Kimi K3 anmeldelse: benchmarks, priser, 1M kontekst og API

Kimi K3 er Moonshot AIs flaggskipmodell med 2.8 billioner parametere, laget for langvarig koding, kunnskapsarbeid, visuell resonnering og agenter som bruker verktøy. Den kombinerer et kontekstvindu på 1 million tokens med innebygd bilde- og videoforståelse, resonnering som alltid er på, strukturerte utdata og en uvanlig sparsom Mixture-of-Experts-arkitektur.

Tallene i overskriftene er imponerende, men de svarer ikke på de praktiske spørsmålene. Er Kimi K3 bedre enn de sterkeste lukkede modellene? Er konteksten på 1M nyttig, eller bare dyr? Kan utviklere selvhoste en 2.8T-modell? Og hvilke begrensninger betyr noe når K3 styrer verktøy i flere timer i stedet for å svare på én prompt?

Denne anmeldelsen skiller bekreftede egenskaper fra lanseringspåstander og forklarer hvor Kimi K3 passer inn i en modellstakk for produksjon.

Tilgjengelighet på Poyo oppdatert 22. juli 2026. Kimi K3 er tilgjengelig gjennom Poyo.ai som kimi-k3 og gjennom Moonshot AIs offisielle produkter. Moonshot sier at de komplette modellvektene etter planen slippes innen 27. juli 2026; artikkelen blir oppdatert når vektene og lisensen er offentlige.

Kimi K3 i korte trekk

Kimi K3 bruker ekstrem skala på en annen måte enn en tett 2.8T-modell. Stable LatentMoE ruter hvert token gjennom 16 av 896 eksperter, så det totale parameterantallet er ikke det samme som den aktive beregningen per token. Det skillet er viktig når man sammenligner arkitektur, intelligens og utrullingskostnad.

Hva Kimi K3 er laget for

Moonshot posisjonerer K3 rundt to brede arbeidsområder: langvarig programvareutvikling og helhetlig kunnskapsarbeid.

Langvarig koding

K3 er bygget for å holde seg produktiv gjennom lange utviklingsøkter. De offisielle eksemplene legger vekt på navigering i store repositorier, orkestrering i terminalen, optimalisering av GPU-kjerner, kompilatorutvikling, frontend-utvikling, spillutvikling, CAD og vitenskapelig programmering.

Dette er et annet mål enn autofullføring. En modell for langvarig koding må gang på gang inspisere tilstanden, velge et verktøy, tolke resultatet, revidere planen og verifisere sluttresultatet. Utholdenhet og evne til å rette opp feil kan bety mer enn kvaliteten på det første kodeeksemplet.

Syn i kodeløkken

K3 har innebygd visuell forståelse. Den kan bruke skjermbilder og rendret resultat som tilbakemelding mens den endrer kode. Det støtter iterasjon på frontend, visuell kvalitetssikring, spill, 3D-scener, diagrammer og andre arbeidsflyter der det ikke er nok at enhetstestene består.

Det offisielle API-et tar imot bildedata og opplastet video. Offentlige bilde-URL-er godtas ikke direkte i bildemeldinger: bilder må sendes som base64 eller gjennom støttet filhåndtering, og video refereres via en fil-ID fra Moonshot.

Kunnskapsarbeid

K3 er også rettet mot research, rapporter, regneark, presentasjoner, dashbord og analyser i flere trinn. En kontekst på 1M tokens kan romme en stor mengde kildemateriale, men nyttig kunnskapsarbeid krever fortsatt kildekontroll, sjekk av sitater og verifisering. Et stort vindu reduserer behovet for å kaste kontekst; det garanterer ikke at hvert faktum blir husket eller vektet riktig.

Hvor gode er benchmarkene for Kimi K3?

Kimis lanseringsrapport dekker reparasjon av repositorier, terminaloppgaver, bygging av hele programmer, kunnskapsarbeid, automatisering, nettsurfing og multimodale evalueringer. Mønsteret i resultatene er viktigere enn noen enkeltpoengsum: K3 er sterkest på lange, agentiske arbeidsflyter og holder seg konkurransedyktig med ledende lukkede modeller i hele den offisielle testpakken.

