16 июля 2026 года китайская компания Moonshot AI (月之暗面) выпустила Kimi K3 — свою самую мощную модель на сегодняшний день. Это sparse Mixture-of-Experts (MoE) система с 2,8 триллионами параметров, контекстным окном в 1 миллион токенов и гибридной архитектурой внимания, спроектированной для эффективной работы на длинных последовательностях. Модель позиционируется как серьёзный конкурент Claude Opus 4.8 и GPT-5.5, и на специализированных задачах (фронтенд-кодинг, агентные системы, работа с репозиториями) демонстрирует результаты, соответствующие или превосходящие эти закрытые системы.
Полные веса обещают открыть 27 июля 2026 года. Если релиз состоится в заявленном виде, Kimi K3 станет одной из самых крупных когда-либо выпущенных моделей с открытыми весами (open-weight), превосходя своих предшественников более чем в 2,5 раза по масштабу.
Компания и стратегический контекст
Moonshot AI — пекинская лаборатория, основанная в 2023 году Ян Чжилинем и его соучредителями из Университета Цинхуа, известная своей открытой стратегией и серией моделей Kimi. Компания получила значительные инвестиции: в мае 2026 года закрыла раунд на $2 млрд при оценке в $20 млрд при поддержке подразделения Meituan Long-Z Investments и других ключевых инвесторов включая Alibaba и Tencent. Квартальный ARR превысил $200 млн в апреле 2026. Серия Kimi последовательно росла, от K2 (1T параметров) через K2.5–K2.7 Code до нынешнего K3, каждый раз расширяя контекст и добавляя мультимодальность. K3 представляет качественный скачок как по масштабу, так и по архитектурным инновациям, специально нацеленным на длинные агентные задачи и кодинг.
Архитектурные инновации: ядро конкурентного преимущества
1. Kimi Delta Attention (KDA) — гибридный линейный механизм внимания, развивающий идеи Gated DeltaNet и уже опробованный в открытой модели Kimi Linear (2025). Вместо классического квадратичного внимания, требующего O(n²) памяти и вычислений, большая часть слоёв использует линейную по сложности схему с channel-wise диагональным гейтингом. Практические выигрыши:
- снижение потребления KV-кэша до 75% в похожих архитектурах, что критично для работы с миллионными контекстами;
- ускорение декодирования в миллионных контекстах вплоть до 6,3×, делающее длинные сессии практически развёртываемыми;
- сохранение качества retrieval на длинных последовательностях без значительной деградации.
KDA получила open-source CUDA-ядра (FlashKDA) и интегрирована в vLLM для производственных развёртываний.
2. Attention Residuals — механизм, который избирательно «подтягивает» представления из более ранних слоёв вместо равномерного накопления через стандартные остаточные связи. Moonshot сообщает о ~25% приросте эффективности обучения при минимальных дополнительных затратах (~2%), что в масштабе модели в 2,8T параметров означает существенную экономию вычислительных ресурсов на тренировку или эквивалентное повышение качества.
3. Stable LatentMoE — экстремально разреженная система маршрутизации, где из 896 экспертов активируется только 16 на каждый токен (1,8% от пула), используя квантильную балансировку и оптимизацию per-head для стабилизации обучения. Такой уровень разреженности позволяет держать вычислительную стоимость инференса на приемлемом уровне, несмотря на огромное количество параметров: из-за MoE архитектуры и 16 активных экспертов, реальное количество активируемых параметров на токен значительно ниже 2,8T.
4. Quantization и efficiency — модель изначально квантизована с использованием MXFP4 для весов и MXFP8 для активаций, выбранным для совместимости с разнообразным железом. Moonshot заявляет примерно 2,5× лучшую scaling-efficiency по сравнению с поколением K2, означая что один и тот же объём вычислений даёт значительно больше возможностей.
Технические характеристики
| Параметр | Значение |
Общее число параметров | 2,8 трлн |
Активные эксперты | 16 из 896 (1,8% на токен) |
Контекстное окно | 1 048 576 токенов (1M) |
Модальности | Текст + изображение/видео → текст (native vision) |
Основная архитектура | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Квантизация | MXFP4 (веса) / MXFP8 (активации) |
Рассуждение | Всегда включено («thinking mode»), только max-effort на старте, низко/высокие режимы в планах |
Независимые и официальные бенчмарки: реальная картина производительности
Лидерство на специализированных задачах: На Frontend/WebDev Arena (человеческие предпочтения разработчиков) K3 заняла 1-е место с 1679 Elo, превзойдя Claude Fable 5 (1631) и GPT-5.6 Sol (1618) в слепом тестировании. Это 17-позиционный скачок от места K2.6 и результат #1 в 6 из 7 фронтенд-доменов (исключая игры).
Общая производительность: На Artificial Analysis Intelligence Index v4.1 (независимая оценка, агрегирующая 9 бенчмарков: GDPval-AA, reasoning, coding, агентные задачи) K3 получила 57,1 — 4-е место в мире, после Fable 5 (~60) и GPT-5.6 Sol (~59), но выше Claude Opus 4.8 (~56).
