Moonshots største model har ingen tænkeknap

En model i tre-billioners-klassen, sendt ud med én indstilling

Moonshot AI sendte Kimi K3 ud i verden den 16. juli med en sætning, der klarer markedsføringen for den: verdens første åbne model i 3T-klassen, bygget til frontier-intelligens på tværs af langstrakt kodearbejde, videnarbejde og ræsonnering. Specifikationen bag sætningen er reel nok. K3 rummer 2,8 billioner parametre i alt i et mixture-of-experts-design, der aktiverer 16 ud af 896 eksperter på et givet token, bygget på det, Moonshot kalder Kimi Delta Attention og Attention Residuals, og trænet med kvantiseringsbevidsthed, så vægtene ligger i MXFP4 og aktiveringerne i MXFP8. Det native kontekstvindue er på en million tokens. Vision er ikke skruet på bagefter; modellen tager billeder og video direkte.

Detaljen, der styrer jeres faktura, står ikke i annonceringen. Den står i quickstart-dokumentationen. Moonshot beskriver K3's ræsonnering som nativt konfigurerbar, med en tænkedybde, I selv sætter for hvert kald, og noterer så, at indstillingen i øjeblikket kun understøtter max-niveauet. Læs det to gange, for det vender den vante ordning på hovedet. På de fleste frontier-API'er er indstillingen for indsats netop dér, hvor I køber et billigt svar på et billigt spørgsmål. På K3 er der i dag ét gear. Modellen ræsonnerer på maksimum på den trivielle forespørgsel og på den svære, og måleren kender ikke forskellen.

Alt andet i grænsefladen er bygget til folk, der har tænkt sig at bruge penge. Kontekst-caching kører automatisk, uden nogen cache-identifikator at administrere og uden nogen time-to-live at justere. Værktøjsdefinitioner indlæses dynamisk i stedet for at ligge i hver eneste forespørgsel. Struktureret output tvinges til at følge et skema. Streaming holder ræsonneringstokens adskilt fra svartokens, så I kan følge modellen tænke i den ene kanal og skrive i den anden. Det er funktionerne i et system, der forventer lange, dyre, agentiske sessioner, og Moonshot har bygget rørføringen til præcis det.

Den åbne model, I ikke kan hente før den 27. juli

Ordet åben udfører elleve dages ulønnet arbejde. Moonshots annoncering oplyser, at de komplette K3-vægte bliver offentliggjort den 27. juli. Indtil da kan verdens første åbne model i 3T-klassen nås ad én vej: gennem Moonshots betalte API, på Moonshots servere, i Beijing, på de vilkår, der nu måtte gælde den morgen. Hver eneste egenskab, der overhovedet gør en model med åbne vægte værd at vælge, evnen til at inspicere den, til at hoste den inden for jeres egen perimeter, til at fastholde en version, som ingen kan pensionere under jer, til at gå sin vej uden en migrering, ankommer på den senere dato. Det, der ankom den 16. juli, er et lukket produkt med en open source-udgivelse sat i kalenderen.

Licensen er heller ikke landet. Moonshot udgav K2-familien under en modificeret MIT-licens, og det er grunden til, at K2 blev en af de reelt anvendelige modeller med åbne vægte frem for en af de blot hentbare, og forventningen i branchen er, at K3 følger samme spor med en teknisk rapport ved siden af vægtene. Forventning er det rigtige ord. Der findes intet offentliggjort model card, ingen licenstekst og ingen vægtfil, så en organisation, der allerede har fået at vide, at modellen er åben, har fået noget at vide, som er planlagt frem for sandt. Afstanden mellem de to tilstande er hele jeres juridiske gennemgang.

Det er ikke en anklage om ond tro. Det er et kalenderproblem, og kalenderproblemer er dem, der ubemærket nulstiller en indkøbsproces. Et team, der evaluerer K3 i denne uge, evaluerer API'et. Konklusionerne, latenstallene, prisen per opgave, kvaliteten på jeres egen arbejdsbyrde, beskriver alt sammen en hostet tjeneste. Den 27. juli dukker et andet artefakt op, og den ærlige position er, at det har I endnu ikke testet. Hvis planen på noget tidspunkt var at køre K3 på jeres egen hardware, er den evaluering, der betyder noget, slet ikke begyndt, og den, I kører nu, måler en andens infrastruktur.

Femten dollar per million, og nogle svar tager en halv time

K3 koster 0,30 dollar per million tokens ved cache-hit, 3 dollar per million ved cache-miss og 15 dollar per million i output, eller cirka 0,26, 2,60 og 13 euro. Forskellen på ti til en mellem et cache-hit og et cache-miss er det tal på listen, der råber højest, og det er derfor, Moonshot har gjort caching automatisk. En arbejdsbyrde, der genbruger et langt præfiks, den samme kodebase, det samme politikdokument, den samme kundesag, betaler en tiendedel af det, som en arbejdsbyrde, der ankommer koldt, betaler. En arbejdsbyrde, der bygger sin kontekst op forfra ved hvert kald, finder den dyre vej helt af sig selv, og intet i API'et advarer jer om det.

