Kimi K3 is Moonshot AI’s open vlaggenschipmodel met 2.8 biljoen parameters, ontworpen voor long-horizon coderen, redeneren, native visueel begrip en end-to-end kenniswerk.

Hoe groot is het contextvenster van Kimi K3?

Kimi K3 ondersteunt een contextvenster van 1M tokens, waardoor je kunt werken met grote repositories, lange documentcollecties, uitgebreid onderzoek en langdurige agentgeschiedenissen.

Ondersteunt Kimi K3 afbeeldingen en video?

Ja. Kimi K3 heeft native visueel begrip en kan redeneren over screenshots, afbeeldingen en video binnen multimodale coding-, research- en creatieve workflows.

Wat zijn KDA en Attention Residuals?

Kimi Delta Attention is het hybride lineaire attention-mechanisme van K3. Attention Residuals halen selectief representaties op over de modeldiepte heen om de informatiestroom te verbeteren.

Wat betekent 16 van de 896 experts?

K3 gebruikt Stable LatentMoE met 896 beschikbare experts, maar activeert efficiënt 16 per token, waardoor de sparsity toeneemt zonder elke keer het volledige netwerk te gebruiken.

Wie zou Kimi K3 moeten gebruiken?

K3 is vooral relevant voor engineeringteams, research- en analyseteams en creatieve technische teams die werken aan lange, complexe, multimodale of toolgedreven taken.

Kimi K32.8T
Open frontier-intelligentie

Moonshot AI’s vlaggenschip onder de open modellen — met een contextvenster van 1M tokens, native visueel begrip, long-horizon redeneren en een architectuur gebouwd voor coderen, agents en kenniswerk.

Wat is Kimi K3?

Kimi K3 is tot nu toe Moonshot AI’s krachtigste vlaggenschipmodel. Met 2.8 biljoen parameters is het ’s werelds eerste open-sourcemodel in de klasse van 3 biljoen parameters. De architectuur combineert Kimi Delta Attention, Attention Residuals, Stable LatentMoE en native multimodaal begrip.

Het model is gericht op frontier-intelligentiescenario’s in plaats van korte, geïsoleerde prompts. Het is ontworpen om effectief te blijven tijdens langdurige engineering-sessies, grote researchcorpora, screenshots, afbeeldingen, video, terminaltools en kennisworkflows die planning en revisie vereisen.

Voor lezers die geavanceerde open modellen vergelijken, springt Kimi K3 eruit door de schaal, een contextvenster van 1M tokens, native vision en een sterke agentische oriëntatie.

2.8T parameters

Een open model op frontier-schaal dat Moonshot AI’s doorbraak voorbij het tijdperk van biljoen-parameters verder doorzet.

1M-tokencontext

Ontworpen om te werken met omvangrijke codebases, documenten, onderzoeksarchieven en langdurige agentgeschiedenissen.

Native visueel begrip

Verwerkt screenshots, afbeeldingen en video als onderdeel van coding-, research-, creatieve en toolgedreven workflows.

Engineeringteams

Long-horizon coderen en werk op repository-schaal voor software engineers, infrastructuurteams en technische leads — navigatie door grote repositories, regie over terminal en tools, en visuele feedback tijdens de implementatie.

Research- & analyseteams

Bewijs-intensief kenniswerk voor analisten, consultants en wetenschappers — synthese van meerdere documenten, research-to-code workflows, en rapporten, dashboards en visualisaties binnen een context van 1M tokens.

Creatieve & technische teams

Native vision in de loop voor teams die engineering combineren met afbeeldingen, video en screenshots — visuele iteratie en debugging, motion- en interactiewerk, en rapid prototyping over visuele en technische domeinen heen.

Het eerste open model met 2.8T parameters

Kimi K3 markeert een scherpe uitbreiding van de open-model frontier — van Kimi K2’s 1T parameters naar 2.8T binnen twaalf maanden, en het eerste model met open weights dat de klasse van 3 biljoen parameters bereikt.

Hoe Kimi K3 informatie verplaatst op schaal

De architectuur van K3 verbetert de informatiestroom over sequentielengte en modeldiepte, terwijl sparse expert-compute efficiënt blijft. Kimi Delta Attention (KDA) is een hybride lineaire attention-mechanisme om te schalen over lange sequenties; Attention Residuals halen selectief representaties op uit eerdere blokken; en Stable LatentMoE activeert 16 van 896 experts per token — samen goed voor ongeveer 2.5× de scaling-efficiëntie van Kimi K2.

Kimi K3-model FAQ

Kimi K3 is Moonshot AI’s open vlaggenschipmodel met 2.8 biljoen parameters, ontworpen voor long-horizon coderen, redeneren, native visueel begrip en end-to-end kenniswerk.
Kimi K3 ondersteunt een contextvenster van 1M tokens, waardoor je kunt werken met grote repositories, lange documentcollecties, uitgebreid onderzoek en langdurige agentgeschiedenissen.
Ja. Kimi K3 heeft native visueel begrip en kan redeneren over screenshots, afbeeldingen en video binnen multimodale coding-, research- en creatieve workflows.
Kimi Delta Attention is het hybride lineaire attention-mechanisme van K3. Attention Residuals halen selectief representaties op over de modeldiepte heen om de informatiestroom te verbeteren.
K3 gebruikt Stable LatentMoE met 896 beschikbare experts, maar activeert efficiënt 16 per token, waardoor de sparsity toeneemt zonder elke keer het volledige netwerk te gebruiken.
K3 is vooral relevant voor engineeringteams, research- en analyseteams en creatieve technische teams die werken aan lange, complexe, multimodale of toolgedreven taken.

Kimi K32.8T
Open frontier-intelligentie