Kimi K3: Model Moonshot AI o 2,8T Parametrach Open-Weight dla Agentycznego Kodowania

Kimi K3 to nowy flagowy duży model językowy Moonshot AI — i przy 2,8 biliona parametrów największy model open-weight wydany do tej pory. Uruchomiony 16 lipca 2026 roku, łączy architekturę Mixture-of-Experts (MoE) klasy frontier z oknem kontekstowym o długości 1 miliona tokenów oraz podejściem stawiającym agenty na pierwszym miejscu, skupionym na kodowaniu i długoterminowej pracy z wiedzą. To, co czyni go wyjątkowym, to nie tylko rozmiar: Moonshot udostępnia pełne wagi modelu, co sprawia, że naprawdę frontier'owa wydajność staje się osiągalna dla samodzielnie hostowanych agentów. Oto czym K3 faktycznie jest, jak wypada w benchmarkach, ile kosztuje i gdzie się sprawdza.

Ten przewodnik omawia architekturę K3, benchmarki, ceny, porównanie z linią K2 oraz konkretne przepływy pracy, które deweloperzy już na nim uruchamiają.

Czym Jest Kimi K3?

Kimi K3 to model open-weight skoncentrowany na agentach, stworzony przez pekińskie Moonshot AI, wydany 16 lipca 2026 roku jako następca serii Kimi K2. Moonshot opisuje go jako najpotężniejszy open-source'owy model do kodowania w historii firmy, zbudowany do prowadzenia długich sesji inżynieryjnych, nawigowania po dużych repozytoriach i orkiestrowania narzędzi terminalowych przy minimalnym nadzorze człowieka. (Fortune)

Kluczowa liczba to skala. K3 zawiera 2,8 biliona parametrów łącznie w rzadkiej architekturze MoE — to około 2,8× więcej niż K2.6 i więcej niż chińscy rywale, tacy jak DeepSeek V4 Pro (~1,6T) czy seria GLM-5 firmy Zhipu. Sprawia to, że według Moonshot jest to największy model open-weight, jaki kiedykolwiek zbudowano. (VentureBeat)

Co kluczowe, wagi nie pozostaną zablokowane. Moonshot zaplanował udostępnienie pełnych wag open-weight na 27 lipca 2026 roku, co oznacza, że deweloperzy będą mogli przeglądać, modyfikować i samodzielnie hostować model, zamiast korzystać wyłącznie z hostowanego API. (Axios)

Specyfikacje i Architektura

K3 zachowuje filozofię projektowania w stylu OpenAI, stawiającą agenty na pierwszym miejscu, charakterystyczną dla linii K2, i podnosi poprzeczkę na każdej osi.

• Rzadka architektura MoE z 2,8T parametrami — setki ekspertów z rzadką aktywacją, dzięki czemu tylko ułamek sieci działa na token. Skala oznacza szerokość i specjalizację, dostrojoną do długoterminowego rozumowania i złożonego używania narzędzi. (VentureBeat)
• Okno kontekstowe 1 miliona tokenów — wystarczające, by pomieścić całą bazę kodu, system projektowania lub korpus badawczy „w zasięgu wzroku" bez skomplikowanego podziału na fragmenty. (Axios)
• Kimi Delta Attention (KDA) — hybrydowy mechanizm liniowej uwagi (linear attention), opublikowany wcześniej jako otwarte badania przez Moonshot, mający na celu utrzymanie ultra-długich sekwencji w granicach możliwości obliczeniowych bez kosztownego wzrostu charakterystycznego dla standardowej uwagi. (VentureBeat)
• Attention Residuals (AttnRes) — opisywane przez Moonshot jako zamiennik połączeń resztkowych (residual connections), który zapewnia konsekwentne zyski ze skalowania. (VentureBeat)
• Natywne wejście multimodalne — rozumienie wizji w zakresie tekstu i obrazów, plus zawsze aktywny tryb rozumowania, który Moonshot nazywa „trybem myślenia". (Axios)
• Kompatybilność z OpenAI SDK — API odzwierciedla interfejs OpenAI, więc zespoły budujące już na narzędziach OpenAI lub Anthropic mogą integrować się przy minimalnych zmianach. (VentureBeat)