Forbeholdene er viktige:

• Resultatene for Kimi K3 bruker som regel maksimal resonneringsinnsats.
• Modellene ble ikke alltid evaluert med samme agentrammeverk.
• Noen oppgaver kjørte i H20-kalibrerte miljøer i stedet for benchmarkens standardmaskinvare.
• Den offisielle rapporten nevner reserveatferd for minst én konkurrerende modell.
• Uavhengige rangeringer av generell intelligens plasserer ikke K3 først totalt.

Uavhengig analyse plasserer for øyeblikket K3 nær toppen, men ikke tydelig over den. Det stemmer med Moonshots egen uttalelse om at K3 fortsatt ligger bak de sterkeste proprietære modellene totalt sett.

For poengtabeller, notater om rammeverk og skillet mellom offisielle og uavhengige resultater, les Kimi K3-benchmarks forklart.

Priser for Kimi K3 API

Moonshot oppgir flate satser etter forbruk, med egne priser for bufret og ikke-bufret input.

Det finnes ikke noe dyrere pristrinn bare fordi en forespørsel bruker lang kontekst. Den totale regningen kan likevel bli stor: én million ikke-bufrede input-tokens koster $3 før output, mens 50 000 output-tokens legger til $0.75.

Automatisk caching kan endre økonomien i gjentatte arbeidsflyter med repositorier og research. Et stabilt prefiks på 500K tokens koster $1.50 ved cache-bom, men $0.15 ved cache-treff. Applikasjoner bør logge cache-atferden i stedet for å anta at hver gjentatte forespørsel får den lavere satsen.

Se Kimi K3 API-priser forklart for komplette eksempler på arbeidsmengder og strategier for caching.

Kimi K3 vs GPT-5.6 Sol

K3 og GPT-5.6 Sol overlapper innen avansert koding, agenter, resonnering og profesjonelt arbeid, men de representerer ulike avveininger.

Ingen modell vinner på alle arbeidsmengder. K3 er attraktiv for team som verdsetter lang kontekst, multimodal koding og fremtidig tilgang til vektene. GPT-5.6 Sol er fortsatt attraktiv når uavhengig dokumentert toppkvalitet, moden plattformatferd og lukket, hostet infrastruktur betyr mer.

Les hele beslutningsguiden i Kimi K3 vs GPT-5.6 Sol.

Styrkene til Kimi K3

En virkelig stor arbeidskontekst

En million tokens gir agenter plass til kildekode, dokumentasjon, verktøyhistorikk, visuelle bevis og mellomresultater. Dette er særlig nyttig når aggressiv gjenfinning ville skilt fra hverandre informasjon som må vurderes samlet.

Koding og syn i én modell

K3 kan inspisere et rendret resultat i stedet for bare å stole på kildekode eller tekstlogger. Det gjør den relevant for UI-utvikling, spill, CAD, datavisualisering og mediearbeidsflyter.

API-funksjoner rettet mot agenter

Det offisielle API-et støtter egendefinerte verktøy, tvungen verktøybruk, dynamisk lasting av verktøy, strømming, strukturerte utdata og lange sesjoner over flere runder. Dette er byggeklosser for produksjon, ikke funksjoner som bare passer til chat.

Retning mot åpne vekter

Moonshot beskriver K3 som den første åpne modellen i 3T-klassen og har annonsert komplette vekter. Hvis utgivelsen og lisensen tillater bred bruk, vil infrastrukturteam få mer kontroll enn med lukkede modeller som bare finnes via API. Tilgjengelighet, lisensvilkår og støtte for inferens i fellesskapet må likevel kontrolleres etter utgivelsen.

Begrensningene til Kimi K3

Tenkehistorikken må bevares

Moonshot advarer om at K3 ble trent med bevart tenkehistorikk. En klient som dropper nødvendig assistenttilstand, bare beholder den endelige teksten eller bytter modell midt i en sesjon, kan gi ustabil kvalitet. Det gjør korrekt håndtering av samtaletilstanden helt avgjørende.

Den kan være for proaktiv

Trening for langvarige oppgaver oppmuntrer modellen til å fortsette fremover. I tvetydige situasjoner kan K3 ta beslutninger brukeren ikke har godkjent. Agenter i produksjon trenger eksplisitte grenser, avgrensede verktøy, godkjenningstrinn og tydelige instruksjoner om når de skal stoppe.

