Moonshot AI zaprezentowało w połowie lipca 2026 roku Kimi K3 – model open-weight o 2,8 biliona parametrów i kontekście do 1 048 576 tokenów. Model został zbudowany jako Mixture-of-Experts: przy każdym kroku aktywuje 16 z 896 ekspertów i około 104 mld parametrów. Kimi K3 celuje przede wszystkim w długie zadania programistyczne, reasoning i knowledge work.
Jeśli kojarzysz chińskie modele głównie z DeepSeek, ta premiera dobrze pokazuje, jak szybko poszerza się konkurencja. Moonshot nie próbuje wygrać wyłącznie niską ceną – K3 ma konkurować skalą i wynikami z najmocniejszymi modelami zamkniętymi. Dla kontekstu możesz zajrzeć do naszego materiału co to jest DeepSeek i dlaczego namieszał na rynku AI.
- Kimi K3 – co właściwie otrzymujemy?
- Dlaczego 1 mln tokenów ma znaczenie?
- Dla kogo Kimi K3 jest interesujący?
Kimi K3 – co właściwie otrzymujemy?
Kimi K3 jest ogromnym modelem MoE, ale sama liczba 2,8 biliona parametrów nie opisuje sposobu jego działania. Dzięki rzadkiej aktywacji ekspertów model nie używa całej sieci jednocześnie. Moonshot podaje, że aktywowanych jest 16 z 896 ekspertów, a łączna liczba aktywnych parametrów wynosi około 104 mld. Firma wykorzystuje też własne rozwiązania Kimi Delta Attention i Attention Residuals, które mają poprawiać przepływ informacji w bardzo długim kontekście.
- 2,8 bln parametrów – jeden z największych publicznie opisanych modeli open-weight.
- 1 mln tokenów kontekstu – praca na bardzo dużych repozytoriach i dokumentach.
- Natywne vision – model analizuje również obrazy.
- Reasoning i coding – główne obszary, na których Moonshot buduje pozycjonowanie K3.
- Open weights – pełne wagi zostały zapowiedziane do publikacji pod koniec lipca.
W dniu premiery Kimi K3 był dostępny w Kimi.com, Kimi Work, Kimi Code i przez API. Moonshot zapowiedział pełne wagi do 27 lipca, więc początkowa premiera była jednocześnie udostępnieniem produktu i zapowiedzią pełnego otwarcia modelu. To ważne rozróżnienie, bo „open model” nie zawsze oznacza, że wszystkie elementy są dostępne od pierwszego dnia.
Dlaczego 1 mln tokenów ma znaczenie?
Okno kontekstowe do miliona tokenów pozwala modelowi jednocześnie uwzględniać bardzo dużą ilość materiału. W praktyce może to być duże repozytorium kodu, zestaw dokumentów technicznych, wielogodzinna transkrypcja albo rozbudowany zbiór instrukcji. Sam rozmiar kontekstu nie gwarantuje jednak, że model równie dobrze wykorzysta każdy fragment informacji – dlatego w ocenie modeli nadal ważne są testy długiego kontekstu, koszt i stabilność działania.
Dla programisty oznacza to jednak wyraźną korzyść: mniej agresywnego dzielenia projektu na małe fragmenty i większą szansę na analizę zależności pomiędzy odległymi częściami kodu. Z tego powodu Kimi K3 może być ciekawym kandydatem na AI do analizy dużych repozytoriów oraz model bazowy dla agentów codingowych.
Dla kogo Kimi K3 jest interesujący?
| Zastosowanie | Dlaczego Kimi K3 pasuje |
|---|---|
| AI do programowania | Długi kontekst, reasoning i nacisk na long-horizon coding. |
| AI do analizy dokumentów | Możliwość pracy na bardzo dużym kontekście wejściowym. |
| Model AI do agentów | Projektowany pod zadania wieloetapowe i knowledge work. |
| Własne wdrożenia | Open weights pozwalają budować rozwiązania poza zamkniętym API producenta. |
| Porównania modeli | K3 jest kolejnym mocnym punktem odniesienia dla GPT, Claude i DeepSeek. |
Jeśli interesuje Cię wybór pomiędzy modelami, warto też zestawić K3 z naszym przeglądem topowych modeli LLM. Rynek coraz szybciej odchodzi od prostego podziału „OpenAI kontra reszta” i przechodzi do kilku równoległych rodzin modeli o bardzo różnych kosztach, licencjach i specjalizacjach.
Open-weight coraz bliżej modeli zamkniętych
Kimi K3 jest ważny nie dlatego, że ma rekordową liczbę parametrów, lecz dlatego, że kolejny model z otwartymi wagami wchodzi w obszary zarezerwowane niedawno dla zamkniętych systemów frontier. Reuters zwracał uwagę na rosnącą presję chińskich laboratoriów na amerykańskich dostawców i coraz mniejszy dystans jakościowy.
W dalszej lekturze warto rozwinąć tematy AI do codingu, model AI z kontekstem 1 mln tokenów, open-weight AI do firmy, Kimi vs DeepSeek oraz jaki model AI wybrać do pracy z dużym repozytorium. To praktyczne pytania, które będą ważniejsze niż sama liczba parametrów.
Źródła
Artykuł opracowano na podstawie oficjalnego materiału Moonshot AI oraz relacji niezależnych mediów branżowych i agencyjnych opisujących premierę Kimi K3.
