Kimi K3 utfordrer Claude og GPT – men størrelsen har en pris

Kimi K3 tar kinesisk AI opp i nærheten av de beste amerikanske modellene på en måte som er vanskelig å avfeie. Moonshots nye toppmodell har 2,8 billioner parametere, et kontekstvindu på én million tokens og er bygget for lange oppgaver innen koding, research og kunnskapsarbeid.

Det betyr ikke at USA plutselig er slått. Moonshot sier selv at K3 fortsatt ligger bak Claude Fable 5 og GPT-5.6 Sol samlet sett. Det interessante er at en kinesisk modell med planlagte åpne modellvekter nå kan konkurrere i det samme sjiktet – og at den gjør det til en lavere API-pris enn flere av de lukkede alternativene.

Digi omtalte Kimi K3 23. juli som Moonshots største språkmodell hittil. Det stemmer, men størrelsen er egentlig bare starten på historien. Det som betyr noe for vanlige brukere og utviklere er hva modellen kan gjøre over tid, hva den koster, hvor krevende den er å kjøre og hvilke begrensninger Moonshot selv innrømmer.

Hva er Kimi K3?

Kimi K3 er Moonshot AIs nye multimodale toppmodell for koding, kunnskapsarbeid og avansert resonnering. Den har 2,8 billioner parametere, kan håndtere opptil én million tokens i samme kontekst og bruker en Mixture of Experts-arkitektur som aktiverer 16 av 896 eksperter for hvert token, ifølge Moonshots tekniske lansering.

Mixture of Experts betyr at ikke hele modellen jobber like mye med hvert eneste ord. En ruter velger et lite utvalg eksperter som passer oppgaven. Det gjør det mulig å bygge en enorm modell uten å bruke samtlige 2,8 billioner parametere i hver beregning. Enkelt er det likevel ikke. Moonshot anbefaler maskinoppsett med minst 64 akseleratorer for effektiv serverdrift.

Modellen tar tekst, bilder og video som input. Den er laget for lange agentoppgaver der modellen ikke bare svarer én gang, men bruker terminal, verktøy og flere steg for å levere et resultat. Det er en viktigere egenskap enn enda et pent svar i et chatvindu. De beste modellene konkurrerer nå om å holde retningen gjennom flere timer med arbeid uten at et menneske må rydde opp etter hvert tredje steg.

Hvorfor utfordrer Kimi K3 de amerikanske modellene?

Kimi K3 utfordrer først og fremst fordi den kombinerer lang kontekst, multimodal forståelse og agentisk arbeid i én modell som etter planen får åpne modellvekter. Moonshot hevder at den er konkurransedyktig med Claude Fable 5 i flere krevende oppgaver, samtidig som selskapet ærlig plasserer K3 bak Fable 5 og GPT-5.6 Sol totalt.

Det siste er verdt å merke seg. Modell-lanseringer har en lei tendens til å presentere et knippe nøye valgte tester som om de avgjør hele løpet. Her er bildet mer nyansert. K3 har blant annet nådd toppen i en uavhengig rangering for bygging av webgrensesnitt, mens andre evalueringer plasserer den like bak de beste lukkede modellene. Reuters viser til resultater fra Arena, Vals AI og Artificial Analysis, men poenget er ikke én poengsum. Flere uavhengige målinger peker i samme retning: gapet er blitt lite nok til at K3 må tas alvorlig.

Moonshots egne eksempler handler dessuten om mer enn korte kodeoppgaver. K3 skal ha utviklet en kompakt GPU-kompilator fra bunnen, gjennomført en sammenhengende 48-timers jobb med å designe og simulere en liten AI-brikke og laget en forskningspipeline innen astrofysikk på omtrent to timer. Dette er selskapets egne demonstrasjoner, ikke nøytrale laboratorietester, men de viser hva modellen er bygget for: lange leveranser med mange avhengige steg.

Det er her konkurransen blir interessant for små bedrifter og utviklere. En modell som er litt bedre på et flervalgsspørsmål endrer sjelden arbeidsdagen. En modell som kan lese et stort prosjekt, bruke verktøy, kontrollere resultatene og fortsette uten konstant håndholding kan faktisk flytte arbeid. K3 ser ut til å være laget for akkurat den overgangen.

Er Kimi K3 virkelig en åpen modell?

Kimi K3 er annonsert som en open-weight-modell, men de fulle modellvektene var ikke publisert da denne artikkelen ble skrevet 24. juli 2026. Moonshot sier at vektene skal slippes innen 27. juli. Inntil det skjer, kan du bruke K3 gjennom Kimi-tjenestene og API-et, men du kan ikke kontrollere hele løftet om åpne vekter ennå.

Det skillet er viktig. «Open source» brukes ofte litt løst om AI-modeller. Åpne vekter gjør det mulig å laste ned, undersøke, tilpasse og kjøre modellen uten å sende hver forespørsel til leverandørens server. Det betyr ikke automatisk at treningsdata, treningskode og hele utviklingsprosessen er åpne.

Og selv når vektene kommer, er ikke dette en modell folk flest legger på en kraftig PC under skrivebordet. Moonshot anbefaler som nevnt minst 64 akseleratorer for effektiv serverdrift. K3 kan bli viktig for forskningsmiljøer, skyleverandører og selskaper med tung infrastruktur, men for de fleste vil API eller en tredjepartstjeneste være den realistiske inngangen.

