Kimi K3: největší otevřený model všech dob je těsně za výkonem Fable 5

Moonshot AI vydal 15. července 2026 Kimi K3, svůj nový vlajkový model, a rovnou posunul hranici toho, jak velký může otevřený model být. S 2,8 biliony parametrů je Kimi K3 největší open-weights model, jaký kdy vyšel.

Moonshot slibuje plné váhy ke stažení během pár dní. Zajímavější než samotná velikost je ale to, kam model cílí. Jeho nejsilnější čísla leží ve znalostní práci, kde poráží Claude Opus 4.8 a řadí se hned za špičku Fable 5 a GPT-5.6. To je jiné těžiště, než na jaké jsme u čínských modelů zvyklí, protože ty se obvykle měří hlavně v programování. A na rozdíl od většiny čínských vydání máme u K3 rovnou i nezávislé měření od Artificial Analysis, které oficiální čísla z velké části potvrzuje a místy krotí.

Co Kimi K3 je

Moonshot AI je pekingská laboratoř, kterou v roce 2023 založil Yang Zhilin a kolegové z Tsinghua univerzity, známá chatbotem Kimi a otevřenými modely řady K2. Ty si za rok od července 2025 vydobyly pověst jedněch z nejsilnějších otevřených modelů, hlavně v codingu a dlouhém kontextu. K3 je třetí generace a velký skok v měřítku. Kde K2.6 měl zhruba bilion parametrů a kontext 256 tisíc tokenů, K3 počet parametrů víc než zdvojnásobuje a kontextové okno čtyřnásobí na milion tokenů.

Model je postavený na architektuře MoE (Mixture-of-Experts, směs expertů), ale s neobvykle vysokou mírou řídkosti. Má 896 expertů, tedy dílčích specializovaných podsítí, a pro každý token z nich aktivuje jen 16. To je extrémní poměr: model o velikosti 2,8 bilionu parametrů reálně počítá jen se zlomkem z nich naráz, takže se chová jako obří model, ale platí se za něj výpočtem jako za mnohem menší. K3 je taky nativně multimodální, rozumí obrazu vedle textu.

Model je dostupný hned přes oficiální API Moonshotu a plné otevřené váhy mají podle firmy dorazit do konce července. Pokud na to dojde, půjde o největší open-weights vydání vůbec, a to je pro celý ekosystém otevřených modelů významná událost sama o sobě.

Nová architektura: proč je K3 efektivnější než jeho velikost napovídá

Moonshot přitom nešel jen cestou “přidáme víc parametrů”. K3 stojí na dvou architektonických novinkách, které mají zlepšit tok informací modelem.

První je Kimi Delta Attention (KDA), efektivnější způsob pozornosti, který Moonshot poprvé nasadil už loni v modelu Kimi Linear. Pozornost je mechanismus, jímž model rozhoduje, které části vstupu jsou pro danou předpověď důležité, a u dlouhých sekvencí bývá výpočetně nejnáročnější. KDA snižuje nároky na paměť a zrychluje generování právě u dlouhých kontextů, což je u milionového okna zásadní. Druhá novinka jsou Attention Residuals (AttnRes), které pomáhají informaci plynuleji protékat i hlubšími vrstvami modelu.

K tomu Moonshot přidal rámec Stable LatentMoE, díky němuž model efektivně aktivuje jen těch 16 expertů z 896. Souhrn těchto změn plus vylepšené tréninkové postupy dávají podle Moonshotu zhruba 2,5krát vyšší efektivitu škálování oproti K2. Zjednodušeně to znamená, že K3 promění dostupný výpočet ve schopnosti účinněji než předchozí generace. To je tvrzení výrobce, ale je konkrétní a časem ověřitelné, protože váhy budou venku.

Benchmarky: síla ve znalostní práci

A teď k číslům, která pocházejí z oficiálního oznámení Moonshotu, takže jde o údaje výrobce, byť u modelu s brzy dostupnými vahami se dají nezávisle přeměřit.

Nejvíc vyniká znalostní práce. Na žebříčku GDPval-AA v2, který hodnotí modely na reálných úlohách napříč 44 profesemi a devíti hlavními obory, dosáhl K3 skóre 1687. To ho staví hned za Claude Fable 5 a GPT-5.6 Sol, a nad Claude Opus 4.8 (1600). Na benchmarku AA-Briefcase, což je privátní test agentní znalostní práce od Artificial Analysis, je K3 druhý ze všech modelů se skóre 1527, opět za Fable 5 a nad GPT-5.6 Sol (1495). Otevřený model tu poráží dva ze tří nejlepších uzavřených modelů na trhu v disciplíně, která je komerčně cenná.

