Kimi K3: Claude-klón vagy önálló fejlesztés?

Vita a modell eredetéről

A Kimi K3-at a Moonshot AI 2026. július 16-án adta ki. A CoreWeave beszámolója szerint a modell iránti kereslet rövid idő alatt meghaladta a vállalat számítási kapacitását, ezért a Moonshot 48 órával a rajt után felfüggesztette az új előfizetéseket.

Július 22-én a Fehér Ház Tudományos és Technológiai Politikai Hivatalának igazgatója az X-en azt írta, hogy információik szerint a Moonshot az Anthropic Fable modelljét lepárolta a K3 létrehozásához. Az állítás szerint ehhez egy erre a célra kialakított belső platformot használtak, amely váltogatta a hozzáférési módszereket az észlelés elkerülésére. Scott Bessent pénzügyminiszter szankciókat is felvetett. A Moonshot tagadta a vádakat.

A vállalat ezt követően a tervezett időben közzétette a K3 súlyait, valamint teljes technikai jelentést adott ki az architektúráról, az előtanításról, az utólagos tanításról, az infrastruktúráról és az értékelésekről. A jelentés önmagában nem bizonyítja a modell eredetét, ugyanakkor részletes és ellenőrizhető leírást ad a fejlesztésről.

Nagy modell, eltérő architektúra

A Kimi K3 natívan multimodális, Mixture of Experts felépítésű modell. Összesen 2,8 billió paramétert tartalmaz, tokenenként 104,2 milliárd aktiválódik benne, a hálózat 93 rétegből áll, a szókészlet 160 ezer elemes, a kontextusablak pedig legfeljebb 1 millió tokenes.

Az architektúra egyik alapja a hibrid figyelem. A rétegekben három Kimi Delta Attention réteget egy Gated MLA réteg követ. A KDA egy csatornánként működő elfelejtési kapuval bővíti a delta-szabályt, így a modell a pozíciót a rekurencián keresztül is kezelheti. A K3 MLA-rétegei nem használnak pozíciókódolást, a fejlesztők szerint ezért a modell 1 millió tokenig képes kiterjeszteni a kontextust RoPE-átméretezés vagy YaRN-interpoláció nélkül.

A rendszer 896 útválasztott szakértőt tartalmaz, tokenenként 16 aktív szakértővel. A stabil működés érdekében a fejlesztők RMSNorm normalizálást, SiTU-GLU aktivációt és Quantile Balancing terheléskiegyenlítést alkalmaztak. A modell látási komponense a 27 rétegű, hozzávetőleg 0,4 milliárd paraméteres MoonViT-V2.

Erős eredmények és alacsonyabb költség

A K3 a technikai jelentésben bemutatott 12 tesztből négyben végzett az első helyen: ProgramBenchben 77,8, SWE-Marathonban 42,0, BrowseCompban 91,2, AutomationBenchben pedig 30,8 pontot ért el. További négy tesztben második lett, köztük a Terminal-Bench 2.1-ben 88,3, a FrontierSWE-ben 81,2 és a CharXivban 91,3 ponttal. A Zerobenchben 41,0 ponttal holtversenyben végzett a GPT-5.5-tel.

A gyengébb eredmények közé tartozik a DeepSWE, ahol a K3 67,5 pontja elmaradt a GPT-5.6 Sol 73,0 és a Fable 5 70,0 pontjától. A GDPval-AA v2 tesztben 1668 Elo értéket ért el, szemben a Fable 5 1747 és a GPT-5.6 Sol 1736 értékével. A CoreWeave értékelése szerint a modell így is a legjobbak között marad a kódolási, böngészési, automatizálási és vizuális ügynöki teszteken.

A költségadatok alapján a K3 több összevetésben kedvezőbb. A Kimi Code Bench 2.0 tesztben 4 ponttal maradt el a Fable 5-től, miközben a költség 38 százalékát érte el. BrowseCompban a legmagasabb pontszámot 2,03 dollár feladatonkénti áron hozta, a GPT-5.6 Sol költségének feléért. Az API díja egymillió cache-találatot kapó bemeneti tokenenként 0,30 dollár, cache-hiány esetén 3,00 dollár, kimeneti tokenenként pedig 15,00 dollár.

Nagy ugrás a Kimi korábbi modelljeihez képest

A K3 a K2.7-hez képest teljes architekturális újratervezést jelent. A korábbi modell 61 rétegű, 384 útválasztott szakértőt használó MoE-rendszer volt, MLA figyelemmel, SwiGLU aktivációval és 128 ezres kontextusablakkal. A K3 ezzel szemben 93 réteget, 896 útválasztott szakértőt, hibrid KDA és MLA figyelmet, SiTU-GLU aktivációt és 1 millió tokenes kontextust kínál.

A Moonshot saját mérési rendszereiben a K3 73,7 pontot ért el Claude Code, illetve 72,9 pontot Kimi Code alatt. A K2.7 még 62,0 ponton állt, miközben a GPT-5.5 69,0 pontot ért el az összevetésben. Az ügynöki feladatokban is javult a teljesítmény: egy, a Moonshot által használt feketedobozos rendszerreplikációs tesztben a K2.6 0,560, a GPT-5.5 0,893, a Claude Opus 4.8 0,918, a K3 pedig 1,000 értéket kapott.

A felhasználók számára a bejelentés fő jelentősége, hogy egy nyílt súlyú, multimodális modell kínál hosszú kontextust, ügynöki és kódolási képességeket, miközben a bemutatott tesztek egy részében alacsonyabb költség mellett teljesít zárt modellekhez hasonlóan. A Claude-eredetre vonatkozó vita a közzétett technikai anyag ellenére sem tekinthető lezártnak, a Moonshot azonban nyilvánosan hozzáférhetővé tette a modell súlyait és a fejlesztés részletes leírását.