณ เวลาที่เปิดตัว โดยแซงหน้า Claude Fable 5 ที่ได้ 92.6% ในการวัดผลการให้เหตุผลทางวิทยาศาสตร์ระดับปริญญาเอกนี้
• SWE-bench Verified: คะแนนที่รายงานโดยผู้พัฒนาอยู่ที่ 80%+ ซึ่งบ่งชี้ถึงประสิทธิภาพการเขียนโค้ดแบบ Agentic ที่แข็งแกร่ง
• Terminal-Bench 2.1: ได้คะแนน 88.3% เอาชนะ Claude Fable 5 ในการวัดผล Terminal แบบ Agentic นี้
• GDPval v2: ได้ Elo 1668 ในการจัดอันดับงานด้านความรู้ เอาชนะ Claude Opus 4.8 (1600) แต่ตามหลัง Claude Fable 5 (1760) และ GPT-5.6 Sol (1748)

ในการเปรียบเทียบ 14 ชาร์ตของ Moonshot เอง K3 เอาชนะ Claude Fable 5 ได้ใน 6 Benchmark ได้แก่ Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 และ BrowseComp ส่วน Fable 5 ชนะใน 8 Benchmark ที่เหลือ โดย FrontierSWE เป็นช่องว่างที่กว้างที่สุด (86.6 เทียบกับ 81.2 ของ K3)

ผู้ทดสอบอิสระสังเกตว่า K3 ทำงานช้ากว่าและให้ผลลัพธ์ที่ verbose กว่าโมเดลที่เทียบเคียงได้ และในขณะนี้มีเพียงโหมด Inference แบบ "max effort" เท่านั้นที่พร้อมใช้งาน การเปรียบเทียบ Benchmark ทั้งหมดในขณะนี้อ้างอิงจาก ข้อมูลที่รายงานโดยผู้พัฒนาและการรวบรวมจากบุคคลที่สาม จาก Artificial Analysis และ LMArena การตรวจสอบโดยอิสระจากผู้ทรงคุณวุฒิสำหรับชุดการทดสอบทั้งหมดยังอยู่ในระหว่างดำเนินการ

ราคา

ราคา API ของ Kimi K3 ณ วันที่ 16 กรกฎาคม 2026 :

• Input (cache miss): 3.00 ดอลลาร์สหรัฐต่อล้านโทเค็น
• Cached input: 0.375 ดอลลาร์สหรัฐต่อล้านโทเค็น (รายงานเป็น 0.30 ดอลลาร์สหรัฐในหลายแหล่ง )
• Output: 15.00 ดอลลาร์สหรัฐต่อล้านโทเค็น

ราคานี้ ถูกกว่า Claude Fable 5 และ GPT-5.6 Sol ประมาณ 3–10 เท่า ต่อโทเค็น อย่างไรก็ตาม ราคานี้ แพงกว่าโมเดลเรือธงรุ่นก่อนหน้าของ Moonshot อย่าง K2 ประมาณสามถึงสี่เท่า ซึ่งเป็นจุดสิ้นสุดของยุค API จีนราคาถูกมาก ราคานี้คงที่ตลอดหน้าต่าง 1 ล้านโทเค็นทั้งหมด ไม่ได้แบ่งตามระดับบริบท

ไทม์ไลน์การเปิดตัว Open-Weight

• เปิดตัว API: 16 กรกฎาคม 2026 ที่ platform.kimi.ai
• น้ำหนักโมเดลเต็มบน Hugging Face: สัญญาว่าจะปล่อย ภายในวันที่ 27 กรกฎาคม 2026 ภายใต้สัญญาอนุญาต Modified MIT ซึ่งเป็นมิตรต่อการใช้งานเชิงพาณิชย์แต่มีข้อจำกัดบางประการ
• ณ วันที่รายงานที่มีอยู่ (จนถึงวันที่ 18 กรกฎาคม 2026) น้ำหนักโมเดลยังไม่เปิดเผยต่อสาธารณะ – มีเพียง API และโปรแกรมการเข้าถึงสำหรับนักวิจัยเท่านั้นที่ใช้งานได้
• เมื่อเปิดตัวแล้ว K3 จะเป็น โมเดล open-weight ที่ใหญ่ที่สุดเท่าที่เคยเผยแพร่มา แซงหน้า DeepSeek V4 Pro (1.6 ล้านล้านพารามิเตอร์) และซีรีส์ GLM 5 ของ Zhipu AI (744 พันล้าน) อย่างมาก

การเปิดตัวแบบสองขั้นตอน – API แบบชำระเงินก่อน ตามด้วยน้ำหนักโมเดลแบบเปิดอีกสิบเอ็ดวันต่อมา – เป็นเอกลักษณ์ของการประกาศครั้งนี้ Moonshot เรียก K3 ว่า "open frontier intelligence" แต่ควรอธิบายว่าเป็นความมุ่งมั่นที่จะเปิดน้ำหนักโมเดลมากกว่าที่จะเป็นการปฏิบัติจริง จนกว่าจะสามารถดาวน์โหลด checkpoint ได้

