Vào ngày 16 tháng 7 năm 2026, công ty Trung Quốc Moonshot AI (月之暗面) đã phát hành Kimi K3 — mô hình mạnh mẽ nhất của họ cho đến nay. Đây là một hệ thống sparse Mixture-of-Experts (MoE) với 2,8 nghìn tỷ tham số, cửa sổ ngữ cảnh 1 triệu token và kiến trúc attention lai được thiết kế để hoạt động hiệu quả trên các chuỗi dài. Mô hình được định vị là đối thủ cạnh tranh nghiêm túc với Claude Opus 4.8 và GPT-5.5, và trong các nhiệm vụ chuyên biệt (frontend coding, hệ thống agent, làm việc với kho mã), nó thể hiện kết quả tương đương hoặc vượt trội hơn các hệ thống đóng này.
Các trọng số đầy đủ được hứa hẹn sẽ được mở khóa vào ngày 27 tháng 7 năm 2026. Nếu bản phát hành diễn ra theo đúng kế hoạch, Kimi K3 sẽ trở thành một trong những mô hình có trọng số mở (open-weight) lớn nhất từng được phát hành, vượt xa các thế hệ trước của nó hơn 2,5 lần về quy mô.
Công ty và bối cảnh chiến lược
Moonshot AI là một phòng thí nghiệm có trụ sở tại Bắc Kinh, được thành lập vào năm 2023 bởi Yang Zhilin và các đồng sáng lập từ Đại học Thanh Hoa, nổi tiếng với chiến lược mở và dòng mô hình Kimi. Công ty đã nhận được các khoản đầu tư đáng kể: vào tháng 5 năm 2026, họ đã hoàn thành vòng gọi vốn 2 tỷ USD với định giá 20 tỷ USD, với sự hỗ trợ từ bộ phận Long-Z Investments của Meituan và các nhà đầu tư chủ chốt khác bao gồm Alibaba và Tencent. ARR hàng quý đã vượt mốc 200 triệu USD vào tháng 4 năm 2026. Dòng Kimi đã liên tục phát triển, từ K2 (1T tham số) qua K2.5–K2.7 Code đến K3 hiện tại, mỗi lần mở rộng ngữ cảnh và bổ sung khả năng đa phương thức. K3 đại diện cho một bước nhảy vọt về chất lượng cả về quy mô và đổi mới kiến trúc, đặc biệt nhắm mục tiêu vào các tác vụ agent và code dài.
Đổi mới kiến trúc: cốt lõi lợi thế cạnh tranh
1. Kimi Delta Attention (KDA) — một cơ chế attention lai tuyến tính, phát triển ý tưởng từ Gated DeltaNet và đã được thử nghiệm trong mô hình mở Kimi Linear (2025). Thay vì cơ chế attention bậc hai cổ điển đòi hỏi bộ nhớ và tính toán O(n²), phần lớn các lớp sử dụng sơ đồ tuyến tính về độ phức tạp với gating đường chéo theo kênh (channel-wise diagonal gating). Lợi ích thực tế:
- giảm mức tiêu thụ KV-cache tới 75% trong các kiến trúc tương tự, điều này rất quan trọng để xử lý ngữ cảnh hàng triệu token;
- tăng tốc độ giải mã trong ngữ cảnh hàng triệu token lên đến 6,3 lần, làm cho các phiên dài gần như có thể triển khai được;
- duy trì chất lượng truy xuất trên các chuỗi dài mà không bị suy giảm đáng kể.
KDA đã nhận được các nhân CUDA mã nguồn mở (FlashKDA) và được tích hợp vào vLLM để triển khai sản xuất.
2. Attention Residuals — một cơ chế chọn lọc «kéo» các biểu diễn từ các lớp sớm hơn thay vì tích lũy đều đặn thông qua các kết nối còn lại (residual connections) tiêu chuẩn. Moonshot báo cáo mức tăng hiệu quả huấn luyện khoảng 25% với chi phí bổ sung tối thiểu (~2%), điều này ở quy mô mô hình 2,8T tham số có nghĩa là tiết kiệm đáng kể tài nguyên tính toán cho việc huấn luyện hoặc tăng chất lượng tương đương.
3. Stable LatentMoE — một hệ thống định tuyến cực kỳ thưa thớt, trong đó chỉ 16 trên tổng số 896 chuyên gia được kích hoạt cho mỗi token (1,8% tổng số), sử dụng cân bằng theo lượng tử (quantile balancing) và tối ưu hóa theo từng đầu (per-head optimization) để ổn định quá trình huấn luyện. Mức độ thưa thớt này cho phép duy trì chi phí tính toán khi suy luận ở mức chấp nhận được, bất chấp số lượng tham số khổng lồ: do kiến trúc MoE và 16 chuyên gia hoạt động, số lượng tham số thực tế được kích hoạt cho mỗi token thấp hơn đáng kể so với 2,8T.
