Kimi K3: що відомо про найбільшу open-weight AI-модель Moonshot AI

Це важливо не лише через рекордний масштаб. Kimi K3 скорочує розрив між відкритими вагами та закритими комерційними моделями, пропонує агресивну API-ціну й посилює дискусію про темпи розвитку китайської AI-індустрії .

Як і коли вийшла Kimi K3

Спочатку Kimi K3 стала доступною через API на Kimi.com, Kimi Work, Kimi Code та платформу Kimi API . Повні ваги Moonshot AI обіцяла оприлюднити до 27 липня 2026 року під Modified MIT license — модифікованою версією дозвільної MIT-ліцензії .

Термін open-weight означає, що користувачі можуть отримати параметри моделі, розгортати її на власній інфраструктурі, донавчати й перевіряти її роботу. Це відрізняється від закритих систем, доступних переважно через API провайдера. Водночас фактична цінність такого релізу залежить від того, чи зможуть розробники впоратися з вимогами до обладнання та умовами ліцензії.

Основні технічні характеристики Kimi K3:

• 2,8 трлн параметрів загалом;
• архітектура Mixture of Experts, у якій під час одного проходу активуються лише 16 із 896 експертних підмереж ;
• контекстне вікно на 1 млн токенів;
• нативна підтримка мультимодальних завдань, зокрема роботи із візуальною інформацією та 3D-міркуваннями .

За заявленим масштабом K3 претендує на статус першої open-weight моделі класу «3 трлн параметрів» — із застереженням, що 2,8 трлн округлюють до 3 трлн. Раніше в цьому сегменті згадували DeepSeek із моделлю на 1,6 трлн параметрів .

Результати тестів: майже рівень фронтирних моделей

Незалежні та оприлюднені розробником оцінювання поміщають Kimi K3 близько до передового рівня AI-систем.

На Artificial Analysis Intelligence Index модель отримала 57 балів — лише на 3 бали менше за Claude Fable 5 із результатом 60 . У незалежних рейтингах K3 посіла 4-те місце серед 186–189 моделей, випередивши Claude Opus 4.8 і GPT-5.5 .

На таблиці лідерів Frontend Code Arena Kimi K3 набрала 1 679 Elo, випередивши Claude Fable 5 саме в цьому показнику .

У тестах на роботу AI-агентів модель посіла перше місце у чотирьох із восьми практичних наборів завдань, серед яких Program Bench, SWE Marathon, SpreadsheetBench 2, Automation Bench і BrowseComp. За наведеними оцінками, K3 стала єдиною відкритою моделлю, якій вдалося очолити хоча б один із таких агентних бенчмарків .

Однак є важливе уточнення. Сама Moonshot AI визнає, що Kimi K3 «все ще поступається найпотужнішим пропрієтарним моделям — Claude Fable 5 і GPT 5.6 Sol» . Компанія позиціонує K3 не як безумовну заміну найкращим закритим системам, а як єдину open-weight модель у цьому діапазоні продуктивності .

Ціна API: ставка на здешевлення AI

Kimi K3 використовує єдину pay-as-you-go модель оплати без окремих тарифних рівнів залежно від довжини контексту . Станом на оприлюднені тарифи ціна за 1 млн токенів становить:

За оцінками джерел, у перерахунку на завдання це приблизно вдвічі дешевше за зіставні закриті американські фронтирні моделі . В одному з незалежних тестів середня вартість завдання для K3 становила $0,95, порівняно з $1,04 для GPT-5.6 Sol і $2,75 для Claude Fable 5 .

Саме поєднання ціни та якості може виявитися для ринку важливішим за сам рекорд у кількості параметрів: компанії отримують спосіб зменшити витрати на інференс, а розробники — альтернативу дорогим закритим API.

Чому реліз називають «моментом Sputnik»

Вплив Kimi K3 виходить далеко за межі таблиць із балами.

