Moonshot Öppnar Kimi K3 Vikter Under En Intäktsbaserad Licens

Moonshot AI publicerade de fullständiga modellvikterna för Kimi K3 den 27 juli 2026, elva dagar efter att Beijing-laboratoriet lanserade modellen som en värdtjänst. Vikterna och den tekniska rapporten publicerades tillsammans på Hugging Face och GitHub, under en anpassad uppsättning villkor som företaget kallar Kimi K3-licensen.

Kimi K3 är en blandning av experter-modell med 2,8 biljoner totala parametrar, varav 104 miljarder aktiveras för varje given token. Den har ett kontextfönster på 1 miljon token, tar emot text och bilder naturligt genom en vision-encoder som Moonshot kallar MoonViT-V2, och dirigerar varje token till 16 av 896 experter. Moonshot beskriver den som världens första öppna modell i 3-miljardersparametrarklassen.

Arkitekturen är där laboratoriet koncentrerade sitt arbete. Kimi Delta Attention hanterar 69 av modellens 93 lager, med 24 gated latent-attention lager bredvid, och en mekanism som laboratoriet kallar Attention Residuals hämtar representationer selektivt över djupet snarare än att ackumulera dem enhetligt. Moonshot rapporterar att denna kombination, i kombination med deras Stable LatentMoE-routning, gav en ungefär 2,5-gånger förbättring av skalbarhets-effektivitet jämfört med Kimi K2.

Vad licensen tillåter

Kimi K3-licensen liknar MIT under större delen av dess längd. Den ger var och en, utan avgift, rätten att använda, kopiera, modifiera, distribuera, underlicensiera och sälja programvaran, och att köra, distribuera, finjustera eller bygga derivatverk från vikterna.

Två villkor är knutna till en intäktsgräns:

• En licensinnehavare som driver en “Model as a Service”-verksamhet, definierad i licensen som att ge tredje parter inferens- eller finjusteringsåtkomst med meningsfull kontroll över indata, parametrar eller träningsdata, måste underteckna ett separat avtal med Moonshot när intäkterna över licensinnehavaren och dess dotterbolag överstiger 20 miljoner dollar under några på varandra följande 12 månader.
• Varje kommersiell produkt eller tjänst med mer än 100 miljoner månatliga aktiva användare, eller mer än 20 miljoner dollar i månatlig intäkt, måste visa “Kimi K3” tydligt i sin gränssnitt.

Varken villkoret gäller för rent intern användning, eller för åtkomst via Moonshots egna produkter och dess certifierade inferenspartners. Produkter som inbäddar modellen i en specifik funktion eller harness, eller som enbart vidarebefordrar förfrågningar till en modell som någon annan värdar, faller utanför tjänstedefinitionen.

Den praktiska effekten är en uppdelning efter affärsmodell snarare än efter användare. Ett team som finjusterar K3 på sin egen infrastruktur har ingen skyldighet. En molntjänstleverantör som säljer K3-inferens i stor skala behöver ett kontrakt med Moonshot innan de gör det.

Släppet hamnar också i en redan pågående debatt i Washington. Nvidia och Microsoft stödde öppenvikts-AI i ett gemensamt brev (MSFT ) (NVDA ) den 24 juli 2026, och OpenAI:s Sam Altman tog sitt företags nästa modellfamilj till lagstiftare och administrativa tjänstemän i Washington samma dag som vikterna skickades. En nedladdningsbar 2,8-biljonerparametrarsmodell från ett kinesiskt laboratorium är nu en fast punkt i den debatten.

Där utvärderingarna placerar den

Artificial Analysis gav Kimi K3 en poäng på 57 på sin Intelligence Index medan modellen fortfarande var API-endast, vilket placerade den på tredje plats och på samma nivå som Claude Opus 4.8 och GPT-5.5, bakom Claude Fable 5 och GPT-5.6 Sol. De starkaste öppenviktsalternativen på den indexet låg långt under: GLM-5.2 på 51, och DeepSeek V4 Pro på 44.

De agenterelaterade siffrorna var den starkare delen av den utvärderingen. Artificial Analysis mätte K3 på 1668 Elo på GDPval-AA v2, upp från 1190 för Kimi K2.6, och placerade den först på AutomationBench-AA på 53%. Kostnad per uppgift kom in på 0,94 dollar, nära GPT-5.6 Sol och ungefär hälften av priset för Opus 4.8.

Moonshots egen benchmark-tabell rapporterar 93,5% på GPQA Diamond och 91,2 på BrowseComp, med fotnoter som avslöjar att olika modeller kördes under olika agent-harness. Laboratoriets lanseringsinlägg säger att den övergripande prestandan fortfarande släpar efter Fable 5 och GPT-5.6 Sol, och nämner en användarupplevelse-klyfta mot båda som en begränsning. Nu när kontrollpunkten i sig är nedladdningsbar kan dessa siffror köras om av vem som helst snarare än att accepteras från leverantörens harness.

Vad det kräver för att köra

Moonshot rekommenderar att K3 distribueras på supernodkonfigurationer med 64 eller fler acceleratorer, och pekar på vLLM, SGLang och TokenSpeed som stödda inferensmotorer. Eftersom Kimi Delta Attention bryter mot konventionell prefixcachning, bidrog laboratoriet med sin egen cachimplementering till vLLM-projektet bredvid släppet. Vikterna skickas naturligt kvantiserade, med kvantiseringsmedveten utbildning tillämpad från den övervakade finjusteringsfasen och framåt.

En distributionsdetalj är viktigare än dess placering i modellkortet antyder. K3 tränades i vad Moonshot kallar bevarad tänkande-historik-läge, som kräver att en harness skickar tillbaka modellens fullständiga föregående assistentmeddelande, resonemangsinnehåll och verktygsanrop inklusive, tillbaka in i samtalet. Team som släpper det, eller som byter en pågående session från en annan modell mitt i uppgiften, bör förvänta sig instabil utdata.

Moonshots värd-API förblir på 3,00 dollar per miljon indata-token och 15,00 dollar per miljon utdata, med cachelagrad indata på 0,30 dollar. Vad släppet lägger till är ett alternativ till den mätaren: vikterna, licensen och rapporten som beskriver hur modellen tränades är alla offentliga, och community-replikation av Kimi K3:s resultat kan nu börja från artefakten i sig.