Kimi K3, model o otwartych wagach z Chin

Kimi K3, model, który skrócił dystans do czołówki

Moonshot AI wypuścił Kimi K3 w połowie lipca 2026 roku, a pełne wagi udostępnił jedenaście dni później. To model o architekturze mieszanki ekspertów, z około dwoma i osiem dziesiątego biliona parametrów łącznie i mniej więcej stu czterema miliardami aktywnych przy generowaniu, z oknem kontekstu sięgającym miliona tokenów.

Liczby robią wrażenie, a najważniejsza rzecz jest inna: to model z publicznymi wagami, dorównujący czołowym modelom zamkniętym w części zadań, zwłaszcza programistycznych i agentowych. Do niedawna te dwie cechy się wykluczały.

Co to znaczy w praktyce

Architektura mieszanki ekspertów oznacza, że przy każdym tokenie pracuje ułamek parametrów. Model liczy szybko jak model stumiliardowy, a jakość czerpie z całości.

Konsekwencja praktyczna jest jedna i trzeba ją znać przed planowaniem sprzętu. Do pamięci trzeba wczytać wszystko, nie tylko część aktywną. Model o dwóch i ośmiu dziesiątych biliona parametrów, nawet w natywnej kwantyzacji czterobitowej, wymaga w minimalnym wariancie jednego węzła z ośmioma kartami klasy centrum danych, a przy realnym ruchu produkcyjnym dostawca zaleca konfigurację wielowęzłową. Uruchomienie go na laptopie nie wchodzi w grę.

Milion tokenów kontekstu pozwala wrzucić do zapytania całe średniej wielkości repozytorium albo kilkaset stron dokumentacji. To zmienia sposób pracy przy zadaniach analitycznych, ale kosztuje: przetworzenie takiego wejścia zajmuje czas i tokeny, więc do zapytań powtarzalnych nadal lepsze jest wyszukiwanie.

Model jest przy tym natywnie multimodalny: rozumie tekst, obrazy i wideo w jednym przebiegu, bez doklejania osobnego modelu do obrazu. Ma też stale włączone rozumowanie, więc odpowiedź zawiera tok rozumowania obok właściwej treści, a sterujesz wyłącznie jego głębokością.

Licencja

To pierwsza rzecz do sprawdzenia i najczęściej pomijana przy modelach z tej części świata.

Wagi są publiczne, ale licencja jest własna, oparta na permisywnej, z dodatkowymi warunkami. Przy dużej skali działalności, mierzonej liczbą użytkowników albo przychodem, pojawia się wymóg oznaczenia produktu nazwą modelu. Dla większości firm to warunek bez znaczenia, dla dużej platformy konsumenckiej już nie.

Progi są w tekście podane wprost: oznaczenie nazwą modelu obowiązuje przy produkcie mającym ponad sto milionów aktywnych użytkowników miesięcznie albo ponad dwadzieścia milionów dolarów przychodu miesięcznie. Osobny, ostrzejszy warunek dotyczy udostępniania samego modelu jako usługi: firma prowadząca taką działalność i przekraczająca dwadzieścia milionów dolarów przychodu w ciągu kolejnych dwunastu miesięcy musi zawrzeć odrębną umowę z dostawcą, zanim użyje modelu komercyjnie.

Oba warunki mają wyłączenie, które w praktyce obejmuje większość wdrożeń. Nie stosuje się ich do użytku wewnętrznego, czyli takiego, przy którym ani model, ani jego możliwości nie są udostępniane podmiotom trzecim, ani do korzystania przez oficjalne kanały dostawcy i jego certyfikowanych partnerów.

Praktyczny wniosek jest taki sam jak przy innych modelach otwieranych przez firmy komercyjne: przeczytaj tekst licencji, zanim wbudujesz model w produkt. Określenie „otwarty" w materiałach marketingowych nie znaczy, że warunki są takie same jak przy licencji permisywnej bez zastrzeżeń.

Jeśli potrzebujesz licencji bez warunków dodatkowych, właściwym kierunkiem są modele wydawane na klasycznej licencji permisywnej, na przykład od Mistrala.

