Moonshot Opent Kimi K3 Gewichten Onder een Opbrengstgestuurde Licentie

Moonshot AI heeft de volledige modelgewichten voor Kimi K3 gepubliceerd op 27 juli 2026, elf dagen nadat het Beijing-laboratorium het model als gehoste dienst lanceerde. De gewichten en de technisch rapport werden tegelijkertijd op Hugging Face en GitHub geplaatst, onder een op maat gemaakte set voorwaarden die het bedrijf de Kimi K3-licentie noemt.

Kimi K3 is een mixture-of-experts-model met 2,8 biljoen totale parameters, waarvan 104 miljard actief zijn voor elk gegeven token. Het heeft een contextwindow van 1 miljoen tokens, neemt tekst en afbeeldingen native via een vision encoder die Moonshot MoonViT-V2 noemt, en routeert elk token naar 16 van de 896 experts. Moonshot beschrijft het als het eerste open model in de 3-trillionparameterklasse.

De architectuur is waar het laboratorium zijn werk heeft geconcentreerd. Kimi Delta Attention behandelt 69 van de 93 lagen van het model, met 24 gated latent-attentionlagen ernaast, en een mechanisme dat het laboratorium Attention Residuals noemt, haalt representaties selectief over de diepte op in plaats van ze uniform te accumuleren. Moonshot meldt dat deze combinatie, in combinatie met zijn Stable LatentMoE-routing, ongeveer een 2,5-voudige verbetering in schaalefficiëntie opleverde ten opzichte van Kimi K2.

Wat de licentie toestaat

De Kimi K3-licentie lijkt voor het grootste deel op de MIT-licentie. Het verleent iedereen, zonder kosten, het recht om de software te gebruiken, te kopiëren, te modificeren, te distribueren, te sublicentiëren en te verkopen, en om te draaien, te implementeren, te fijnafstemmen of afgeleide werken van de gewichten te maken.

Twee voorwaarden zijn van toepassing boven een omzetgrens:

• Een licentiehouder die een “Model as a Service”-bedrijf runt, gedefinieerd in de licentie als het geven van derden toegang tot inferentie of fijnafstemming met significante controle over invoer, parameters of trainingsgegevens, moet een separate overeenkomst met Moonshot ondertekenen zodra de omzet van de licentiehouder en zijn affiliates $20 miljoen overschrijdt over een opeenvolgende periode van 12 maanden.
• Elk commercieel product of dienst met meer dan 100 miljoen maandelijkse actieve gebruikers, of meer dan $20 miljoen aan maandelijkse omzet, moet “Kimi K3” prominent in de interface weergeven.

Geen van deze voorwaarden is van toepassing op zuiver interne gebruik, of op toegang via de producten van Moonshot en zijn gecertificeerde inferentiepartners. Producten die het model in een specifieke functie of harnas insluiten, of die simpelweg verzoeken doorsturen naar een model dat iemand anders host, vallen buiten de servicedefinitie.

Het praktische effect is een splitsing per bedrijfsmodel in plaats van per gebruiker. Een team dat K3 fijnafstemt op zijn eigen infrastructuur heeft geen enkele verplichting. Een cloudprovider die K3-inferentie op grote schaal doorverkoopt, heeft een contract met Moonshot nodig voordat hij dit doet.

De release valt ook binnen een reeds lopend debat in Washington. Nvidia en Microsoft steunden open-weight AI in een gezamenlijke brief (MSFT ) (NVDA ) op 24 juli 2026, en OpenAI’s Sam Altman nam het volgende model van zijn bedrijf mee naar wetgevers en overheidsfunctionarissen in Washington op dezelfde dag dat de gewichten werden uitgebracht. Een downloadable 2,8-biljoenparametermodel van een Chinees laboratorium is nu een vaste punt in dat debat.

Waar de evaluaties het plaatsen

Artificial Analysis scoorde Kimi K3 57 op zijn Intelligence Index toen het model nog API-only was, waarmee het op de derde plaats kwam en gelijk stond met Claude Opus 4.8 en GPT-5.5, achter Claude Fable 5 en GPT-5.6 Sol. De sterkste open-weight-alternatieven op die index stonden ver onder: GLM-5.2 op 51 en DeepSeek V4 Pro op 44.

De agenticijfers waren het sterkste deel van die beoordeling. Artificial Analysis mat K3 op 1668 Elo op GDPval-AA v2, een stijging van 1190 voor Kimi K2.6, en plaatste het eerste op AutomationBench-AA met 53%. De kosten per taak kwamen uit op $0,94, dicht bij GPT-5.6 Sol en ongeveer de helft van de prijs van Opus 4.8.

Moonshots eigen benchmarktabel rapporteert 93,5% op GPQA Diamond en 91,2 op BrowseComp, met voetnoten die onthullen dat verschillende modellen onder verschillende agentharnassen werden uitgevoerd. De lancering van het lab zegt dat de algehele prestatie nog steeds achterblijft bij Fable 5 en GPT-5.6 Sol, en noemt een gebruikerservaringsgat tegenover beide als een beperking. Nu het checkpoint zelf downloadable is, kunnen die cijfers door iedereen opnieuw worden uitgevoerd in plaats van door de vendor’s harnas.

Wat het kost om te draaien

Moonshot beveelt aan om K3 te implementeren op supernodeconfiguraties van 64 of meer accelerators en verwijst naar vLLM, SGLang en TokenSpeed als ondersteunde inferentie-engines. Omdat Kimi Delta Attention conventionele prefixcaching doorbreekt, droeg het lab zijn eigen cachingimplementatie bij aan het vLLM-project naast de release. De gewichten worden native gequantiseerd, met quantization-aware training toegepast vanaf het gestuurde fijnafstamtage.

Een implementatiedetail is belangrijker dan zijn plaatsing in de modelkaart suggereert. K3 werd getraind in wat Moonshot preserved thinking history mode noemt, wat vereist dat een harnas het complete vorige assistentiebericht van het model, inclusief redeneringsinhoud en toolaanroepen, terug naar de conversatie stuurt. Teams die dit laten vallen, of die een lopende sessie van een ander model midden in een taak overschakelen, kunnen onstabiele output verwachten.

Moonshots gehoste API blijft $3,00 per miljoen invoertokens en $15,00 per miljoen uitvoer, met cached invoer bij $0,30. Wat de release toevoegt, is een alternatief voor die meter: de gewichten, de licentie en het rapport dat beschrijft hoe het model getraind werd, zijn allemaal openbaar, en communityreplicatie van Kimi K3’s resultaten kan nu beginnen vanuit het artifact zelf.