Kimi K3:
обзор открытой модели на 2,8 трлн параметров

Ночью 16 июля 2026 Moonshot AI включила Kimi K3 без keynote — баннер в API-доке, tech blog и рабочий endpoint. Этот обзор для ML-инженеров, SRE и agent-разработчиков, которым нужны не маркетинговые тезисы, а цифры: 2,8 трлн параметров, механизм Kimi Delta Attention, сравнение с Claude Fable 5 / GPT-5.6 Sol, цены API, пошаговая интеграция и дата open weights — 27 июля 2026.

01 Kimi K3: параметры, MoE routing и production bottlenecks

Kimi K3 — крупнейшая open-source LLM на сегодня: 2,8T параметров (+75 % к DeepSeek V4 Pro 1,6T). Sparse MoE: 896 experts, на forward pass активируются 16 (sparsity 1,8 %). Контекст: 1 048 576 tokens. Native vision (image/video). Фокус — long-horizon coding и knowledge work.

Стратегический контекст: Kimi лидировала по размеру open models 9 из 12 месяцев; релиз — накануне WAIC 2026. ARR >$300M (июнь 2026), valuation $31,5B pre-money, API revenue >70 %, international paid users +400 %.

Production pain points, которые specs не снимают:

• Cloud lock-in до 27.07.: pipeline зависит от Moonshot infra — latency, quotas, pricing drift.
• 1M context ≠ zero engineering cost: без persistent dev environment (bare-metal Mac, стабильный toolchain) agent resume и tool integration ломаются.
• Self-host barrier: Moonshot указывает 64+ accelerators для production inference — consumer hardware out of scope.
• Benchmark harness mismatch: Kimi Code vs Claude Code vs Codex — независимые reproductions in progress.
• Metal/Xcode stack: API-модель не заменяет native Apple Silicon для iOS CI/CD и long-running agents на физическом Mac.

02 Архитектура: KDA scheduling, AttnRes и MoE stability

K3 — не naive scaling. Сравните с моделями из OpenRouter June ranking: Moonshot оптимизирует long-context decode и training stability при extreme sparsity.

Kimi Delta Attention (KDA)

Full attention — O(n²); при 1M tokens KV-cache съедает HBM. KDA чередует linear и full attention в ratio 3:1:

• 3 linear layers — cheap local structure; 1 full layer — global information flow;
• KV-cache memory: до −75 %;
• Decode at 1M tokens: до 6,3× быстрее;
• Beat full-attention baseline на short/long context и RL scaling.

Attention Residuals (AttnRes)

• Standard residual path размывает early-layer representations на глубине;
• AttnRes — selective retrieval high-value features через depth skip;
• Training efficiency +25 %, compute overhead <2 %.

Stable LatentMoE

03 Benchmark matrix: K3 vs Claude Fable 5 vs GPT-5.6 Sol

Self-report Moonshot, 16.07.2026. Для repo-level bugfix — Claude Code на Mac mini.

Geek read: K3 лидирует SWE Marathon (42,0) — multi-hour coding sessions. Program Bench 77,8 — #1. FrontierSWE — Fable 5 territory (86,6). AA Intelligence Index v4.1: K3 57,1, rank #4.

Self-report, разные harnesses — ждите independent reproduction перед production cutover.

04 API pricing и 6 шагов интеграции

K3 = Sonnet 5 pricing ($3/$15), но 5× context. Cache hits от $0,30/M; Moonshot claims 90 %+ cache hit в coding. China: ¥20/¥100/¥2 per M. Consumer kimi.com — free tier.

6 шагов интеграции:

1. Регистрация Moonshot: platform.kimi.ai или kimi.com.
2. API key: generate в dashboard, store securely (one-time display).
3. Model ID: kimi-k3; OpenRouter: moonshotai/kimi-k3.
4. OpenAI-compatible client: base_url = https://api.moonshot.ai/v1.
5. Smoke test: short prompt — latency и quota check.
6. Cache-aware workflow: reuse system prompts и tool definitions для 90 %+ cache hits.

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 код..."}]
)
print(response.choices[0].message.content)

05 Decision matrix и open weights 27.07.2026

Moonshot: full weights on Hugging Face 27 июля 2026 — first open model >2T. Training: MXFP4 weights + MXFP8 activations. Expect vLLM/SGLang support и MXFP4/NVFP4 quants. Timeline: WAIC 17–20.07 → 27.07. open weights.

06 Hard data, sources и production conclusion

• Total params: 2,8T
• MoE: 896 experts, 16 active (1,8 % sparsity)
• Context: 1 048 576 tokens
• KDA: KV −75 %, decode +6,3× at 1M
• AttnRes: training +25 %, overhead <2 %
• Scaling vs K2: ~2,5×
• API: $3 / $15 / $0,30 per M tokens
• China: ¥20 / ¥100 / ¥2
• ARR Jun 2026: >$300M; valuation $31,5B
• AA Index v4.1: 57,1 (#4)
• Open weights: 27.07.2026 (Hugging Face)

Re-verify links after upstream updates:

Official:

Moonshot AI — Kimi K3 tech blog

Kimi API Platform — docs and pricing

Third-party:

Artificial Analysis — Intelligence Index v4.1

OpenRouter — moonshotai/kimi-k3

Kimi K3 поднимает планку open source — но pure API = latency, quotas, fragile toolchain; self-host до 27.07. impossible, после — supernode GPU farm; shared cloud VM режет Metal performance и ломает long-running agents. Для native Apple Silicon, 7×24 uptime, stable iOS CI/CD (Kimi Code / Claude Code на persistent physical Mac) — ZUKCLOUD bare-metal Mac mini cloud nodes: dedicated hardware, zero hypervisor tax, flexible billing. Pricing, Order, bare-metal manifesto.

07 FAQ

Q: Kimi K3 бесплатен?
A: kimi.com — free consumer tier (max reasoning). API: $3/$15 per M tokens.

Q: Local deploy?
A: Weights с 27.07.2026 на Hugging Face. Production: 64+ accelerators.

Q: K3 vs DeepSeek V4 Pro?
A: K3 — 2× params, 5× context, stronger coding benches. DeepSeek — output $3,48/M. См. DeepSeek chip ecosystem.

Q: Зачем 1M context?
A: Whole-repo analysis, long legal/scientific docs, agent memory. Flat pricing + high cache rate.

Q: Когда low/high reasoning?
A: Moonshot анонсировала low и high для future updates; сейчас только max.