บริบทเชิงกลยุทธ์และการระดมทุน

Moonshot AI ระดมทุนได้อย่างมหาศาลเป็นพิเศษ โดยได้รับแรงผลักดันจากความจำเป็นในการรักษาจังหวะในการแข่งขัน AI ที่รุนแรงของจีน :

• พฤศจิกายน 2025: ระดมทุนด้วยมูลค่าประมาณ 4 พันล้านดอลลาร์สหรัฐ
• กุมภาพันธ์ 2026: ปิด Series Unknown มูลค่ากว่า 700 ล้านดอลลาร์สหรัฐ
• พฤษภาคม 2026: ระดมทุนได้ประมาณ 2 พันล้านดอลลาร์สหรัฐ ด้วยมูลค่า 20,000 ล้านดอลลาร์สหรัฐ นำโดย Long-Z Investments ซึ่งเป็นบริษัทในเครือของ Meituan
• มิถุนายน 2026: เปิดการเจรจาเพื่อระดมทุนอีก 1–2 พันล้านดอลลาร์สหรัฐ โดยตั้งเป้ามูลค่า 30,000 ล้านดอลลาร์สหรัฐ – เป็นการระดมทุนครั้งที่สามในรอบหกเดือน

ยอดรวมการระดมทุนที่เปิดเผยอยู่ที่ประมาณ 3.77 พันล้านดอลลาร์สหรัฐ จากการระดมทุน 4 รอบ นักลงทุนรวมถึง Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital และ Zhen Fund ภายในเดือนเมษายน 2026 รายได้ประจำต่อปีของ Moonshot สูงถึง 200 ล้านดอลลาร์สหรัฐ ซึ่งขับเคลื่อนโดยการสมัครสมาชิกแชทบอท Kimi และบริการโมเดล AI

ภาพรวมเชิงกลยุทธ์: Moonshot กำลังใช้เงินทุนอย่างจริงจังเพื่อให้อยู่ในเกมการแข่งขัน การเปิดตัว K3 ส่งสัญญาณว่า Moonshot สามารถส่งมอบโมเดล open-weight ระดับแนวหน้าได้ในราคาเพียงเศษเสี้ยวของคู่แข่งสหรัฐฯ ซึ่งเป็นจุดขายสำคัญสำหรับธุรกิจทั่วโลกที่ตั้งคำถามถึงผลตอบแทนจากการลงทุนในราคาของ Anthropic และ OpenAI กลยุทธ์น้ำหนักโมเดลแบบเปิดยังทำให้ K3 เป็นคู่แข่งโดยตรงกับโมเดลเปิดของ DeepSeek สำหรับการปรับใช้ในองค์กรด้วยตนเอง

สถาปัตยกรรม

Kimi K3 เป็นโมเดล Mixture-of-Experts (MoE) แบบ sparse ที่มีขนาด 2.8 ล้านล้านพารามิเตอร์ จากผู้เชี่ยวชาญ (experts) ทั้งหมด 896 ราย จะมีเพียง 16 รายที่ทำงานต่อหนึ่งโทเค็น การออกแบบนี้มีเป้าหมายเพื่อมอบความสามารถของโมเดลขนาดใหญ่ด้วยต้นทุนการคำนวณที่เทียบเท่าโมเดลที่เล็กกว่ามาก นวัตกรรมทางสถาปัตยกรรมที่สำคัญ ได้แก่:

• Stable LatentMoE: สูตร MoE แบบกำหนดเองของ Moonshot ซึ่งบริษัทอ้างว่าช่วยปรับปรุงเสถียรภาพและประสิทธิภาพในการฝึก
• Kimi Delta Attention (KDA) และ Attention Residuals (AttnRes): กลไก Attention ใหม่ที่ Moonshot อ้างว่าช่วยให้การฝึกและ Inference เร็วขึ้นถึง 6.3 เท่า เมื่อเทียบกับกลไก Attention มาตรฐาน
• หน้าต่างบริบทขนาด 1 ล้านโทเค็น พร้อมความสามารถด้านภาพในตัว ทำให้โมเดลสามารถประมวลผลเอกสารยาวและรูปภาพในพรอมต์เดียวได้
• ในการเปิดตัวครั้งแรก K3 ทำงานในโหมด max-effort reasoning เป็นค่าเริ่มต้นเท่านั้น ยังไม่มีตัวเลือก Inference ที่เร็วกว่าหรือเบากว่าให้ใช้

