Moonshot åbner Kimi K3-vægte under en omsætningsbaseret licens

Moonshot AI offentliggjorde de fulde modelvægte for Kimi K3 den 27. juli 2026, elleve dage efter, at Beijing-laboratoriet lancerede modellen som en hosted service. Vægtene og den tekniske rapport blev offentliggjort samtidig på Hugging Face og GitHub under en særlig sæt af betingelser, som virksomheden kalder Kimi K3-licensen.

Kimi K3 er en mixture-of-experts-model med 2,8 billioner parametre i alt, hvoraf 104 milliarder aktiveres for hver given token. Den har en kontekstvindue på 1 million token, kan håndtere tekst og billeder på naturlig vis gennem en vision-encoder, som Moonshot kalder MoonViT-V2, og sender hver token til 16 af 896 eksperter. Moonshot beskriver det som verdens første åbne model i 3-milliarder-parametre-klassen.

Arkitekturen er, hvor laboratoriet har koncentreret sin indsats. Kimi Delta Attention håndterer 69 af modellens 93 lag, med 24 gated latent-attention-lag ved siden af, og en mekanisme, som laboratoriet kalder Attention Residuals, henter repræsentationer selektivt over dybden i stedet for at akkumulere dem ensartet. Moonshot rapporterer, at denne kombination, parret med dets Stable LatentMoE-routing, resulterede i en omtrent 2,5-gange forbedring af skaleringseffektiviteten i forhold til Kimi K2.

Hvad licensen tillader

Kimi K3-licensen ligner MIT for størstedelen af sin længde. Den giver enhver, uden betaling, retten til at bruge, kopiere, modificere, distribuere, underlicensere og sælge softwaren, og til at køre, installere, finjustere eller opbygge afledte værker fra vægtene.

To betingelser er knyttet ovenfor en omsætningsgrænse:

• En licenshaver, der kører en “Model as a Service”-forretning, defineret i licensen som at give tredjeparter adgang til inferens eller finjustering med væsentlig kontrol over input, parametre eller træningsdata, skal underskrive en separat aftale med Moonshot, når omsætningsbeløbet overgår 20 millioner dollar over en sammenhængende 12-måneders periode.
• Enhver kommerciel produkt eller service med mere end 100 millioner aktive brugere om måneden eller mere end 20 millioner dollar i månedlig omsætning skal vise “Kimi K3” fremtrædende i sin brugerflade.

Ingens af disse betingelser gælder for ren intern brug eller adgang gennem Moonshots egne produkter og dets certificerede inferenspartnere. Produkter, der integrerer modellen i en specifik funktion eller harness, eller som blot videreformidler anmodninger til en model, som andre hoster, falder uden for service-definitionen.

Den praktiske effekt er en opdeling efter forretningsmodel i stedet for efter bruger. Et hold, der finjusterer K3 på sin egen infrastruktur, har ingen forpligtelse. En sky-leverandør, der gensælger K3-inferens i stor målestok, har brug for en kontrakt med Moonshot, før det gør det.

Udgivelsen lander også inden for en allerede kørende diskussion i Washington. Nvidia og Microsoft støttede åben-vægts-AI i et fælles brev (MSFT ) (NVDA ) den 24. juli 2026, og OpenAIs Sam Altman tog selskabets næste model-familie til lovgivere og administrative embedsmænd i Washington samme dag, som vægtene blev udgivet. En nedladbar 2,8-milliarder-parametre-model fra et kinesisk laboratorium er nu et fast punkt i den debat.

Hvor evalueringerne placerer den

Artificial Analysis scorede Kimi K3 til 57 på dens Intelligence Index, mens modellen stadig var API-kun, og placerede den som nummer tre i alt og på niveau med Claude Opus 4.8 og GPT-5.5, bag Claude Fable 5 og GPT-5.6 Sol. De stærkeste åbne-vægts-alternativer på den indeks lå langt under: GLM-5.2 på 51 og DeepSeek V4 Pro på 44.

De agente tal var den stærkeste del af den vurdering. Artificial Analysis målte K3 til 1668 Elo på GDPval-AA v2, op fra 1190 for Kimi K2.6, og placerede den som nummer ét på AutomationBench-AA med 53%. Omkostningerne pr. opgave lå på 0,94 dollar, tæt på GPT-5.6 Sol og omtrent halvdelen af prisen for Opus 4.8.

Moonshots egen benchmark-tabel rapporterer 93,5% på GPQA Diamond og 91,2 på BrowseComp, med fodnoter, der afslører, at forskellige modeller blev kørt under forskellige agent-harness. Laboratoriets lanceringsside siger, at den samlede præstation stadig ligger efter Fable 5 og GPT-5.6 Sol, og nævner en brugeroplevelses-kløft mod begge som en begrænsning. Nu, hvor checkpointet selv er nedladbart, kan disse tal genkøres af enhver i stedet for at accepteres fra leverandørens harness.

Hvad det kræver at køre

Moonshot anbefaler at installere K3 på supernode-konfigurationer med 64 eller flere acceleratorer og peger på vLLM, SGLang og TokenSpeed som understøttede inferens-motorer. Da Kimi Delta Attention bryder med konventionel prefix-caching, bidrog laboratoriet med sin egen caching-implementering til vLLM-projektet sammen med udgivelsen. Vægtene leveres naturligt kvantificerede, med kvantificerings-bevidst træning anvendt fra den overvågede finjusteringsfase og fremad.

En installationsdetalje er vigtigere end dens placering i modelkortet antyder. K3 blev trænet i, hvad Moonshot kalder bevaret tænke-historie-tilstand, som kræver en harness til at sende modellens komplette forrige assistent-meddelelse, inklusive resonans-indhold og værktøjskald, tilbage i samtalen. Hold, der dropper det eller skifter en kørende session over til en anden model midt i en opgave, skal forvente ustabil output.

Moonshots hosted API forbliver på 3,00 dollar pr. million input-token og 15,00 dollar pr. million output, med cachede input på 0,30 dollar. Hvad udgivelsen tilføjer, er en alternativ til den måler: vægtene, licensen og rapporten om, hvordan modellen blev trænet, er alle offentlige, og community-replikation af Kimi K3s resultater kan nu starte fra selve artefakten.

0 pr. million input-token og 15,00 dollar pr. million output, med cachede input på 0,30 dollar. Hvad udgivelsen tilføjer, er en alternativ til den måler: vægtene, licensen og rapporten om, hvordan modellen blev trænet, er alle offentlige, og community-replikation af Kimi K3s resultater kan nu starte fra selve artefakten.