Zarówno KDA, jak i AttnRes zostały wcześniej opublikowane jako otwarte badania na GitHub — sygnał, że zyski wydajnościowe K3 wynikają z architektury, a nie tylko z brutalnej skali. (VentureBeat)

Benchmarki: Gdzie Plasuje Się K3

K3 zadebiutował na 3. miejscu w rankingu Artificial Analysis, za Claude Fable 5 firmy Anthropic i GPT-5.6 Sol firmy OpenAI — ale przed wszystkim innym, i w niektórych praktycznych testach zajął pierwsze miejsce. (Wikipedia)

Kilka wyników wyróżnia się z analiz startowych:

• GDPval-AA v2 (zadania ze świata rzeczywistego obejmujące 44 zawody i 9 branż): K3 uzyskał wynik 1 687, zajmując trzecie miejsce za Claude Fable 5 Max (1 815) i GPT-5.6 Sol Max (1 747,8), wyprzedzając Claude Opus 4.8 (1 600). (VentureBeat)
• AA-Briefcase (prywatny benchmark długoterminowej pracy z wiedzą): K3 zajął drugie miejsce z wynikiem 1 527, bijąc GPT-5.6 Sol Max i ustępując tylko Fable 5 Max. (VentureBeat)
• Automatyzacja zadań: K3 zajął pierwsze miejsce w czterech z ośmiu benchmarków — w tym Automation Bench, SpreadsheetBench 2 i BrowseComp — kończąc na drugim miejscu za Fable 5 w większości pozostałych. (VentureBeat)
• Kodowanie front-endowe: w ślepych testach przeprowadzonych przez Arena, deweloperzy preferowali K3 nad każdym wiodącym modelem z USA do kodowania front-endowego, w tym nad Fable 5 i GPT-5.6 Sol. (Axios)

Jeden szczegół ma znaczenie dla twórców agentów: Moonshot twierdzi, że osiągnął te wyniki automatyzacji w konfiguracji z jednym agentem, używając kontekstu 1M tokenów — bez kompresji kontekstu ani zewnętrznych sztuczek zarządzania kontekstem. To sugeruje, że surowa długość kontekstu plus silne wyszukiwanie może rywalizować ze skomplikowanymi obejściami wieloagentowymi. (VentureBeat)

Zastrzeżenie: K3 jest publiczny od zaledwie kilku dni, a wirusowe dema i wczesne benchmarki mogą zawyżać to, jak niezawodnie model działa w rzeczywistej pracy produkcyjnej. Traktuj liczby z rankingu jako obiecujący punkt wyjścia, a nie ostateczny werdykt. (Axios)

Ceny i Dostęp

K3 jest dostępny już dziś przez interfejs kimi.com, aplikacje mobilne i API platformy Moonshot pod adresem platform.moonshot.ai. Ceny hostowane wynoszą około $3 za milion tokenów wejściowych i $15 za milion tokenów wyjściowych. (MLQ)

To najwyższe ceny spośród wszystkich chińskich laboratoriów AI — wyraźne odejście od głębokich rabatów, z których wcześniejsze modele Moonshot były znane. Dla porównania, jest to znacznie powyżej GLM-5.2 firmy z.ai ($4,40/M tokenów wyjściowych) i DeepSeek V4 ($0,87/M tokenów wyjściowych), ale wciąż znacznie taniej niż modele frontier z USA: Claude Fable kosztuje około $50 za milion tokenów wyjściowych przy porównywalnej pracy. (Fortune)

Dwie praktyczne uwagi przed zaplanowaniem budżetu:

