Kimi K3 review: benchmarks, prijzen, 1M context en API

Kimi K3 is het vlaggenschipmodel van Moonshot AI met 2,8 biljoen parameters, bedoeld voor coderen over de lange termijn, kenniswerk, visueel redeneren en agents die tools gebruiken. Het combineert een contextvenster van 1 miljoen tokens met native begrip van afbeeldingen en video, altijd actief redeneren, gestructureerde output en een ongewoon ijle Mixture-of-Experts-architectuur.

De kopcijfers zijn indrukwekkend, maar ze beantwoorden de praktische vragen niet. Is Kimi K3 beter dan de sterkste gesloten modellen? Is de context van 1M nuttig of vooral duur? Kunnen ontwikkelaars een model van 2,8T zelf hosten? En welke beperkingen tellen als K3 urenlang tools bestuurt in plaats van één prompt te beantwoorden?

Deze review scheidt bevestigde mogelijkheden van claims bij de lancering en legt uit waar Kimi K3 past in een modelstack voor productie.

Beschikbaarheid bij Poyo bijgewerkt op 22 juli 2026. Kimi K3 is beschikbaar via Poyo.ai als kimi-k3 en via de officiële producten van Moonshot AI. Moonshot zegt dat de volledige modelweights uiterlijk 27 juli 2026 verschijnen; dit artikel wordt bijgewerkt zodra de weights en de licentie openbaar zijn.

Kimi K3 in één oogopslag

Kimi K3 gebruikt extreme schaal anders dan een dicht model van 2,8T. Stable LatentMoE stuurt elk token door 16 van de 896 experts, dus het totale aantal parameters staat niet gelijk aan de actieve rekenlast bij elk token. Dat onderscheid doet ertoe bij het vergelijken van architectuur, intelligentie en deploymentkosten.

Waarvoor Kimi K3 is ontworpen

Moonshot positioneert K3 rond twee brede workloads: software-engineering over de lange termijn en kenniswerk van begin tot eind.

Coderen over de lange termijn

K3 is gebouwd om productief te blijven tijdens lange engineeringsessies. De officiële voorbeelden leggen nadruk op navigeren in grote repository's, terminalorkestratie, optimalisatie van GPU-kernels, compilerontwikkeling, frontend-engineering, gameontwikkeling, CAD en wetenschappelijk coderen.

Dat is een ander doel dan autocomplete. Een codeermodel voor de lange termijn moet herhaaldelijk de status inspecteren, een tool kiezen, het resultaat interpreteren, het plan bijstellen en het eindresultaat verifiëren. Volharding en herstel kunnen belangrijker zijn dan de kwaliteit van het eerste codevoorbeeld.

Vision in de codeerlus

K3 heeft native visueel begrip. Het kan screenshots en gerenderde output als feedback gebruiken tijdens het aanpassen van code. Dat ondersteunt frontend-iteratie, visuele QA, games, 3D-scènes, diagrammen en andere workflows waarin geslaagde unittests niet genoeg zijn.

De officiële API accepteert afbeeldingsdata en geüploade video. Openbare afbeeldings-URL's worden in vision-berichten niet rechtstreeks geaccepteerd: afbeeldingen moeten als base64 of via ondersteunde bestandsverwerking worden aangeleverd, en video wordt aangeroepen via een Moonshot-bestands-ID.

Kenniswerk

K3 richt zich ook op onderzoek, rapporten, spreadsheets, presentaties, dashboards en analyses in meerdere fasen. Een context van 1M tokens kan een grote hoeveelheid bewijs bevatten, maar bruikbaar kenniswerk vraagt nog steeds om bronbeheer, controle van citaten en verificatie. Een groot venster verkleint de noodzaak om context weg te gooien; het garandeert niet dat elk feit wordt onthouden of correct wordt gewogen.

Hoe goed zijn de benchmarks van Kimi K3?

Het lanceringsrapport van Kimi bestrijkt het herstellen van repositories, terminaltaken, het bouwen van complete programma's, kenniswerk, automatisering, browsen en multimodale evaluaties. Het gerapporteerde patroon is belangrijker dan welke losse score ook: K3 is het sterkst bij lange, agentische workflows en blijft in de hele officiële suite concurrerend met toonaangevende gesloten modellen.