Praca przez API

Interfejs jest zgodny z popularnym formatem, więc integracja sprowadza się do zmiany adresu i nazwy modelu.

from openai import OpenAI

klient = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

odpowiedz = klient.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Przeanalizuj ten modul i wskaz slabe punkty: ..."}],
)

Ta zgodność ma praktyczne znaczenie przy porównywaniu. Ten sam kod z inną nazwą modelu i innym adresem pozwala przepuścić własne przypadki przez kilka modeli i porównać wyniki, zamiast opierać się na cudzych zestawieniach.

Dwie rzeczy odbiegają jednak od typowego wywołania i obie potrafią zaskoczyć przy pierwszej integracji. Pierwsza to rozumowanie, którego nie da się wyłączyć; sterujesz wyłącznie jego głębokością przez pole reasoning_effort, przyjmujące wartości low, high i max, domyślnie najwyższą. Zejście na low przy zadaniach rutynowych tnie koszt i czas odpowiedzi bardziej niż jakakolwiek zmiana promptu.

Druga to sposób prowadzenia rozmowy. Model uczono z zachowaną historią rozumowania, więc przy kolejnych turach i przy wywołaniach narzędzi trzeba oddać z powrotem całą wiadomość asystenta, razem z tokiem rozumowania, a nie samą treść odpowiedzi.

historia = [{"role": "user", "content": "Podaj trzy losowe liczby."}]

odpowiedz = klient.chat.completions.create(
    model="kimi-k3",
    messages=historia,
    reasoning_effort="low",
)

historia.append(odpowiedz.choices[0].message.model_dump(exclude_none=True))
historia.append({"role": "user", "content": "A pozostale dwie, ktore mialas na mysli?"})

Pominięcie tego kroku nie zwraca błędu, tylko pogarsza wyniki po cichu: model traci własny tok rozumowania z poprzedniej tury i przy dłuższych sekwencjach zaczyna gubić ustalenia, które sam wcześniej poczynił.

Cennik oficjalnego interfejsu ma dwie stawki wejścia i jedną wyjścia, a różnica między stawkami wejścia jest dziesięciokrotna. Milion tokenów wejścia kosztuje 0,30 USD przy trafieniu w bufor kontekstu i 3 USD przy jego braku, milion tokenów wyjścia kosztuje 15 USD. To dokładnie poziom Claude Sonnet 5, a nie ułamek ceny czołówki zamkniętej, i zarazem duży skok wobec wcześniejszych modeli tego samego dostawcy. Taniej wypada dopiero w zestawieniu z modelami najmocniejszymi, więc argumentem za tym modelem jest raczej dostęp do wag niż sama stawka.

Do tego dochodzi warunek wejścia, o którym cennik mówi osobno: model jest odblokowywany dopiero po doładowaniu konta kwotą co najmniej jednego dolara, a od sumy doładowań zależą limity zapytań i tokenów na minutę oraz na dobę. Warto też sprawdzić aktualny cennik u źródła, bo stawki przy modelach otwartych zmieniają się częściej niż przy zamkniętych.

Uruchomienie u siebie

Skoro wagi są publiczne, można uruchomić model we własnej infrastrukturze. Trzeba tylko wiedzieć, co to oznacza.

Pełne wagi wymagają maszyn serwerowych z wieloma kartami i serwera obsługującego wnioskowanie rozproszone. To nie jest instalacja na popołudnie, tylko projekt infrastrukturalny. Przy braku takiego zaplecza właściwą drogą jest wynajem u dostawcy udostępniającego ten model, co zachowuje niezależność od jednej firmy.

Warianty mniejsze i skwantyzowane, udostępniane przez społeczność, obniżają wymagania kosztem jakości. To rozsądny kompromis przy zadaniach, gdzie liczy się prywatność danych, a nie najwyższa trafność.

