Moonshot AI wypuszcza Kimi K3, otwarty model z 2,8 biliona parametrów

Moonshot AI, pekiński start-up rozwijający rodzinę modeli Kimi, opublikował 16 lipca 2026 roku swój najnowszy flagowy model Kimi K3. Firma opisuje go jako największy jak dotąd otwarty model językowy i chwali się wynikami zbliżonymi do najdroższych modeli zamkniętych od OpenAI i Anthropic.

Parametry i architektura

Kimi K3 to model mixture-of-experts o 2,8 biliona parametrów łącznych, co według Moonshot czyni go największym otwartym modelem opublikowanym do tej pory. Dla porównania chińskie DeepSeek V4-Pro ma 1,6 biliona parametrów, model Xiaomi 1,02 biliona, a oferta Z.AI 744 miliardy. Model korzysta z nowej architektury opartej na technice Attention Residuals, którą Moonshot udostępniło jako otwarty zamiennik standardowych połączeń rezydualnych wcześniej w tym roku.

Nowością jest też natywne rozumienie obrazu wbudowane bezpośrednio w model, a nie doklejone jako osobny moduł wizyjny. Moonshot łączy to z pracą nad kodem, wskazując zastosowania przy tworzeniu gier i projektowaniu CAD, gdzie model musi jednocześnie rozumieć kod i grafikę.

Kontekst sięgający 1 048 576 tokenów obejmuje całą stawkę cenową bez dodatkowych opłat za jego wykorzystanie. Moonshot pozycjonuje K3 jako model do inżynierii oprogramowania, pracy z wiedzą oraz zadań wymagających długiego rozumowania na dużych zbiorach danych.

Wyniki w benchmarkach

W wewnętrznych testach Moonshot Kimi K3 zajmuje trzecie miejsce pod względem ogólnej inteligencji, ustępując jedynie Claude Fable 5 i GPT-5.6 Sol, ale wyprzedzając Gemini i inne modele czołowych dostawców. W pojedynczych kategoriach model często wygrywa z konkurencją mimo niższej pozycji ogólnej.

W Program Bench K3 uzyskał 77,8 punktu, przed GPT-5.6 Sol z wynikiem 77,6. W SWE Marathon model zdobył 42,0 punktu wobec 35,0 dla Claude Fable 5. W Terminal Bench 2.1 wynik to 88,3, a we FrontierSWE 81,2. W DeepSWE Kimi K3 zanotował 67,5 punktu, ustępując tu Fable 5 z wynikiem 70,0.

W zadaniach agentowych K3 wypada mocno: 30,8 punktu w Automation Bench i 34,8 w SpreadsheetBench 2, w obu przypadkach przed oboma porównywanymi konkurentami. W teście przeglądania sieci BrowseComp model osiągnął 91,2 procent w konfiguracji z jednym agentem, bez kompresji kontekstu czy dodatkowych technik zarządzania nim. W GDPval-AA v2, obejmującym 44 zawody i dziewięć branż, K3 uzyskał 1687 punktów Elo, a w AA-Briefcase 1527 punktów, co daje drugie miejsce w tym rankingu.

Cennik i dostępność

Za pośrednictwem API Kimi K3 kosztuje 0,30 dolara za milion tokenów wejścia trafiających w cache, 3 dolary za milion tokenów wejścia poza cache oraz 15 dolarów za milion tokenów wyjścia, przy czym pełny milionowy kontekst jest wliczony w tę stawkę. Moonshot podaje też koszt zadania w Kimi Code Bench V2 na około 3,50 dolara, wobec około 9 dolarów w przypadku Claude Fable 5.

Sam model API jest już dostępny od 16 lipca, natomiast pełne wagi modelu mają zostać udostępnione publicznie około 27 lipca 2026, prawdopodobnie na zmodyfikowanej licencji MIT, zgodnie z praktyką stosowaną przy poprzednich wersjach Kimi. K3 to już dziewiąte, jak liczą obserwatorzy rynku, rekordowe otwarte wydanie Moonshot w ciągu ostatniego roku, po serii K2, K2.5, K2.6 oraz K2.7 Code.

To nasz najsilniejszy jak dotąd model do kodowania, zbudowany tak, by radzić sobie w długich zadaniach inżynierii oprogramowania - Moonshot AI, oświadczenie firmy przy premierze Kimi K3

Kontekst rynkowy

Premiera zbiega się z rundą finansowania, w której Moonshot AI pozyskuje kapitał przy wycenie 31,5 miliarda dolarów, po tym jak w maju 2026 firma zebrała 2 miliardy dolarów przy wycenie 20 miliardów. Według źródeł cytowanych przez Financial Times Kimi K3 ma dorównać możliwościom Claude Opus 4.8 od Anthropic lub je przewyższyć, co czyniłoby go najpotężniejszym jak dotąd otwartym modelem wagowym z Chin.

Wydanie wpisuje się w szerszą debatę branżową o wyborze między drogimi modelami zamkniętymi od OpenAI i Anthropic a tańszymi alternatywami open source. Firmy rozważające wdrożenia coraz częściej patrzą w stronę modeli takich jak DeepSeek, Z.ai czy właśnie Kimi, przede wszystkim ze względu na możliwość zachowania kontroli nad własnymi danymi zamiast przesyłania ich do zewnętrznego dostawcy API.

Dla polskich firm i deweloperów oznacza to kolejną tanią opcję do lokalnego wdrożenia lub taniego dostępu przez API, szczególnie w zastosowaniach związanych z kodowaniem i analizą dużych zbiorów dokumentów, gdzie milionowy kontekst i niższa cena mogą realnie obniżyć koszty w porównaniu z modelami zamkniętymi. Wcześniejsze modele z rodziny Kimi K2 zdobyły już przychylne przyjęcie na rynku open source, utrzymując konkurencyjność względem czołowych modeli zamkniętych mimo znacznie niższych cen.