Druhý silný výsledek je agentní vyhledávání. Na BrowseComp K3 dosáhl 91,2 procenta, nejlepší výsledek mezi srovnávanými, těsně nad Fable 5 (88) a Opus 4.8 (84,3). Dosáhl toho navíc v režimu jednoho agenta, bez kompakce kontextu nebo jiných technik správy kontextu. Právě milionové kontextové okno mu dovoluje udržet dlouhou stopu vyhledávání celou, bez triků. GPT-5.6 Sol je tu o chlup lepší (92,2), ale K3 je jediný otevřený model, který se do téhle společnosti dostal.

Moonshot na základě těchto čísel pozicuje K3 jako třetí nejchytřejší model vůbec, za Fable 5 a GPT-5.6. Na otevřený model je to mimořádné tvrzení. Nezávislé měření Artificial Analysis, ke kterému se dostaneme, ho ale o stupínek krotí, takže ho zatím berme jako firemní pozici, ne jako potvrzený fakt.

Coding je taky silný, ale není to headline

Moonshot uvádí, že K3 je jeho dosud nejsilnější programovací model. Umí prý dlouhodobě pracovat na softwarových úlohách, chápe velké codebase, ovládá terminál, koordinuje volání nástrojů a po neúspěšném pokusu se sám zotaví s menší lidskou asistencí. Zvlášť si pochvaluje úlohy, které kombinují programování s vizuálním porozuměním a prostorovou úvahou, kde model přepíná mezi zdrojovým kódem a vykresleným výsledkem a podle screenshotů, logů a testů rozhoduje o dalším kroku. Cílí tím na vývoj her, frontend, CAD workflow a optimalizaci infrastruktury.

A tady se ukázalo něco, co jsem původně podcenil. Zatímco varianta K2.7 Code z června se prodávala hlavně na programování a její nezávislé benchmarky nebyly zase tak lichotivé, K3 je v codingu skutečně silný, a nezávislá data to potvrzují. Na crowdsourcovaném žebříčku Frontend Code Arena, kde lidé slepě porovnávají výstupy modelů, se K3 umístil na prvním místě se skóre 1679, nad Fable 5 (1631), GPT-5.6 Sol (1618) i Opus 4.8. Je to poprvé, co na tomhle žebříčku vede otevřený model, a K3 přitom vyskočil z osmnáctého místa, kde seděl jeho předchůdce K2.6. V detailním rozpadu Moonshotu pak K3 vede na Program Bench (77,8) a SWE Marathon (42), a je druhý hned za GPT-5.6 Sol na Terminal-Bench 2.1 (88,3). Coding je u K3 plnohodnotná silná stránka, ne jen doplněk ke znalostní práci. Model tak stojí na dvou nohách zároveň, což je pro otevřený model neobvyklé.

Potvrzení přišlo i z jiného, nezávislého směru. Vercel provozuje vlastní sadu evaluací pro Next.js, kde měří, jak si kódovací agenti vedou na reálných úlohách generování a migrace webových aplikací, a sleduje přitom jak úspěšnost, tak čas. V nejnovějším běhu se K3 (přes agenta OpenCode) dostal na první místo s 92procentní úspěšností a časem 199,89 sekundy. Stejnou 92procentní úspěšnost dosáhl i Claude Fable 5, ale potřeboval na ni o víc než třicet sekund déle (233,93 s). K3 tedy dorovnal nejlepší proprietární modely v úspěšnosti a překonal je rychlostí. Je to poprvé, co otevřený model vede na téhle Vercelově evaluaci webového inženýrství, což potvrzuje, že K3 patří ve frontendovém a webovém vývoji skutečně na špičku, otevřenou i uzavřenou.

Nezávislé měření: silné, ale o stupínek střízlivější

Tady K3 vyčnívá z řady čínských vydání, protože k němu máme rovnou nezávislé měření od Artificial Analysis, firmy, která modely měří standardizovaně. A obrázek je o něco střízlivější než Moonshotovo “třetí nejchytřejší model vůbec”.

