2,8 триллиона параметров. 1 миллион токенов контекста. 896 экспертов, из которых 16 активны на каждый токен. Это не спецификация суперкомпьютера — это открытая модель, которую любой разработчик сможет скачать и запустить самостоятельно. И это меняет правила игры в глобальной AI-индустрии.
Модель с 2,8 трлн параметров на архитектуре Mixture-of-Experts обходит Claude Opus 4.8 и GPT-5.5 по бенчмаркам кодинга и агентных задач, приближаясь к флагманам Anthropic и OpenAI
Релиз открытых весов запланирован на 27 июля — все желающие смогут запустить модель на своём оборудовании
Компания закрыла раунд на $2 млрд при оценке $20+ млрд всего за три года с основания
Презентация на GTC 2026 в исполнении основателя Moonshot AI Ян Чжилиня стала одним из самых ярких событий конференции NVIDIA. За 25 минут на сцене он показал, как китайский стартап за три года прошёл путь от идеи до модели, которая заставляет пересматривать расклад сил в мировой AI-индустрии. Сразу после презентации акции AI-компаний на азиатских рынках показали разнонаправленную динамику — инвесторы переоценивают позиции игроков в свете нового конкурента.
Kimi K3 — не просто очередная LLM. Это первая модель с открытыми весами, приближающаяся к отметке в 3 триллиона параметров, и прямой вызов стратегии закрытых флагманов OpenAI и Anthropic. Релиз приурочен к Всемирной конференции по искусственному интеллекту в Шанхае — символический выбор, подчёркивающий амбиции Китая в глобальной AI-гонке.
По данным Moonshot, K3 превосходит Claude Opus 4.8 и GPT-5.5 на бенчмарках программирования и агентных задач, а на некоторых тестах — например, Program Bench и SWE Marathon — приближается или превосходит Claude Fable 5. Компания утверждает, что модель достигла паритета с передовыми западными системами при кардинально более низкой себестоимости инференса благодаря архитектурным оптимизациям.
Архитектура: как устроена самая большая открытая модель
Kimi K3 построена на архитектуре Mixture-of-Experts (смесь экспертов) с 896 экспертами, из которых 16 активируются на каждый токен. Общее количество параметров — 2,8 трлн, но эффективное число активных параметров на один запрос значительно ниже благодаря разреженной активации. DeepSeek V4 Pro, предыдущий рекордсмен среди открытых моделей, имел 1,6 трлн параметров — K3 почти вдвое больше.
Два ключевых нововведения отвечают за то, что модель вообще работает с такой размерностью.
Kimi Delta Attention (KDA) — гибридный механизм внимания, опубликованный командой Moonshot на arXiv. Он комбинирует линейное внимание для эффективной обработки длинных последовательностей с традиционным softmax-вниманием там, где нужна высокая точность. KDA обеспечивает до 6,3× ускорения декодирования на контексте в 1 миллион токенов — разница между секундой и шестью секундами ожидания ответа. Для разработчиков, работающих с анализом больших кодовых баз или длинных документов, это превращает модель из теоретически применимой в практически полезную.
Attention Residuals — замена стандартных residual-связей (остаточных соединений), которые выборочно извлекают репрезентации из предыдущих слоёв вместо равномерного накопления. Это позволяет информации из ранних слоёв влиять на поздние напрямую, минуя последовательные преобразования, через которые она теряет контекст. Прирост эффективности обучения — около 25% при затратах менее 2% дополнительных вычислений — редкое соотношение в мире больших моделей.
Обучение проводилось с квантованием: MXFP4 для весов и MXFP8 для активаций. Это вдвое снижает требования к памяти без значимой потери качества — техника, которую начинают использовать и западные лаборатории. По заявлению Moonshot, общая эффективность масштабирования выросла в 2,5 раза по сравнению с Kimi K2. Такой прирост — один из главных аргументов компании в пользу того, что размер модели оправдан, а не является маркетингом.
Инференс модели такого размера требует серьёзного оборудования — SemiAnalysis подсчитал, что Kimi K3 не помещается на один NVIDIA DGX B200 и требует серверов GB300 NVL72 или B300. Moonshot использует собственную систему Mooncake (получившую Best Paper на FAST 2025) для KV-cache-centric disaggregated serving (дезагрегированного обслуживания с центральным кэшем ключ-значение), которая делает инференс при экстремальном масштабе экономически viable (жизнеспособным).