Same wagi obsługują trzy serwery wnioskowania wskazane przez dostawcę, a wywołanie sprowadza się do jednego polecenia wystawiającego interfejs zgodny z tym samym formatem, którego używa oficjalne API. Poniższy przykład korzysta z vLLM, bo to on grupuje napływające żądania w locie i dzięki temu utrzymuje przepustowość przy wielu rozmowach naraz, zamiast obsługiwać je po kolei.

vllm serve moonshotai/Kimi-K3 \
  --served-model-name kimi-k3 \
  --tensor-parallel-size 8 \
  --max-model-len 262144 \
  --api-key "$LOKALNY_KLUCZ"

Liczba kart w parametrze zrównoleglenia i długość kontekstu zależą od posiadanego sprzętu, więc konkretną topologię weź z przepisu publikowanego dla tego modelu, zamiast zgadywać. Wagi są przy tym natywnie skwantyzowane, bo kwantyzację włączono już na etapie strojenia, więc nie trzeba jej dokładać osobnym krokiem i nie płaci się za nią typową utratą jakości.

Skrócenie kontekstu z miliona tokenów do wartości, której faktycznie używasz, jest tu najprostszym sposobem na zmniejszenie zapotrzebowania na pamięć. Serwer rezerwuje miejsce na najdłuższą dopuszczalną rozmowę, więc deklarowanie miliona tokenów w usłudze obsługującej zapytania na dziesięć tysięcy to kosztowna ostrożność.

Więcej o samym uruchamianiu modeli lokalnie znajdziesz w tekście o Ollamie, przy czym trzeba pamiętać, że narzędzia do pracy jednoosobowej nie dadzą przepustowości potrzebnej przy wielu użytkownikach.

Wynajem zamiast własnej infrastruktury

Skoro własne uruchomienie pełnych wag jest projektem, a nie instalacją, warto znać drogę pośrednią.

Dostawcy chmurowi udostępniający modele z publicznymi wagami rozliczają się za tokeny, tak jak przy modelach zamkniętych, ale zachowujesz dwie rzeczy. Pierwsza to możliwość przeniesienia się do innego dostawcy tego samego modelu, bo wagi są publiczne, więc nie jesteś związany z jedną firmą. Druga to możliwość zejścia na własną infrastrukturę, gdy wolumen to uzasadni.

Ta różnica bywa niedoceniana. Model zamknięty oznacza, że przy zmianie cennika albo wycofaniu wersji masz do wyboru migrację albo akceptację warunków. Model z publicznymi wagami daje trzecią opcję i sama jej obecność zmienia pozycję negocjacyjną.

Warto natomiast sprawdzić, co dokładnie oferuje dostawca. Te same wagi obsługiwane różnymi serwerami dają różne opóźnienia, różne limity kontekstu i różne zachowanie przy wywoływaniu narzędzi. Nazwa modelu nie wystarcza, żeby założyć, że wynik będzie identyczny.

Przetwarzanie równoległe

Zadania, w których wiele wywołań biegnie naraz, to osobny wzorzec pracy i warto go znać, zanim zaczniesz skracać czas odpowiedzi w inny sposób.

Zadanie agentowe rozbite na kilkanaście niezależnych podzadań wykonywanych szeregowo trwa kilkanaście razy dłużej niż jedno. Wykonanie ich równolegle skraca czas do najdłuższego z nich, kosztem wyższego chwilowego zużycia.

Ten wzorzec sprawdza się przy przeglądaniu wielu plików naraz, przy sprawdzaniu hipotez, których jest kilka, oraz przy przetwarzaniu wsadowym, gdzie każdy element jest niezależny. Nie sprawdza się tam, gdzie kroki zależą od siebie, bo wtedy równoległość nie ma czego przyspieszyć.

Warto też pamiętać o kosztach. Dziesięć wywołań równoległych kosztuje tyle samo co dziesięć szeregowych, tylko szybciej. Oszczędność jest w czasie, a nie w pieniądzach, więc przy zadaniach, gdzie nikt nie czeka, równoległość nie wnosi nic poza skokiem zużycia.

Do czego się nadaje

Trzy obszary powtarzają się w zastosowaniach tego modelu i warto je znać, zanim zaczniesz porównania.

Pierwszy to praca z kodem. W zestawieniach mierzących rozwiązywanie prawdziwych zgłoszeń w repozytoriach model wypada porównywalnie z czołówką zamkniętą, co jeszcze rok temu byłoby zaskoczeniem. Przy zadaniach obejmujących wiele plików i długie sesje ta przewaga jest odczuwalna.

