Op 16 juli 2026 bracht het Chinese bedrijf Moonshot AI (月之暗面) Kimi K3 uit – hun krachtigste model tot nu toe. Het is een sparse Mixture-of-Experts (MoE) systeem met 2,8 biljoen parameters, een contextvenster van 1 miljoen tokens en een hybride attentiearchitectuur ontworpen voor efficiënte werking op lange sequenties. Het model wordt gepositioneerd als een serieuze concurrent voor Claude Opus 4.8 en GPT-5.5, en demonstreert op gespecialiseerde taken (frontend-codering, agentsystemen, werken met repositories) resultaten die vergelijkbaar zijn met of beter presteren dan deze gesloten systemen.
De volledige gewichten worden naar verwachting op 27 juli 2026 vrijgegeven. Als de release plaatsvindt zoals aangekondigd, zal Kimi K3 een van de grootste open-weight modellen worden die ooit zijn uitgebracht, meer dan 2,5 keer groter dan zijn voorgangers.
Bedrijf en strategische context
Moonshot AI is een in Beijing gevestigd laboratorium, opgericht in 2023 door Yang Zhilin en zijn medeoprichters van de Tsinghua Universiteit, bekend om zijn open strategie en Kimi-modelreeks. Het bedrijf heeft aanzienlijke investeringen ontvangen: in mei 2026 sloot het een financieringsronde van $2 miljard af met een waardering van $20 miljard, gesteund door Meituan's Long-Z Investments divisie en andere belangrijke investeerders, waaronder Alibaba en Tencent. De kwartaal ARR overschreed in april 2026 de $200 miljoen. De Kimi-reeks is consistent gegroeid, van K2 (1T parameters) via K2.5–K2.7 Code naar de huidige K3, waarbij telkens het contextvenster werd uitgebreid en multimodaliteit werd toegevoegd. K3 vertegenwoordigt een kwalitatieve sprong in zowel schaal als architecturale innovaties, specifiek gericht op lange agenttaken en codering.
Architecturale innovaties: de kern van concurrentievoordeel
1. Kimi Delta Attention (KDA) – een hybride lineair attentiemechanisme dat voortbouwt op de ideeën van Gated DeltaNet en al is getest in het open model Kimi Linear (2025). In plaats van klassieke kwadratische attentie, die O(n²) geheugen en berekeningen vereist, gebruikt een groot deel van de lagen een lineair schaalbaar schema met channel-wise diagonale gating. Praktische voordelen:
- reductie van KV-cacheverbruik tot 75% in vergelijkbare architecturen, wat cruciaal is voor het werken met contexten van miljoenen tokens;
- versnelling van de decodering in contexten van miljoenen tokens tot 6,3x, waardoor lange sessies praktisch uitvoerbaar worden;
- behoud van de retrievalkwaliteit op lange sequenties zonder significante degradatie.
KDA heeft open-source CUDA-kernen (FlashKDA) ontvangen en is geïntegreerd in vLLM voor productie-implementaties.
2. Attention Residuals – een mechanisme dat selectief representaties uit eerdere lagen 'ophalt' in plaats van gelijkmatige accumulatie via standaard residuale verbindingen. Moonshot rapporteert een ~25% toename in trainingsefficiëntie met minimale extra kosten (~2%), wat op de schaal van een 2,8T parameter model een aanzienlijke besparing van rekenkracht voor training betekent, of een equivalente kwaliteitsverbetering.
3. Stable LatentMoE – een extreem dunne routeringssysteem waarbij van de 896 experts slechts 16 per token worden geactiveerd (1,8% van de pool), met behulp van kwantielbalancering en per-head optimalisatie om de training te stabiliseren. Dit niveau van schaarste maakt het mogelijk om de rekenkosten van inferentie op een acceptabel niveau te houden, ondanks het enorme aantal parameters: vanwege de MoE-architectuur en 16 actieve experts is het werkelijke aantal geactiveerde parameters per token aanzienlijk lager dan 2,8T.
4. Kwantisatie en efficiëntie – het model is oorspronkelijk gekwantiseerd met MXFP4 voor gewichten en MXFP8 voor activaties, gekozen voor compatibiliteit met diverse hardware. Moonshot claimt ongeveer 2,5x betere schaal-efficiëntie vergeleken met de K2-generatie, wat betekent dat dezelfde hoeveelheid berekeningen aanzienlijk meer mogelijkheden biedt.
Technische specificaties
| Parameter | Waarde |
Totaal aantal parameters | 2,8 biljoen |
Actieve experts | 16 van 896 (1,8% per token) |
Contextvenster | 1.048.576 tokens (1M) |
Modaliteiten | Tekst + beeld/video → tekst (native vision) |
Hoofdarchitectuur | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Kwantisatie | MXFP4 (gewichten) / MXFP8 (activaties) |
Redenering | Altijd ingeschakeld ('thinking mode'), alleen max-effort bij start, lage/hoge modi gepland |
Onafhankelijke en officiële benchmarks: het werkelijke prestatiebeeld
Leiderschap op gespecialiseerde taken: Op de Frontend/WebDev Arena (menselijke voorkeuren van ontwikkelaars) behaalde K3 de 1e plaats met 1679 Elo, waarmee het Claude Fable 5 (1631) en GPT-5.6 Sol (1618) versloeg in blind testen. Dit is een sprong van 17 posities ten opzichte van K2.6 en de #1 positie in 6 van de 7 frontend-domeinen (exclusief games).
Algemene prestaties: Op de Artificial Intelligence Index v4.1 (onafhankelijke evaluatie die 9 benchmarks aggregeert: GDPval-AA, redeneren, codering, agententaken) behaalde K3 57,1 – de 4e plaats wereldwijd, na Fable 5 (~60) en GPT-5.6 Sol (~59), maar hoger dan Claude Opus 4.8 (~56).
