Het Chinese AI-laboratorium Moonshot AI onthulde Kimi K3 op ​​16 juli 2026 en bracht daarmee 'het eerste open 3T-klasse model ter wereld' uit: een systeem met 2,8 biljoen parameters dat de kloof met de krachtigste eigen modellen van Anthropic en OpenAI verkleint. De lancering werd onmiddellijk een van de meest besproken AI-releases van het jaar, bereikte de top van Hacker News en trok aandacht van Reuters, Bloomberg en The New York Times.

Voor de bredere berichtgeving over de AI-industrie (https://aibuzzwire.news) is Kimi K3 van belang omdat het de grens van open-weight-modellen scherp verlegt en tegelijkertijd een nieuw debat dwingt over de vraag of vrij downloadbare systemen gesloten systemen kunnen evenaren. Moonshot zegt dat de volledige modelgewichten op 27 juli 2026 zullen worden vrijgegeven.

Een open model met 2,8 biljoen parameters

Volgens de technische aankondiging van Moonshot is Kimi K3 een model met 2,8 biljoen parameters, gebouwd op twee architecturale updates die het bedrijf Kimi Delta Attention (KDA) en Attention Residuals (AttnRes) noemt. Het maakt gebruik van een Mixture-of-Experts (MoE)-ontwerp dat slechts 16 van de 896 experts activeert voor een bepaald token, gecombineerd met wat Moonshot beschrijft als een stabiel LatentMoE-framework. Het bedrijf beweert dat deze veranderingen een verbetering van ongeveer 2,5x opleveren in de algehele schaalefficiëntie vergeleken met zijn vorige Kimi K2-model.

Het model wordt ook geleverd met native vision-mogelijkheden en een contextvenster van één miljoen token. Analist Simon Willison merkte op zijn weblog op dat Kimi K3 de open kroon overneemt van DeepSeek's v4 Pro met 1,6 biljoen parameters - "meer dan twee keer zo groot" als de Kimi K2.6 met 1 biljoen parameters die eraan voorafging.

Moonshot beschouwt de release als de nieuwste stap in een aanhoudende schaalvergroting en zegt dat zijn modellen negen van de afgelopen twaalf maanden de bovengrens van open-modelgroottes hebben bepaald.

Hoe het zich verhoudt tot benchmarks

Moonshot's eigen evaluatiesuite plaatst de algehele prestaties van Kimi K3 achter slechts twee propriëtaire systemen – Claude Fable 5 van Anthropic en GPT-5.6 Sol van OpenAI – terwijl het consequent beter presteert dan andere geteste modellen, waaronder Claude Opus 4.8 en GPT-5.5. Analyse door derden brengt deze claims in grote lijnen in kaart.

De onafhankelijke evaluatiedienst Artificial Analysis meldde dat Kimi K3 op ​​zijn particuliere long-horizon kenniswerkbenchmark een algemene Elo van 1547 bereikte – een sprong van 732 punten ten opzichte van Kimi K2.6 en alleen achter Claude Fable 5. Op Arena.ai's Frontend Code-arena klom Kimi K3 naar de nummer één plek en overtrof zelfs Claude Fable 5, volgens een scorebordpost die na de lancering veel circuleerde.

Prijzen zijn een opmerkelijk onderdeel van het verhaal. Artificial Analysis schatte de gemiddelde kosten per taak op $ 0,94, vergelijkbaar met de $ 1,04 van GPT-5.6 Sol en ongeveer de helft van de $ 1,80 van Claude Opus 4.8, waarbij werd opgemerkt dat Kimi K3 21% minder outputtokens gebruikte dan zijn voorganger. Per token kost het model $3 per miljoen inputtokens en $15 per miljoen outputtokens – hetzelfde niveau als de Claude Sonnet-serie van Anthropic en, zoals Willison opmerkte, het duurste model dat tot nu toe door een Chinees AI-laboratorium is uitgebracht, vergeleken met Kimi K2.6's $0,95/$4.