ตัวเลือกทางสถาปัตยกรรมเหล่านี้ทำให้ K3 กลายเป็นคู่แข่งโดยตรงกับโมเดลระดับแนวหน้าที่มีราคาแพงที่สุด โดยมีเป้าหมายเพื่อให้ตรงกับความฉลาดของโมเดลเหล่านั้นในขณะที่ให้มูลค่าที่ดีกว่าอย่างเห็นได้ชัด

ประสิทธิภาพในการวัดผล (Benchmark)

คะแนน Benchmark ของ Kimi K3 อยู่ในระดับระหว่างโมเดลระบบปิดระดับ Tier-1 และกลุ่มโมเดล Open-weight คะแนนจากการทดสอบอิสระที่สำคัญมีดังนี้ :

• ดัชนี Artificial Analysis Intelligence: 57.1 – อยู่อันดับ 4 โดยรวม ตามหลัง Claude Fable 5 (~60) และ GPT-5.6 Sol (~59) และนำหน้า Claude Opus 4.8 (~56) เล็กน้อย
• LMArena Frontend Code Arena: #1 – K3 คว้าอันดับหนึ่งในการทดสอบแบบ Blind Test สำหรับการเขียนโค้ด Frontend เอาชนะโมเดลอื่นๆ ทั้งหมด รวมถึง Claude Fable 5 และ GPT-5.6 Sol
• LMArena Chatbot Arena (StyleCtrl): อันดับ 9 โดยรวม ด้วย Elo ประมาณ 1380
• GPQA Diamond: ได้คะแนน 93.5% ซึ่งเป็นผลลัพธ์ที่ดีที่สุดในบรรดาโมเดล open-weight ณ เวลาที่เปิดตัว โดยแซงหน้า Claude Fable 5 ที่ได้ 92.6% ในการวัดผลการให้เหตุผลทางวิทยาศาสตร์ระดับปริญญาเอกนี้
• SWE-bench Verified: คะแนนที่รายงานโดยผู้พัฒนาอยู่ที่ 80%+ ซึ่งบ่งชี้ถึงประสิทธิภาพการเขียนโค้ดแบบ Agentic ที่แข็งแกร่ง
• Terminal-Bench 2.1: ได้คะแนน 88.3% เอาชนะ Claude Fable 5 ในการวัดผล Terminal แบบ Agentic นี้
• GDPval v2: ได้ Elo 1668 ในการจัดอันดับงานด้านความรู้ เอาชนะ Claude Opus 4.8 (1600) แต่ตามหลัง Claude Fable 5 (1760) และ GPT-5.6 Sol (1748)

ในการเปรียบเทียบ 14 ชาร์ตของ Moonshot เอง K3 เอาชนะ Claude Fable 5 ได้ใน 6 Benchmark ได้แก่ Terminal-Bench 2.1, Program Bench, SWE Marathon, Automation Bench, SpreadsheetBench 2 และ BrowseComp ส่วน Fable 5 ชนะใน 8 Benchmark ที่เหลือ โดย FrontierSWE เป็นช่องว่างที่กว้างที่สุด (86.6 เทียบกับ 81.2 ของ K3)

ผู้ทดสอบอิสระสังเกตว่า K3 ทำงานช้ากว่าและให้ผลลัพธ์ที่ verbose กว่าโมเดลที่เทียบเคียงได้ และในขณะนี้มีเพียงโหมด Inference แบบ "max effort" เท่านั้นที่พร้อมใช้งาน การเปรียบเทียบ Benchmark ทั้งหมดในขณะนี้อ้างอิงจาก ข้อมูลที่รายงานโดยผู้พัฒนาและการรวบรวมจากบุคคลที่สาม จาก Artificial Analysis และ LMArena การตรวจสอบโดยอิสระจากผู้ทรงคุณวุฒิสำหรับชุดการทดสอบทั้งหมดยังอยู่ในระหว่างดำเนินการ

ราคา

ราคา API ของ Kimi K3 ณ วันที่ 16 กรกฎาคม 2026 :

• Input (cache miss): 3.00 ดอลลาร์สหรัฐต่อล้านโทเค็น
• Cached input: 0.375 ดอลลาร์สหรัฐต่อล้านโทเค็น (รายงานเป็น 0.30 ดอลลาร์สหรัฐในหลายแหล่ง )
• Output: 15.00 ดอลลาร์สหรัฐต่อล้านโทเค็น

ราคานี้ ถูกกว่า Claude Fable 5 และ GPT-5.6 Sol ประมาณ 3–10 เท่า ต่อโทเค็น อย่างไรก็ตาม ราคานี้ แพงกว่าโมเดลเรือธงรุ่นก่อนหน้าของ Moonshot อย่าง K2 ประมาณสามถึงสี่เท่า ซึ่งเป็นจุดสิ้นสุดของยุค API จีนราคาถูกมาก ราคานี้คงที่ตลอดหน้าต่าง 1 ล้านโทเค็นทั้งหมด ไม่ได้แบ่งตามระดับบริบท

