Moonshot åpner Kimi K3-vektorer under en inntektsbasert lisens

Moonshot AI har publisert fullstendige modellvektorer for Kimi K3 den 27. juli 2026, elleve dager etter at Beijing-laboratoriet lanserte modellen som en vertsfunksjon. Vektorene og den tekniske rapporten ble publisert samtidig på Hugging Face og GitHub, under en skreddersydd sett av vilkår som selskapet kaller Kimi K3-lisensen.

Kimi K3 er en blandingsmodell med 2,8 billioner parametere, hvorav 104 milliarder aktiveres for hver gitt token. Den har et kontekstvindu på 1 million token, aksepterer tekst og bilder naturlig gjennom en visjonsskodek kalt MoonViT-V2, og sender hver token til 16 av 896 eksperter. Moonshot beskriver det som verdens første åpne modell i 3-milliardersparameterklassen.

Arkitekturen er der laboratoriet konsentrerte sin innsats. Kimi Delta Attention håndterer 69 av modellens 93 lag, med 24 gated latent-attention lag ved siden av, og en mekanisme laboratoriet kaller Attention Residuals henter representasjoner selektivt over dybde i stedet for å akkumulere dem jevnt. Moonshot rapporterer at denne kombinasjonen, sammen med deres Stable LatentMoE-ruting, ga en omtrent 2,5 ganger forbedring i skalerings-effektivitet sammenlignet med Kimi K2.

Hva lisensen tillater

Kimi K3-lisensen ligner MIT for det meste av sin lengde. Den gir enhver, uten kostnad, retten til å bruke, kopiere, modifisere, distribuere, underlisensiere og selge programvaren, og til å kjøre, distribuere, finjustere eller bygge avledede verk fra vektorene.

To vilkår er knyttet til en inntektslinje:

• En lisenshaver som kjører en “Modell som en tjeneste”-forretning, definert i lisensen som å gi tredje parter inferens- eller finjusteringsaksess med meningsfull kontroll over inndata, parametre eller treningdata, må signere en separat avtale med Moonshot når inntekten over lisenshaveren og dets tilknyttede selskaper overstiger 20 millioner dollar over en påfølgende 12-måneders periode.
• Enhver kommersiell produkt eller tjeneste med over 100 millioner månedlige aktive brukere, eller over 20 millioner dollar i månedlig inntekt, må vise “Kimi K3” fremtredende i sin grensesnitt.

Ingen av disse vilkårene gjelder for ren intern bruk, eller for aksess gjennom Moonshots egne produkter og dets sertifiserte inferenspartnere. Produkter som innbygger modellen i en bestemt funksjon eller harness, eller som bare videreformidler forespørsler til en modell som noen andre har vert, faller utenfor tjenestedefinisjonen.

Den praktiske effekten er en splitt etter forretningsmodell i stedet for etter bruker. Et team som finjusterer K3 på sin egen infrastruktur har ingen forpliktelse. En skytjenesteleverandør som gjen selger K3-inferens i stor skala trenger en kontrakt med Moonshot før de gjør det.

Utgielsen lander også innenfor en allerede pågående diskusjon i Washington. Nvidia og Microsoft støttet åpne vekt AI i et fellesbrev (MSFT ) (NVDA ) den 24. juli 2026, og OpenAIs Sam Altman tok selskapets neste modellfamilie til lovgivere og administrative tjenestemenn i Washington samme dag vektorene ble sendt. En nedlastbar 2,8-milliardersparametermodell fra et kinesisk laboratorium er nå et fast punkt i den debatten.

Hvor evalueringene plasserer den

Artificial Analysis scoret Kimi K3 på 57 på sin Intelligence Index mens modellen fortsatt var API-kun, og plasserte den på tredjeplass sammenlignet med Claude Opus 4.8 og GPT-5.5, bak Claude Fable 5 og GPT-5.6 Sol. De sterkeste åpne vekt-alternativene på den indeksen lå langt under: GLM-5.2 på 51, og DeepSeek V4 Pro på 44.

De agente tallene var den sterkeste delen av den vurderingen. Artificial Analysis målte K3 på 1668 Elo på GDPval-AA v2, opp fra 1190 for Kimi K2.6, og plasserte den først på AutomationBench-AA på 53%. Kost per oppgave kom inn på 0,94 dollar, nær GPT-5.6 Sol og omtrent halv pris sammenlignet med Opus 4.8.

Moonshots egen benchmark-tabell rapporterer 93,5% på GPQA Diamond og 91,2 på BrowseComp, med fotnoter som avslører at forskjellige modeller ble kjørt under forskjellige agent-harness. Laboratoriets lanseringsinnlegg sier at den totale ytelsen fortsatt ligger bak Fable 5 og GPT-5.6 Sol, og nevner en brukeropplevelsesgap mot begge som en begrensning. Nå når checkpointet selv er nedlastbart, kan disse tallene bli kjørt på nytt av noen i stedet for å aksepteres fra leverandørens harness.

Hva det krever å kjøre

Moonshot anbefaler å distribuere K3 på supernode-konfigurasjoner med 64 eller flere akseleratorer, og peker på vLLM, SGLang og TokenSpeed som støttede inferensmotorer. Fordi Kimi Delta Attention bryter konvensjonell prefix-caching, bidro laboratoriet med sin egen caching-implementering til vLLM-prosjektet sammen med utgivelsen. Vektorene leveres naturlig kvantisert, med kvantiserings-bevisst trening anvendt fra den overvåkede finjusteringsfasen og utover.

En enkelt distribusjonsdetalj er viktigere enn dens plassering i modellkortet antyder. K3 ble trent i det Moonshot kaller bevart tenkningshistorie-modus, som krever en harness til å sende modellens fullstendige forrige assistentmelding, resonemengsinnhold og verktøykall inkludert, tilbake i samtalen. Team som dropper det, eller som bytter en kjørende sesjon over fra en annen modell midt i oppgaven, bør forvente ustabil utgang.

Moonshots vertede API holder seg på 3,00 dollar per million inndata-token og 15,00 dollar per million utdata, med cached inndata på 0,30 dollar. Hva utgivelsen legger til er et alternativ til den målingen: vektorene, lisensen og rapporten som beskriver hvordan modellen ble trent er alle offentlige, og fellesskaps-replikasjon av Kimi K3s resultater kan nå starte fra selve artefaktet.

0 per million inndata-token og 15,00 dollar per million utdata, med cached inndata på 0,30 dollar.