16 Temmuz 2026'da Çinli şirket Moonshot AI (月之暗面), bugüne kadarki en güçlü modeli olan Kimi K3'ü piyasaya sürdü. Bu, 2,8 trilyon parametreye, 1 milyon belirteçlik bağlam penceresine ve uzun diziler üzerinde verimli çalışacak şekilde tasarlanmış hibrit bir dikkat mimarisine sahip seyrek bir Uzmanlar Karışımı (MoE) sistemidir. Model, Claude Opus 4.8 ve GPT-5.5'e ciddi bir rakip olarak konumlandırılıyor ve özel görevlerde (ön uç kodlama, ajan sistemleri, depo yönetimi) bu kapalı sistemlere eşit veya daha üstün sonuçlar sergiliyor.
Tam ağırlıkların 27 Temmuz 2026'da açılması bekleniyor. Eğer sürüm belirtildiği gibi gerçekleşirse, Kimi K3, açıklık ağırlıklı (open-weight) olarak piyasaya sürülen en büyük modellerden biri olacak ve ölçek olarak seleflerini 2,5 katın üzerinde geride bırakacaktır.
Şirket ve Stratejik Bağlam
Moonshot AI, 2023 yılında Yang Zhilin ve Tsinghua Üniversitesi'nden arkadaşları tarafından kurulan, açık stratejisi ve Kimi modelleri serisiyle tanınan Pekin merkezli bir laboratuvardır. Şirket önemli yatırımlar aldı: Mayıs 2026'da Meituan Long-Z Investments bölümü ve Alibaba ile Tencent dahil olmak üzere diğer önemli yatırımcıların desteğiyle 20 milyar dolarlık bir değerlemeyle 2 milyar dolarlık bir turu tamamladı. Nisan 2026'da üç aylık yıllık tekrarlayan geliri (ARR) 200 milyon doları aştı. Kimi serisi, K2 (1 trilyon parametre) üzerinden K2.5–K2.7 Kod'a ve şimdiki K3'e kadar sürekli büyüdü, her seferinde bağlamı genişletip çok modluluğu ekledi. K3, hem ölçek hem de özellikle uzun ajan görevleri ve kodlama için tasarlanmış mimari yenilikler açısından niteliksel bir sıçrama temsil ediyor.
Mimari Yenilikler: Rekabet Avantajının Çekirdeği
1. Kimi Delta Dikkat (KDA) — Gated DeltaNet fikirlerini geliştiren ve zaten Kimi Linear (2025) açık modelinde denenmiş hibrit bir doğrusal dikkat mekanizmasıdır. O(n²) bellek ve hesaplama gerektiren klasik karesel dikkat yerine, katmanların çoğu, kanal bazında çapraz geçitli (channel-wise diagonal gating) doğrusal bir karmaşıklık şeması kullanır. Pratik kazanımlar:
- benzer mimarilerde KV önbelleği tüketimini %75'e kadar azaltır, bu da milyonlarca bağlamla çalışmak için kritiktir;
- milyonlarca bağlamda kod çözmeyi 6,3 kata kadar hızlandırır, uzun oturumların neredeyse konuşulabilir olmasını sağlar;
- önemli bir bozulma olmadan uzun dizilerde geri çağırma (retrieval) kalitesini korur.
KDA, açık kaynaklı CUDA çekirdekleri (FlashKDA) aldı ve üretim dağıtımları için vLLM'ye entegre edildi.
2. Dikkat Kalıntıları (Attention Residuals) — Standart artık bağlantılar aracılığıyla eşit olmayan birikim yerine, daha erken katmanlardan gelen temsilleri seçici olarak “çeken” bir mekanizmadır. Moonshot, minimum ek maliyetle (~%2) yaklaşık %25'lik bir eğitim verimliliği artışı bildiriyor, bu da 2,8T parametrelik bir modelin ölçeğinde eğitim için önemli hesaplama kaynaklarından tasarruf veya eşdeğer kalite artışı anlamına gelir.
3. Stabil Gizli MoE (Stable LatentMoE) — 896 uzmandan yalnızca 16'sının her belirteç için etkinleştirildiği (havuzun %1,8'i) aşırı seyrek bir yönlendirme sistemi, eğitimde dengeyi sağlamak için niceleyici (quantile) dengeleme ve kafa bazlı optimizasyon kullanır. Bu seyreklik seviyesi, devasa parametre sayısına rağmen çıkarım (inference) hesaplama maliyetini kabul edilebilir bir düzeyde tutar: MoE mimarisi ve etkin olan 16 uzman nedeniyle, belirteç başına etkinleştirilen parametrelerin gerçek sayısı 2,8T'den önemli ölçüde düşüktür.
