Kimi K3 verslaat Claude in blinde codetest
Moonshot AI heeft de volledige gewichten van Kimi K3 vrijgegeven, een dag eerder dan het bedrijf had aangekondigd. Sinds de avond van 26 juli (Amerikaanse tijd) kan iedereen het model downloaden. De eerste blinde vergelijkingen zetten het Chinese model bovenaan een codeerranglijst, boven Claude Fable 5 van Anthropic.
Bovenaan de blinde codearena
Op de Frontend Code Arena van LMArena, waar ontwikkelaars zonder de modelnaam te zien stemmen op door AI gemaakte website-code, pakte Kimi K3 de eerste plek met een Elo van 1.679. Daarmee ging het voorbij Claude Fable 5, tot dan toe de bovenste in dat klassement. Op SWE-bench Verified, een test met echte softwarebugs, noteerde Moonshot 76,8 procent. VentureBeat noemt het de grootste open-weight release tot nu toe, Tom’s Hardware schrijft dat de release laat zien hoe China om de Amerikaanse chipbeperkingen heen werkt. Dat de open weights eraan zaten te komen, was al weken bekend, maar de scores waren tot de download alleen op papier te controleren. Nu draaien de eerste onafhankelijke tests op echte hardware.
Groot model, zware download
Onder de motorkap zit een mixture-of-experts. Van de 896 experts activeert Kimi K3 er zestien per verzoek, wat neerkomt op ongeveer 50 miljard actieve parameters per token uit een totaal van 2,8 biljoen. Het contextvenster is 1 miljoen tokens en het model verwerkt beeld zonder losse module. Zelf draaien blijft lastig: de gewichten beslaan zo’n 1,4 terabyte in vier-bits MXFP4-precisie, genoeg om een flinke serverkast te vullen. Qua omvang zit het in dezelfde categorie als Qwen3.8-Max van Alibaba, al kiest Alibaba een andere schaalverdeling. Moonshot geeft het model mee met een altijd actieve redeneerstand, wat de rekenkosten per antwoord opdrijft.
Waar de cijfers om vragen
Een benchmark maakt nog geen kampioen. Twee teams die hetzelfde model op SWE-bench testen kunnen 10 tot 26 punten uit elkaar liggen, alleen door verschillen in testopstelling: sandbox, time-outs, aantal pogingen en scoringsregels. De Elo op de Frontend Code Arena zegt iets over de voorkeur van ontwikkelaars bij frontendwerk, niet over elke taak. Anthropic en OpenAI houden hun sterkste modellen gesloten, waardoor een directe vergelijking met Claude Opus 5 en GPT-5.6 Sol altijd via losse tests loopt en niet via de broncode zelf.
Wat betekent dit
Een gratis te downloaden model dat bovenaan een westerse codeerranglijst staat, verandert de rekensom voor bedrijven die hun data liever binnenshuis houden. De kosten verschuiven van een API-tarief naar hardware en beheer. Voor Peking is het ook een politiek signaal, terwijl China tegelijk limieten overweegt op zijn krachtigste AI. De komende weken laten zien of de scores standhouden zodra meer teams Kimi K3 op hun eigen infrastructuur natrekken.
