Kinesiska AI-labbet Moonshot AI presenterade Kimi K3 den 16 juli 2026, och släppte vad den kallar "världens första öppna 3T-klassmodell" - ett system med 2,8 biljoner parametrar som minskar gapet med de mest kraftfulla proprietära modellerna från Anthropic och OpenAI. Lanseringen blev omedelbart en av årets mest diskuterade AI-utgåvor, och nådde toppen av Hacker News och fick täckning från Reuters, Bloomberg och The New York Times.
För den bredare AI-branschens täckning är Kimi K3 viktig eftersom den flyttar gränsen för modeller med öppen vikt kraftigt högre samtidigt som den tvingar fram en ny debatt om huruvida fritt nedladdningsbara system kan matcha slutna. Moonshot säger att de fullständiga modellvikterna kommer att släppas senast den 27 juli 2026.
En öppen modell med 2,8 biljoner parametrar
Enligt Moonshots tekniska tillkännagivande är Kimi K3 en modell med 2,8 biljoner parametrar byggd på två arkitektoniska uppdateringar som företaget kallar Kimi Delta Attention (KDA) och Attention Residuals (AttnRes). Den använder en Mixture-of-Experts (MoE)-design som aktiverar endast 16 av 896 experter för varje given token, ihopkopplad med vad Moonshot beskriver som ett stabilt LatentMoE-ramverk. Företaget hävdar att dessa förändringar ger ungefär 2,5 gånger en förbättring av den totala skalningseffektiviteten jämfört med dess tidigare Kimi K2-modell.
Modellen levereras också med inbyggda visionfunktioner och ett kontextfönster på en miljon token. Analytiker Simon Willison, som skrev på sin webblogg, noterade att Kimi K3 tar kronan i öppen storlek från DeepSeeks 1,6 biljoner parameter v4 Pro - "mer än dubbelt så stor" som Kimi K2.6 med 1 biljoner parameter som föregick den.
Moonshot ramar in releasen som det senaste steget i en ihållande skalningsförskjutning, och säger att under nio av de senaste tolv månaderna har dess modeller satt den övre gränsen för öppna modellstorlekar.
Hur det jämförs på benchmarks
Moonshots egen utvärderingssvit placerar Kimi K3:s övergripande prestanda bakom endast två proprietära system - Anthropics Claude Fable 5 och OpenAI:s GPT-5.6 Sol - medan den konsekvent överträffar andra testade modeller, inklusive Claude Opus 4.8 och GPT-5.5. Tredjepartsanalys spårar i stort sett dessa påståenden.
Den oberoende utvärderingstjänsten Artificial Analysis rapporterade att Kimi K3 på sitt privata riktmärke för kunskapsarbete nådde en total Elo på 1547 — ett hopp på 732 poäng över Kimi K2.6 och bakom endast Claude Fable 5. På Arena.ai's Frontend Code-arena klättrade Kimi K3 till ledaren 5, överträffade Claude ens ledare, enligt Claude 5. cirkulerade brett efter lanseringen.
Prissättning är en anmärkningsvärd del av historien. Artificiell analys fastställde den genomsnittliga kostnaden per uppgift till $0,94, jämförbart med GPT-5.6 Sols $1,04 och ungefär hälften av Claude Opus 4.8s $1,80, samtidigt som Kimi K3 använde 21% färre output-tokens än sin föregångare. På en per-token-basis är modellen prissatt till $3 per miljon input-tokens och $15 per miljon output-tokens - samma nivå som Anthropics Claude Sonnet-serie och, som Willison observerade, den dyraste modellen som släppts av ett kinesiskt AI-labb hittills, upp från Kimi K2.6:s $0,95/$4.
Agentisk kodning och en kompilator som den byggde själv
Mycket av Moonshots tillkännagivande fokuserade inte på chatbot-riktmärken utan på agentuppgifter med lång horisont. Företaget säger att Kimi K3 kan upprätthålla utökade ingenjörssessioner, navigera i stora kodlager och orkestrera terminalverktyg med minimal mänsklig tillsyn.
I en demonstration sa Moonshot att en tidig version av Kimi K3 hanterade majoriteten av teamets egen GPU-kärnoptimeringsarbete under utvecklingsfasen i sena stadier. I en annan byggde modellen "MiniTriton", en kompakt Triton-liknande GPU-kompilator med sin egen mellanrepresentation på bricknivå, optimeringspass och PTX-kodgenereringspipeline. Moonshot hävdar att MiniTriton matchade eller slog de etablerade Triton- och torch.compile-stacken på stödda taklinjeriktmärken och ihållande end-to-end nanoGPT-träning med stabil konvergens.
Företaget visade också upp ett slående proof of concept inom chipdesign. I en enda 48-timmars autonom körning, enligt uppgift designade, optimerade och verifierade Kimi K3 ett chip byggt för att tjäna en nanomodell på sin egen arkitektur, med hjälp av EDA-verktyg med öppen källkod på Nangate 45nm-biblioteket. Moonshot sa att designen stänger timing vid 100 MHz inom 4 mm² och upprätthåller över 8 700 tokens per sekund av avkodningsgenomströmning i simulering.
På forskningssidan sa Moonshot att Kimi K3 återgav de universella I-Love-Q-relationerna från beräkningsastrofysik på ungefär två timmar – arbete som företaget uppskattade normalt skulle ta en forskare en till två veckor – genom att korsvalidera mer än 20 artiklar, implementera en fullständig numerisk pipeline över 300 plus ekvationer av 3,0 och 3,0 och 3,0-ekvationer.
Den öppna viktdebatten återvänder
Kimi K3:s ankomst återupplivar en debatt som har pågått till och med 2026 när kinesiska laboratorier upprepade gånger har stängt - eller verkade stänga - avståndet med amerikanska gränsmodeller. Mönstret är nu bekant: en kinesisk release publicerar självrapporterade siffror nära toppen av topplistorna, västerländska labb betonar deras fortfarande växande egenutvecklade fördel, och företag väger kostnad och öppenhet mot rå kapacitet.
Den spänningen syns i prissättningen. En modell som underskrider Claude Opus 4.8 när det gäller kostnad per uppgift samtidigt som den närmar sig sin kapacitet, men som ändå tar ut mer än någon tidigare kinesisk utgåva, återspeglar Moonshots förtroende för att den kan erbjuda premiumpriser även i ett öppet ekosystem. Willison varnade för att läsa för mycket i ett enda riktmärke - hans långvariga "pelikan på en cykel"-test, skrev han, korrelerar inte längre på ett tillförlitligt sätt med verklig kvalitet - men sa att utgåvan fortfarande belönade praktiska tester.
Kimi K3 är tillgänglig nu via Kimi.com, Kimi Works skrivbordsagent, Kimi Code-utvecklarverktyget och Kimi API. Moonshot sa att de arbetar med slutledningspartners och underhållare av öppen källkod för att säkerställa en tillförlitlig utrullning innan släppet med full vikt.
Ligg före AI
Följ AI Buzz Wire för fortlöpande bevakning av modellsläpp, benchmark-strider och den öppna viktgränsen för utvecklingen som formar det globala artificiella intelligensloppet.
Läs mer AI-modellnyheter →