Na souhrnném Intelligence Indexu dosáhl K3 hodnoty 57 bodů. To ho staví na úroveň Opus 4.8 a GPT-5.5, ale za Fable 5 a GPT-5.6 Sol. Tedy silný model těsně pod absolutní špičkou, ne třetí nejchytřejší na trhu, jak zní firemní formulace. Mezi “srovnatelný s Opus 4.8” a “třetí nejchytřejší vůbec” je znatelný rozdíl, a nezávislé číslo je tu tím spolehlivějším vodítkem.

V dílčích výsledcích ale AA sílu K3 potvrzuje. Na GDPval v2 naměřila Elo 1668 (Moonshot uvádí 1687, drobný rozdíl v měření), což překonává GLM-5.2, GPT-5.5 i Opus 4.8, a zaostává jen za Fable 5. Na AA-Briefcase dává K3 druhé místo ze všech modelů, hned za Fable 5, se skokem o 732 bodů Elo proti K2.6. A na AutomationBench-AA, což je implementace Zapierova testu agentních SaaS workflow, obsadil K3 dokonce první místo se skóre 53 procent. V agentní znalostní práci tedy K3 reálně patří ke špičce, což nezávislé měření potvrzuje.

Artificial Analysis potvrdila i tvrzení o efektivitě. K3 spotřeboval na proběhnutí celého indexu zhruba o 21 procent méně výstupních tokenů než K2.6 (132 milionů proti 166 milionům), a přitom skóroval výš. Vyšší inteligence za méně tokenů je reálný posun, ne jen marketingová věta, a tady ho potvrzuje třetí strana.

Cena za úlohu vychází podle AA na 0,94 dolaru, což je zhruba polovina toho, co stojí úloha na Opus 4.8 (1,80), a téměř totéž co GPT-5.6 Sol (1,04). Proti uzavřené špičce je to výhodné. Proti otevřené konkurenci ale K3 zdražil: GLM-5.2 vyjde na 0,32 dolaru za úlohu a DeepSeek V4 Pro na pouhé 0,04. Moonshot navíc oproti K2.6 výrazně zvedl ceny, výstupní tokeny stojí 15 dolarů za milion proti dřívějším 4. Tím se K3 dostává na cenovou úroveň řady Claude Sonnet a stává se, jak upozorňuje Simon Willison, nejdražším modelem, jaký kdy čínská laboratoř vydala. Pořád je levnější než uzavřená špička, ale mezi otevřenými modely je cenovým premiantem.

Druhý nezávislý zdroj K3 posazuje ještě o něco výš. Vals.ai, která modely testuje na vlastní sadě úloh, dala K3 na svém indexu 74,70 procenta a druhé místo z 38 modelů, hned za Fable 5 (75,14) a nad GPT-5.6 Sol (73,12), Opus 4.8 (70,36) i Sonnet 5. Proti předchozímu K2.6, který u Valsu skončil osmnáctý s 55 procenty, je to obrovský skok. Dvě nezávislá měření se tedy mírně liší v tom, kam přesně K3 posadit (Artificial Analysis blíž k Opus 4.8, Vals.ai těsně pod Fable 5), ale shodují se na podstatném: K3 je reálně mezi nejlepšími modely na trhu, otevřenými i uzavřenými.

Cena a dostupnost

Kimi K3 stojí podle oficiálního ceníku 3 dolary za milion vstupních tokenů a 15 za milion výstupních, přičemž čtení z mezipaměti (cache) je výrazně levnější, jen 0,30 dolaru za milion. To je řádově méně než uzavřená špička: Fable 5 stojí 10 dolarů za vstup a 50 za výstup, tedy víc než trojnásobek. Za výkon těsně pod nejlepšími uzavřenými modely je cena K3 velmi příznivá.

Porovnání cen

Model vždy uvažuje (reasoning je zapnutý natrvalo) a zatím podporuje jen nejvyšší úroveň úsilí. Že to má cenu, ukázal názorně vývojář Simon Willison, jeden z nejsledovanějších nezávislých testerů modelů. Když nechal K3 vygenerovat jednoduchý obrázek pelikána na kole ve formátu SVG, model spotřeboval 13 241 tokenů na uvažování z celkových 16 658, a ta jedna triviální úloha přišla na 25 centů. Jediný natvrdo zapnutý max režim tedy znamená, že i drobné dotazy jedou přes plné a drahé uvažování. Willison si taky všiml jedné zvláštnosti: prompt “hi” napočítá u K3 osmdesát šest tokenů, což ukazuje na skrytý systémový prompt o délce zhruba 85 tokenů, který model odmítl prozradit. Vision naopak podle jeho testu funguje velmi dobře, popis obrázku byl přesný.