Drugi to zadania agentowe. Model jest przystosowany do wywoływania narzędzi i długich sekwencji kroków, co przy modelach otwartych bywało słabym punktem.

Trzeci to analiza długich dokumentów. Milion tokenów kontekstu pozwala przeczytać całą umowę, specyfikację albo zrzut logów naraz, bez dzielenia na fragmenty i bez budowania wyszukiwania.

Granicą pozostaje język. Modele z tej części świata radzą sobie najlepiej po angielsku i po chińsku, a w polszczyźnie wypadają zwykle słabiej, więc przy treściach po polsku test na własnych przykładach jest obowiązkowy.

Dane i zgodność

Przy modelu od dostawcy spoza Twojej jurysdykcji pojawia się pytanie, które przy modelach z publicznymi wagami ma nietypową odpowiedź.

Korzystanie z oficjalnego interfejsu oznacza wysyłanie treści na serwery dostawcy, z regulaminem i lokalizacją danych określonymi przez niego. Przy danych osobowych albo objętych tajemnicą handlową to wymaga sprawdzenia przed wdrożeniem, tak samo jak przy każdym innym dostawcy zewnętrznym.

Publiczne wagi dają natomiast wyjście, którego przy modelu zamkniętym nie ma. Ten sam model uruchomiony u dostawcy w wybranym regionie albo we własnej infrastrukturze przetwarza dane tam, gdzie pozwalają na to wymogi. Pytanie o transfer danych przestaje wtedy dotyczyć modelu, a zaczyna dotyczyć wyłącznie infrastruktury.

To zresztą powtarzalny wzorzec przy wdrożeniach w organizacjach regulowanych. Projekt zaczyna się od interfejsu dostawcy, bo tak jest najszybciej, a po pierwszym audycie część przepływu przechodzi na model uruchomiony gdzie indziej. Warto zaplanować taki podział od początku, bo cienka warstwa z jednym sposobem wywołania czyni tę zmianę kwestią dnia.

Jak to porównać z własnym modelem

Zestawienia publiczne mierzą zadania, które rzadko przypominają Twoje, więc porównanie warto zrobić samodzielnie. Zajmuje to popołudnie i daje odpowiedź, na której można oprzeć decyzję.

Zacznij od trzydziestu prawdziwych przypadków z ostatniego miesiąca pracy. Powinny obejmować zadania łatwe, trudne i takie, przy których obecne rozwiązanie zawiodło, bo to one różnicują modele najbardziej.

Przepuść je przez dwa albo trzy modele przy identycznym prompcie i zapisz wyniki obok siebie. Ocena wzrokowa dwudziestu odpowiedzi w tabeli mówi więcej niż jakakolwiek liczba, bo widzisz nie tylko czy odpowiedź jest poprawna, ale też jak wygląda.

Do rzeczy mierzalnych warto dołożyć liczbę: udział przypadków rozwiązanych poprawnie, czas odpowiedzi i koszt jednego przebiegu. Narzędzia pokroju Promptfoo robią to za Ciebie i pozwalają porównać modele na tym samym zestawie jednym poleceniem.

Konfiguracja mieści się w kilkunastu wierszach, bo interfejs zgodny ze znanym formatem pozwala wskazać ten model jako zwykłego dostawcę z podmienionym adresem.

providers:
  - id: openai:chat:kimi-k3
    config:
      apiBaseUrl: https://api.moonshot.ai/v1
      apiKeyEnvar: MOONSHOT_API_KEY
  - id: anthropic:messages:claude-sonnet-5

prompts:
  - file://prompty/analiza.txt

tests:
  - vars:
      zgloszenie: "Platnosc przeszla, ale zamowienie zostalo anulowane"
    assert:
      - type: contains
        value: zwrot

Ten sam plik uruchomiony po miesiącu powie Ci, czy coś się zmieniło, a przy modelach rozwijanych szybko zmienia się częściej, niż zakłada większość zespołów. To zresztą główna przewaga zapisanego zestawu nad oceną wzrokową: da się go powtórzyć.

