Kimi K3: wat betekent een open AI-model van 2,8 biljoen parameters?
Moonshot AI presenteert Kimi K3 als zijn krachtigste model tot nu toe. We bekijken de enorme schaal, het contextvenster, de mogelijkheden voor ontwikkeling en de kanttekeningen.
Op 16 juli 2026 introduceerde Moonshot AI Kimi K3. Het bedrijf noemt het zijn krachtigste model tot nu toe en het eerste open model in de klasse van drie biljoen parameters. Dat is een opvallende stap, maar het aantal parameters vertelt maar een deel van het verhaal. Interessanter is wat deze schaal mogelijk maakt voor langdurige ontwikkeltaken, grote hoeveelheden context en multimodaal werk.
Een model van 2,8 biljoen parameters
Kimi K3 telt volgens Moonshot 2,8 biljoen parameters. Het is een Mixture of Experts-model: per stap wordt niet het volledige netwerk gebruikt. Moonshot beschrijft een architectuur waarin 16 van de 896 experts worden geactiveerd. Daardoor kan het model zeer groot zijn zonder bij ieder antwoord alle capaciteit tegelijk te gebruiken.
De architectuur combineert Kimi Delta Attention met Attention Residuals. Moonshot stelt dat deze aanpak ongeveer 2,5 keer efficiënter schaalt dan Kimi K2. Dat is een claim van de maker en moet nog breder onafhankelijk worden getoetst.
Native vision en maximaal één miljoen tokens context
K3 kan tekst en beelden verwerken en ondersteunt volgens de officiële documentatie maximaal één miljoen tokens context. In theorie kan het daardoor grote codebases, lange dossiers en uitgebreide projecthistorie in één sessie meenemen. In de praktijk hangt de beschikbare context af van het gebruikte product en abonnement. De officiële Kimi Code-documentatie vermeldt bijvoorbeeld dat niet ieder lidmaatschap toegang geeft tot het volledige miljoen.
Een groot contextvenster is bovendien geen garantie dat ieder detail even goed wordt begrepen. Voor betrouwbaar productwerk blijven een heldere opdracht, goede bronselectie en menselijke controle noodzakelijk.
Gericht op coding, agents en kenniswerk
Moonshot positioneert K3 voor langdurige programmeertaken, complexe engineering, redeneren en kenniswerk. Het model is beschikbaar in Kimi.com, Kimi Work, Kimi Code en via de API. Binnen Kimi kan het ook documenten, presentaties en spreadsheets opleveren en agenttaken uitvoeren.
Voor productteams is vooral de combinatie interessant: een model dat veel projectcontext kan vasthouden, visuele informatie begrijpt en gedurende meerdere stappen gereedschappen kan gebruiken. Dat kan helpen bij onderzoek, analyse, prototyping, codecontrole en het uitwerken van documentatie.
Hoe scoort K3 tegenover Fable 5 en GPT-5.6 Sol?
Het eerlijke antwoord is dat er geen enkele winnaar is. Op de Artificial Analysis Intelligence Index van 17 juli scoorde Kimi K3 57 punten, tegenover 60 voor Claude Fable 5 en 59 voor GPT-5.6 Sol. Op DeepSWE v1.1, met 113 langdurige engineeringtaken, kwam K3 uit op 69% plus of min 5 procentpunt. Fable 5 behaalde 70% plus of min 4 en Sol 73% plus of min 3. De onzekerheidsmarges overlappen, dus kleine rangverschillen moeten niet groter worden gemaakt dan ze zijn.
Bij visuele webontwikkeling draaide K3 de volgorde om. Op Arena WebDev stond het model op 16 juli voorlopig bovenaan met 1679 punten, voor Fable 5 met 1631 en Sol met 1618. Dat leaderboard is gebaseerd op menselijke voorkeur bij echte webtaken, maar K3's resultaat was nog als voorlopig gemarkeerd.
Ook het soort werk maakt verschil. Op AA-Briefcase, een private benchmark voor langdurig kenniswerk, kwam K3 met 1543 Elo achter Fable 5 met 1574, maar voor Sol met 1501. Het beeld is dus genuanceerd: K3 is niet algemeen beter dan Fable of Sol, maar hoort aantoonbaar bij dezelfde voorhoede en wint op enkele relevante categorieën.
Waarom deze release ertoe doet
De grootste betekenis van Kimi K3 is niet dat ieder bedrijf nu zelf een model van 2,8 biljoen parameters moet draaien. Zo'n model vraagt enorme infrastructuur. Het belang zit in de druk die een krachtig open model op de markt zet. Meer toegang tot modelgewichten en architectuurkennis kan onderzoek versnellen, leveranciersafhankelijkheid verkleinen en organisaties meer keuze geven over waar hun data wordt verwerkt.
Voor Europese organisaties kan die keuzevrijheid relevant zijn. Een open model biedt mogelijkheden voor eigen hosting of gespecialiseerde implementaties, maar pas als de infrastructuur, licentie, beveiliging en totale kosten aantoonbaar passen bij de toepassing.
Een Chinees model vraagt om nuance, niet om reflexen
Moonshot AI is gevestigd in Beijing. Dat is relevant wanneer een organisatie Kimi als clouddienst gebruikt, zeker bij gevoelige gegevens of gereguleerde sectoren. Controleer dan onder meer de contractpartij, rechtsmacht, gegevenslocatie, toegangsbeheer, bewaartermijnen en mogelijkheden voor audits. Die controle hoort bij iedere niet-Europese AI-leverancier, maar geopolitieke spanningen en de Chinese regelgeving kunnen extra continuiteits- en compliancerisico's toevoegen.
Tegelijk is alleen de herkomst geen inhoudelijk oordeel over de kwaliteit van het model. Sterke Chinese concurrentie is goed voor de markt: zij zet druk op prijzen, versnelt open onderzoek en voorkomt dat een klein aantal Amerikaanse bedrijven de volledige AI-infrastructuur bepaalt. Als de aangekondigde gewichten werkelijk beschikbaar en bruikbaar worden, kan eigen hosting een deel van de datarisico's verkleinen. Dat neemt vragen over modelherkomst, trainingsdata, licenties en infrastructuur niet weg.
Belangrijke kanttekeningen
- De meeste prestatiecijfers komen op dit moment van Moonshot zelf en zijn nog geen volledig onafhankelijk oordeel.
- Moonshot kondigde aan dat de volledige modelgewichten op 27 juli 2026 beschikbaar komen. Op de publicatiedatum van dit artikel, 22 juli, ligt dat moment nog in de toekomst.
- Een contextvenster van één miljoen tokens is niet in iedere Kimi-versie of abonnementsvorm beschikbaar.
- Zelf hosten van een model op deze schaal vereist zeer kostbare en gespecialiseerde infrastructuur.
- Ook een sterk model kan fouten maken. Menselijke regie, tests en beveiligingscontroles blijven noodzakelijk.
Onze conclusie
Kimi K3 laat zien dat open AI-modellen steeds dichter bij de grens van commerciële topsystemen komen. De combinatie van schaal, native vision, lange context en agentmogelijkheden is technisch indrukwekkend. De echte waarde zal blijken uit onafhankelijke tests en uit producten waarin deze mogelijkheden aantoonbaar tijd besparen of kwaliteit verhogen.
Voor organisaties is de juiste vraag daarom niet welk model de grootste cijfers heeft. De vraag is welk model, met welke menselijke regie, veilig en betaalbaar het beste resultaat levert voor het concrete product.
Bronnen
Alle hens aan dek?
Vertel ons wat je bouwt. Wij vertellen je wat we vrijdag kunnen opleveren.