Codering en agentsystemen:
- Terminal-Bench 2.1: 88,3 (bijna gelijk aan GPT-5.6 Sol 88,8, significant beter dan Claude Fable 5 en Opus 4.8 – beide 84,6).
- GDPval-AA v2: 1668 Elo, derde plaats na Fable 5 Max (1815) en GPT-5.6 Sol Max (1747,8), voor Opus 4.8 (1600) – een standaardtest voor kennis, redeneren en analytische taken.
- GPQA-Diamond: 93,5% – het beste open resultaat op deze complexe benchmark (kennis op PhD-niveau).
- BrowseComp (web-agenten): 91,2% (beste resultaat onder alle vergeleken modellen), 90,4% op de volledige 1M context zonder compressie.
- AA-Briefcase (langetermijnkennis/agenten): 1548 Elo, tweede plaats na Fable 5, voor GPT-5.6 Sol.
Sommige onafhankelijke testers merken een verhoogde 'praatgrage' output op, wat kan leiden tot hoger tokenverbruik, maar op de belangrijkste codeer- en agententaken is het gebruik van outputtokens 21% lager dan bij K2.6, dankzij optimalisaties van redeneringstokens.
Prijzen en beschikbaarheid
API-tarief: $3,00 per miljoen inputtokens (cache miss), $0,30 voor gecachte invoer, $15,00 per miljoen output – het duurste van alle Chinese laboratoria, maar vergelijkbaar met de prijzen van Claude Sonnet en ongeveer de helft van de kosten van GPT-5.6 Sol ($30/M output). Ter vergelijking: K2.6 kostte $0,60 invoer / $2,50 uitvoer, dus dit is een 5x sprong voor invoer en 6x voor uitvoer, wat de aanzienlijke sprong in schaal en kwaliteit weerspiegelt.
Beschikbaarheid: Kimi Code, Kimi app (inclusief iOS), Moonshot OpenAI-compatibele API, OpenRouter. De volledige 1M context vereist een Allegretto-abonnement of hoger; Moderato is beperkt tot 256K.
Promotiecampagne: De lancering werd begeleid door een actie met bonuscredits van +10–30% op opwaarderingen van 15 juli tot 11 augustus 2026.
Open-weight release: verwachting en betekenis
Op het moment van lancering (16 juli) waren de gewichten nog niet gepubliceerd. Moonshot heeft zich officieel gecommitteerd aan het vrijgeven van de volledige gewichten op 27 juli 2026 onder een licentie die vergelijkbaar is met Modified MIT (zoals die van de K2-serie). Na het openen van de gewichten wordt K3 het krachtigste vrij beschikbare model op basis van schaal (2,8T), context (1M) en codeer-/agentmogelijkheden, wat toegang betekent voor lokale ontwikkeling, fine-tuning en onderzoek op geschikte hardware (minimaal 64 accelerators voor het volledige model).
Strategische betekenis en concurrentiecontext
Kimi K3 verschijnt op een moment van kritieke omwenteling in de Chinese AI-industrie. Na de opkomst van DeepSeek in januari 2025 (R1 bij lage computerkosten) verloor Moonshot marktaandeel, zakte van de 3e plaats in actieve Kimi-gebruikers naar de 7e in juni 2025. K3 is een bewuste gok om terug te keren via schaal en architecturale innovatie. Investeerders noemen dit een potentieel 'Kimi moment' (vergelijkbaar met de schok van DeepSeek een jaar geleden), en er zijn redenen: het model dicht de kloof met het westelijke front niet via goedkoopte (het is duur), maar via kwaliteit en schaal.
De combinatie van 2,8T parameters, 1M context, native vision, altijd ingeschakeld redeneren en sterke codering maakt K3 bijzonder interessant voor:
- agentsystemen en long-horizon workflows (nabootsen van gebruikersinterfaces, meerstapsontwikkelingen, autonome technische taken);
- ontwikkeling en refactoring van grote codebase (in een bekend voorbeeld ontwierp K3 autonoom een microchip in 48 uur met behulp van open-source EDA);
- onderzoeks- en analyse taken met enorme context (juridische documenten, financiële rapporten, code reviews van grote repositories);
- bedrijven die self-hosting en onafhankelijkheid van gesloten API's willen in plaats van afhankelijkheid van Anthropic of OpenAI.
Er blijven echter belangrijke voorbehouden: de gewichten zijn nog niet vrijgegeven, onafhankelijke replicaties en gedetailleerde technische rapporten zijn nog in ontwikkeling, sommige benchmarks gebruiken eigen 'harnesses' (KimiCode in plaats van standaard). Het werkelijke beeld zal pas volledig duidelijk worden na 27 juli, wanneer de gewichten beschikbaar komen en er onafhankelijke evaluaties van de open versies van de modellen verschijnen.
Conclusie: Kimi K3 is een van de meest significante AI-releases van de eerste helft van 2026. Het is niet zomaar 'weer een grote Chinese model', maar een serieuze kandidaat voor een plaats vooraan bij de frontier-modellen, vooral op gespecialiseerde taken zoals agentcodering, lange contexten en multimodale redenering. De architecturale innovaties (KDA, Attention Residuals, Stable LatentMoE) bewijzen dat Chinese laboratoria qua engineering op hetzelfde niveau staan als de beste westerse. Als de open-weight release volgens plan op 27 juli doorgaat, zal de impact op het open-source ecosysteem en de concurrentiedynamiek zeer significant zijn: voor het eerst krijgen ontwikkelaars toegang tot een model van deze schaal en kwaliteit, onafhankelijk van gesloten API's.