• K3 obecnie udostępnia tylko jeden poziom intensywności rozumowania („max"), a niezależni testerzy zgłaszają duże zużycie tokenów rozumowania — jeden odnotował około 13 241 tokenów (około $0,25) na wygenerowanie jednego prostego SVG. Długie łańcuchy szybko się sumują. (MLQ)
• Gdy wagi zostaną udostępnione 27 lipca, samodzielne hostowanie stanie się opcją dla zespołów potrzebujących rezydencji danych lub chcących kontrolować koszty na dużą skalę — ta sama ścieżka od hostowanego do samodzielnie hostowanego, którą widzieliśmy we wszystkich wydaniach open-weight Moonshot. (Axios)

K3 vs. K2.5 / K2.6 / K2.7: Co Się Zmieniło

Jeśli korzystałeś z linii K2, K3 to mniej nowe API, a bardziej podniesienie sufitu możliwości. Platforma zachowuje ten sam interfejs w stylu OpenAI i semantykę wywoływania narzędzi, więc ścieżki aktualizacji pozostają proste.

Główne różnice w stosunku do K2.x: prawie 3× więcej parametrów, 4× dłuższe okno kontekstowe (1M vs 256k), nowa architektura KDA + AttnRes oraz silniejsze rozumowanie multimodalne. Moonshot informuje również, że K3 używa około 21% mniej tokenów wyjściowych niż K2.6 przy równoważnych zadaniach — kontynuując trend wydajnościowy z Kimi K2.7 Code. (MLQ)

Rzeczywiste Przypadki Użycia dla Deweloperów i Zespołów

Połączenie frontier'owej wydajności K3, ogromnego kontekstu i otwartych wag czyni go kandydatem na szkielet poważnej pracy agentowej:

• Autonomiczne agenty kodujące zarządzające pełnymi funkcjonalnościami — prowadzące długie sesje inżynieryjne, nawigujące po ogromnych repozytoriach i orkiestrujące narzędzia terminalowe przy minimalnym nadzorze. (Fortune)
• Migracje i prototypowanie na poziomie repozytoriów — przekształcanie PRD (dokumentów wymagań produktowych), plików projektowych i starszej dokumentacji w działające rusztowanie przy zachowaniu pełnego kontekstu projektu w oknie 1M tokenów.
• Praca z wiedzą wymagająca intensywnej obsługi dokumentów w finansach, prawie i doradztwie, gdzie duży kontekst plus natywna wizja pomaga przy gęstych raportach, a otwarte wagi pozwalają przenieść wrażliwe przepływy pracy do samodzielnie hostowanej infrastruktury.

To nie jest hipotetyczna adopcja. Wcześniejsze modele Moonshot były już obecne w zachodnich produktach — Cursor używał Kimi do pomocy przy budowaniu agenta kodującego Composer 2, a CTO DoorDash powiedział, że firma deleguje „pracę niższego poziomu do Kimi K2.6". K3 podnosi sufit, przeciwko któremu te zespoły budują. (Fortune)

Dlaczego K3 Ma Znaczenie dla Krajobrazu AI

Strategicznie K3 to próba Moonshot udowodnienia, że modele open-weight mogą konkurować bezpośrednio z zamkniętymi systemami w segmentach o najwyższej wartości: złożonym kodowaniu, długoterminowym rozumowaniu i badaniach multimodalnych. Analitycy ocenili premierę jako dowód, że innowacje architektoniczne plus skalowanie pre-treningu mogą nadal dostarczać przełomowe zyski chińskim laboratoriom pomimo ograniczeń sprzętowych. (CNBC)

To również wstrząs konkurencyjny. Premiera — zaplanowana tuż przed Światową Konferencją Sztucznej Inteligencji 2026 w Szanghaju — jest powszechnie odczytywana jako dowód, że open source nie jest już w tyle za zamkniętymi modelami o wiele miesięcy. Dla deweloperów oceniających modele frontier oznacza to, że K3 należy do krótkiej listy obok Claude i GPT-5.x, szczególnie jeśli Twój plan działania obejmuje samodzielnie hostowane agenty i przepływy pracy multimodalne. (VentureBeat)

Dla szerszego obrazu open-weight, K3 plasuje się obok innych wydań frontier, które śledziliśmy: DeepSeek V4 Pro, GLM-5.2 firmy Zhipu i MiniMax-01.

