Что такое Kimi K3? Open-source модель 2,8T и контекст релиза
В ночь на 16 июля 2026 в шапке API-доков Moonshot появился баннер «Kimi K3 доступен» — без большой презентации и соцкампании, только техблог, страница цен и сразу вызываемый model ID kimi-k3. Сдержанный запуск на фоне 2,8 трлн параметров.
Кратко: Kimi K3 — сейчас крупнейшая open-source AI-модель в мире — 2,8T параметров, ~на 75 % больше DeepSeek V4 Pro (1,6T), в 2,7× больше open-source Xiaomi (1,02T), более чем в 7× Alibaba (397B). Sparse MoE активирует 16 из 896 экспертов; контекст 1 M токенов (примерно пять романов за один проход) и нативное зрение для сложного кода, длинных документов и knowledge work. Полные веса open source 27 июля; API ~на 40 % дешевле Claude Opus 4.8.
| Спецификация | Значение |
|---|---|
| Всего параметров | 2,8 трлн (2,8T) |
| Архитектура | Kimi Delta Attention + Attention Residuals + Stable LatentMoE |
| Активные эксперты | 16 / 896 (разреженность 1,8 %) |
| Окно контекста | 1 048 576 токенов (1M) |
| Входные модальности | Текст, изображение, видео |
| Режим инференса | Сейчас только max (low/high позже) |
| Цена API | $3 / $15 за 1M токенов (вход/выход) |
| Open weights | 27 июля 2026 (Hugging Face) |
Почему релиз важен: Moonshot AI 18 месяцев давила конкуренция DeepSeek — K3 сильный ответ:
Рекорд масштаба: Kimi 9 из 12 месяцев держала верх open-source по размеру.
Стратегический момент: запуск накануне WAIC 2026 (17–20 июля).
Коммерция: ARR >$300 млн (июнь 2026), 6-й раунд, pre-money $31,5 млрд.
API-first: доля API >70 %, зарубежные платящие +400 %.
Типичные ошибки: «больше параметров» ≠ #1 везде; разные harness; до 27.7. нет полных локальных весов; FrontierSWE ведёт Fable 5; один модель на все agent-сценарии не подходит.
Kimi Delta Attention и три архитектурных инновации
Kimi K3 — не просто наращивание параметров: три инженерных нововведения решают узкие места long context и ultra-sparse MoE.
2.1 Kimi Delta Attention (KDA) — гибрид linear attention
Full attention раздувает KV cache; при 1 M токенов это неподъёмно. KDA чередует в соотношении 3:1 linear attention и full attention: три linear слоя для локальной структуры (дёшево), один full attention для глобального потока. Итог: KV cache меньше до 75 %; декодирование million-token до 6,3× быстрее; лучше full-attention baseline в коротком, длинном контексте и RL scaling.
Аналогия: full attention помнит всё; KDA как эффективный ассистент — быстрая индексация, точное воспоминание в нужный момент.
2.2 Attention Residuals (AttnRes) — выборочный доступ по глубине
Стандартные residual размывают ранние представления на глубине. AttnRes даёт выборочный доступ к ценным ранним слоям через глубину. Moonshot сообщает ~25 % прироста эффективности обучения при <2 % доп. compute.
2.3 Stable LatentMoE — 896 экспертов, 16 активных
| Техника | Роль |
|---|---|
| Quantile Balancing | Распределение экспертов по квантилям роутера, меньше эвристик |
| Per-Head Muon | Оптимизация по головам attention, адаптивное обучение |
| Sigmoid Tanh Unit (SiTU) | Улучшенный контроль активаций |
| Gated MLA | Выше селективность attention |
В сумме Kimi K3 даёт ~2,5× лучшую scaling-эффективность vs Kimi K2 — та же compute, больше интеллекта.
Бенчмарки Kimi K3: сравнение с Claude Fable 5 и GPT-5.6 Sol
Self-report Moonshot (разные harness: K3 Kimi Code, GPT Codex, Claude Claude Code). Независимая проверка идёт.
| Бенчмарк | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro (vision) | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench | 91.1 | 89.8 | 85.8 | 87.9 | — |
Ключевые выводы:
SWE Marathon (42,0, 1-е место): длительная работа с кодом — ближе всего к «часам продуктивного coding».
Program Bench (77,8, 1-е): чуть выше Fable 5 (76,8) и GPT-5.6 Sol (77,6).