Kimi kontra alternatywy

Wybór między wierszami sprowadza się do trzech pytań: czy potrzebujesz wag, jaki masz sprzęt i w jakim języku pracujesz. Model z publicznymi wagami, którego nie masz gdzie uruchomić, daje tyle samo co model zamknięty, tylko z gorszą obsługą.

Warto też pamiętać, że przewaga w zestawieniach nie przekłada się wprost na Twoje zadania. Trzydzieści prawdziwych przypadków przepuszczonych przez dwa modele mówi więcej niż jakikolwiek ranking, a zajmuje popołudnie.

Najrozsądniejszy układ przy większym wdrożeniu polega zresztą na używaniu kilku modeli naraz. Zadania masowe i proste idą do modelu tańszego, trudne do mocniejszego, a wybór odbywa się w warstwie kierującej ruch. Publiczne wagi są tu przydatne właśnie dlatego, że pozwalają obsadzić pierwszą rolę bez rozliczania za każdy token.

Typowe błędy

Pierwszy to planowanie sprzętu według liczby parametrów aktywnych. Do pamięci wchodzi całość, więc szybkość generowania nie zmniejsza wymagań pamięciowych.

Drugi to pominięcie licencji. Wagi publiczne nie znaczą licencji permisywnej bez zastrzeżeń, a warunki przy dużej skali warto poznać przed wbudowaniem modelu w produkt.

Trzeci to zakładanie, że wynik zestawienia przeniesie się na Twoją dziedzinę. Różnice między modelami zależą od języka, stylu kodu i typu zadania bardziej niż od pozycji w rankingu.

Czwarty to wrzucanie miliona tokenów kontekstu do zapytań powtarzalnych. Przy stu pytaniach dziennie wyszukiwanie w bazie wektorowej wychodzi wielokrotnie taniej i szybciej.

Piąty to pomijanie testu w języku polskim. To obszar, w którym modele z tej rodziny wypadają słabiej niż w angielskim, a różnica bywa większa niż między generacjami.

Szósty to brak warstwy oddzielającej logikę od dostawcy. Zgodność interfejsu ułatwia zmianę, ale tylko wtedy, gdy kod wywołuje jedną własną funkcję, a nie klienta konkretnej firmy w dwudziestu miejscach.

FAQ

Czym jest Kimi K3?

To model językowy od Moonshot AI o architekturze mieszanki ekspertów, z około dwoma i osiem dziesiątego biliona parametrów łącznie i oknem kontekstu do miliona tokenów. Wydany w połowie lipca 2026 roku, z wagami udostępnionymi publicznie pod koniec tego samego miesiąca.

Czy wagi są naprawdę dostępne?

Tak, ale licencja jest własna, oparta na permisywnej z dodatkowymi warunkami. Przy dużej skali działalności pojawia się wymóg oznaczenia produktu. Dla większości zastosowań to bez znaczenia, natomiast przed wbudowaniem modelu w produkt warto przeczytać tekst licencji.

Jaki sprzęt jest potrzebny?

Pełne wagi wymagają infrastruktury serwerowej z wieloma kartami, więc uruchomienie ich samodzielnie jest projektem, a nie instalacją. Realną alternatywą jest wynajem u dostawcy udostępniającego ten model albo sięgnięcie po warianty skwantyzowane o niższych wymaganiach i niższej jakości.

Czy nadaje się do pracy z kodem?

Tak i to jego najmocniejsza strona. W zestawieniach mierzących rozwiązywanie prawdziwych zgłoszeń wypada porównywalnie z czołowymi modelami zamkniętymi. Przy własnym repozytorium warto to jednak sprawdzić na kilkudziesięciu zadaniach, bo różnice zależą od języka programowania.

Jak radzi sobie po polsku?

Słabiej niż po angielsku, co dotyczy większości modeli spoza tego kręgu językowego. Przy zastosowaniach w polszczyźnie porównaj go z modelem europejskim na własnych przykładach, zanim podejmiesz decyzję.

Model i licencję opisuje strona Moonshot AI, a analizę wydania znajdziesz w tekście Simona Willisona.