Kimi K3: технический разбор
Open-source модель на 2,8T параметров против Claude и GPT

Типичные ошибки перед выбором модели:

• Считать только параметры: у MoE на token активируется крошечная доля experts — смотрите active experts и context efficiency.
• Сравнивать разные harness: Moonshot — Kimi Code; GPT — Codex; Claude — Claude Code; cross-vendor scores только directional.
• 1M context без архитектуры — маркетинг: KV cache cost взлетает без KDA и подобных механизмов.
• Ждать weights — задержка прода: API уже live; self-host можно отложить до 27 июля.

Kimi K3 — MoE 2,8T от Moonshot AI (Пекин), первый open model класса 3T, ~на 75 % больше DeepSeek V4 Pro (1,6T). На forward pass активируются 16 из 896 experts, реальный контекст 1 048 576 tokens, input: text, image, video. Model ID: kimi-k3. Reasoning на старте — max effort.

Ночью 16 июля Moonshot просто включил API — баннер в docs, без пресс-конференции. Тихий launch на фоне масштаба: крупнейшая open-source AI-модель в истории.

Почему релиз значим: за 18 месяцев DeepSeek съел позицию Moonshot. K3 — comeback: Kimi держал size record среди open models 9 из 12 последних месяцев; ARR > $300M к июню 2026; 6-й раунд при $31,5B pre-money; API revenue 70 %+ total, overseas paid users +400 %. Тайминг — канун WAIC 2026 в Шанхае. Быстрорастущий бизнес с техническим statement, не vanity scale.

Большинство «самая большая модель»-релизов просто накидывают compute. K3 приносит три engineering fix для long context и extreme MoE sparsity.

Kimi Delta Attention (KDA) чередует дешёвые linear-attention layers и full-attention в ratio 3:1. Итог: до −75 % KV cache memory и до 6,3× faster decoding на 1M-token context — parity или лучше full-attention baseline на short, long и RL tasks без capability tradeoff. Поэтому 1M window flat-priced, не теоретический.

Attention Residuals (AttnRes) заменяют uniform depth accumulation на selective retrieval между слоями — ~+25 % training efficiency при <2 % extra compute.

Stable LatentMoE делает trainable sparsity 1,8 % (16/896 experts) через Quantile Balancing, Per-Head Muon, SiTU activation и Gated MLA — ~2,5× scaling efficiency vs Kimi K2. Training: MXFP4 weights + MXFP8 activations для quantization-aware deploy.

Ниже scores от Moonshot. Независимая reproduction in progress — treat as directional.

SWE Marathon — sustained long-horizon coding — headline: K3 лидирует 42.0, +7 п.п. над Claude Fable 5. Лидерство на OmniDocBench стыкуется с native vision + 1M context. Artificial Analysis Intelligence Index v4.1: K3 57.1 (4-е место), −2.8 п.п. от #1 Fable 5 (59.9), с большим отрывом от большинства open weights.

K3 совпадает с Claude Sonnet 5 по базовому pricing, но даёт 5× context. Mooncake split-inference — 90 %+ cache hit в Kimi Code workflows; effective avg input ~$0.55/M (OpenRouter 7-day weighted avg). vs Opus 4.8: сильнее на ряде benchmarks при ~60 % input и ~40 % output cost.

• Chat free: kimi.com — Google sign-in, max reasoning, без карты.
• Official API: OpenAI-compatible https://api.moonshot.ai/v1, key с platform.kimi.ai.
• OpenRouter: moonshotai/kimi-k3 — official pricing, без markup, full 1M context.
• Self-host 27 июля: full weights на Hugging Face; прод требует 64+ accelerators, не ноутбук.

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 репозиторий на bottlenecks..."}]
)
print(response.choices[0].message.content)

Primary sources — перепроверьте links после upstream updates:

https://kimi.com/blog/kimi-k3

https://platform.kimi.ai

Шесть шагов production rollout:

1. API credentials: регистрация platform.kimi.ai, billing, generate API key.
2. Выбор route: direct Moonshot API или OpenRouter moonshotai/kimi-k3 в существующем OpenAI SDK stack.
3. Prompt caching: cache keys для repo-scale и agent loops — target 90 %+ hit rate.
4. План 1M context: whole-codebase analysis, legal/research docs, multi-session agent memory — flat pricing делает full window практичным.
5. Hybrid routing: long coding и documents на K3; hardest bugfixes в крупных репозиториях — fallback Fable 5; terminal-heavy agents — GPT-5.6 Sol.
6. Календарь 27 июля: следить за Hugging Face MXFP4/NVFP4 quant builds и vLLM/SGLang day-0 support при необходимости self-host.

Open weights 27 июля: K3 станет крупнейшей downloadable open model, первой выше 2T parameters, новой fine-tuning foundation — MXFP4 training для efficient inference на modern hardware. Day-0 support в transformers, vLLM, SGLang expected.

Цитируемые метрики (EEAT):

• Scale: 2.8T total, 16/896 active experts — ~+75 % vs DeepSeek V4 Pro (Moonshot blog, 2026-07-16).
• KDA efficiency: −75 % KV cache, до 6.3× decode speedup на 1M tokens (Moonshot technical docs).
• Intelligence index: 57.1 на Artificial Analysis v4.1 — top tier среди open models (Artificial Analysis, July 2026).

FAQ:

• Kimi K3 бесплатен? Да на kimi.com с free account; API — pay-per-token ($3/$15 за 1M).
• Можно локально? Нет до weights 27 июля; затем 64+ H100-class GPU для production inference.
• Kimi K3 vs DeepSeek V4 Pro? K3 — почти 2× parameters, 1M vs 128K context, сильнее coding scores; DeepSeek дешевле output ($3.48/M).
• 1M context реально полезен? Да для whole-codebase calls, end-to-end legal/research docs, long-memory agents — flat pricing делает это usable.
• Когда low/high reasoning modes? Moonshot обещает updates; сейчас только max.

Bottom line: Kimi K3 — самая capable open-source AI model на сегодня. Не побеждает каждый benchmark — Fable 5 и GPT-5.6 Sol лидируют в отдельных tasks — но competitive across the board, wins long-horizon coding и document understanding, отдаёт 1M context по Sonnet-tier pricing. Weights 27 июля — главная дата.

Dates: Сейчас → kimi.com · 17–20 июля → WAIC Shanghai · 27 июля → Hugging Face weights.

Kimi K3 agents на sleeping laptop рвут long SWE Marathon loops; parallel репозитории бьются за RAM и bandwidth. Для Cursor Agent, Kimi Code или OpenClaw Gateway 24/7 аренда bare-metal Mac Mini CALMVPS обычно разумнее: dedicated Apple Silicon, Metal-native acceleration, provisioning ~120 с — тяжёлые agent loops в облако, review планов локально. Страница цен.