• Розрив у продуктивності звузився. На зведених оцінюваннях K3 відстає від найкращих американських моделей лише на кілька балів, а в окремих агентних і програмістських тестах їх випереджає .
• Ціна тисне на бізнес-модель конкурентів. Орієнтовно вдвічі нижча вартість виконання завдань посилює тиск на провайдерів, які продають доступ до закритих фронтирних систем .
• Open-weight змінює розподіл контролю. Ваги можна завантажувати, розгортати на власних серверах, донавчати й аналізувати, тоді як у закритих американських моделей користувач залежить від API-постачальника .
• Ринок відреагував нервово. Philadelphia Semiconductor Index, індекс акцій напівпровідникових компаній, за тиждень до 20 липня 2026 року впав на 12,5%. Це пов’язували з побоюваннями щодо здешевлення AI-інфраструктури та тиску на маржинальність великих гравців .
• Реліз отримав геополітичний вимір. BBC назвала його ознакою швидкого скорочення технологічного розриву між Китаєм і США, а The New York Times написала, що K3 послабила перевагу добре профінансованих американських конкурентів .
• Попит перевищив можливості сервісу. Через кілька днів після запуску Moonshot AI призупинила оформлення нових підписок, оскільки наплив користувачів перевантажив доступні потужності .

Порівняння із запуском DeepSeek або формулювання на кшталт «моменту Sputnik» варто сприймати як опис ринкового й політичного ефекту, а не як доказ того, що Kimi K3 вже обійшла всі американські системи.

Що може завадити Kimi K3 стати масовою

Високі вимоги до обладнання

2,8 трлн параметрів — величезний масштаб навіть для MoE-моделі, яка активує лише частину експертів під час обробки кожного токена. Для локального запуску або повноцінного self-hosting потрібні потужні GPU, великий обсяг пам’яті та складна конфігурація серверів .

Тому для більшості незалежних розробників і невеликих компаній практичнішим залишиться API, а не розгортання моделі на власному обладнанні . Інструменти для квантизації, оптимізації інференсу та роботи з MoE-моделями такого масштабу ще розвиваються .

Ліцензія та експортні обмеження

Американські обмеження на експорт передових чипів до Китаю можуть ускладнити Moonshot AI навчання наступних моделей у великих масштабах. Для західних компаній використання відкритих ваг також може створювати додаткові юридичні та комплаєнс-ризики .

Потреба в незалежній перевірці

Під час запуску лабораторія BenchLM.ai зазначала, що частину характеристик і результатів Kimi K3 ще не вдалося незалежно перевірити . Згодом з’явилися сторонні оцінки, але початкова нестача прозорості залишилася одним із питань до релізу .

Конкуренція в open-weight екосистемі

Kimi K3 виходить на вже насичений ринок, де є DeepSeek-V3, Llama 4, Qwen 3 та інші сильні відкриті моделі. Щоб утримати користувачів, Moonshot AI знадобляться стабільна підтримка спільноти, інструменти донавчання, сумісність із популярними платформами й регулярні оновлення .

Висновок

Kimi K3 — помітний рубіж для відкритих AI-моделей: 2,8 трлн параметрів, мільйонний контекст, результати близькі до найкращих закритих систем і ціна, яка приблизно вдвічі нижча за вартість аналогічних завдань у частини американських конкурентів.

Якщо Moonshot AI реалізує обіцянку щодо повного релізу ваг під Modified MIT license, модель може прискорити перехід від централізованих AI-сервісів до систем, які компанії та дослідники зможуть розгортати й модифікувати самостійно. Але це не означає миттєву доступність для всіх: вимоги до «заліза», експортні обмеження, ліцензійні нюанси та необхідність незалежної перевірки залишаються серйозними бар’єрами.

Зрештою, вплив Kimi K3 залежатиме не лише від її бенчмарків. Вирішальним стане те, чи зможе open-source-спільнота створити навколо моделі достатньо інструментів, оптимізованих версій і практичних сценаріїв використання — і як на цей виклик відреагують американські компанії.