ไทม์ไลน์การเปิดตัว Open-Weight

• เปิดตัว API: 16 กรกฎาคม 2026 ที่ platform.kimi.ai
• น้ำหนักโมเดลเต็มบน Hugging Face: สัญญาว่าจะปล่อย ภายในวันที่ 27 กรกฎาคม 2026 ภายใต้สัญญาอนุญาต Modified MIT ซึ่งเป็นมิตรต่อการใช้งานเชิงพาณิชย์แต่มีข้อจำกัดบางประการ
• ณ วันที่รายงานที่มีอยู่ (จนถึงวันที่ 18 กรกฎาคม 2026) น้ำหนักโมเดลยังไม่เปิดเผยต่อสาธารณะ – มีเพียง API และโปรแกรมการเข้าถึงสำหรับนักวิจัยเท่านั้นที่ใช้งานได้
• เมื่อเปิดตัวแล้ว K3 จะเป็น โมเดล open-weight ที่ใหญ่ที่สุดเท่าที่เคยเผยแพร่มา แซงหน้า DeepSeek V4 Pro (1.6 ล้านล้านพารามิเตอร์) และซีรีส์ GLM 5 ของ Zhipu AI (744 พันล้าน) อย่างมาก

การเปิดตัวแบบสองขั้นตอน – API แบบชำระเงินก่อน ตามด้วยน้ำหนักโมเดลแบบเปิดอีกสิบเอ็ดวันต่อมา – เป็นเอกลักษณ์ของการประกาศครั้งนี้ Moonshot เรียก K3 ว่า "open frontier intelligence" แต่ควรอธิบายว่าเป็นความมุ่งมั่นที่จะเปิดน้ำหนักโมเดลมากกว่าที่จะเป็นการปฏิบัติจริง จนกว่าจะสามารถดาวน์โหลด checkpoint ได้

บริบทเชิงกลยุทธ์และการระดมทุน

Moonshot AI ระดมทุนได้อย่างมหาศาลเป็นพิเศษ โดยได้รับแรงผลักดันจากความจำเป็นในการรักษาจังหวะในการแข่งขัน AI ที่รุนแรงของจีน :

• พฤศจิกายน 2025: ระดมทุนด้วยมูลค่าประมาณ 4 พันล้านดอลลาร์สหรัฐ
• กุมภาพันธ์ 2026: ปิด Series Unknown มูลค่ากว่า 700 ล้านดอลลาร์สหรัฐ
• พฤษภาคม 2026: ระดมทุนได้ประมาณ 2 พันล้านดอลลาร์สหรัฐ ด้วยมูลค่า 20,000 ล้านดอลลาร์สหรัฐ นำโดย Long-Z Investments ซึ่งเป็นบริษัทในเครือของ Meituan
• มิถุนายน 2026: เปิดการเจรจาเพื่อระดมทุนอีก 1–2 พันล้านดอลลาร์สหรัฐ โดยตั้งเป้ามูลค่า 30,000 ล้านดอลลาร์สหรัฐ – เป็นการระดมทุนครั้งที่สามในรอบหกเดือน

ยอดรวมการระดมทุนที่เปิดเผยอยู่ที่ประมาณ 3.77 พันล้านดอลลาร์สหรัฐ จากการระดมทุน 4 รอบ นักลงทุนรวมถึง Alibaba, Tencent, Meituan, 5Y Capital, IDG Capital และ Zhen Fund ภายในเดือนเมษายน 2026 รายได้ประจำต่อปีของ Moonshot สูงถึง 200 ล้านดอลลาร์สหรัฐ ซึ่งขับเคลื่อนโดยการสมัครสมาชิกแชทบอท Kimi และบริการโมเดล AI

ภาพรวมเชิงกลยุทธ์: Moonshot กำลังใช้เงินทุนอย่างจริงจังเพื่อให้อยู่ในเกมการแข่งขัน การเปิดตัว K3 ส่งสัญญาณว่า Moonshot สามารถส่งมอบโมเดล open-weight ระดับแนวหน้าได้ในราคาเพียงเศษเสี้ยวของคู่แข่งสหรัฐฯ ซึ่งเป็นจุดขายสำคัญสำหรับธุรกิจทั่วโลกที่ตั้งคำถามถึงผลตอบแทนจากการลงทุนในราคาของ Anthropic และ OpenAI กลยุทธ์น้ำหนักโมเดลแบบเปิดยังทำให้ K3 เป็นคู่แข่งโดยตรงกับโมเดลเปิดของ DeepSeek สำหรับการปรับใช้ในองค์กรด้วยตนเอง