Output er der, hvor en model med kun ét indsatsniveau bliver interessant, for ræsonneringstokens er output-tokens. Moonshot har beskrevet K3 som en model, der er bygget til dyb ræsonnering frem for hurtig ekspedition, og generationer på over 30 minutter er blevet rapporteret på de tungeste opgaver. En model, der tænker på maksimum som standard, fakturerer sin tænkning til 13 euro per million og kan bruge en halv time på en enkelt forespørgsel, er ikke prissat per token på nogen måde, en økonomifunktion kan bruge til noget. Den er prissat per løst opgave, og det eneste tal, der betyder noget, er, hvad ét færdigt job koster på jeres egen arbejdsbyrde.

Så mål opgaven, ikke tokenet. Tag ti rigtige job fra køen, dem I faktisk ville lægge over til en model, kør dem fra ende til anden, og divider. Det tal kan sammenlignes med en konsulents dagspris og med den billigere model, I allerede kører, og det er det eneste tal, der overlever mødet med et budget. Raten per million på prissiden fortæller jer næsten ingenting, når modellen selv bestemmer, hvor længe den vil tænke, og i dag har den ingen instruks om at tænke kort.

Moonshot offentliggjorde de benchmarks, den taber

Den mest nyttige linje i lanceringen er den, der indrømmer noget. Moonshot oplyser, at K3's samlede intelligens blandt de modeller, virksomheden har testet, kun ligger nummer to efter Claude Fable 5 og GPT-5.6 Sol. AI-laboratorier er ikke forpligtet til at sige den slags, og de fleste finder et diagram, hvor de kommer først. Nedenunder er tallene specifikke og blandede med vilje: GPQA-Diamond på 93,5, MathVision med Python på 97,8, Terminal Bench 2.1 på 88,3, DeepSWE på 67,5 og BrowseComp på 91,2. På de agentiske evalueringer placerer Moonshot K3 foran den frontier, den ellers bøjer sig for, med GDPval-AA v2 på 1687 over for Claude Opus 4.8 Max på 1600 og AA-Briefcase på 1527 over for GPT-5.6 Sol Max på 1495.

Læs den form frem for de enkelte scorer. Påstanden er ikke, at K3 er den bedste model. Påstanden er, at K3 er tæt nok på i generel intelligens og foran i langt, værktøjsbrugende browse-og-handl-arbejde, som netop er den arbejdsbyrde, den er konstrueret og prissat til. En leverandør, der nævner Fable 5, GPT-5.6 Sol, Opus 4.8, GPT-5.5 og GLM-5.2 i sin egen sammenligningstabel, har valgt den bane, den vil bedømmes på, og har diskret fortalt jer, hvilke af jeres opgaver den regner med at vinde.

Pengene giver positioneringen ret. Moonshots seneste runde værdiansætter selskabet til omkring 31,5 milliarder dollar, cirka 27 milliarder euro, efter en runde i maj på 2 milliarder dollar til en værdiansættelse på 20 milliarder dollar. Et selskab, hvis værdiansættelse er steget med halvdelen på to måneder, behøver ikke at vinde et benchmark; det har brug for, at virksomheder tror på, at afstanden til den lukkede frontier er lille nok til, at de kan holde op med at betale for den. At offentliggøre en andenplads er en billigere måde at føre det argument på end at påstå en førsteplads.

Tre ting at afklare, før vægtene lander

For det første: beslut, hvilken K3 I køber, for der er to, og de ankommer med elleve dages mellemrum. Hvis svaret er API'et, så er historien om åbne vægte markedsføring, der ikke gælder jer, og K3 skal bedømmes som en hostet kinesisk frontier-tjeneste på pris, latens, databehandling og de vilkår, der er knyttet til jeres prompts. Hvis svaret er vægtene, så overføres intet af det, I lærer i denne uge, licensteksten er et dokument, der spærrer vejen, frem for en formalitet, og den rigtige evaluering starter den 27. juli på hardware, I selv kontrollerer.

For det andet: find ud af, hvad ét job koster, før I finder ud af det i produktion. Kør jeres ti hårdeste rigtige opgaver, registrer faktisk forløbet tid og samlede output-tokens inklusive ræsonnering, og hold tallet op mod den model, I kører i dag. En model med kun ét indsatsniveau, et loft på 30 minutter og en output-rate på 13 euro per million kan være fremragende værdi på arbejde, der før tog en specialist en formiddag, og uforsvarlig på en forespørgsel, som en lille model besvarer på fire sekunder. Samme model, samme prisliste, modsatte domme, og den afgørende variabel er jeres arbejdsbyrde frem for benchmark-tabellen.

For det tredje: skriv ned, hvad der sker, hvis indstillingen for indsats bliver svejset fast på max. Moonshots dokumentation siger "i øjeblikket", og det er et udtryk med en køreplan bag sig og ingen dato knyttet til. Hvis et lavere indsatsniveau kommer, bliver K3 en model med to hastigheder, og omkostningssagen ændrer sig fuldstændigt. Hvis det ikke kommer, kører I en model, der ikke kan få besked på at skynde sig, og afhjælpningen er arkitektonisk frem for kommerciel: send de billige spørgsmål et andet sted hen, og reserver K3 til det arbejde, der fortjener en halv time. Beslut det nu, mens det er et designvalg, frem for i den første måned, hvor det er en faktura.

Læs videre: OpenAI halverer prisen på hverdags-AI  |  Grok 4.5 taber benchmarks og vinder regningen