4. Niceleme ve Verimlilik — Model, çeşitli donanımlarla uyumluluk için seçilen ağırlıklar için MXFP4 ve aktivasyonlar için MXFP8 kullanılarak başlangıçta niceleştirilmiştir. Moonshot, K2 nesline göre yaklaşık 2,5 kat daha iyi ölçeklenme verimliliği (scaling-efficiency) iddia ediyor, bu da aynı miktarda hesaplamanın önemli ölçüde daha fazla yetenek sağladığı anlamına geliyor.
Teknik Özellikler
| Parametre | Değer |
Toplam parametre sayısı | 2,8 trilyon |
Etkin uzmanlar | 896'da 16 (%1,8 / belirteç) |
Bağlam penceresi | 1.048.576 belirteç (1M) |
Modlar | Metin + görüntü/video → metin (yerel görüntü) |
Temel mimari | Seyrek MoE + Kimi Delta Dikkat + Dikkat Kalıntıları |
Niceleme | MXFP4 (ağırlıklar) / MXFP8 (aktivasyonlar) |
Akıl yürütme | Her zaman açık (“düşünme modu”), başlangıçta yalnızca maksimum çaba, düşük/yüksek modlar planlanıyor |
Bağımsız ve Resmi Kıyaslamalar: Gerçek Performans Görüntüsü
Özel Görevlerde Liderlik: Frontend/WebDev Arena'da (geliştirici insan tercihleri) K3, kör testlerde Claude Fable 5 (1631) ve GPT-5.6 Sol (1618) 'i geride bırakarak 1679 Elo ile 1. sırayı aldı. Bu, K2.6'dan 17 sıra yükseliş ve 7 ön uç alanından 6'sında (#1) sonuçtur (oyunlar hariç).
Genel Performans: Yapay Analiz Zekası Endeksi v4.1'de (9 kıyaslamayı birleştiren bağımsız değerlendirme: GDPval-AA, akıl yürütme, kodlama, ajan görevleri) K3, Fable 5 (~60) ve GPT-5.6 Sol (~59) 'dan sonra dünyada 4. sırada 57,1 puan aldı, ancak Claude Opus 4.8 (~56)'dan daha yüksek.
Kodlama ve Ajan Sistemleri:
- Terminal-Bench 2.1: 88,3 (GPT-5.6 Sol 88,8'e yakın, Claude Fable 5 ve Opus 4.8'den daha yüksek - her ikisi de 84,6).
- GDPval-AA v2: 1668 Elo, Fable 5 Max (1815) ve GPT-5.6 Sol Max (1747.8) 'dan sonra üçüncü, Opus 4.8 (1600) 'dan önde - bilgi, akıl yürütme ve analitik görevler için standart bir test.
- GPQA-Diamond: %93,5 - bu yüksek zorluktaki kıyaslamada en iyi açık kaynaklı sonuç (PhD mezunlarının bilgisi).
- BrowseComp (web ajanları): %91,2 (karşılaştırılan tüm modeller arasında en iyi sonuç), sıkıştırma olmadan tam 1M bağlamda %90,4.
- AA-Briefcase (uzun vadeli bilgi/ajanlar): 1548 Elo, Fable 5'ten sonra ikinci, GPT-5.6 Sol'den önde.
Bazı bağımsız testçiler, çıkışta artan bir "konuşkanlık" olduğunu belirtiyor, bu da belirteç tüketimini artırabilir, ancak ana kodlama ve ajan görevlerinde, akıl yürütme belirteç optimizasyonları sayesinde K2.6'dan %21 daha az çıkış belirteci kullanılıyor.
Fiyatlandırma ve Erişilebilirlik
API Tarifesi: Giriş belirteçleri için milyon başına 3,00 $ (önbellek ıskası), önbelleğe alınmış girişler için 0,30 $, çıkış belirteçleri için milyon başına 15,00 $ - tüm Çinli laboratuvarlar arasında en pahalısı, ancak Claude Sonnet fiyatlarına ve GPT-5.6 Sol'un maliyetinin yaklaşık yarısına ($30/M çıkış) karşılık geliyor. Karşılaştırma için, K2.6 giriş için 0,60 $ / çıkış için 2,50 $ idi, bu nedenle giriş için 5 kat, çıkış için 6 kat artış, ölçek ve kalitede önemli bir sıçramayı yansıtıyor.
