Kimi K3 open weights:
2,8T MoE, 1M контекст — полный релиз весов Moonshot

Типичные ошибки перед скачиванием весов:

• Путать «open source» и «open weight»: Moonshot официально использует только «open weight», никогда «open source» — legal-команды по OSI-критериям недооценивают compliance-риски.
• Игнорировать пороги лицензии: Custom License вводит MaaS-порог $20M за 12 месяцев и обязательство отображения при 100M MAU — отличается от Modified MIT у K2.
• Считать параметры, не activation cost: 2,8T total, но 16 из 896 experts на token — self-hosting требует supernode 64+ GPU, consumer-железо не тянет inference pipeline.
• Смешивать геополитику и engineering: US-обвинения (22–23 июля) и китайский ответ (28 июля) на фоне WAIC 2026 — оценивать политику и архитектуру раздельно.

От API-релиза до полной публикации весов прошло 11 дней:

• 16 июля (канун WAIC): K3 на kimi.com, Kimi Work, Kimi Code и API — веса закрыты. Заголовок блога: «Kimi K3: Open Frontier Intelligence».
• 17 июля: Отраслевые разборы архитектуры; Xinhua — «крупнейшая опубликованная модель».
• 22–23 июля: Эскалация спора о дистилляции — Michael Kratsios обвиняет Moonshot; Scott Bessent рассматривает санкции.
• 27 июля (~23:00): Полные веса, technical report, MoonEP и AgentEnv (FlashKDA уже был open source).
• 28 июля: Ответ китайского Минторга; Alibaba анонсирует Qwen3.8-Max-Preview (24T) — конкуренция в «3T club».

K3 перерабатывает три классических блока deep learning — attention mechanism, residual connections, optimizer — вместо простого масштабирования параметров.

Kimi Delta Attention (KDA): Per-channel decay rate вместо scalar forget gate; chunkwise DPLR-формула для linear-time recurrence. KDA чередуется с Gated MLA layers и держит KV cache низким при 1M context — критично для prefill/decode scheduling на длинных agent loops.

Attention Residuals (AttnRes): Selective input-dependent aggregation всех предыдущих layer outputs — ~25 % training efficiency, overhead <2 %. Один RMSNorm и pseudo-query vector на layer.

Per-Head Muon: Независимая оптимизация каждого attention head — чисто training-time техника, API не видит, но определяет performance per active parameter.

Stable LatentMoE: Sparsity 896→16 (~1,8 %), Quantile Balancing + MoonEP — доказанная верхняя граница redundant experts per compute node.

Moonshot отдаёт не только weight tensors, но и infra stack, который делал K3 trainable — редкий уровень engineering transparency в 3T-классе для команд, строящих custom inference pipeline.

Приоритет — независимые third-party measurements; vendor numbers помечены отдельно.

Artificial Analysis Intelligence Index (max tier): K3 ~57 — global #3, #1 среди open weights. Cost ~$0,95/task vs Fable 5 ~$2,4 — но дороже GLM-5.2 (~$0,47). Capability ceiling open-weight camp, не price-performance winner. Arena.ai Frontend Code Arena: K3 #1.

Open weight ≠ open source: OSI требует training data, code и reproducible pipeline — K3 публикует weights, report и inference infra. Custom License с двумя порогами:

• MaaS revenue threshold: Model-as-a-Service с >$20M revenue за 12 месяцев — отдельное соглашение с Moonshot.
• Scale display obligation: >100M MAU или >$20M monthly revenue — prominent display «Kimi K3» обязателен.

Mooncake disaggregated inference architecture даёт >90 % cache hit rate на coding workloads — effective input cost ближе к $0,30/M. Self-hosting: рекомендован supernode 64+ GPU; для большинства команд API или OpenRouter (7 providers live).

Moonshot предоставляет OpenAI-compatible Chat Completions — model ID kimi-k3, base URL https://api.moonshot.ai/v1.

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..."}]
)

Official sources — перепроверить перед цитированием:

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

https://api.moonshot.ai/v1

https://huggingface.co/moonshotai

Шесть шагов production rollout:

1. License boundaries: Проверить, realistic ли MaaS revenue >$20M или MAU >100M — legal early engagement.
2. Route selection: Direct Moonshot API или OpenRouter moonshotai/kimi-k3 в существующем OpenAI SDK stack.
3. Prompt caching: Cache keys для repo-scale context и agent loops — target 90 %+ hit rate, effective ~$0,30/M input.
4. Self-hosting vs API: 1,56 TB weights + 64+ GPU — без cluster API или third-party hosting.
5. Hybrid model routing: Long coding sessions на K3; hardest repo bugfixes fallback Claude Fable 5; terminal-heavy agents на GPT-5.6 Sol.
6. Infra repos evaluation: MoonEP, FlashKDA, AgentEnv для MoE training или Agent RL — GitHub state после release перепроверить.

Верифицируемые метрики (EEAT):

• Scale: 2,8T total parameters, 16/896 active experts — первый полностью открытый 3T-model (Moonshot blog, 27.07.2026).
• SWE-bench Verified: 93,4 % independent measurement — лидер open-weight camp (Vals AI, июль 2026).
• FlashKDA: Prefill на H20 1,72–2,22× faster vs baseline (Moonshot GitHub — verify post-release).

FAQ:

• Q: Kimi K3 — open source? A: Нет — open weight: weights и infra public, training data и full training code отсутствуют (OSI definition не выполнена).
• Q: Commercial use? A: Для большинства сценариев да; MaaS >$20M/12 months или MAU >100M trigger specific clauses.
• Q: Сколько GPU для self-hosting? A: Official recommendation — supernode 64+ GPU; API или OpenRouter realistic для большинства.
• Q: Performance vs cost? A: Strongest open-weight model, но дороже GLM-5.2 — capability ceiling, не budget winner.
• Q: Отличие от K2? A: ~3× parameters, AttnRes и Per-Head Muon new, 1M context, tightened MaaS license clauses.

Вывод: Kimi K3 open weights — milestone «3T club» для китайских labs. Engineering (KDA, MoonEP) и geopolitics пересекаются, но для production: прочитать license, затем выбрать API или hosting — не качать слепо 1,56 TB.

Ноутбук как 7×24 agent host ломается на sleep, memory pressure и shared file locks; 64-GPU cluster для solo developer нереалистичен. Для Kimi Code, Cursor Agent или OpenClaw Gateway без downtime аренда Mac Mini bare metal CALMVPS — рабочее решение: dedicated Apple Silicon, native Metal acceleration, provisioning 120 секунд — heavy agent loops в cloud, local review only. Цены.