# Moonshot выпустила Kimi K3 на 2,8 трлн параметров — как работать с крупнейшей открытой моделью
Каноническая страница: https://plainews.ru/posts/kimi-k3-open-source-model-guide
Опубликовано: 2026-07-17T07:01:00.082Z

Moonshot AI выпустила крупнейшую открытую модель в истории. Разбираем архитектуру, цены, бенчмарки и как начать работать с K3 уже сегодня.
Китайская Moonshot AI запустила Kimi K3 — модель на 2,8 триллиона параметров с контекстным окном в миллион токенов. По заявлениям компании, по общему интеллекту она уступает только Claude Fable 5 и GPT-5.6 Sol. Модель уже доступна через API и чат, веса обещают выложить в ближайшие дни. Разбираемся, что внутри и как начать работать.

## Почему K3 — это не просто раздутая K2

K3 стала первой открытой моделью масштаба 2,8 трлн параметров. Это не увеличенная версия прошлогодней K2, а переработанная архитектура с двумя ключевыми новшествами.

**Kimi Delta Attention** — гибридный механизм линейного внимания. В отличие от классического квадратичного внимания (где сложность растёт как O(n²) от длины последовательности), линейное работает за O(n). Критично для контекста в миллион токенов: классическое внимание на таких объёмах требует нереальных объёмов памяти.

**Attention Residuals** — остаточные связи для слоёв внимания. Помогают информации не теряться при прохождении через десятки слоёв трансформера. Особенно важно в длинных последовательностях, где ранние токены могут «размываться» к моменту обработки поздних.

**Разреженная MoE-архитектура**: из 896 экспертов на каждый токен активируются только 16. Это даёт огромную ёмкость модели при управляемых вычислительных затратах. По оценке Moonshot, масштабирование K3 примерно в 2,5 раза эффективнее K2 — та же мощность железа даёт больший прирост качества.

Зрение встроено нативно: модель принимает изображения и видео без внешних адаптеров.

## Как K3 выглядит на бенчмарках

Moonshot приводит результаты трёх специализированных тестов. Важная оговорка: все цифры — замеры самой компании, техотчёт не опубликован, независимых проверок пока нет.

**GDPval-AA v2** — задачи из 44 профессий в девяти отраслях (медицина, финансы, инженерия). K3 набрала 1687 баллов, обойдя Claude Opus 4.8 Max (1600), но уступив Fable 5 Max и GPT-5.6 Sol Max.

**AA-Briefcase** — закрытый бенчмарк Artificial Analysis по длинным агентным задачам. K3 заняла второе место в мире, обогнав GPT-5.6 Sol Max.

**BrowseComp** — поиск труднодоступной информации в вебе. K3 в одиночном агентном режиме показала 91,2 балла — рекорд среди всех моделей. Без сжатия контекста, просто за счёт миллионного окна.

На практике это значит: K3 справляется с задачами, где нужно удерживать огромный объём данных (анализ длинных документов, кодовых баз, исследовательские задачи) и автономно работать с внешними источниками.

## Как начать работать с K3 прямо сейчас

### Через чат

Бесплатный доступ через чат-приложение Moonshot. После нескольких ответов модель показывает предупреждение о перегруженных серверах и предлагает оплатить подписку. Условия подписки компания пока не раскрывает.

### Через API

Документация доступна на платформе Moonshot. Цены:

- **Входящие токены**: $3 за миллион ($0,3 при попадании в кэш)
- **Исходящие токены**: $15 за миллион

Для сравнения: предыдущая K2.6 стоила $0,6/$2,5, июньская K2.7 Code — $0,95/$4. Moonshot подняла цены в разы, почти до уровня западных флагманов.

Пример запроса к API (структура типична для OpenAI-совместимых API, точный формат уточняйте в документации):

```python import requests

response = requests.post(     "https://api.moonshot.cn/v1/chat/completions",     headers={"Authorization": "Bearer YOUR_API_KEY"},     json={         "model": "kimi-k3",         "messages": [{"role": "user", "content": "Ваш запрос"}],         "max_tokens": 2000     } )

print(response.json()) ```

### Локальный запуск

Веса модели обещают выложить в ближайшие дни. Но учитывайте масштаб: 2,8 трлн параметров — это не модель для Mac Studio. Для запуска понадобится полноценный кластер с несколькими десятками GPU. При разреженной активации (16 экспертов из 896) эффективный размер меньше, но всё равно речь идёт о сотнях гигабайт весов.

## Где это может сломаться

**Завышенные бенчмарки**. Вендоры традиционно публикуют метрики, на которых выглядят лучше всего. Независимые проверки появятся только после релиза весов.

**Высокая стоимость API**. $15 за миллион исходящих токенов — почти как у GPT-5.6. Если задачи не требуют миллионного контекста, дешевле могут оказаться модели среднего класса.

**Инфраструктурные требования для self-hosted**. Даже с квантизацией и разреженной активацией запуск потребует значительных ресурсов. Это модель для команд с доступом к серьёзному железу или облачным кластерам.

**Перегруженные серверы**. В первые дни после релиза бесплатный доступ через чат ограничен. Если нужна стабильность — сразу рассматривайте API или подписку.

## Что попробовать дальше

- **Следите за релизом весов** — как только Moonshot выложит их, появятся независимые тесты и сравнения с конкурентами (GLM-5.2 от Z.ai, DeepSeek V4).
- **Тестируйте на длинных задачах** — миллионное окно открывает возможности для анализа крупных кодовых баз, технической документации, юридических текстов.
- **Сравните с западными аналогами** — если уже работаете с Claude Opus 4.8 или GPT-5.6, прогоните параллельные тесты на ваших реальных задачах.
- **Экспериментируйте с агентными сценариями** — результаты на AA-Briefcase и BrowseComp намекают, что K3 может автономно справляться со сложными многошаговыми задачами.

## Источники

- Habr ML: Крупнейший open source ИИ в истории. Вышла Kimi K3 — по мощности модель уступает только Fable 5 и GPT-5.6