Китайская Moonshot AI выпустила Kimi K3 — языковую модель на 2,8 триллиона параметров, которую уже называют крупнейшей открытой нейросетью в мире. Релиз почти втрое превосходит по размеру предыдущий флагман линейки, K2.6, и одновременно поднимает окно контекста (объем текста, который модель удерживает в памяти за один запрос) до миллиона токенов (токен — это примерно четыре символа текста).
Запуск получился нервным. За пару дней до официального анонса на платформе Kimi Open Platform случайно всплыла и тут же исчезла промо-страница с бонусами к пополнению счета по случаю выхода K3. Скриншоты разошлись по сети быстрее, чем компания успела хоть что-то объяснить. Следом появился безмолвный видеотизер с цифрой «3» в кадре, и лишь на этой неделе на сайте API-платформы наконец возник баннер о запуске вместе с документацией. Технического отчета, таблицы бенчмарков или весов на Hugging Face к этому моменту так и не появилось — подход, прямо противоположный тому, с которым выходила K2.6 в апреле, когда компания в один день выложила и саму модель, и полное описание архитектуры.
Устроена K3 как смесь экспертов (MoE — способ собрать модель из множества узкоспециализированных подсетей и на каждый запрос включать лишь часть из них): всего в модели 896 экспертов, а на каждый токен активируются только 16. Поэтому модель размером в 2,8 триллиона параметров не требует в разы больше вычислений, чем ее предшественницы, — реальная нагрузка ложится на гораздо меньшую часть сети. Сколько параметров активируется на токен, компания официально не раскрывает, но по оценкам сторонних аналитиков речь идет о полусотне миллиардов.
За миллион токенов контекста отвечает механизм Kimi Delta Attention: три из каждых четырех слоев модели работают по дешевой линейной схеме внимания, а один сохраняет полное внимание для точного удержания деталей на больших расстояниях в тексте. К этой связке добавлен модуль под названием Attention Residuals, формального описания которого Moonshot пока не публиковала. Известно только название. Комбинация держит миллионное окно без взрывного роста затрат памяти, а заодно объясняет плоское ценообразование: 3 доллара за миллион входных токенов, 15 за выходные и всего 30 центов, если запрос попадает в кеш повторяющегося текста, — независимо от того, сколько токенов контекста при этом обрабатывается.
Для сравнения, K2.6 стоила 0,95 доллара за вход и 4 доллара за выход: K3 подорожала в три-четыре раза относительно собственной линейки. При этом она все равно дешевле закрытых конкурентов — Claude Opus 4.8 берет 5 и 25 долларов за миллион токенов, GPT-5.5 — 5 и 30, а более новая Claude Fable 5 и вовсе 10 и 50. Среди открытых моделей ценовой ориентир вроде DeepSeek V4 Pro заметно дешевле, но и заметно слабее по результатам тестов. Moonshot впервые в истории линейки Kimi отказалась от роли самого дешевого игрока на рынке и выставила K3 моделью премиального открытого сегмента, а не бюджетной альтернативой.
По собственным данным Moonshot, на SWE Marathon (тест на выносливость модели в затяжных сессиях программирования) K3 набирает 42 балла против 40 у Opus 4.8, а во фронтенд-арене LMArena, где живые люди сравнивают ответы моделей парами и выбирают более удачный, заняла первое место, обойдя даже более новую Fable 5. Но гонка не заканчивается на этой отметке: на терминальных задачах K3 показывает 88,3 против 88,8 у GPT-5.6 Sol, актуального флагмана OpenAI. В сводном индексе интеллекта независимой ArtificialAnalysis модель занимает третье место в мире — позади Fable 5 и Sol, но выше GPT-5.5. Получается, K3 обошла прошлое поколение западных флагманов и почти дотянулась до нынешнего: разрыв, который год назад измеряли кварталами отставания, теперь укладывается в единицы процентных пунктов на конкретных тестах.
Быстрое сокращение дистанции совпадает с неприятным эпизодом в биографии компании. В начале года Anthropic публично обвинила Moonshot вместе с DeepSeek и MiniMax в скоординированной кампании по извлечению возможностей Claude: компания насчитала более 24 тысяч поддельных аккаунтов и 16 миллионов обращений к модели, нацеленных на копирование агентных навыков, работы с инструментами и программирования. Ответа на обвинения Moonshot публично не давала. Совпадение это или нет, но именно агентные и кодовые способности K3 демонстрирует увереннее всего остального.
Open-source модели тоже пока обещание, а не факт: компания называет K3 открытой в традиции K2.6, которая вышла под измененной MIT-лицензией (позволяет самостоятельно разворачивать и дорабатывать модель при условии сохранения авторства), но сами веса пока не опубликованы ни на Hugging Face, ни где-либо еще. На практике выбор K3 оправдан там, где вес приобретает именно контекст — агенты, разбирающие целый репозиторий кода за один проход, анализ многосотстраничных документов без нарезки на куски, мультимодальные задачи с видео и изображениями. Для быстрых чат-продуктов модель подходит хуже: рассуждает она всегда на максимальном уровне усилий, переключить или ослабить это пока нельзя, а выдает результат заметно медленнее конкурентов — около 28 токенов в секунду.
Дату публикации весов Moonshot назвала сама — 27 июля. Если к этому дню K3 действительно появится на Hugging Face, она станет первой в мире по-настоящему открытой моделью такого масштаба.