4. Quantization và hiệu quả — mô hình được lượng tử hóa ban đầu bằng MXFP4 cho trọng số và MXFP8 cho các kích hoạt, được chọn để tương thích với nhiều loại phần cứng. Moonshot tuyên bố hiệu quả mở rộng (scaling-efficiency) tốt hơn khoảng 2,5 lần so với thế hệ K2, nghĩa là cùng một khối lượng tính toán mang lại nhiều khả năng hơn đáng kể.
Thông số kỹ thuật
| Thông số | Giá trị |
Tổng số tham số | 2,8 nghìn tỷ |
Chuyên gia hoạt động | 16 trên 896 (1,8% trên mỗi token) |
Cửa sổ ngữ cảnh | 1.048.576 token (1M) |
Các phương thức | Văn bản + hình ảnh/video → văn bản (native vision) |
Kiến trúc chính | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Lượng tử hóa | MXFP4 (trọng số) / MXFP8 (kích hoạt) |
Suy luận | Luôn bật («chế độ suy nghĩ»), chỉ ở mức nỗ lực tối đa lúc khởi động, các chế độ thấp/cao đang được lên kế hoạch |
Các bài kiểm tra độc lập và chính thức: bức tranh hiệu suất thực tế
Dẫn đầu trong các nhiệm vụ chuyên biệt: Trên Frontend/WebDev Arena (thứ hạng theo sở thích của các nhà phát triển), K3 đứng vị trí thứ nhất với 1679 Elo, vượt qua Claude Fable 5 (1631) và GPT-5.6 Sol (1618) trong các bài kiểm tra mù. Đây là bước nhảy 17 vị trí so với vị trí của K2.6 và là kết quả #1 trong 6 trên 7 lĩnh vực frontend (không bao gồm trò chơi).
Hiệu suất tổng thể: Trên Artificial Analysis Intelligence Index v4.1 (đánh giá độc lập, tổng hợp 9 bài kiểm tra: GDPval-AA, reasoning, coding, nhiệm vụ agent), K3 đạt 57,1 — vị trí thứ 4 trên thế giới, sau Fable 5 (~60) và GPT-5.6 Sol (~59), nhưng cao hơn Claude Opus 4.8 (~56).
Lập trình và hệ thống agent:
- Terminal-Bench 2.1: 88,3 (gần bằng GPT-5.6 Sol 88,8, cao hơn đáng kể so với Claude Fable 5 và Opus 4.8 — cả hai đều 84,6).
- GDPval-AA v2: 1668 Elo, vị trí thứ ba sau Fable 5 Max (1815) và GPT-5.6 Sol Max (1747,8), dẫn trước Opus 4.8 (1600) — bài kiểm tra tiêu chuẩn cho kiến thức, suy luận và các nhiệm vụ phân tích.
- GPQA-Diamond: 93,5% — kết quả mở tốt nhất trên bài kiểm tra có độ khó cao này (kiến thức cấp tiến sĩ).
- BrowseComp (web agents): 91,2% (kết quả tốt nhất trong số tất cả các mô hình được so sánh), 90,4% trên ngữ cảnh 1M đầy đủ mà không cần nén.
- AA-Briefcase (kiến thức/agent dài hạn): 1548 Elo, vị trí thứ hai sau Fable 5, dẫn trước GPT-5.6 Sol.
Một số người kiểm tra độc lập ghi nhận khả năng «nói nhiều» tăng lên ở đầu ra, điều này có thể làm tăng mức sử dụng token, nhưng trong các tác vụ code và agent chính, mức sử dụng token đầu ra thấp hơn 21% so với K2.6, nhờ tối ưu hóa các token suy luận.
Giá cả và khả năng truy cập
Gói API: 3,00 USD cho một triệu token đầu vào (cache miss), 0,30 USD cho đầu vào đã được cache, 15,00 USD cho một triệu token đầu ra — đây là mức giá cao nhất trong số các phòng thí nghiệm Trung Quốc, nhưng tương đương với giá của Claude Sonnet và khoảng một nửa chi phí của GPT-5.6 Sol (30 USD/M đầu ra). Để so sánh, K2.6 có giá 0,60 USD đầu vào / 2,50 USD đầu ra, vì vậy đây là mức tăng gấp 5 lần cho đầu vào và gấp 6 lần cho đầu ra, phản ánh bước nhảy vọt đáng kể về quy mô và chất lượng.
Khả năng truy cập: Kimi Code, ứng dụng Kimi (bao gồm cả iOS), API tương thích OpenAI của Moonshot, OpenRouter. Ngữ cảnh 1M đầy đủ yêu cầu đăng ký Allegretto trở lên; Moderato giới hạn ở 256K.