FrontierSWE: Fable 5 лидирует 86,6; K3 (81,2) заметно выше GPT-5.6 Sol (71,3).
OmniDocBench (91,1, 1-е): vision + long context.
Общий интеллект: Artificial Analysis Intelligence Index v4.1 — K3 57,1, 4-е место, за Fable 5 (59,9) и GPT-5.6 Sol (58,9), отрыв 2,8 пункта.
Важно: self-report производителя, harness не унифицированы. Ориентир — проверяйте на своих eval в проде.
Цены Kimi K3 и шесть способов подключения
| Модель | Вход ($/M) | Выход ($/M) | Cache-hit вход | Контекст |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 (promo $2) | $15.00 (promo $10) | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
K3 по стандартной цене как Claude Sonnet 5 ($3/$15), контекст в 5× больше. Cache hit от $0,30/M (1/10 тарифа); Moonshot сообщает >90 % hits в coding. API Китай: вход ¥20/M, выход ¥100/M, cache ¥2/M; kimi.com бесплатно, prepaid от ¥199 (до 11 августа).
Шесть шагов для старта:
Kimi Web/App: kimi.com, аккаунт (Google), K3 default max, без карты.
Официальный API key: platform.kimi.ai, base_url = https://api.moonshot.ai/v1, model kimi-k3.
OpenRouter: ID moonshotai/kimi-k3, официальные цены, полный 1M контекст.
Оптимизация cache: переиспользовать system prompt и tool definitions; Mooncake, hits 90 %+.
Веса 27 июля: полные веса на Hugging Face; суперузел 64+ ускорителей; квантизация MXFP4/NVFP4, vLLM/SGLang Day-0 ожидается.
Гибридный routing: long code → K3, repo bugs → Fable 5, terminal agent → GPT-5.6 Sol — не один модель на всё.
from openai import OpenAI
client = OpenAI(
api_key="your_moonshot_api_key",
base_url="https://api.moonshot.ai/v1"
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Проанализируй этот код..."}]
)Матрица сценариев, open-source обещание и цитируемые данные
| Сценарий | Рекомендуемая модель | Причина |
|---|---|---|
| Длительный coding | Kimi K3 | SWE Marathon #1, самый длинный контекст |
| Bugfix уровня repo | Claude Fable 5 | FrontierSWE лидирует |
| Terminal/tool agent | GPT-5.6 Sol | Terminal Bench, Coding Agent Index |
| Ultra-long docs / multimodal | Kimi K3 | OmniDocBench #1, vision + 1M |
| Жёсткий бюджет | DeepSeek V4 Pro | Выход $3,48/M |
| Self-host (после 27.7.) | Kimi K3 | Сильнейшие скачиваемые open weights |
Open weights 27 июля: Moonshot объявляет полные веса 27 июля. K3 станет: крупнейшей скачиваемой open-source моделью; первыми open weights >2T; новой базой fine-tuning для сообщества. Обучение MXFP4 weights и MXFP8 activations; варианты MXFP4/NVFP4 на Hugging Face.
2,8T / 75 %: ~на 75 % больше DeepSeek V4 Pro (1,6T) — рекорд open source.
57,1 / 2,8: Artificial Analysis v4.1, 4-е место; отрыв от Fable 5 (59,9) всего 2,8 пункта.
$0,30 / 90 %+: cache-hit вход плюс coding cache rate — эффективный вход ~$0,55/M (OpenRouter 7-day weighted).
Итог: Kimi K3 — реальные архитектурные инновации, сильные coding и doc benchmarks против closed flagship, разумные цены и полное open-source обещание. Вехи: WAIC 17–20 июля → 27 июля полные веса.
Альтернативы: Kimi Code / API agent на личном Mac обрывается при sleep; ждать self-host 27.7. нужны 64+ GPU; только closed API теряет преимущество 1M flat pricing. Для iOS CI/CD, Kimi Code 24/7 и agent automation аренда выделенного Mac Mini M4 KVMNODE обычно стабильнее: unified memory Apple Silicon, sudo, гибкие сроки. Подробнее: цены, центр помощи, оформить заказ.
Данные на 16 июля 2026 · бенчмарки self-report Moonshot · источники: kimi.com/blog/kimi-k3, API Platform, Artificial Analysis, OpenRouter