Kimi K3 slår GPT-5.6 Sol på agentisk AI och öppnar koden den 27 juli

Modellen som precis överträffat Open AI:s flaggskepp på det riktmärke som betyder mest för långsiktigt kodnings- och kunskapsarbete finns idag tillgänglig via API. Det är inte från OpenAI, Google eller Anthropic. Kimi K3 är den senaste lanseringen från Moonshot AI, en startup i Peking som främst är känd för chattroboten Kimi, och det är den största open-weights-språkmodellen som någonsin släppts: 2,8 biljoner totala parametrar i en gles arkitektur som håller kostnaderna nere genom att bara aktivera en bråkdel av dem per förfrågan.

På AA-Briefcase – Artificial Analysis agentiska utvärdering utformad för att simulera verkligt kunskapsarbete snarare än läroboksproblem – fick Kimi K3 1 527 poäng, vilket placerar den på andra plats endast efter Claude Fable 5 Max med 1 587 poäng och före GPT-5.6 Sol Max med 1 495 poäng. På det bredare GDPval-AA-riktmärket hamnar modellen på tredje plats med 1 687 poäng, bakom Fable 5 Max (1 815) och GPT-5.6 Sol Max (1 747,8). Prestandagapet mellan första och andra plats på det agentiska riktmärket är mindre än gapet mellan andra och femte plats.

Prisskillnaden är svårare att avfärda än riktmärkesplaceringarna. Kimi K3 tar 3 dollar per miljoner icke-cachelagrade inmatningstokens och 15 dollar per miljon utmatningstokens. Claude Opus 4.8 tar 5 dollar per miljon inmatning och 25 dollar per miljon utmatning. För team som kör högvolymsagentiska arbetsflöden rapporterar Moonshot träffsiffror på över 90 % för cache vid kodningsarbetsbelastningar, vilket sänker den effektiva inmatningskostnaden till 0,30 dollar per miljon tokens – en siffra som förändrar ekonomin för att distribuera AI i frontlinjen i stor skala.

Två arkitektoniska innovationer ligger bakom modellen. Kimi Delta Attention är en hybrid linjär uppmärksamhetsmekanism som företaget säger möjliggör 6,3 gånger snabbare avkodning i kontexter med miljontals tokens jämfört med standarduppmärksamhet. Attention Residuals beskrivs som ett ersättningsbart alternativ till standardresidualkopplingar som ger konsekventa prestandavinster i takt med att modellen skalas. Kontextfönstret på 1 miljon tokens – tillräckligt för att rymma ungefär tio fullängdsromaner samtidigt – är levande och funktionellt, inte en teoretisk specifikation.

Det finns en skillnad mellan ”tillgänglig idag” och ”öppen källkod” som är viktig här. Kimi K3 är tillgänglig nu via API och Kimi-appen, vilket innebär att förfrågningar går via Moonshots servrar. Modellens faktiska vikter – de tränade parametrarna som skulle låta vem som helst distribuera den på sin egen infrastruktur – är ännu inte offentliga. Moonshot planerar att släppa dem den 27 juli under en modifierad MIT-licens, samma villkor som tillämpades på den tidigare K2-modellen. För de flesta utvecklare är API:t vad de behöver; för organisationer med krav på datasuveränitet eller regelefterlevnad är viktsläppet det relevanta datumet.

Inbyggt multimodalt stöd täcker text, bilder och videoinmatning inom samma API-anrop. Modellens totala parameterantal på 2,8 biljoner avser den fulla uppsättningen av glesa MoE-parametrar; det aktiva parameterantalet per framåtpass är betydligt lägre, vilket är hur Moonshot håller nere slutledningskostnaderna. Att köra hela modellen lokalt skulle kräva hårdvara långt bortom en konsumentarbetsstation. Vad de öppna vikterna kommer att möjliggöra är distribution på företagsinfrastruktur i stor skala utan att dirigera data genom ett kinesisktägt API.

Viktsläppet den 27 juli kommer att avgöra hur mycket av benchmark-fördelen som överlever i verklig distribution. När Moonshot släppte K2 under jämförbara öppna villkor gick utvecklarantagandet snabbare än företaget förväntade sig – delvis för att kombinationen av prestanda nära frontlinjen och MIT-liknande licensiering tog bort juridisk friktion för team som behövde båda. K3 är ett större spel på samma strategi.

Taggar: AI-modeller, GPT-5.6, Kimi K3, lokal AI, Moonshot AI, öppen källkod AI