Kimi K3 slår GPT-5.6 Sol på agentisk arbejde og åbner koden den 27. juli

Modellen, der netop har overgået OpenAIs flagskib på den benchmark, der betyder mest for langtidsholdbart kodnings- og vidensarbejde, er i dag tilgængelig via API. Den kommer ikke fra OpenAI, Google eller Anthropic. Kimi K3 er den seneste udgivelse fra Moonshot AI, en Beijing-startup bedst kendt for Kimi-chatbotten, og det er den største open-weights-sprogmodel, der nogensinde er udgivet: 2,8 billioner totale parametre i en sparsom arkitektur, der holder omkostningerne nede ved kun at aktivere en brøkdel af dem per forespørgsel.

På AA-Briefcase – Artificial Analysis’ agentiske evaluering designet til at simulere reelt vidensarbejde frem for lærebogsproblemer – scorede Kimi K3 1.527, hvilket kun overgås af Claude Fable 5 Max med 1.587 og slår GPT-5.6 Sol Max med 1.495. På den bredere GDPval-AA-benchmark ligger modellen på tredjepladsen med 1.687, efter Fable 5 Max (1.815) og GPT-5.6 Sol Max (1.747,8). Præstationsgabet mellem første- og andenpladsen på den agentiske benchmark er smallere end gabet mellem anden- og femtepladsen.

Prisforskellen er sværere at afvise end benchmark-rangeringerne. Kimi K3 koster $3 per million ucachede input-tokens og $15 per million output-tokens. Claude Opus 4.8 koster $5 per million input og $25 per million output. For teams, der kører højvolumen agentiske workflows, rapporterer Moonshot cache-hit-rater over 90% på kodningsarbejdsbyrder, hvilket bringer den effektive inputpris ned til $0,30 per million tokens – et tal, der ændrer økonomien i at implementere frontlinje-AI i stor skala.

To arkitektoniske innovationer ligger bag modellen. Kimi Delta Attention er en hybrid lineær opmærksomhedsmekanisme, som virksomheden siger muliggør 6,3 gange hurtigere afkodning i million-token-kontekster sammenlignet med standard opmærksomhed. Attention Residuals beskrives som en drop-in-erstatning for standard residualforbindelser, der giver konsekvente præstationsgevinster, efterhånden som modellen skaleres. Kontekstvinduet på 1 million tokens – nok til at rumme cirka ti fuldlængde romaner på én gang – er live og funktionelt, ikke en teoretisk specifikation.

Der er en forskel mellem ’tilgængelig i dag’ og ‘open source’, der betyder noget her. Kimi K3 er tilgængelig nu via API og Kimi-appen, hvilket betyder, at forespørgsler går gennem Moonshots servere. Modellens faktiske vægte – de trænede parametre, der ville gøre det muligt for enhver at implementere den på egen infrastruktur – er endnu ikke offentlige. Moonshot planlægger at frigive dem den 27. juli under en modificeret MIT-licens, de samme vilkår som blev anvendt på den tidligere K2-model. For de fleste udviklere er API’en det, de har brug for; for organisationer med krav om datasuverænitet eller compliance er vægtfrigivelsen den relevante dato.

Indbygget multimodal understøttelse dækker tekst, billeder og videoinput inden for samme API-kald. Modellens samlede parameterantal på 2,8 billioner refererer til det fulde sæt af sparsomme MoE-parametre; det aktive parameterantal per forward pass er betydeligt lavere, hvilket er sådan Moonshot holder inferensomkostningerne nede. At køre den fulde model lokalt ville kræve hardware langt ud over en forbrugerarbejdsstation. Hvad de åbne vægte vil muliggøre, er implementering på enterprise-skala infrastruktur uden at dirigere data gennem en kinesisk-ejet API.

Vægtfrigivelsen den 27. juli vil afgøre, hvor meget af benchmark-fordelen der overlever i reel implementering. Da Moonshot udgav K2 under sammenlignelige åbne vilkår, gik udvikleradoptionen hurtigere end virksomheden havde forventet – delvist fordi kombinationen af nær-frontlinje-ydeevne og MIT-lignende licens fjernede juridisk friktion for teams, der havde brug for begge dele. K3 er et større væddemål på den samme strategi.

Tags: AI-modeller, GPT-5.6, Kimi K3, lokal AI, Moonshot AI, open-source AI