Erişilebilirlik: Kimi Code, Kimi uygulaması (iOS dahil), Moonshot OpenAI uyumlu API, OpenRouter. Tam 1M bağlam, Allegretto veya üstü abonelik gerektirir; Moderato 256K ile sınırlıdır.
Tanıtım Kampanyası: Lansman, 15 Temmuz - 11 Ağustos 2026 tarihleri arasında para yatırma işlemleri için +%10-30 bonus kredi ile bir promosyonla eşlik etti.
Açık Ağırlık Sürümü: Beklenti ve Anlam
Lansman (16 Temmuz) itibarıyla ağırlıklar henüz yayınlanmamıştı. Moonshot, tam ağırlıkları 27 Temmuz 2026'da K2 serisi gibi Modifiye MIT'ye yakın bir lisans altında yayınlama sözü verdi. Ağırlıklar açıldıktan sonra K3, ölçek (2,8T), bağlam (1M) ve kodlama/ajan yeteneklerinin toplamı açısından en güçlü serbestçe kullanılabilen model olacak; bu da uygun donanımda (tam model için minimum 64 hızlandırıcı) yerel geliştirme, ince ayar ve araştırmalar için kullanılabilirlik anlamına gelir.
Stratejik Anlam ve Rekabet Bağlamı
Kimi K3, Çin AI endüstrisinde kritik bir dönüşüm anında ortaya çıkıyor. Ocak 2025'te DeepSeek'in yükselişinden (düşük maliyetli hesaplama ile R1) sonra Moonshot, Kimi aktif kullanıcılarında 3. sıradan Haziran 2025'e kadar 7. sıraya düşerek pazar konumunu kaybetti. K3, ölçek ve mimari yenilikle geri dönme niyetinde bir hamledir. Yatırımcılar buna potansiyel bir "Kimi anı" (bir yıl önceki DeepSeek şokunun analoğu) diyor ve gerekçeler var: model, Batı sınırındaki boşluğu ucuzlukla değil (pahalıdır), kalite ve ölçekle kapatıyor.
2,8T parametre, 1M bağlam, yerel görüntü, her zaman açık akıl yürütme ve güçlü kodlama kombinasyonu, K3'ü özellikle aşağıdaki alanlar için ilginç kılıyor:
- ajan sistemleri ve uzun ufuklu iş akışları (kullanıcı arayüzü yeniden oluşturma, çok adımlı geliştirme, otonom mühendislik görevleri);
- büyük kod tabanlarının geliştirilmesi ve yeniden düzenlenmesi (bilinen bir örnekte K3, açık kaynak EDA kullanarak 48 saatte otonom olarak bir mikroçip tasarladı);
- çok büyük bağlamlı araştırma ve analitik görevler (hukuki belgeler, finansal raporlar, büyük depoların kod incelemeleri);
- Anthropic veya OpenAI'ye bağımlı olmak yerine kendi kendine barındırma ve kapalı API'lerden bağımsızlık isteyen şirketler.
Ancak önemli uyarılar devam ediyor: ağırlıklar henüz yayınlanmadı, bağımsız tekrarlamalar ve ayrıntılı teknik raporlar hala geliştirme aşamasında, bazı kıyaslamalar özel çerçeveler kullanıyor (standartlar yerine KimiCode). Ağırlıklar 27 Temmuz'dan sonra erişilebilir hale geldiğinde ve açık modeller üzerinde bağımsız değerlendirmeler ortaya çıktığında gerçek tablo nihayet netleşecektir.
Sonuç: Kimi K3, 2026'nın ilk yarısının en önemli AI sürümlerinden biridir. Bu sadece "bir başka büyük Çin modeli" değil, özellikle ajan kodlama, uzun bağlamlar ve çok modlu akıl yürütme gibi özel görevlerde sınır modellerinin ön saflarında yer alma konusunda ciddi bir adaydır. Mimari yenilikler (KDA, Dikkat Kalıntıları, Stabil Gizli MoE), Çinli laboratuvarların Batı'nın en iyileriyle mühendislik açısından eşit düzeyde olduğunu kanıtlıyor. Eğer açık ağırlık sürümü 27 Temmuz planına göre ilerlerse, açık kaynak ekosistemi ve rekabet dinamikleri üzerindeki etkisi çok belirgin olacaktır: geliştiriciler ilk kez bu ölçek ve kalitedeki bir modele kapalı API'lere bağımlı olmadan erişebilecek.
