Kimi K3 hakkında bilmeniz gerekenler: Açık ağırlıklı 2,8 trilyon parametreli model

K3’ün etkisi yalnızca parametre sayısından kaynaklanmıyor. Model, açık ağırlıklı sistemlerle kapalı kaynaklı öncü modeller arasındaki farkın daraldığı iddiasını güçlendirirken, API fiyatlarıyla da ABD merkezli rakipler üzerinde baskı oluşturuyor . Aynı zamanda Çin’in yapay zekâ kapasitesinin ABD ile arasındaki farkı hızla kapattığı yönündeki değerlendirmeleri yeniden gündeme taşıyor .

Açık ağırlık sürümü ne zaman ve nasıl yayımlanacak?

Kimi K3 ilk aşamada Kimi.com, Kimi Work, Kimi Code ve Kimi API üzerinden erişime açıldı . Tam model ağırlıklarının ise 27 Temmuz 2026’ya kadar yayımlanması planlandı ve bunun için Modified MIT lisansı işaret edildi .

Açık ağırlık, modelin tümüyle “açık kaynak” olduğu anlamına her zaman gelmez. Buradaki temel fark, model ağırlıklarının indirilebilmesi, uygun donanımla kendi altyapınızda çalıştırılabilmesi ve üzerinde ince ayar yapılabilmesidir. Bu nedenle K3’ün planlanan sürümü, araştırmacılar ve geliştiriciler için yalnızca bir API hizmetinden daha fazla kontrol vaat ediyor .

Modelin toplam ölçeği 2,8 trilyon parametre. MoE yapısında her ileri geçişte yalnızca 16 uzman etkinleştiriliyor; böylece her token için tüm parametrelerin çalıştırılması gerekmiyor . Yine de bu büyüklük, K3’ü yerel kullanım açısından son derece ağır bir model olmaktan çıkarmıyor.

Benchmark sonuçları: Zirveye ne kadar yakın?

Bağımsız ve şirket tarafından bildirilen testler, Kimi K3’ün yapay zekâ yeteneklerinde öncü sınıfa yaklaştığını gösteriyor. Artificial Analysis Intelligence Index’te model 57 puan aldı; Claude Fable 5’in puanı ise 60 olarak verildi . K3 ayrıca bağımsız sıralamalarda 186–189 model arasında dördüncü sırada gösterildi ve Claude Opus 4.8 ile GPT-5.5’in önünde yer aldı .

Kodlama tarafında Frontend Code Arena’da 1.679 Elo puanına ulaşarak söz konusu ölçümde Claude Fable 5’i geride bıraktı . Ajan tabanlı, yani birden fazla adımı planlayıp uygulayabilen sistemleri gerçek iş akışlarında sınayan değerlendirmelerde de dikkat çekti. K3, sekiz gerçek dünya ajan benchmark’ının dördünde birinci sırada gösterildi; bu kategoriler arasında Program Bench, SWE Marathon, SpreadsheetBench 2, Automation Bench ve BrowseComp gibi testler yer alıyor .

Ancak burada önemli bir ayrım var: Bu sonuçlar Kimi K3’ün tüm ölçümlerde en iyi model olduğu anlamına gelmiyor. Moonshot AI, K3’ün Claude Fable 5 ve GPT-5.6 Sol gibi en güçlü özel mülkiyetli modellerin hâlâ gerisinde kaldığını kendisi de kabul ediyor . Şirketin asıl vurgusu, K3’ün bu performans seviyesine ulaşan tek açık ağırlıklı model olduğu yönünde .

API fiyatları neden dikkat çekiyor?

Kimi K3, bağlam uzunluğuna göre kademeli paketler sunmak yerine sabit kullandıkça öde modelini kullanıyor . Fiyatlar, 1 milyon token başına şöyle listeleniyor:

Bağımsız testlerde K3’ün görev başına maliyeti 0,95 dolar olarak ölçüldü. Aynı karşılaştırmada GPT-5.6 Sol için 1,04 dolar, Claude Fable 5 içinse 2,75 dolar verildi . Bu sonuçlar, K3’ün her kullanım senaryosunda otomatik olarak daha ucuz olduğu anlamına gelmese de modelin fiyat rekabetini stratejisinin merkezine koyduğunu gösteriyor.

K3’ün API fiyatlarının benzer kapalı kaynaklı ABD merkezli öncü modellere kıyasla görev başına yaklaşık yarı maliyet sunduğu bildirildi . Bu durum özellikle yoğun kod üretimi, uzun belgelerin işlenmesi ve arka planda çalışan ajan sistemleri geliştiren şirketler için önemli olabilir.