Бенчмарки: где Kimi K3 действительно силён
Moonshot опубликовала результаты тестирования, и картина неоднозначная — что честно для модели, которая только вышла. Компания предоставила данные собственных тестов и ссылается на независимые оценки.
По собственным данным компании, K3 превосходит Claude Opus 4.8 и GPT-5.5 на бенчмарках кодинга (Program Bench, SWE Marathon) и агентных задач. В Arena.ai Frontend Code Arena модель заняла первое место в пяти из шести категорий: Brand & Marketing, Reference-based Design, Data & Analytics, Consumer Product и Simulations & Content Creation Tools. Единственная категория, где K3 уступила, — Gaming, где лидерство осталось за Claude Fable 5.
Независимая лаборатория Artificial Analysis поставила K3 Intelligence Index 57 — на одном уровне с Opus 4.8 и GPT-5.5, но ниже Claude Fable 5 и GPT-5.6 Sol. Разница между первым и четвёртым местом в рейтинге передовых моделей сокращается: ещё год назад отрыв китайских моделей с открытыми весами от западных флагманов измерялся двукратным разрывом в производительности. Сейчас он сократился до процентов, а в отдельных тестах китайские модели уже выходят вперёд.
| Модель | Параметры | Контекст | Open-weight | Цена за 1M токенов (in/out) |
|---|---|---|---|---|
| Kimi K3 | 2,8 трлн (MoE) | 1 млн | ✔ да (с 27 июля) | $3 / $15 |
| Claude Opus 4.8 | ~150-200 млрд | 200K | ✗ нет | $15 / $75 |
| GPT-5.5 | Не раскрыто | Не раскрыто | ✗ нет | $10 / $30 |
| DeepSeek V4 Pro | 1,6 трлн (MoE) | 128K | ✔ да | $1 / $4 |
Главный компромисс: точность K3 выросла до 46% (с 33% у K2.6), но уровень галлюцинаций тоже поднялся — до 51%. Для модели, ориентированной на интеллектуальный труд, это серьёзное ограничение. Верификация фактических данных обязательна — впрочем, это справедливо для любой модели передового уровня.
Ценовая стратегия: демпинг или новая реальность
API-цены Kimi K3 — $3 за миллион входных токенов и $15 за выходные. Это в 5 раз дешевле Claude Opus 4.8 ($15/$75) и заметно ниже GPT-5.5 ($10/$30). При попадании в кэш цена падает до $0,3 за миллион — уровень, недоступный западным конкурентам.
Moonshot не первый китайский игрок, использующий ценовую агрессию как входной билет на рынок. DeepSeek проделал то же самое в январе 2025 с R1, вызвав обвал акций AI-компаний и переоценку всей индустрии. Но есть принципиальная разница: DeepSeek конкурировал ценой при сопоставимом качестве. Moonshot делает ставку на открытые веса и контроль над инфраструктурой. Клиент не просто платит меньше — он получает возможность уйти с API-иглы вообще.
Для корпоративных клиентов это означает новые опции: модель, которую можно дообучить (fine-tune) и запустить на собственном оборудовании, без привязки к API OpenAI или Anthropic. Плата — необходимость в серьёзной GPU-инфраструктуре. 2,8 трлн параметров не работают на одной серверной стойке. Moonshot, впрочем, предусмотрела это: проект Mooncake — KV-cache-centric architecture для дезагрегированного инференса — был признан лучшей статьёй на FAST 2025 и уже используется в продакшене.
Гонка вооружений: китайский AI закрывает отрыв
Запуск Kimi K3 — не изолированный эпизод. Это часть системного сдвига: китайские AI-лаборатории за 18 месяцев сократили отставание от западных конкурентов с двух лет до нескольких месяцев. DeepSeek V4 Pro, Alibaba Qwen, Zhipu GLM-5, а теперь и Moonshot K3 — каждая новая модель приближается к уровню передовых западных систем, и этот тренд ускоряется. На Всемирной конференции AI в Шанхае, которая открывается на следующей неделе, ожидаются анонсы ещё как минимум двух китайских моделей с сопоставимыми характеристиками.