Agentische codering en een zelfgebouwde compiler

Een groot deel van de aankondiging van Moonshot was niet gericht op chatbot-benchmarks, maar op agentische taken met een lange horizon. Het bedrijf zegt dat Kimi K3 uitgebreide engineeringsessies kan volhouden, door grote codeopslagplaatsen kan navigeren en terminaltools kan orkestreren met minimaal menselijk toezicht.

In één demonstratie zei Moonshot dat een vroege versie van Kimi K3 het grootste deel van het eigen GPU-kerneloptimalisatiewerk van het team afhandelde tijdens de late ontwikkelingsfase. In een ander model bouwde het model "MiniTriton", een compacte Triton-achtige GPU-compiler met zijn eigen tussenweergave op tegelniveau, optimalisatiepassen en pijplijn voor het genereren van PTX-codes. Moonshot beweert dat MiniTriton de gevestigde Triton- en torch.compile-stacks evenaarde of versloeg op ondersteunde daklijnbenchmarks en aanhoudende end-to-end nanoGPT-training met stabiele convergentie.

Het bedrijf presenteerde ook een opvallend proof of concept op het gebied van chipontwerp. In een enkele autonome run van 48 uur heeft Kimi K3 naar verluidt een chip ontworpen, geoptimaliseerd en geverifieerd die is gebouwd om een ​​nanomodel op zijn eigen architectuur te dienen, met behulp van open-source EDA-tools op de Nangate 45nm-bibliotheek. Moonshot zei dat het ontwerp de timing sluit op 100 MHz binnen 4 mm² en meer dan 8.700 tokens per seconde aan decoderingsdoorvoer ondersteunt in simulatie.

Aan de onderzoekskant zei Moonshot dat Kimi K3 de I-Love-Q universele relaties uit computationele astrofysica in ongeveer twee uur reproduceerde – werk waarvan het bedrijf schatte dat het een onderzoeker doorgaans één tot twee weken zou kosten – door meer dan twintig artikelen te kruisvalideren, een volledige numerieke pijplijn te implementeren over meer dan 300 toestandsvergelijkingen, en meer dan 3.000 regels Python te schrijven.

Het open debat keert terug

De komst van Kimi K3 wakkert een debat aan dat tot 2026 heeft geduurd, omdat Chinese laboratoria herhaaldelijk de afstand met Amerikaanse grensmodellen hebben gesloten – of leken te sluiten. Het patroon is inmiddels bekend: bij een Chinese release staan ​​zelfgerapporteerde cijfers bovenaan de ranglijsten, westerse laboratoria benadrukken hun nog steeds groeiende eigen voordeel, en bedrijven wegen kosten en openheid af tegen ruwe mogelijkheden.

Die spanning is zichtbaar in de prijsstelling. Een model dat Claude Opus 4.8 ondermijnt op het gebied van de kosten per taak en tegelijkertijd de capaciteit ervan benadert, maar toch meer in rekening brengt dan welke eerdere Chinese release dan ook, weerspiegelt het vertrouwen van Moonshot dat het zelfs in een open ecosysteem premiumprijzen kan afdwingen. Willison waarschuwde ervoor om niet te veel in één enkele benchmark te lezen – zijn langlopende ‘pelikaan op een fiets’-test, zo schreef hij, correleert niet langer betrouwbaar met de kwaliteit in de echte wereld – maar zei dat de release nog steeds praktijkgericht testen beloonde.

Kimi K3 is nu beschikbaar via Kimi.com, de Kimi Work-desktopagent, de Kimi Code-ontwikkelaarstool en de Kimi API. Moonshot zei dat het samenwerkt met inference-partners en open-source-onderhouders om een ​​betrouwbare uitrol te garanderen voorafgaand aan de release van de volledige gewichten.

Blijf AI een stap voor

Voor voortdurende berichtgeving over modelreleases, benchmarkgevechten en de open-weight frontier volgt u [AI Buzz Wire] (https://aibuzzwire.news) voor de ontwikkelingen die de mondiale kunstmatige-intelligentierace vormgeven.

Lees meer nieuws over AI-modellen →