Kapalı kaynaklı ABD modellerine karşı anlamı

Kimi K3’ün piyasadaki etkisi dört başlıkta toplanabilir:

• Performans farkının daralması: K3, genel zekâ ölçümlerinde en güçlü ABD modellerinin birkaç puan gerisinde kalırken bazı kodlama ve ajan testlerinde onları yakalıyor veya geçiyor .
• Fiyat baskısı: Daha düşük token ücretleri, kapalı kaynaklı sağlayıcıların yüksek marjlı API modelini sorgulatabilir .
• Kullanıcı kontrolünün artması: Açık ağırlıklar yayımlandığı takdirde geliştiriciler modeli indirebilir, kendi sunucularında çalıştırabilir, ince ayar yapabilir ve davranışını denetleyebilir. Bu, kontrolün yalnızca API sağlayıcısında toplanmasını engelleyebilir .
• Jeopolitik mesaj: BBC, lansmanın Çin’in teknoloji kapasitesiyle ABD arasındaki farkın hızla daraldığını gösterdiğini yazdı. New York Times ise K3’ün, iyi finanse edilen Amerikan rakiplerinin sahip olduğu avantajı zayıflattığını değerlendirdi .

Bazı yorumcular lansmanı, yapay zekâ değer zincirini yeniden şekillendirebilecek bir “Sputnik anı” olarak nitelendirdi . Bu ifade, modelin tek başına ABD’yi geride bıraktığını değil; rekabetin donanım, model erişimi, fiyatlandırma ve dağıtım boyutlarında yeni bir aşamaya girdiğini anlatıyor.

Lansmanın finansal piyasalarda da yankı bulduğu bildirildi. Philadelphia Semiconductor Index’in 20 Temmuz 2026’dan önceki hafta %12,5 gerilemesi, yatırımcıların yapay zekâ modellerinin metalaşması ve mevcut şirketlerin kâr marjlarının baskı altına girmesi konusundaki endişeleriyle ilişkilendirildi . Ayrıca yoğun talep nedeniyle Moonshot AI’ın lansmandan birkaç gün sonra yeni abonelikleri geçici olarak durdurduğu aktarıldı .

Kimi K3’ün önündeki engeller

Donanım ve self-hosting maliyeti

Açık ağırlıkların yayımlanması, K3’ü herkesin dizüstü bilgisayarında çalıştırabileceği anlamına gelmiyor. 2,8 trilyon parametreli MoE modelinde her token için yalnızca 16 uzman etkinleşse bile, modeli ölçekli biçimde çalıştırmak yüksek performanslı GPU’lar ve büyük miktarda bellek gerektiriyor .

Bu nedenle bağımsız geliştiricilerin ve küçük kuruluşların önemli bölümü, ağırlıkları indirip kendi altyapısını kurmak yerine API erişimini tercih edebilir . MoE modelleri için çıkarım optimizasyonu, nicemleme ve geliştirici araçları da hâlâ olgunlaşma aşamasında .

İhracat kontrolleri ve lisans riski

ABD’nin Çin’e gelişmiş çip ihracatını sınırlayan düzenlemeleri, Moonshot AI’ın gelecekteki modelleri büyük ölçekte eğitme kapasitesini etkileyebilir. Aynı kısıtlamalar, Batılı şirketlerin K3 ağırlıklarını kullanırken uyumluluk ve hukuk incelemeleri yapmasını da gerektirebilir .

Güven ve bağımsız doğrulama

K3’ün ilk duyurusu sırasında bazı teknik özelliklerin ve benchmark sonuçlarının bağımsız biçimde doğrulanamadığına dikkat çekildi . Daha sonra üçüncü taraf değerlendirmeleri ortaya çıksa da başlangıçtaki şeffaflık eksikliği, sonuçların yorumlanmasında temkinli olunması gerektiğini gösteriyor . Özellikle şirketin kendi yaptığı testlerle bağımsız laboratuvarların ölçümleri birbirinden ayrı değerlendirilmelidir.

Kalıcı bir ekosistem kurma gereği

K3, DeepSeek-V3, Llama 4, Qwen 3 ve diğer güçlü açık modellerin bulunduğu rekabetçi bir pazara giriyor . Bir modelin kalıcı başarı kazanması yalnızca benchmark puanına bağlı değil. Topluluk desteği, ince ayar veri setleri, dağıtım araçları, güvenlik güncellemeleri ve mevcut yazılım ekosistemleriyle entegrasyon da belirleyici olacak.

Sonuç: Değişim modelin büyüklüğünden çok erişim biçiminde olabilir

Kimi K3, 2,8 trilyon parametresiyle şimdiye kadar duyurulan en büyük açık ağırlıklı yapay zekâ modellerinden biri olarak öne çıkıyor. Bağımsız değerlendirmelerde en iyi kapalı kaynaklı sistemlere yaklaşması ve yaklaşık yarı maliyet seviyesindeki API fiyatları, açık modellerin rekabet gücünü yeniden tartışmaya açıyor.

Bununla birlikte K3’ün sektörün kaderini tek başına değiştirdiğini söylemek için erken. Modeli kendi altyapısında çalıştırmanın maliyeti yüksek, ABD-Çin çip kısıtlamaları devam ediyor ve benchmark sonuçlarının uzun vadeli bağımsız doğrulamaya ihtiyacı var. K3’ün gerçek etkisi, açık ağırlıkların planlandığı biçimde yayımlanıp yayımlanmayacağına ve geliştirici topluluğunun bu ağırlıklar üzerine ne kadar hızlı bir ekosistem kuracağına bağlı olacak.