De kanttekeningen doen ertoe:

• De resultaten van Kimi K3 gebruiken doorgaans de maximale redeninspanning.
• Modellen zijn niet altijd met dezelfde agent-harness geëvalueerd.
• Sommige taken draaiden op omgevingen die op H20 zijn gekalibreerd in plaats van op de standaardhardware van de benchmark.
• Het officiële rapport noemt fallbackgedrag bij minstens één concurrerend model.
• Onafhankelijke ranglijsten voor brede intelligentie zetten K3 niet op de eerste plaats.

Onafhankelijke analyse plaatst K3 momenteel dicht bij de frontier en niet duidelijk erboven. Dat sluit aan bij Moonshots eigen uitspraak dat K3 over het geheel nog achterblijft bij de sterkste propriëtaire modellen.

Lees Kimi K3-benchmarks uitgelegd voor de scoretabellen, notities over harnesses en het onderscheid tussen officiële en onafhankelijke resultaten.

Prijzen van de Kimi K3 API

Moonshot hanteert vaste betaal-naar-gebruik-tarieven met aparte prijzen voor gecachete en niet-gecachete input.

Er is geen hogere prijsklasse alleen omdat een verzoek een lange context gebruikt. De totale rekening kan toch hoog uitvallen: een miljoen niet-gecachete input-tokens kosten $3 vóór de output, en 50.000 output-tokens voegen daar $0.75 aan toe.

Automatische caching kan de economie van herhaalde repository- en onderzoeksworkflows veranderen. Een stabiel voorvoegsel van 500K tokens kost $1.50 bij een cachemis, maar $0.15 bij een cachetreffer. Applicaties moeten het cachegedrag loggen en er niet vanuit gaan dat elk herhaald verzoek het lagere tarief krijgt.

Zie Prijzen van de Kimi K3 API uitgelegd voor volledige workloadvoorbeelden en cachingstrategieën.

Kimi K3 vs GPT-5.6 Sol

K3 en GPT-5.6 Sol overlappen elkaar bij coderen op topniveau, agents, redeneren en professioneel werk, maar vertegenwoordigen verschillende afwegingen.

Geen enkel model wint bij elke workload. K3 is aantrekkelijk voor teams die waarde hechten aan lange context, multimodaal coderen en toekomstige toegang tot de weights. GPT-5.6 Sol blijft aantrekkelijk wanneer onafhankelijke topkwaliteit, volwassen platformgedrag en gesloten gehoste infrastructuur zwaarder wegen.

Lees de volledige beslisgids in Kimi K3 vs GPT-5.6 Sol.

Sterke punten van Kimi K3

Een echt grote werkcontext

Een miljoen tokens geeft agents ruimte voor broncode, documentatie, toolgeschiedenis, visueel bewijs en tussenresultaten. Dat is vooral nuttig als agressieve retrieval bewijs zou scheiden dat samen bekeken moet worden.

Coderen en vision in één model

K3 kan een gerenderd resultaat inspecteren in plaats van alleen op broncode of tekstlogs te vertrouwen. Dat maakt het relevant voor UI-engineering, games, CAD, datavisualisatie en mediaworkflows.

API-functies voor agents

De officiële API ondersteunt eigen tools, geforceerd toolgebruik, dynamisch laden van tools, streaming, gestructureerde output en lange sessies met meerdere beurten. Dat zijn bouwstenen voor productie en geen functies die alleen voor chat bedoeld zijn.

Open-weightrichting

Moonshot beschrijft K3 als het eerste open model van de 3T-klasse en heeft volledige weights aangekondigd. Als de release en de licentie breed gebruik toestaan, krijgen infrastructuurteams meer controle dan bij gesloten modellen die alleen via een API beschikbaar zijn. Beschikbaarheid, licentievoorwaarden en ondersteuning voor inferentie door de community moeten na de release nog worden gecontroleerd.

Beperkingen van Kimi K3

Denkgeschiedenis moet behouden blijven

Moonshot waarschuwt dat K3 is getraind met behouden denkgeschiedenis. Een client die vereiste assistentstatus weglaat, alleen de eindtekst bewaart of halverwege een sessie van model wisselt, kan zorgen voor onstabiele kwaliteit. Daarom is correct beheer van de gespreksstatus essentieel.

Het kan overdreven proactief zijn

Training voor de lange termijn moedigt het model aan om door te gaan. In dubbelzinnige situaties kan K3 beslissingen nemen waarvoor de gebruiker geen toestemming gaf. Agents in productie hebben expliciete grenzen, afgebakende tools, goedkeuringsstappen en duidelijke instructies nodig over wanneer ze moeten stoppen.