Den største modellen er ingen modell for den bærbare PC-en

Selv med MXFP4-vekter og sparsom ekspertaktivering er en 2.8T-modell en utrulling i infrastrukturskala. Moonshot anbefaler supernode-konfigurasjoner med 64 eller flere akseleratorer. Åpne vekter vil ikke gjøre K3 praktisk på en forbruker-GPU eller en vanlig arbeidsstasjon.

Output er relativt dyrt

Med $15 per million output-tokens kan ordrik agentatferd dominere regningen. Applikasjoner bør sette fornuftige grenser for svarlengde og måle kostnad per verifisert oppgave, ikke pris per forespørsel.

Noen detaljer om utgivelsen gjenstår

Per 21. juli er de fullstendige vektene, den endelige lisensen og den tekniske rapporten ennå ikke offentlige. Artikler som beskriver en komplett lokal installasjon før disse filene finnes, bør leses med forsiktighet.

Hvem bør bruke Kimi K3?

K3 er en sterk kandidat for:

• kodeagenter som jobber på tvers av hele repositorier;
• terminalarbeidsflyter som krever utholdenhet;
• iterasjon på frontend, spill, CAD og visuell programvare;
• research i lange dokumenter og profesjonelle leveranser;
• multimodal analyse med bilder eller opplastet video;
• team som vurderer fremtidige utrullinger av toppmodeller med åpne vekter.

Den kan være unødvendig stor eller dyr for:

• klassifisering, uttrekking og enkel kundestøtte;
• korte svar der ventetid er kritisk;
• små selvhostede miljøer;
• arbeidsflyter som ikke kan bevare hele samtaletilstanden;
• agenter uten solide grenser for tillatelser og verifisering.

Vår dom over Kimi K3

Kimi K3 er en av de mest betydningsfulle lanseringene av åpne modeller i 2026, fordi den kombinerer arkitektur i toppskala, et kontekstvindu på 1M, innebygd visuell forståelse og et seriøst agent-API. Det mest overbevisende bruksområdet er ikke et enkelt benchmarkspørsmål. Det er vedvarende arbeid på tvers av kode, verktøy, dokumenter og visuell tilbakemelding.

Modellen er ingen automatisk erstatning for de sterkeste lukkede systemene. Uavhengig evaluering, kostnad for output, krav til tilstandshåndtering, overdreven proaktivitet og ekstreme krav ved selvhosting betyr alle noe. Den riktige produksjonsbeslutningen er å teste K3 på representative langvarige oppgaver og sammenligne kostnaden per verifisert resultat.

Følg modellsiden for Kimi K3 for tilgjengelighet på Poyo.ai, bekreftede modell-ID-er og priser.

Ofte stilte spørsmål

Er Kimi K3 åpen kildekode?

Moonshot kaller K3 en åpen modell i 3T-klassen og sier at komplette vekter slippes innen 27. juli 2026. Per 21. juli bør utviklere vente på de faktiske filene og lisensen før de påstår noe om utrulling eller kommersiell bruk.

Hvor stort er kontekstvinduet til Kimi K3?

Kimi K3 støtter et kontekstvindu på 1 million tokens. Automatisk kontekst-caching er tilgjengelig i det offisielle API-et.

Er Kimi K3 bedre enn GPT-5.6 Sol?

Ikke på alle områder. K3 er særlig attraktiv for lang kontekst, planlagte åpne vekter, multimodal koding og agentarbeidsflyter. GPT-5.6 Sol har fortsatt fordeler i enkelte uavhengige evalueringer og i toppsjiktet. Test begge på de samme oppgavene.

Støtter Kimi K3 bilder og video?

Ja. Det offisielle API-et støtter bildeinput og opplastet videoinput. Det returnerer tekst, ikke genererte bilder eller videoer.

Hva koster Kimi K3 API?

Moonshot oppgir $0.30 per million input-tokens med cache-treff, $3 per million input-tokens uten cache-treff og $15 per million output-tokens.

Kan Kimi K3 kjøres lokalt?

Ikke på vanlig forbrukermaskinvare. 2.8T-modellen er beregnet for stor, distribuert infrastruktur, selv om bare et utvalg av ekspertene er aktive per token.

Kilder

• Moonshot AI: teknisk lansering av Kimi K3
• Kimi API: hurtigstart og grenser for Kimi K3
• Offisielle API-priser for Kimi K3
• Artificial Analysis: uavhengig analyse av Kimi K3
• Poyo.ai sin modellside for Kimi K3