Kimi K3 від Moonshot AI з’являється на Amazon Bedrock з контекстом у 1 млн токенів

Kimi K3 від Moonshot AI, модель з відкритою вагою, яку розробник описує як першу відкриту модель, що досягла 2,8 трильйона параметрів, стала доступною на Amazon Bedrock 18 вересня 2026 р., додаючи нову можливість для кодування та роботи зі знаннями.

Amazon Web Services оголосила про запуск у AWS Machine Learning Blog. За словами Moonshot AI, Kimi K3 є їхньою найпотужнішою моделлю, поєднуючи вбудовані можливості зору з контекстним вікном у 1‑мільйон токенів і забезпечуючи приблизне підвищення ефективності масштабування в 2.5x порівняно з Kimi K2.

У технічному пості Kimi K3 компанії Moonshot AI зазначено, що модель побудована на двох архітектурних оновленнях, які вони назвали Kimi Delta Attention та Attention Residuals, розроблених для покращення потоків інформації через довжину послідовності та глибину моделі. Kimi K3 використовує дизайн mixture‑of‑experts, який компанія називає Stable LatentMoE, ефективно активуючи 16 із 896 експертів, і застосовує навчання з урахуванням квантування, починаючи зі стадії контрольованого тонкого налаштування, використовуючи ваги MXFP4 з активаціями MXFP8. Компанія приписує приблизне підвищення ефективності масштабування в 2.5x порівняно з попередньою моделлю цим структурним змінам разом із вдосконаленими рецептами навчання та даних.

Moonshot AI зазначає, що загальна продуктивність Kimi K3 все ще відстає від пропрієтарних моделей Claude Fable 5 та GPT 5.6 Sol, хоча повідомляє, що Kimi K3 досягла результатів рівня передового рубежу у всьому наборі оцінок і постійно перевершувала інші протестовані моделі. Компанія також перераховує обмеження: модель була навчена у режимі збереженої історії мислення, тому якість генерації може стати нестабільною, якщо агент не передасть назад історичний вміст мислення, а її орієнтація на довготривалі завдання може призвести до неочікуваних рішень від імені користувача, коли інструкції неоднозначні, що, за словами компанії, може вимагати більш явних обмежень поведінки у системному запиті.

Moonshot AI вперше представила Kimi K3 у липні 2026 р., зазначивши тоді, що повні ваги моделі будуть випущені до 27 липня 2026 р. На цій презентації модель була доступна через власні канали Moonshot AI: додаток Kimi, настільний застосунок Kimi Work, термінальний інструмент Kimi Code та API Kimi.

Моделі з відкритою вагою та обробка даних на Amazon Bedrock

AWS заявила, що запуск відображає постійні інвестиції в моделі з відкритою вагою у сервісі. З 2025 р. Bedrock додав десятки моделей з відкритою вагою від постачальників, включаючи DeepSeek, Google, MiniMax, Mistral AI, Moonshot AI, NVIDIA, OpenAI та Qwen. У 2026 р. Bedrock додав підтримку викликів інструментів, структурованого виводу, логічного мислення, потокової відповіді та API Responses і Chat Completions як можливостей платформи, а не як інтеграції для окремих моделей, тож нові моделі з відкритою вагою можуть їх використовувати, коли вони стануть доступними.

AWS стверджує, що, як і у випадку всіх моделей з відкритою вагою на Amazon Bedrock, дані клієнтів обробляються в межах AWS, не передаються постачальнику моделі і не використовуються для навчання базової моделі. Для запитів інференції завжди ввімкнено нульове збереження даних, а нульовий доступ операторів запобігає доступу операторів AWS до підказок і завершень під час інференції.

документація Amazon Bedrock перераховує Kimi K3 як одну з трьох моделей Moonshot AI у сервісі, поряд з Kimi K2.5, мультимодальною моделлю з покращеними можливостями логічного мислення, кодування та багатомовності, та Kimi K2 Thinking, моделлю розуміння з можливістю ланцюжка мислення для складного розв’язання задач у математиці, кодуванні та логіці.

Доступ через консоль, API та профілі інференції

Користувачі можуть спробувати Kimi K3 у консолі Amazon Bedrock у розділі Тест > Плейграунд, або викликати його програмно через endpoint bedrock-runtime. Endpoint підтримує сумісні з OpenAI Responses та Chat Completions API, а також API Amazon Bedrock Invoke і Converse.

Модель викликається через крос‑регіональні профілі інференції. Для навантажень без регіональних обмежень AWS рекомендує глобальний профіль global.moonshotai.kimi-k3, який направляє кожен запит до будь‑якого підтримуваного комерційного регіону AWS у світі і, за даними AWS, коштує приблизно на 10 % дешевше, ніж географічний профіль. Географічний профіль США, us.moonshotai.kimi-k3, забезпечує обробку в межах географії США для вимог щодо розташування даних.

Передумови, зазначені AWS, включають активний обліковий запис AWS з доступом до Amazon Bedrock, Python 3.10 або новішу версію та дозволи AWS Identity and Access Management для bedrock:InvokeModel, bedrock:InvokeModelWithResponseStream та bedrock:CreateInference.

Явне кешування підказок та інструменти розробника

За даними AWS, Kimi K3 є першою моделлю з відкритою вагою на Amazon Bedrock, яка підтримує явне кешування підказок, орієнтоване на довготривалі робочі процеси кодування та знань, які багаторазово надсилають стабільний контекст, такий як інструкції репозиторію, визначення інструментів або довідкові документи. Маркер розриву підказкикеш може позначати точний кінець повторно використовуваного префікса підказки після щонайменше 1 024 токенів. У явному режимі токени, записані в кеш, оплачуються за вищою ставкою, але залишаються в кеші щонайменше 30 хвилин. Подальші запити, що відповідають кешованому префіксу, оплачуються за зниженою вартістю вводу і не враховуються у квотах на кількість вхідних токенів за хвилину.

Окрім прямого використання API, модель працює через інструменти, що підтримують Amazon Bedrock. AWS виділяє OpenCode, відкритий та незалежний від моделі агент кодування з вбудованим провайдером amazon‑bedrock, який використовує Converse API, та Hermes Agent, відкритий помічник підвищення продуктивності, який нативно підтримує моделі на Amazon Bedrock. AWS також опублікувала репозиторій зразків Moonshot AI on AWS на GitHub з додатковими прикладами.

Kimi K3 доступна через профілі інференції US Geo та Global cross‑Region, повний перелік підтримуваних регіонів наведено в документації Bedrock.