Kimi K3: обзор открытой модели на 2,8 трлн параметров — бенчмарки, цены, API (2026)

Kimi K3 — крупнейшая open-source LLM в мире: 2,8 триллиона (2,8T) параметров в sparse MoE-архитектуре — примерно на 75 % больше DeepSeek V4 Pro (1,6T), в 2,7 раза больше open-модели Xiaomi (1,02T) и более чем в 7 раз больше 397B-модели Alibaba. На каждый forward pass активируются 16 из 896 экспертов (sparsity 1,8 %).

K3 уже доступен на kimi.com, в приложении Kimi, Kimi Code и Moonshot API. Модель заточена под сложный кодинг, reasoning на длинных документах и knowledge work с нативным пониманием изображений и видео.

За 18 месяцев после взлёта DeepSeek Moonshot AI потеряла долю рынка. Kimi K3 — контратака, подкреплённая коммерческими метриками, а не маркетинговым хайпом:

• 9 из 12 месяцев Kimi удерживал рекорд крупнейшей open-source модели по числу параметров
• ARR свыше $300M (июнь 2026); API — более 70 % выручки; зарубежные платящие пользователи +400 %
• 6-й раунд финансирования в 2026 при оценке $31,5B pre-money
• Релиз накануне WAIC 2026 (17–20 июля, Шанхай) — сильный сигнал глобальному open-source сообществу

Типичные ошибки при выборе модели в 2026:

• Сравнивать только list price: K3 стоит $15/M output — дороже DeepSeek — но контекст 1M и cache hit >90 % в coding-сценариях снижают эффективный input до ~$0,55/M
• Игнорировать harness бенчмарков: Moonshot использует Kimi Code, OpenAI Codex, Anthropic Claude Code — независимые reproductions ещё идут
• Ждать open weights до 27 июля: локальный деплой требует 64+ ускорителей — не laptop LLM
• Недооценивать контекст: 200K у Claude vs 1M у K3 часто означает потерю контекста посреди agent-задачи

Kimi Delta Attention (KDA)

Full attention масштабируется квадратично с длиной контекста — при 1M токенов KV-cache становится критичным. KDA — гибридный linear attention с соотношением 3:1 (три linear-слоя, один full-attention слой):

• KV-cache сокращён до 75 %
• Decoding до 6,3× быстрее на 1M контексте
• Не уступает full-attention baseline на коротком, длинном контексте и при RL scaling

Attention Residuals (AttnRes)

Стандартные residual connections размывают ранние representations на глубине. AttnRes даёт селективный retrieval через depth — модель целенаправленно подтягивает high-value сигналы из ранних слоёв. Итог: около 25 % выше training efficiency при менее 2 % дополнительного compute.

Stable LatentMoE

896 экспертов, 16 активных — экстремальная sparsity требует стабильного routing. Сопутствующие техники Moonshot:

Суммарно: против Kimi K2 примерно 2,5× лучшая scaling efficiency — тот же compute budget, более сильный intelligence.

Self-reported данные Moonshot (16 июля 2026). Разные harness у вендоров — ориентиры, не финальные рейтинги.

Чтение таблицы: SWE Marathon (долгий coding) — K3 лидирует с 42,0, +7 пунктов над Fable 5. OmniDocBench (multimodal document understanding) — также первое место. FrontierSWE и DeepSWE впереди у Fable 5 и GPT-5.6 Sol.

Artificial Analysis Intelligence Index v4.1: Kimi K3 57,1 (4-е место) — после Fable 5 (59,9) и GPT-5.6 Sol (58,9); разрыв с лидером всего 2,8 пункта.

K3 совпадает со standard price Sonnet 5, но даёт 5× контекст. Cache hit >90 % в coding — эффективный input часто ~$0,55/M (7-day weighted average OpenRouter). Против Opus 4.8: 60 % input cost, 40 % output cost при сопоставимых или лучших scores на ряде тестов. China API: ¥20/M input, ¥100/M output, cache ¥2/M.

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": "Проанализируй эту codebase на узкие места производительности..."}
    ]
)
print(response.choices[0].message.content)

API key на platform.kimi.ai. OpenRouter: model ID moonshotai/kimi-k3 — официальные $3/$15, без наценки, полный 1M контекст. См. также наш гайд по трендам OpenRouter для routing-стратегий.

1. 01
   Создать аккаунт: kimi.com (Google login) для мгновенного теста или platform.kimi.ai для API key — K3 по умолчанию на max reasoning effort.
2. 02
   Выбрать канал доступа: web/app, прямой Moonshot API или OpenRouter — по вашей billing-инфраструктуре и compliance.
3. 03
   Спланировать cache-стратегию: Mooncake split-inference даёт высокий cache hit — держите prompt templates стабильными, версионируйте system prompts.
4. 04
   Использовать 1M контекст осмысленно: целые repos, длинные specs или legal docs одним вызовом — flat pricing без surcharge за длину.
5. 05
   Определить mixed routing: K3 для long coding и document analysis; Fable 5 для FrontierSWE repo fixes; GPT-5.6 Sol для terminal-heavy agents.
6. 06
   Отметить 27 июля: полные веса на Hugging Face — ожидаются MXFP4/NVFP4 quantization и day-0 support в vLLM/SGLang/transformers.

Kimi K3 — не монумент параметров. KDA, AttnRes и Stable LatentMoE решают реальные scaling-проблемы; в long coding, BrowseComp и document understanding K3 обгоняет или стоит рядом с closed-source flagship. При $3/$15, контексте 1M и open weights 27 июля 2026 Moonshot посылает сигнал: китайская open-source экосистема конкурирует на frontier intelligence — не только по цене.

Даты: 17–20 июля WAIC Shanghai (ожидаются анонсы) → 27 июля полные веса на Hugging Face.

Команды, встраивающие Kimi K3 в agent pipelines, часто нуждаются в стабильных build-хостах параллельно API routing. Shared minute pools и домашние Mac дают bandwidth jitter, neighbor contention и обрывы long-lived SSH — это съедает экономию на модели. Для audit-ready 24/7 agent-сред мультирегиональные bare-metal Mac / cloud Mac узлы NUKCLOUD дают dedicated compute и чёткие tenant boundaries. Сравните specs на странице цен и provision тестовый узел через заказ.

• Kimi K3 бесплатен?
  Да на kimi.com с бесплатным аккаунтом. API требует pay-per-token ($3/$15 за миллион токенов).
• Можно ли запустить Kimi K3 локально?
  С 27 июля 2026 с полными весами. Production требует 64+ accelerators (например H100) — не consumer deployment.
• Как K3 сравнивается с DeepSeek V4 Pro?
  Почти вдвое больше параметров, 1M vs 128K контекст, сильнее на coding benchmarks — DeepSeek существенно дешевле ($3,48/M output).
• Полезен ли контекст 1M?
  Да для целых codebases, research papers и long-memory agents. Flat pricing делает полный контекст экономически оправданным.
• Kimi K3 на OpenRouter?
  Да — moonshotai/kimi-k3, официальные цены без наценки, полный 1M контекст.
• Когда появятся low/high reasoning modes?
  Moonshot анонсирует low и high в последующих обновлениях. На старте доступен только max.

Данные на 2026-07-17. Источники: Moonshot AI blog, Kimi API Platform, Artificial Analysis, OpenRouter pricing.