Moonshot zet Kimi K2.5 uit, K3 blijft over

Moonshot AI heeft per 31 augustus een streep gezet door zijn oudere modellen. Wie sinds die datum kimi-k2.5 of een van de moonshot-v1-varianten aanroept, krijgt een 404 terug: model niet gevonden. Er blijft nog precies een actueel vlaggenschip over, en dat is Kimi K3.

Welke modellen uit de lucht gingen

De modellijst op het Kimi API-platform noemt drie groepen die zijn afgevoerd: kimi-k2.5, de complete moonshot-v1-serie (8k, 32k, 128k, auto en de vision-preview-versies) en de previewmodellen uit de kimi-k2-reeks. Wat overblijft is kimi-k3, het multimodale kimi-k2.6 met een venster van 256k, en twee codeermodellen: kimi-k2.7-code en een snelle variant die rond de 180 tokens per seconde uitspuugt.

K2.5 kwam in januari uit. Acht maanden dienst dus, aan de korte kant voor software die in productie draait. Tencent Cloud, dat het model aanbood, adviseerde klanten om over te stappen op K2.6 als tussenstap of meteen op K3.

Vijf keer duurder per token

De overstap kost geld. K2.5 rekende 0,60 dollar per miljoen invoertokens en 3 dollar per miljoen uitvoertokens. Voor K3 staan de gepubliceerde tarieven op 3 en 15 dollar, met 0,30 dollar voor invoer die uit de cache komt. Een team dat zijn pijplijn ongewijzigd overzet, ziet de rekening dus ongeveer vervijfvoudigen.

Daar staat een zwaarder model tegenover. K3 verscheen op 16 juli, telt 2,8 biljoen parameters in een mixture-of-experts-opzet, werkt met een contextvenster van een miljoen tokens en verwerkt beeld zonder losse module. Moonshot probeert dat model ook stevig te verzilveren: het bedrijf wil 30 procent van de K3-omzet zien bij aanbieders als Azure en AWS.

Snelle cycli worden normaal

Moonshot is niet de enige die zo opruimt. OpenAI haalde deze week GPT-5.4 uit Codex en duwde gebruikers naar een nieuwere versie. Bij de Chinese labs gaat het nog harder. Z.ai bracht eind augustus GLM-5.3-Flash uit, Alibaba zette Qwen3.8-Flash-Next online als voorproefje op Qwen4, en DeepSeek gaf zijn visiemodel vrij onder MIT-licentie. Wie een half jaar geleden een model koos, kijkt nu naar een ander landschap.

Wat betekent dit

Voor teams die op de Kimi-API bouwen is de les praktisch. Een modelkeuze houdt geen jaar stand, dus zorg dat je hem kunt vervangen zonder de hele applicatie open te breken. Een dunne abstractielaag boven de API scheelt weken werk bij een gedwongen migratie. Houd ook een eigen testset klaar met prompts uit je eigen praktijk, want benchmarkscores zeggen weinig over de vraag of een nieuw model jouw specifieke taak nog steeds goed afhandelt.

En reken op de prijsschok. Een vervijfvoudiging van de tokenkosten is geen detail in een jaarbegroting. Bedrijven die op K2.5 zaten juist omdat het goedkoop was, kunnen betalen voor K3 of uitwijken naar K2.6 en de open modellen die de concurrentie deze zomer heeft losgelaten.