Для Moonshot K3 — кульминация стратегии, которую компания разворачивал 18 месяцев — после того как DeepSeek R1 в январе 2025 перекроил китайский AI-ландшафт. Moonshot, бывший третьим по месячной аудитории в Китае, откатился на седьмое место. Компании пришлось пересматривать стратегию — и она сделала ставку на open-source.
Первым шагом стал Kimi K2 в июле 2025 — MoE-модель с 1 трлн параметров и 128K контекста. Затем K2.5 в январе 2026 с расширением контекста до 256K. K2.6 в апреле 2026 добавил улучшения в генерации кода и агентных кластерах. Каждый релиз приближал Moonshot к передовому уровню, и K3 стал точкой, где модель перестала быть «догоняющей».
27 июля — публикация полных весов модели, главный тест для стратегии Moonshot
Реакция западных регуляторов — возможное ужесточение экспортного контроля AI-моделей (июль 2026)
Скорость адаптации K3 в корпоративном сегменте — первые контракты и кейсы внедрения
Текущая оценка Moonshot в $20+ млрд (pre-money на новом раунде — $31,5 млрд) подкрепляется реальными цифрами: ARR (годовой повторяющийся доход) Kimi превысила $300 млн в июне 2026, причём более 70% выручки приходится на API. Для стартапа, основанного в марте 2023 года, это один из самых быстрых темпов монетизации в индустрии. Для сравнения: OpenAI потребовалось около 4 лет, чтобы достичь аналогичного уровня дохода.
Ян Чжилинь, основатель Moonshot, — выпускник Carnegie Mellon University с PhD в области computer science. До основания Moonshot он работал над крупномасштабными распределёнными системами и опубликовал серию работ по эффективности внимания в трансформерах — те самые KDA и Attention Residuals, которые сегодня составляют ядро K3. Он основал компанию в марте 2023 года, и за три года провёл её от идеи до оценки в $20 млрд и слота на GTC — мероприятии, где обычно выступают только крупнейшие игроки вроде Jensen Huang и CEO ведущих AI-лабораторий.
Предыдущий раунд на $2 млрд (май 2026) возглавила Meituan, китайская платформа доставки еды и локальных услуг, с участием Alibaba и Tencent. Раунд был закрыт при годовой выручке (ARR) около $100 млн — к июню ARR удвоился до $200 млн, а к моменту запуска K3 превысил $300 млн. Такой рост — аргумент в пользу того, что за оценкой $20+ млрд стоит не спекуляция, а реальная монетизация.
Open-weight подход Moonshot идёт вразрез с политикой закрытых моделей OpenAI и Anthropic. Для китайских властей это ещё и инструмент «мягкой силы»: open-source модели демонстрируют технологическую состоятельность и расширяют глобальное влияние, особенно на фоне попыток США ограничить передачу AI-технологий через экспортный контроль и «Silicon Curtain» — концепцию ограничения распространения китайских AI-моделей, активно обсуждаемую в Вашингтоне. Reuters ранее сообщал, что администрация США рассматривает меры, аналогичные экспортным ограничениям на чипы H100, но в отношении распространения самих AI-моделей.
Показательно, что анонс K3 совпал с периодом, когда Anthropic по требованию правительства США отозвала свои модели Fable и Mythos с международных рынков. Этот шаг создал вакуум, который Moonshot быстро заполняет — причём не только технологически, но и с точки зрения восприятия: китайская открытая модель выглядит более доступной и менее подверженной геополитическим рискам для международных разработчиков.
Реакция рынка не заставила себя ждать: акции китайских AI-стартапов Zhipu и MiniMax упали после анонса K3 — инвесторы переоценивают конкурентные позиции игроков. Polymarket, платформа прогнозов, оценивала вероятность июльского релиза K3 в 97% ещё до официального объявления.
Границы: чего не хватает Kimi K3
Модель всё ещё уступает Claude Fable 5 и GPT-5.6 Sol по интегральным бенчмаркам. Moonshot это признаёт: в пресс-релизе прямо указано, что K3 «отстаёт от Fable 5 и Sol по общей производительности, но стабильно превосходит остальные протестированные модели». Artificial Analysis подтверждает: K3 находится в одной группе с Opus 4.8 и GPT-5.5, но пока не дотягивает до топ-2.
