Kimi K3: grootste open-weight model tot nu toe

Moonshot AI heeft de gewichten van Kimi K3 vrijgegeven, en daarmee ligt het grootste open-weight taalmodel tot nu toe op tafel. Het Chinese lab zet een model met 2,8 biljoen parameters neer dat je zelf kunt draaien, inspecteren en aanpassen, iets wat de gesloten frontier-labs voorlopig niet aanbieden.

Wat Kimi K3 op tafel legt

Kimi K3 is een sparse Mixture-of-Experts model: van de 896 experts zijn er per verzoek maar 16 actief, waardoor de rekenlast beheersbaar blijft ondanks de omvang. Moonshot bouwde er twee technieken in die de aandacht trokken, Kimi Delta Attention voor lange reeksen en Attention Residuals voor het vasthouden van informatie door de lagen heen. Het model verwerkt tekst en beeld, heeft een contextvenster van een miljoen tokens en richt zich op codeer- en agentwerk over langere taken. Volgens Moonshot draait K3 ongeveer 2,5 keer efficiënter dan de voorganger K2, vooral door algoritmische keuzes en niet louter meer hardware.

Hoe het zich verhoudt tot de top

Op de Intelligence Index van Artificial Analysis haalt Kimi K3 een score van 57. Dat plaatst het boven Claude Opus 4.8 en op gelijke hoogte met Gemini 3.1 Pro, terwijl het een paar punten achterblijft op Claude Fable 5 en GPT-5.6 Sol. Op praktische automatiseringstaken staat het model volgens Moonshot in vier van de acht tests bovenaan, waaronder Automation Bench. VentureBeat noemt K3 het grootste open-source model dat ooit is uitgebracht en Tom’s Hardware wijst erop dat het bijna het niveau van de frontier-modellen haalt terwijl het naar schatting 2 tot 3 keer makkelijker te draaien is. Analist Nathan Lambert spreekt in zijn nieuwsbrief Interconnects over een escalatie in de strijd om open gewichten.

De prijs en het bredere plaatje

Ook de kosten vallen op. Moonshot rekent via de API ongeveer 0,30 dollar per miljoen invoertokens bij een cache-hit, 3 dollar bij een cache-miss en 15 dollar per miljoen uitvoertokens. Dat ligt fors onder de tarieven van de gesloten toppers. De release past in een reeks Chinese modellen die de prijs opdrijven, iets wat ook DeepSeek met V4 Flash laat zien. Tegelijk groeit het aanbod aan open gewichten snel, van AMD met Instella-MoE tot de bredere beweging die open modellen naar de top brengt. Dat contrasteert met de gesloten koers waarmee de Amerikaanse labs de codeerkroon verdedigen.

Wat betekent dit

Voor bedrijven en ontwikkelaars komt een frontier-model binnen handbereik dat je op eigen infrastructuur kunt draaien, zonder afhankelijkheid van een enkele leverancier. Dat is aantrekkelijk voor wie gevoelige data niet naar buiten wil sturen of wie de kosten wil drukken. De keerzijde is dat 2,8 biljoen parameters nog steeds serieuze hardware vragen, ook al is K3 makkelijker te bedienen dan de cijfers doen vermoeden. De vraag voor de komende maanden is of de gesloten labs hun voorsprong in kwaliteit vasthouden, nu open gewichten qua prestaties zo dichtbij komen en op prijs ver onder de rest duiken.