Moonshot AI lanceerde Kimi K3 als het grootste open AI-model ooit gebouwd. Met 2,8 biljoen parameters, een contextvenster van 1 miljoen tokens en native visuele verwerking positioneert deze release zich als challenger van de gesloten frontier modellen van Anthropic en OpenAI. Kimi publiceert de volledige modelgewichten op 27 juli 2026. De kloof tussen open en gesloten frontier-modellen verdwijnt hierdoor.

Wat Kimi K3 anders maakt dan eerdere open modellen

Kimi K3 is het eerste open model dat de drempel van drie biljoen parameters nadert. Het gaat niet alleen over schaal. Het model draait op twee architecturale innovaties die intern bij Moonshot zijn ontwikkeld en die de efficiëntie van rekenkracht drastisch verbeteren.

Kimi Delta Attention (KDA) is een hybride lineair attentiemechanisme dat informatie efficiënter door lange sequenties laat stromen. Attention Residuals (AttnRes) vervangen de klassieke residual connections en halen representaties selectief op uit verschillende dieptes van het netwerk, in plaats van ze uniform te stapelen. Gecombineerd met een sterk gedistilleerde Mixture-of-Experts opzet waarbij slechts 16 van de 896 experts per verzoek actief worden, levert deze aanpak volgens Moonshot ongeveer 2,5 keer meer schaalefficiëntie op dan de voorganger Kimi K2.

Om stabiliteit te garanderen op deze schaal introduceerde het team enkele nieuwe technieken. Quantile Balancing regelt de allocatie van experts via router-score quantielen en elimineert daarmee gevoelige heuristische parameters. Per-Head Muon optimaliseert attentieheads onafhankelijk voor adaptiever leren. Sigmoid Tanh Unit en Gated MLA verbeteren respectievelijk activatiecontrole en attentieselectiviteit. Vanaf de SFT-fase wordt het model quantization-aware getraind met MXFP4-gewichten en MXFP8-activaties, wat implementatie op uiteenlopende hardware vereenvoudigt.

Prestaties die de kloof met proprietary modellen dichten

Op de Artificial Analysis Intelligence Index scoort Kimi K3 een 57. Dat plaatst het model boven Claude Opus 4.8 en GPT-5.6 Terra, en op gelijke hoogte met Gemini 3.1 Pro. Alleen Claude Fable 5 en GPT-5.6 Sol blijven met een marge van twee tot drie punten voorop. Moonshot geeft die achterstand zelf toe, maar benadrukt dat K3 elk ander getest model consistent verslaat in de eigen evaluatiesuite.

Op GDPval-AA v2, een benchmark die reële taken over 44 beroepen en 9 industrieën meet, behaalt K3 een score van 1.687. Daarmee komt het model op de derde plaats, na Claude Fable 5 Max en GPT-5.6 Sol Max, maar wel voor Claude Opus 4.8. Op AA-Briefcase, een agentic benchmark voor langetermijn-kenniswerk, klimt K3 zelfs naar de tweede plaats. Op BrowseComp behaalt het model een state-of-the-art score van 91,2 op 100 voor complexe informatiezoektaken over lange horizonnen.

Bij real-world taakautomatisering staat Kimi K3 op nummer één in vier van de acht benchmarks, waaronder Automation Bench en SpreadsheetBench 2. Op Arena.AI’s Frontend Code Arena grijpt het model de eerste plaats met een score van 1.679, ruim voor Claude Fable 5 en GPT-5.6 Sol. Menselijke voorkeur in head-to-head vergelijkingen valt hier duidelijk uit in het voordeel van Moonshot.

Praktijkvoorbeelden

De demonstraties die Moonshot bij de release toonde, schetsen wat langdurige, autonome AI-agents kunnen betekenen voor technisch werk.

Chipontwerp in 48 uur

Kimi K3 kreeg de opdracht om een fysieke chip te ontwerpen die een nano-versie van zichzelf kon draaien. In 48 uur autonoom werken voltooide het model de volledige pijplijn, ontwerp, optimalisatie en verificatie, met open-source EDA-tools. Het resultaat is een chip van 4 vierkante millimeter.

Wetenschappelijk werk in twee uur

In een tweede voorbeeld reproduceerde Kimi K3 de zogeheten I-Love-Q universele relaties uit de computationele astrofysica. Wat voor een ervaren onderzoeker normaal één tot twee weken kost, deed het model in ongeveer twee uur. Het las meer dan 20 papers, evalueerde meer dan 300 toestandsvergelijkingen, identificeerde inconsistenties in gepubliceerde formules en produceerde een interactief dashboard.

Een eigen GPU-compiler

Het model bouwde ook MiniTriton, een compacte Triton-achtige compiler die beter scoort dan Triton en torch.compile.

3D-werelden en videobewerking

Dankzij de multimodale architectuur werkt K3 vloeiend met tekst, beeld en video binnen hetzelfde model. Zo bouwde het een volledig procedurele 3D-verkenningsgame in de browser met Three.js WebGPU en monteerde een teaservideo uit 56 bronclips. Een video van deze complexiteit kost een ervaren editor doorgaans twee werkdagen.

Prijzen, beschikbaarheid en beperkingen

Kimi K3 is nu beschikbaar via Kimi.com, Kimi Work, Kimi Code en de Kimi API. De prijs bedraagt 0,30 dollar per miljoen input-tokens bij cache-hit, 3 dollar per miljoen input-tokens bij cache-miss en 15 dollar per miljoen output-tokens. Ter vergelijking: Claude Fable 5 rekent 10/50 dollar. Dankzij de Mooncake disaggregated inference architectuur haalt de officiële API een cache hit rate van meer dan 90 procent in coding-workloads.

Er zijn wel wat aandachtspunten. Het model is verbose. Bij evaluatie op de Intelligence Index genereerde het 130 miljoen output-tokens, ruim boven het gemiddelde van 63 miljoen. Met 62 tokens per seconde is de snelheid iets onder het gemiddelde van vergelijkbare reasoning-modellen.

Kimi K3 reageert gevoelig wanneer agent harnesses de volledige denk-geschiedenis niet correct terugsturen. Bovendien neemt het model soms eigenhandig beslissingen bij onduidelijke instructies, een gevolg van training op langetermijn- en complexe taken. Wie strakke grenzen wil, moet die expliciet vastleggen in de system prompt of in AGENTS.md.

Wat deze release betekent

De vraag is niet meer of open modellen kunnen concurreren met gesloten frontier-systemen, maar hoe snel de voorsprong van de laatste verdwijnt. Achttien maanden geleden lagen open modellen gemiddeld zes tot twaalf maanden achter op de Amerikaanse top. Vandaag zit een vrij beschikbaar model op twee tot drie Intelligence Index-punten van de absolute leiders. Voor bedrijven die willen fine-tunen, zelf hosten of eigen systemen bouwen creëert dit mogelijkheden die eerder niet haalbaar waren.

Wat opvalt in de architecturale keuzes is dat rekenkracht niet meer de enige hefboom is. De 2,5x scaling-efficiëntie van K3 tegenover K2 toont dat algoritmische innovatie evenveel kan opleveren als extra hardware. In een wereld waarin toegang tot de meest geavanceerde chips geopolitiek bepaald wordt, is dat misschien wel het belangrijkste. Efficiëntie wordt de nieuwe schaarste.