Z nových schopností API přibyly omezení pro výběr nástrojů a dynamické načítání nástrojů, což jsou funkce mířené na agentní workflow. Otevřené váhy pod tradičně svobodnou licencí Moonshotu mají dorazit do 27. července, což je nutné brát jako příslib, dokud nejsou reálně na Hugging Face. Až vyjdou, K3 se stane nejsilnějším otevřeným modelem, jasně nad GLM-5.2 (index 51) a DeepSeek V4 Pro (44).

Velikost je u toho ale dvojsečná. K3 má 2,8 bilionu parametrů, zatímco jeho otevřená konkurence je výrazně menší: GLM-5.2 má 753 miliard, DeepSeek V4 Pro 1,6 bilionu, a předchozí modely řady K2 měly kolem bilionu. K3 tedy vede open-weights žebříček, ale za cenu podstatně vyšších nároků na hardware při self-hostingu. Vysoká řídkost architektury (16 aktivních expertů z 896) to při inferenci částečně vyvažuje, ale stáhnout a provozovat 2,8bilionový model je jiná liga než u menších čínských modelů. Nejsilnější otevřený model tak nebude nutně ten nejdostupnější pro provoz u sebe.

Rekapitulace situace

Kimi K3 stojí za vyzkoušení, pokud:

• Děláte agentní znalostní práci nebo dlouhé vyhledávací úlohy, kde model vede
• Potřebujete milionový kontext bez triků na správu kontextu
• Hledáte otevřený model blízko špičky za zlomek ceny uzavřených modelů
• Chcete self-hostovat, jakmile budou váhy venku

Zvážit konkurenci, pokud:

• Potřebujete absolutní špičku, kde Fable 5 a GPT-5.6 Sol pořád mírně vedou (za vyšší cenu)
• Spoléháte na jistotu, počkejte na vydání vah a širší nezávislé testy
• Nemáte hardware na 2,8bilionový model a chcete otevřený model k self-hostingu levněji

Co počkat a ověřit:

• Otevřené váhy na Hugging Face, slíbené do 27. července
• Reálnou latenci, první testeři hlásí, že na těžkých úlohách je K3 pomalý (až kolem 35 minut)
• Hardwarové nároky 2,8bilionového modelu při self-hostingu
• Chování na vlastních úlohách, ne na cizích žebříčcích

Závěr

Kimi K3 stojí za pozornost hned kvůli dvěma věcem. Ta první je měřítko: pokud Moonshot dodrží slib a vydá váhy modelu o 2,8 bilionu parametrů, bude to největší open-weights model, jaký kdy byl volně k dispozici, a to je pro celý ekosystém otevřené AI velká věc. Druhá věc je zajímavější. K3 míří na znalostní práci místo na vývojařinu, kam obvykle cílí většina čínských modelů, a podle vlastních čísel tam poráží Opus 4.8 a dotahuje absolutní špičku. To je chytřejší pozicování, protože se opírá o disciplínu, kde model reálně vede, a nespoléhá na efektní dema.

Nezávislé měření tentokrát nechybí, a to je vzácné. Artificial Analysis oficiální čísla z velké části potvrdila, včetně druhého místa v agentní znalostní práci a lepší token efektivity, jen firemní nálepku “třetí nejchytřejší vůbec” zkrotila na “srovnatelný s Opus 4.8”. První testeři navíc upozorňují na vysokou latenci u těžkých úloh. Než na K3 vsadíte produkční workflow, počkejte na skutečné vydání vah a otestujte ho na vlastních úlohách, hlavně kvůli té latenci a kvůli hardwarovým nárokům 2,8bilionového modelu. Pro tým, který dělá agentní znalostní práci nebo dlouhé vyhledávání a hlídá náklady, je ale K3 vážný kandidát už teď. A pro ekosystém otevřených modelů je to připomínka, že nejsilnější otevřené modely dnes přicházejí z Číny a přibližují se uzavřené špičce rychleji, než se čekalo.