Главный риск — галлюцинации на уровне 51% в независимых тестах. Для модели, позиционируемой как инструмент интеллектуального труда, это серьёзное ограничение: если каждый второй сгенерированный факт может оказаться вымышленным, доверие к модели в профессиональном использовании подрывается. Компания не опубликовала дорожную карту по снижению этого показателя, что вызывает вопросы у потенциальных корпоративных заказчиков.
Kimi K3 — мультимодальная модель: она принимает не только текст, но и изображения и видео. Это открывает сценарии анализа документов, визуального мышления и распознавания продуктов без отдельных систем computer vision. Для разработчиков, строящих ассистентов, работающих с интерфейсами и скриншотами, такая возможность снижает сложность пайплайнов — не нужно отдельное OCR-звено между изображением и LLM.
Moonshot выпустила K3 сразу в четырёх продуктах: чат-бот Kimi, рабочее пространство Kimi Work, среда для разработчиков Kimi Code и API-платформа. Kimi Code заслуживает отдельного внимания — это специализированный интерфейс, в котором модель работает с репозиториями, терминалом и дебаггером. Для инженеров, оценивающих K3 как инструмент разработки, это прямой конкурент GitHub Copilot и Cursor, причём с преимуществом открытых весов: никакой vendor lock-in, никакого рискованнного изменения ценовой политики со стороны провайдера.
Второй риск — инфраструктурный. SemiAnalysis подсчитал, что K3 не помещается на DGX B200 — требуется GB300 NVL72 или B300 с большим объёмом памяти. Это сужает аудиторию, которая может реально воспользоваться преимуществом открытых весов. Если для инференса модели нужны тысячи долларов в час, тезис «открытости для всех» становится формальным.
И третий — сам релиз открытых весов пока не состоялся. Веса обещаны на 27 июля. До этой даты K3 остаётся API-продуктом, который мало чем отличается от проприетарных моделей по модели потребления. Дата 27 июля станет водоразделом: если веса не будут выложены в срок, доверие к open-source стратегии Moonshot будет подорвано.
Если Moonshot действительно выложит веса 27 июля, это станет первой моделью с открытыми весами передового уровня. Но вопрос не в том, можно ли скачать модель, а в том, кто сможет её запустить. Инфраструктурный барьер может сделать тезис открытости формальным — доступ есть, а воспользоваться им могут единицы.
Что дальше: три сценария
Ближайшие 90 дней покажут, насколько реален тезис Moonshot об открытых весах на передовом уровне.
Первый сценарий (вероятность ~40%) — веса выложены, сообщество начинает адаптацию. Появляются квантованные версии, инструкции по запуску на потребительских GPU, первые дообученные модели на базе K3. Это укрепляет позицию Китая как центра open-source AI и создаёт давление на западные компании, которые вынуждены будут пересматривать ценовую политику. Для мирового AI-сообщества это означает ускорение инноваций и снижение стоимости доступа к технологиям передового уровня.
Второй сценарий (вероятность ~35%) — веса выложены, но запуск требует оборудования, которого нет у 99% разработчиков. Модель остаётся преимущественно API-продуктом, и открытые веса работают только для крупных корпораций с собственными GPU-кластерами. В этом сценарии выигрывают облачные провайдеры, которые смогут предлагать K3 как managed service.
Третий сценарий (вероятность ~25%) — регуляторное вмешательство. США могут расширить экспортные ограничения на модели с открытыми весами, аналогично тому, как это произошло с чипами. В июле 2026 обсуждается «Silicon Curtain» — концепция ограничения распространения китайских AI-моделей на западных рынках. В этом случае тезис открытых весов Moonshot столкнётся не с техническими, а с политическими ограничениями. При этом эффект может быть обратным: ограничения только усилят стимулы для китайских лабораторий наращивать независимость от западной инфраструктуры.
Kimi K3 — не просто релиз очередной модели. Это проверка того, работает ли стратегия открытых весов на уровне передовых моделей, когда размер измеряется триллионами параметров, а не миллиардами. Если да — правила игры в индустрии меняются. Если нет — закрытые модели OpenAI и Anthropic остаются единственным реалистичным путём к передовому AI.
