Kimi K3

Kimi K3 — флагманская мультимодальная модель Moonshot AI для долгих задач по программированию, работе с инструментами, исследованиям и обработке документов. У неё 2,8 трлн параметров, нативное зрение и контекстное окно 1 048 576 токенов. Официальный API стоит $3 за 1 млн входных и $15 за 1 млн выходных токенов; при попадании входа в кэш цена снижается до $0,30.

Модель представлена 17 июля 2026 года и уже доступна в Kimi, Kimi Work, Kimi Code и через API под идентификатором kimi-k3. Moonshot AI называет K3 первой открытой моделью класса 3T, но на дату публикации этой карточки полные веса ещё не выложены: компания обещает выпустить их до 27 июля 2026 года.

Что нового в Kimi K3

Kimi K3 построена как сильно разреженная Mixture-of-Experts-модель: на каждом токене активируются 16 из 896 экспертов. В архитектуре используются Kimi Delta Attention, Attention Residuals и Stable LatentMoE. По данным разработчика, сочетание этих решений даёт примерно 2,5-кратный прирост эффективности масштабирования по сравнению с Kimi K2.

Нативная мультимодальность означает, что модель работает не только с текстом, но и с изображениями. Moonshot позиционирует K3 для задач, где код и визуальное восприятие связаны в одном цикле: создание интерфейсов, работа со скриншотами, CAD, игры, анализ графиков и документов.

Бенчмарки Kimi K3

Ниже приведены все 35 результатов из полной таблицы Moonshot AI. Для Kimi K3 использовался максимальный уровень reasoning effort, temperature = 1.0 и top_p = 1.0. Результаты нельзя воспринимать как полностью независимую оценку: часть прогонов сделана самим разработчиком, а Kimi Code Bench, DECK-Bench и PerceptionBench являются внутренними тестами Moonshot AI.

Программирование

Для DeepSWE важно различать harness: в сравнительной таблице Moonshot указан результат 67,5% с KimiCode, а в официальном DeepSWE leaderboard с mini-SWE-agent модель получает 67,3%.

Агентные и рабочие задачи

В MCP Atlas использован публичный набор из 500 задач с лимитом 100 шагов и Gemini 3.1 Pro в роли судьи. Automation Bench прогонялся на публичной выборке из 600 задач. Для BrowseComp применялось сжатие контекста после 300 тысяч токенов; без context management и с полным окном 1M Moonshot отдельно сообщает 90,4%.

Рассуждения и знания

Зрение и работа с документами

Результаты мультимодальных тестов, кроме ZeroBench, усреднены по трём прогонам; ZeroBench запускался пять раз. PerceptionBench — внутренний тест Moonshot AI на базовые навыки визуального восприятия.

Цена и доступность API

Официальная тарификация kimi-k3 за 1 млн токенов:

API поддерживает автоматическое кэширование контекста, tool calling, JSON mode и structured outputs. Для нового проекта важно считать экономику не только по минимальной цене кэшированного ввода: она применяется лишь при повторном использовании уже обработанного контекста.

Ограничения

Moonshot AI отмечает чувствительность K3 к истории reasoning: если агентный фреймворк не возвращает модели предыдущие блоки рассуждений или переключает модель посреди сессии, качество может стать нестабильным. Разработчик рекомендует совместимый harness, например Kimi Code.

Второе ограничение — избыточная инициативность. K3 обучалась на длинных автономных задачах и при неоднозначной постановке может принимать решения за пользователя. Для production-агентов стоит явно задавать разрешённые инструменты, границы действий и условия подтверждения.

Наконец, сама Moonshot AI пишет, что по общему пользовательскому опыту K3 пока уступает сильнейшим проприетарным моделям. Поэтому опубликованные цифры полезны для короткого списка кандидатов, но не заменяют проверку на собственных задачах, репозиториях и документах.

Источники: официальный технический анонс Kimi K3, официальная страница тарифов Kimi K3, Kimi API Platform.