В ночь на 16 июля 2026 Moonshot AI (月之暗面) тихо повесила в API-доках строку «Kimi K3 online» — без keynote, но с релизом крупнейшей open-source модели по числу параметров (2,8T). Этот разбор для AI-разработчиков и product lead'ов, которые выбирают inference stack: specs K3 и контекст релиза, три архитектурных слоя — KDA / AttnRes / Stable LatentMoE, полная таблица benchmark'ов vs Claude Fable 5 / GPT-5.6 Sol, pricing и четыре пути доступа, матрица сценариев, open-weight plan на 27 июля, 6-step onboarding checklist и 5 FAQ.
Kimi K3 — sparse MoE от Moonshot AI на 2,8 триллиона (2,8T) параметров. Это на ~75% больше прежнего рекордсмена DeepSeek V4 Pro (1,6T), в 2,7× больше Xiaomi open model (1,02T) и более чем в 7× больше Alibaba Qwen open tier (397B). При inference активируется 16 из 896 experts (sparsity 1,8%), контекст — 1M token, плюс native vision для image/video. Целевой профиль: complex coding, long-document reasoning, knowledge work.
Кратко: open-source heavyweight с native multimodal, контекстом 1M и сильным coding profile — API дешевле Claude Opus 4.8 примерно на 40%; полные веса на Hugging Face — 27 июля 2026.
Scale record: за последние 12 месяцев Kimi family 9 месяцев держала верхнюю границу параметров среди open weights
WAIC timing: релиз накануне World AI Conference 2026 (17–20 июля) — явный strategic signal для domestic и export narrative
Commercial traction: ARR > $300M к июню 2026, 6-й funding round, pre-money valuation $31,5B
API-first GTM: API revenue > 70% total; overseas paid user base +400% YoY
Post-DeepSeek rebound: после 18 месяцев share erosion K3 — технический counter-move, не marketing-only launch
Open-weight commitment: официальный WeChat post фиксирует 27 июля — full weights на Hugging Face
K3 — не naive scale-up: относительно Kimi K2 overall scaling efficiency выросла примерно в 2,5× за счёт трёх инженерных слоёв ниже.
Full attention на длинном контексте раздувает KV cache квадратично. KDA чередует linear и full attention в пропорции 3:1: три linear layer обрабатывают local structure (дешёвый compute), один full attention layer сохраняет global information flow. Итог: KV cache memory до −75%, decode на 1M token до 6,3× быстрее, при этом на short/long context и RL scaling baseline pure full-attention превзойден.
Стандартный residual path равномерно накапливает activations — ранние high-value representations размываются в deep layers. AttnRes добавляет selective retrieval: модель может напрямую подтягивать ранние layer states. Training efficiency +~25%, extra compute overhead <2%.
| Компонент | Механизм |
|---|---|
| Quantile Balancing | Expert allocation из quantile router scores — без heuristic hyperparams на load balance |
| Per-Head Muon | Per-attention-head optimizer state — адаптивнее на large-scale pretrain |
| SiTU (Sigmoid Tanh Unit) | Улучшенный activation control в MoE routing path |
| Gated MLA | Выше attention selectivity при сжатом KV representation |
Caveat: benchmark'и ниже — self-reported Moonshot AI. Разные harness'ы (K3 — Kimi Code, GPT — Codex, Claude — Claude Code); independent third-party reproduction ещё в процессе.
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro (vision) | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench (docs) | 91.1 | 89.8 | 85.8 | 87.9 | — |
Readout: SWE Marathon (sustained long-horizon coding) — K3 лидирует с 42.0; Program Bench — marginal #1 (77.8); FrontierSWE — Fable 5 (86.6), но K3 сильно обгоняет GPT-5.6 Sol (71.3); OmniDocBench document understanding — K3 #1 (91.1). В Artificial Analysis Intelligence Index v4.1 K3 набирает 57.1 (4-е место) — за Fable 5 (59.9) и GPT-5.6 Sol (58.9), отставание от лидера 2.8 пункта.
| Модель | Input ($/M) | Output ($/M) | Cache hit input | Context |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00 (promo $2) | $15.00 (promo $10) | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
K3 по sticker price паритетен Claude Sonnet 5 ($3/$15), но даёт 5× context window. Cache hit — $0.30/M (1/10 standard input); в coding workflows cache hit rate часто >90% при стабильном system prompt и tool schema. Domestic API: input ¥20/M, output ¥100/M, cache hit ¥2/M; consumer tier на kimi.com — free account, prepaid от ¥199 (promo до 11 августа).
Web/App (zero-config): kimi.com — регистрация (Google SSO), K3 по умолчанию в max reasoning effort
API key: создать на platform.kimi.ai
OpenAI-compatible client: base_url https://api.moonshot.ai/v1, model kimi-k3
OpenRouter: model ID moonshotai/kimi-k3 — official pricing, no markup, full 1M context
Cache tuning: reuse system prompt + tool definitions в agent loop; Mooncake disaggregated inference повышает prefix cache hit
Mark 27 июля: full weights на Hugging Face — оценка private deploy (realistic floor: supernode 64+ GPU/NPU)
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": "Разбери этот diff и предложи patch..."}]
)
| Сценарий | Модель | Обоснование |
|---|---|---|
| Sustained long-horizon coding | Kimi K3 | SWE Marathon #1, max context 1M |
| Repo-scale bugfix | Claude Fable 5 | FrontierSWE / SWE-bench Pro lead |
| Terminal / toolchain agents | GPT-5.6 Sol | Terminal Bench + Coding Agent Index |
| Ultra-long docs + multimodal | Kimi K3 | OmniDocBench #1, native vision + 1M |
| Cost-sensitive batch | DeepSeek V4 Pro | Output $3.48/M — fraction of K3 |
| Self-host open weights (post 27/07) | Kimi K3 | Strongest downloadable checkpoint to date |
Signal: Chinese open AI смещается от «cheap tokens за share» к реальному frontier challenge — не vanity parameter count, а architecture-level engineering (KDA, AttnRes, Stable LatentMoE).
Если вы встраиваете Kimi K3 в local agent pipeline или Kimi Code-style long session coding, запуск CLI agent на ноутбуке или нестабильном VPS упирается в RAM pressure, dropped SSH sessions и отсутствие native Xcode/Metal toolchain; pure Linux VPS не закрывает iOS build + code signing loop. Для production, где нужны стабильные SSH long sessions, persistent DerivedData cache и headless iOS CI/CD, аренда Mac Mini в облаке NodeMini — обычно более надёжный runtime: dedicated node, provisioning за секунды, agent и compile pipeline на одном физическом Mac с Apple Silicon.
Да. Регистрация на kimi.com — free tier с K3 в max reasoning effort. API billed отдельно ($3/$15 per 1M tokens). Для stable agent host смотрите тарифы аренды Mac Mini.
Full weights на Hugging Face — 27 июля 2026. Production self-host требует supernode 64+ accelerators; 2,8T parameters не влезут на laptop RAM/VRAM. Realistic audience — inference providers и well-funded labs.
K3: ~2× parameters (2,8T vs 1,6T), context 1M vs 128K, сильнее на ряде coding/doc benchmark'ов. DeepSeek output $3,48/M — существенно дешевле. Cost-first → DeepSeek; long code / document understanding → K3.
Да: whole-repo ingest, длинные legal/research corpora, multi-turn agent state. K3 — flat pricing без length surcharge; KDA даёт до 6,3× faster decode на 1M. Ops-вопросы: справочный центр.
Moonshot AI обещает low и high в future update; сейчас только max mode. Следите за WAIC (17–20 июля) и weight release 27 июля.