Moonshot AI:s Kimi K3 lanseras på Amazon Bedrock med 1 M‑token‑kontext

Moonshot AI:s Kimi K3, en open‑weight‑modell som utvecklaren beskriver som den första öppna modellen som når 2,8 triljon parametrar, blev tillgänglig på Amazon Bedrock den 18 september 2026 och tillför ett nytt alternativ för kodning och kunskapsarbete.

Amazon Web Services tillkännagav lanseringen på AWS Machine Learning Blog. Enligt Moonshot AI är Kimi K3 deras mest kapabla modell, som kombinerar inbyggda synfunktioner med ett 1‑miljon‑token‑kontextfönster och levererar en ungefärlig 2,5‑faldig förbättring av skalningseffektiviteten jämfört med Kimi K2.

I Moonshot AI:s Kimi K3 tekniska inlägg säger företaget att modellen är byggd på två arkitektoniska uppdateringar som de kallar Kimi Delta Attention och Attention Residuals, utformade för att förbättra hur information flödar över sekvenslängd och modellens djup. Kimi K3 använder en mixture‑of‑experts‑design som företaget benämner Stable LatentMoE, vilket effektivt aktiverar 16 av 896 experter, och tillämpar kvantiserings‑medveten träning från den övervakade finjusteringsfasen och framåt, med MXFP4‑vikter och MXFP8‑aktiveringar. Företaget tillskriver den ungefärliga 2,5‑faldiga vinsten i skalningseffektivitet jämfört med sin tidigare modell till dessa strukturella förändringar samt förfinad tränings‑ och datarecept.

Moonshot AI uppger att Kimi K3:s totala prestanda fortfarande hamnar bakom de proprietära modellerna Claude Fable 5 och GPT 5.6 Sol, samtidigt som de rapporterar att Kimi K3 levererade resultat på frontier‑nivå över hela sin utvärderingssvit och konsekvent överträffade andra testade modeller. Företaget listar också begränsningar: modellen tränades i ett bevarat tankehistorik‑läge, så genereringskvaliteten kan bli instabil om en agent‑selekt misslyckas med att återföra historiskt tankeinnehåll, och dess fokus på långsiktiga uppgifter kan leda till att den fattar oväntade beslut för en användares räkning när instruktioner är oklara, vilket företaget säger kan kräva tydligare beteendekrav i systemprompten.

Moonshot AI introducerade ursprungligen Kimi K3 i juli 2026 och meddelade då att de fullständiga modellvikterna skulle släppas senast 27 juli 2026. Vid den introduktionen erbjöds modellen via Moonshot AI:s egna kanaler: Kimi‑appen, Kimi Work‑skrivbordsapplikationen, Kimi Code‑terminalverktyget och Kimi‑API‑tjänsten.

Open‑weight‑modeller och datahantering på Amazon Bedrock

AWS säger att lanseringen speglar ett fortsatt investeringsengagemang i open‑weight‑modeller på tjänsten. Sedan 2025 har Bedrock lagt till dussintals open‑weight‑modeller från leverantörer såsom DeepSeek, Google, MiniMax, Mistral AI, Moonshot AI, NVIDIA, OpenAI och Qwen. År 2026 lade Bedrock till stöd för verktygsanrop, strukturerad utdata, resonemang, svars‑strömning samt Responses‑ och Chat‑Completions‑API:er som plattformsfunktioner snarare än per‑modell‑integrationer, så att nya open‑weight‑modeller kan använda dem när de blir tillgängliga.

AWS uppger att, precis som för alla open‑weight‑modeller på Amazon Bedrock, kunddata behandlas inom AWS:s datagräns, inte delas med modellleverantören och inte används för att träna den underliggande modellen. Noll‑databevarande är alltid aktiverat för inferensförfrågningar, och noll‑operatörsåtkomst förhindrar att AWS‑operatörer får åtkomst till prompts och slutföranden under inferens.

Amazon Bedrock-dokumentation listar Kimi K3 som en av tre Moonshot AI‑modeller i tjänsten, tillsammans med Kimi K2.5, en multimodal modell med förbättrat resonemang, kodning och flerspråkiga funktioner, samt Kimi K2 Thinking, en resonemangsmodell med kedjetänkandeförmåga för komplex problemlösning inom matematik, kodning och logik.

Konsolåtkomst, API:er och inferensprofiler

Användare kan testa Kimi K3 i Amazon Bedrock‑konsolen under Test > Lekplats, eller anropa den programmässigt via bedrock-runtime‑slutpunkten. Slutpunkten stödjer de OpenAI‑kompatibla Responses‑ och Chat‑Completions‑API:erna samt Amazon Bedrock Invoke‑ och Converse‑API:er.

Modellen anropas via tvär‑region‑inferensprofiler. För arbetsbelastningar utan regionala begränsningar rekommenderar AWS den globala profilen, global.moonshotai.kimi-k3, som dirigerar varje begäran till någon stödjande kommersiell AWS‑region världen över och, enligt AWS, kostar ungefär 10 % mindre än en geografisk profil. Den amerikanska geografiska profilen, us.moonshotai.kimi-k3, håller bearbetningen inom USA för att uppfylla krav på dataplacering.

Förutsättningar som AWS listar inkluderar ett aktivt AWS‑konto med åtkomst till Amazon Bedrock, Python 3.10 eller senare samt AWS Identity and Access Management‑behörigheter för bedrock:InvokeModel, bedrock:InvokeModelWithResponseStream och bedrock:CreateInference.

Explicit prompt‑cachning och utvecklarverktyg

Enligt AWS är Kimi K3 den första open‑weight‑modellen på Amazon Bedrock som stödjer explicit prompt‑cachning, vilket riktar sig mot långvariga kod‑ och kunskapsarbetsflöden som upprepade gånger återför stabil kontext såsom repository‑instruktioner, verktygsdefinitioner eller referensdokument. En promptcache‑brytpunkt‑markör kan ange det exakta slutet på ett återanvändbart prompt‑prefix efter minst 1 024 token. I explicit läge debiteras token som skrivs till cache med en högre taxa men behålls i cache i minst 30 minuter. Efterföljande förfrågningar som matchar ett cachat prefix debiteras med en rabatterad inmatningstaxa och räknas inte mot kvoten för inmatningstoken per minut.

Utöver direkt API-användning fungerar modellen via verktyg som stödjer Amazon Bedrock. AWS lyfter fram OpenCode, en öppen källkod och modellagnostisk kodningsagent med en inbyggd amazon‑bedrock‑leverantör som använder Converse‑API:t, samt Hermes Agent, en öppen källkod produktivitetsassistent som inbyggt stödjer modeller på Amazon Bedrock. AWS har också publicerat ett Moonshot AI on AWS‑exempelförråd på GitHub med ytterligare exempel.

Kimi K3 är tillgänglig via US Geo‑ och Global cross‑Region‑inferencesprofiler, med den fullständiga listan över stödjade regioner i Bedrock‑dokumentationen.