Open weights har likevel betydning selv om du aldri laster dem ned. De gir andre leverandører mulighet til å tilby modellen, optimalisere serverdriften og bygge tjenester uten at Moonshot sitter som eneste portvakt. Det kan presse prisene og gjøre det vanskeligere for noen få amerikanske selskaper å definere både nivået og prislappen alene.

Hva koster Kimi K3?

Kimi K3 koster 0,30 dollar per million input-tokens ved cache-treff, 3 dollar for input uten cache-treff og 15 dollar per million output-tokens. Med siste publiserte dollarkurs fra Norges Bank på rundt 9,61 kroner tilsvarer det omtrent 2,90 kroner, 29 kroner og 144 kroner. Prisene står i Moonshots offisielle API-oversikt.

Cache-treff betyr at deler av innholdet allerede er behandlet og kan gjenbrukes. Det er særlig nyttig i kodearbeid, der den samme systemteksten og store deler av kodebasen følger mange forespørsler. Moonshot oppgir en cache-treffrate på over 90 prosent for kodeoppgaver i sitt eget API. Det er et leverandørtall og vil ikke nødvendigvis ligne din arbeidsflyt, men det forklarer hvorfor den lave cache-prisen er mer enn pynt i pristabellen.

Sammenlignet med Kimi K2.7-Code er spranget tydelig. K2.7-Code koster 0,95 dollar per million vanlige input-tokens og 4 dollar for output – omtrent 9 og 38 kroner. K3 ligger på 3 og 15 dollar, eller omtrent 29 og 144 kroner. Dette er ikke den vanlige historien om en kinesisk modell som er nesten gratis. Du betaler mer for større kontekst, mer resonnering og en langt tyngre modell.

Samtidig er en tokenpris aldri hele regnestykket. En billig modell som bruker dobbelt så mange steg, gjør flere feil eller må få jobben på nytt kan fort bli dyrere. En kostbar modell som leverer riktig på første forsøk kan være rimelig. K3 må derfor vurderes på komplette oppgaver, ikke bare på prisen for én million tokens.

Hvilke begrensninger bør du vite om?

Moonshot peker selv på tre tydelige begrensninger: modellen er følsom for hvordan tidligere resonnering sendes tilbake, den kan være for ivrig og ta beslutninger på brukerens vegne, og brukeropplevelsen ligger fortsatt bak Claude Fable 5 og GPT-5.6 Sol. Det er langt mer nyttig informasjon enn enda en rad med grønne benchmarktall.

Følsomheten for historikk betyr at K3 kan bli ustabil hvis agentverktøyet ikke sender med hele den nødvendige tenkehistorikken, eller hvis du bytter til K3 midt i en økt som startet med en annen modell. Moonshot anbefaler et verifisert kompatibelt verktøy som Kimi Code. Det gjør modellen mindre plug-and-play enn en vanlig OpenAI-kompatibel API-adresse kan få den til å se ut.

Overivrighet er kanskje den mest praktiske advarselen. En agent som improviserer når målet er uklart kan være nyttig i et ufarlig sideprosjekt og direkte slitsom i en produksjonskodebase. Moonshot anbefaler tydeligere grenser i systemprompten eller i en AGENTS.md-fil. Med andre ord: Gir du modellen stort handlingsrom, må du også fortelle den ganske presist hvor gjerdet står.

Jeg er fortsatt skeptisk til å trekke store konklusjoner om en kinesisk modell før den er brukt bredt, testet uavhengig og de lovede vektene faktisk ligger ute. Det er ikke det samme som å avfeie den. K3 fortjener oppmerksomhet nettopp fordi både de uavhengige resultatene, arkitekturen og prisene gjør dette til mer enn en vanlig lanseringsrunde.

Hva betyr Kimi K3 for utviklere og små bedrifter?

For utviklere betyr K3 først og fremst et nytt seriøst alternativ for lange kode- og agentoppgaver. Du kan bruke modellen gjennom Kimi Code eller et OpenAI-kompatibelt API, men den bør testes mot dine egne oppgaver med de verktøyene og grensene som faktisk skal brukes i produksjon.

For små bedrifter er den mest interessante effekten trolig indirekte. Flere modeller i toppsjiktet betyr mer konkurranse om pris, kontekstvindu og agentfunksjoner. Du trenger ikke velge Kimi K3 for å få nytte av at den finnes. Anthropic, OpenAI og andre leverandører får enda mindre rom til å ta høye priser uten å levere en tydelig bedre opplevelse.

Tilgang er likevel ikke bare et teknisk spørsmål. Jeg skrev nylig om hvordan USA kan stenge kinesiske AI-modeller ute uten et formelt forbud, og om sanksjonstrusselen mot Moonshot. Det gjør leverandørrisiko til en del av vurderingen. En modell kan være både god og billig, men fortsatt være et dårlig enestevalg hvis tilgang, betaling eller hosting kan endres raskt.

Min foreløpige dom er derfor ganske enkel: Kimi K3 viser at kinesisk AI ikke lenger bare konkurrerer på pris. Moonshot prøver å konkurrere på selve toppnivået for agentisk arbeid, og kommer nær nok til at amerikanske modellhus må svare. Men 2,8 billioner parametere er ikke en trylleformel. K3 er enorm, krevende, dyrere enn forgjengeren og fortsatt svakere på brukeropplevelse enn de aller beste. Det er nettopp den kombinasjonen som gjør modellen interessant – ikke overskriften om hvem som «vant».

Ofte stilte spørsmål