Wykorzystaj Model Taki Jak Kimi K3 we Własnej Cyfrowej Sile Roboczej AI

Prawdziwa wartość K3 ujawnia się, gdy model frontier jest podłączony do rzeczywistych przepływów pracy — repozytoriów, dokumentów, terminali i wieloetapowych planów — a nie tylko okna czatu. Właśnie do tego służy platforma wieloagentowa niezależna od modelu: kieruj długoterminowe kodowanie do modelu takiego jak K3, zachowaj inne do rutynowych zadań i orkiestruj je w ramach rzeczywistej pracy. Eigent to open-source'owa aplikacja desktopowa Cowork, która uruchamia wieloagentową cyfrową siłę roboczą AI lokalnie, dzięki czemu możesz podłączyć najlepszy model do każdego zadania i przechowywać wrażliwe dane na własnym komputerze. Zobacz, jak agenty mogą przeglądać PR-y na GitHub od początku do końca, a następnie pobierz Eigent, aby to wypróbować.

Często Zadawane Pytania

Czym Jest Kimi K3?

Kimi K3 to frontier'owy duży model językowy Moonshot AI, wydany 16 lipca 2026 roku — rzadki model Mixture-of-Experts o 2,8 biliona parametrów z oknem kontekstowym 1 miliona tokenów i natywnym wejściem multimodalnym. Moonshot nazywa go największym modelem open-weight, jaki kiedykolwiek wydano, i swoim najpotężniejszym open-source'owym modelem do kodowania.

Czy Kimi K3 Jest Open Source?

Moonshot zobowiązał się do udostępnienia pełnych wag K3 27 lipca 2026 roku, po czym deweloperzy będą mogli go przeglądać, modyfikować i samodzielnie hostować. Do tego czasu K3 jest dostępny przez hostowany interfejs kimi.com, aplikacje mobilne i API platformy Moonshot.

Jak Kimi K3 Wypada w Porównaniu z Claude i GPT-5?

Przy premierze K3 zadebiutował na 3. miejscu w rankingu Artificial Analysis, za Claude Fable 5 firmy Anthropic i GPT-5.6 Sol firmy OpenAI, jednocześnie prowadząc w niektórych praktycznych testach — w tym w ślepej ocenie kodowania front-endowego Arena, gdzie deweloperzy preferowali go nad oboma. Zajął pierwsze miejsce w czterech z ośmiu benchmarków automatyzacji zadań.

Ile Kosztuje Kimi K3?

Ceny hostowane wynoszą około $3 za milion tokenów wejściowych i $15 za milion tokenów wyjściowych — najwyższe spośród wszystkich chińskich laboratoriów, ale wciąż znacznie poniżej modeli frontier z USA, takich jak Claude Fable. K3 oferuje obecnie tylko jeden poziom rozumowania „max", a testerzy zgłaszają duże zużycie tokenów rozumowania, więc długie łańcuchy mogą być kosztowne.

Co Nowego W K3 w Porównaniu z Serią K2?

K3 skaluje się z 1T parametrów K2 do 2,8T, rozszerza okno kontekstowe z 256k do 1M tokenów i dodaje dwie nowe techniki architektoniczne — Kimi Delta Attention i Attention Residuals. Informuje również o około 21% mniej tokenach wyjściowych niż K2.6 przy równoważnych zadaniach, wraz z silniejszym rozumowaniem multimodalnym.

Czy Mogę Używać Kimi K3 z Platformą Wieloagentową Taką Jak Eigent?

Tak. Ponieważ K3 jest kompatybilny z OpenAI SDK i (od 27 lipca) możliwy do samodzielnego hostowania, platforma niezależna od modelu, taka jak Eigent, może kierować długoterminowe zadania kodowania i pracy z wiedzą do K3, używając innych modeli do rutynowych kroków — przechowując dane lokalnie, gdy jest to potrzebne.