Chiến dịch khuyến mãi: Lễ ra mắt đi kèm với chương trình khuyến mãi tín dụng thưởng +10–30% cho các lần nạp tiền từ ngày 15 tháng 7 đến ngày 11 tháng 8 năm 2026.
Phát hành trọng số mở: kỳ vọng và ý nghĩa
Tại thời điểm ra mắt (ngày 16 tháng 7), trọng số vẫn chưa được công bố. Moonshot đã chính thức cam kết phát hành toàn bộ trọng số vào ngày 27 tháng 7 năm 2026 theo giấy phép gần giống với Modified MIT (như dòng K2). Sau khi mở khóa trọng số, K3 sẽ trở thành mô hình có sẵn miễn phí mạnh mẽ nhất về tổng thể quy mô (2,8T), ngữ cảnh (1M) và khả năng code/agent, điều này có nghĩa là nó có thể được sử dụng để phát triển cục bộ, tinh chỉnh và nghiên cứu trên phần cứng tương ứng (tối thiểu 64 bộ tăng tốc cho mô hình đầy đủ).
Ý nghĩa chiến lược và bối cảnh cạnh tranh
Kimi K3 xuất hiện vào thời điểm có sự thay đổi lớn trong ngành công nghiệp AI của Trung Quốc. Sau sự trỗi dậy của DeepSeek vào tháng 1 năm 2025 (R1 với chi phí điện toán thấp), Moonshot đã mất vị thế trên thị trường, tụt từ vị trí thứ 3 về người dùng hoạt động Kimi xuống vị trí thứ 7 vào tháng 6 năm 2025. K3 là một nỗ lực có chủ đích để lấy lại vị thế thông qua quy mô và đổi mới kiến trúc. Các nhà đầu tư gọi đây là «khoảnh khắc Kimi» tiềm năng (tương tự cú sốc từ DeepSeek một năm trước), và có cơ sở: mô hình này thu hẹp khoảng cách với các mô hình tiên tiến của phương Tây không phải bằng cách rẻ tiền (nó đắt tiền), mà bằng chất lượng và quy mô.
Sự kết hợp của 2,8T tham số, ngữ cảnh 1M, khả năng xử lý hình ảnh gốc (native vision), suy luận luôn bật và khả năng code mạnh mẽ làm cho K3 đặc biệt thú vị đối với:
- các hệ thống agent và quy trình làm việc dài hạn (tái tạo giao diện người dùng, phát triển nhiều bước, các nhiệm vụ kỹ thuật tự trị);
- phát triển và tái cấu trúc các cơ sở mã lớn (trong một ví dụ nổi tiếng, K3 đã tự động thiết kế một vi mạch trong 48 giờ bằng cách sử dụng EDA mã nguồn mở);
- các nhiệm vụ nghiên cứu và phân tích với ngữ cảnh khổng lồ (tài liệu pháp lý, báo cáo tài chính, đánh giá mã của các kho lưu trữ lớn);
- các công ty muốn tự lưu trữ và độc lập với các API đóng thay vì phụ thuộc vào Anthropic hoặc OpenAI.
Tuy nhiên, vẫn còn những lưu ý quan trọng: trọng số chưa được phát hành, các bản sao chép độc lập và báo cáo kỹ thuật chi tiết vẫn đang trong quá trình phát triển, một số bài kiểm tra sử dụng các khung kiểm tra độc quyền (KimiCode thay vì tiêu chuẩn). Bức tranh thực tế sẽ được làm rõ hoàn toàn sau ngày 27 tháng 7, khi trọng số có sẵn và các đánh giá độc lập về các phiên bản mở của mô hình xuất hiện.
Tóm lại: Kimi K3 là một trong những bản phát hành AI quan trọng nhất nửa đầu năm 2026. Đây không chỉ là «một mô hình lớn khác của Trung Quốc», mà là một ứng cử viên nghiêm túc cho vị trí dẫn đầu trong các mô hình tiên tiến, đặc biệt trong các nhiệm vụ chuyên biệt về code agent, ngữ cảnh dài và suy luận đa phương thức. Các đổi mới kiến trúc (KDA, Attention Residuals, Stable LatentMoE) chứng minh rằng các phòng thí nghiệm Trung Quốc có trình độ kỹ thuật ngang bằng với các phòng thí nghiệm phương Tây hàng đầu. Nếu bản phát hành trọng số mở diễn ra theo đúng kế hoạch vào ngày 27 tháng 7, tác động đến hệ sinh thái mã nguồn mở và động lực cạnh tranh sẽ rất đáng kể: lần đầu tiên các nhà phát triển sẽ có quyền truy cập vào một mô hình có quy mô và chất lượng như vậy mà không phụ thuộc vào các API đóng.