Кодинг и агентные системы:
- Terminal-Bench 2.1: 88,3 (почти на уровне GPT-5.6 Sol 88,8, заметно выше Claude Fable 5 и Opus 4.8 — оба 84,6).
- GDPval-AA v2: 1668 Elo, третье место после Fable 5 Max (1815) и GPT-5.6 Sol Max (1747,8), впереди Opus 4.8 (1600) — стандартный тест для знаний, рассуждений и аналитических задач.
- GPQA-Diamond: 93,5% — лучший открытый результат на этом бенчмарке высокой сложности (знания выпускников PhD).
- BrowseComp (веб-агенты): 91,2% (лучший результат среди всех сравниваемых моделей), 90,4% на полном 1M контексте без компакции.
- AA-Briefcase (долгосрочное знание/агенты): 1548 Elo, второе место после Fable 5, впереди GPT-5.6 Sol.
Некоторые независимые тестеры отмечают повышенную «разговорчивость» на выходе, что может увеличить расход токенов, но на основных кодинговых и агентных задачах использование выходных токенов на 21% ниже, чем у K2.6, благодаря оптимизациям reasoning-токенов.
Цены и доступность
API-тариф: $3,00 за миллион входных токенов (cache miss), $0,30 за кэшированный вход, $15,00 за миллион выходных — наиболее дорогой из всех китайских лабораторий, но соответствует ценам Claude Sonnet и примерно половине стоимости GPT-5.6 Sol ($30/M выход). Для сравнения, K2.6 стоил $0,60 входа / $2,50 выхода, поэтому это 5× скачок за вход и 6× за выход, отражающий значительный скачок в масштабе и качестве.
Доступность: Kimi Code, Kimi app (включая iOS), Moonshot OpenAI-совместимый API, OpenRouter. Полный 1M контекст требует подписки Allegretto или выше; Moderato ограничен 256K.
Промо-кампания: Запуск сопровождался акцией с бонусными кредитами +10–30% на пополнения с 15 июля по 11 августа 2026.
Open-weight релиз: ожидание и значение
На момент запуска (16 июля) веса ещё не опубликованы. Moonshot официально обязалась выпустить полные веса 27 июля 2026 года под лицензией, близкой к Modified MIT (как у K2 серии). После открытия весов K3 станет самой мощной freely available моделью по совокупности масштаба (2,8T), контекста (1M) и кодинговых/агентных способностей, что означает доступность для локальной разработки, fine-tuning и исследований на соответствующем железе (минимум 64 ускорителя для полной модели).
Стратегическое значение и контекст конкуренции
Kimi K3 появляется в момент критического переворота в китайской AI-индустрии. После взлёта DeepSeek в январе 2025 (R1 при low-cost computing) Moonshot потеряла рыночную позицию, скатившись с 3-го места в активных пользователях Kimi до 7-го к июню 2025. K3 — намеренная ставка на возврат через масштаб и архитектурную инновацию. Инвесторы называют это потенциальным «Kimi moment» (аналог shock от DeepSeek год назад), и есть основания: модель закрывает разрыв с западной frontier не через дешевизну (она дорогая), а через качество и scale.
Сочетание 2,8T параметров, 1M-контекста, native vision, всегда включённого рассуждения и сильного кодинга делает K3 особенно интересной для:
- агентных систем и long-horizon workflows (воспроизведение пользовательских интерфейсов, многошаговые разработки, автономные инженерные задачи);
- разработки и рефакторинга больших кодовых баз (в одном известном примере K3 автономно спроектировала микросхему за 48 часов используя open-source EDA);
- исследовательских и аналитических задач с огромным контекстом (юридические документы, финансовые отчёты, код-ревью крупных репозиториев);
- компаний, которые хотят self-hosting и независимость от закрытых API вместо зависимости от Anthropic или OpenAI.
Однако остаются важные оговорки: веса пока не вышли, независимые воспроизведения и детальные технические отчёты ещё в разработке, некоторые бенчмарки используют фирменные harnesses (KimiCode вместо стандартных). Реальная картина окончательно прояснится после 27 июля, когда веса станут доступны и появятся независимые оценки на открытых версиях моделей.
Итог: Kimi K3 — один из самых значимых AI-релизов первой половины 2026 года. Это не просто «очередная большая китайская модель», а серьёзный претендент на место в первом ряду frontier-моделей, особенно на специализированных задачах агентного кодинга, долгих контекстов и мультимодального рассуждения. Архитектурные инновации (KDA, Attention Residuals, Stable LatentMoE) доказывают, что по инженерии китайские лаборатории на уровне лучших западных. Если open-weight релиз пройдёт по плану 27 июля, влияние на open-source экосистему и dynamics конкуренции будет очень заметным: впервые разработчики получат доступ к модели такого масштаба и качества вне зависимости от закрытых API.