Het grootste model is geen model voor je lokale laptop

Zelfs met MXFP4-weights en ijle expertactivatie is een model van 2,8T een deployment op infrastructuurschaal. Moonshot beveelt supernode-configuraties met 64 of meer accelerators aan. Open weights maken K3 niet praktisch op een consumenten-GPU of gewone werkstation.

Output is relatief duur

Bij $15 per miljoen output-tokens kan uitgebreid agentgedrag de rekening gaan domineren. Applicaties moeten verstandige completion-limieten instellen en de kosten per geverifieerde taak meten, niet de prijs per verzoek.

Enkele details van de release zijn nog onbekend

Op 21 juli zijn de volledige weights, de definitieve licentie en het technische rapport nog niet openbaar. Wees voorzichtig met artikelen die een volledig lokaal installatieproces beweren voordat die onderdelen bestaan.

Wie moet Kimi K3 gebruiken?

K3 is een sterke kandidaat voor:

• codeer-agents op schaal van een repository;
• terminalworkflows die volharding vereisen;
• iteratie op frontend, games, CAD en visuele software;
• onderzoek met lange documenten en professionele documenten;
• multimodale analyse met afbeeldingen of geüploade video;
• teams die toekomstige open-weight-deployments op frontierniveau beoordelen.

Het kan onnodig groot of duur zijn voor:

• classificatie, extractie en eenvoudige support;
• korte antwoorden waarbij latentie telt;
• kleine zelf gehoste omgevingen;
• workflows die de volledige gespreksstatus niet kunnen behouden;
• agents zonder sterke grenzen voor rechten en verificatie.

Het oordeel over Kimi K3

Kimi K3 is een van de meest ingrijpende lanceringen van open modellen in 2026, omdat het een architectuur op frontierschaal combineert met een contextvenster van 1M, native visueel begrip en een serieuze agent-API. De overtuigendste toepassing is niet een benchmarkvraag in één keer, maar langdurig werk met code, tools, documenten en visuele feedback.

Het model is geen automatische vervanging voor de sterkste gesloten systemen. Onafhankelijke evaluatie, outputkosten, eisen aan statusbeheer, overdreven proactiviteit en extreme eisen aan zelf hosten tellen allemaal mee. De juiste beslissing voor productie is K3 te testen op representatieve, langlopende taken en de kosten per geverifieerd resultaat te vergelijken.

Volg de Kimi K3-modelpagina voor de beschikbaarheid op Poyo.ai, bevestigde model-ID's en prijzen.

Veelgestelde vragen

Is Kimi K3 open source?

Moonshot noemt K3 een open model van de 3T-klasse en zegt dat de volledige weights uiterlijk 27 juli 2026 verschijnen. Per 21 juli kunnen ontwikkelaars het best wachten op de daadwerkelijke bestanden en de licentie voordat ze beweringen doen over deployment of commercieel gebruik.

Hoe groot is het contextvenster van Kimi K3?

Kimi K3 ondersteunt een contextvenster van 1 miljoen tokens. Automatische contextcaching is beschikbaar in de officiële API.

Is Kimi K3 beter dan GPT-5.6 Sol?

Niet universeel. K3 is vooral aantrekkelijk voor lange context, geplande open weights, multimodaal coderen en agent-workflows. GPT-5.6 Sol behoudt voordelen bij enkele onafhankelijke evaluaties en evaluaties op topniveau. Test beide op dezelfde taken.

Ondersteunt Kimi K3 afbeeldingen en video?

Ja. De officiële API ondersteunt afbeeldingen en geüploade video als input. Het geeft tekst terug en geen gegenereerde afbeeldingen of video.

Hoeveel kost de Kimi K3 API?

Moonshot hanteert $0.30 per miljoen input-tokens bij een cachetreffer, $3 per miljoen input-tokens bij een cachemis en $15 per miljoen output-tokens.

Kan Kimi K3 lokaal draaien?

Niet op gewone consumentenhardware. Het model van 2,8T is bedoeld voor grote gedistribueerde infrastructuur, ook al is per token maar een deel van de experts actief.

Bronnen

• Moonshot AI: technische lancering van Kimi K3
• Kimi API: snelstart en limieten van Kimi K3
• Officiële API-prijzen van Kimi K3
• Artificial Analysis: onafhankelijke analyse van Kimi K3
• Poyo.ai-modelpagina van Kimi K3