Moonshot AI đã ra mắt Kimi K3 vào ngày 16 tháng 7 năm 2026, và gọi nó là “mô hình mã nguồn mở hạng 3T đầu tiên trên thế giới.” Đó là một tuyên bố lớn, vì vậy hãy tách biệt yếu tố tiếp thị khỏi yếu tố kỹ thuật. K3 là mô hình Mixture-of-Experts 2.8 nghìn tỷ tham số với cửa sổ ngữ cảnh 1 triệu token, một cơ chế attention mới mẻ, và bảng giá nhắm thẳng vào các đội phát triển mã. Nó đã được triển khai cùng ngày trên Kimi.com, Kimi Work, Kimi Code, và Kimi API, với cam kết phát hành toàn bộ trọng số trước ngày 27 tháng 7 năm 2026. Hướng dẫn này là trung tâm cho mọi thứ bạn cần để đánh giá nó: nó là gì, nó được xây dựng như thế nào, chi phí bao nhiêu, xếp hạng ở đâu và ai thực sự nên sử dụng nó.
TL;DR: Kimi K3 là gì?
Kimi K3 là mô hình ngôn ngữ lớn chủ lực của Moonshot AI, được phát hành vào ngày 16 tháng 7 năm 2026. Nó sử dụng thiết kế Mixture-of-Experts 2.8T tham số, kích hoạt 16 trong số 896 chuyên gia trên mỗi token, cung cấp cửa sổ ngữ cảnh 1.048.576 token (1M), và được phục vụ thông qua ID mô hình API kimi-k3. Giá là 0.30 đô la cho mỗi triệu token đầu vào trúng bộ nhớ đệm, 3.00 đô la cho mỗi triệu token đầu vào trượt bộ nhớ đệm, và 15.00 đô la cho mỗi triệu token đầu ra. Trên Chỉ số Thông minh của Artificial Analysis độc lập, nó đạt 57 điểm và xếp thứ 4 trong số 189 mô hình. Bài đăng ra mắt của Moonshot cho biết K3 vẫn còn kém Claude Fable 5 và GPT-5.6 Sol, vì vậy tốt nhất nên xem nó là mô hình mã nguồn mở mạnh nhất gần với "biên giới" công nghệ, chứ không phải là chính "biên giới" đó. Toàn bộ trọng số mã nguồn mở dự kiến sẽ được công bố vào khoảng ngày 27 tháng 7 năm 2026.
Tại sao Kimi K3 lại quan trọng ngay bây giờ
Cứ vài tháng một lần, một phòng thí nghiệm của Trung Quốc lại phát hành một mô hình làm thay đổi kỳ vọng về những gì bạn có thể chạy mà không cần hợp đồng API độc quyền. Kimi K3 là mô hình đó cho giữa năm 2026. Điểm nhấn không phải là sự vượt trội về mặt benchmark thô. Mà là sự kết hợp giữa chất lượng gần với công nghệ tiên tiến nhất, mức giá cache-hit cạnh tranh, và lời hứa sẽ phát hành toàn bộ trọng số trong vòng mười một ngày kể từ khi ra mắt. Nếu lời hứa đó được giữ, K3 sẽ trở thành mô hình mạnh mẽ nhất mà bạn có thể tự lưu trữ, điều này thay đổi cách tính toán đối với bất kỳ ai đang cân nhắc chi phí API so với một cụm GPU.
Nếu bạn xây dựng với các API LLM, câu hỏi thực tế rất đơn giản: bạn có thể hướng client kiểu OpenAI hiện có của mình đến kimi-k3 và nhận được kết quả hữu ích mà không cần viết lại toàn bộ hệ thống của mình không? Câu trả lời là có, vì Moonshot cung cấp một API tương thích với OpenAI-SDK. Điều đó cũng có nghĩa là bạn có thể kiểm tra và gỡ lỗi các cuộc gọi K3 trong các công cụ bạn đã sử dụng. Apidog coi bất kỳ điểm cuối tương thích OpenAI nào là một yêu cầu hạng nhất, vì vậy bạn có thể gửi một hoàn thành trò chuyện theo luồng đến kimi-k3, kiểm tra các sự kiện được gửi từ máy chủ từng token một, và xem các cuộc gọi công cụ được giải quyết trước khi bạn tích hợp mô hình vào mã sản xuất.
Bài viết này là trụ cột cho cụm Kimi K3 rộng lớn hơn. Để phân tích chuyên sâu, hãy chuyển đến hướng dẫn API Kimi K3, phân tích giá Kimi K3, hoặc phân tích benchmark Kimi K3. Ở đây, chúng tôi bao quát toàn bộ bức tranh.
Danh tính: Mô hình mạnh mẽ nhất của Moonshot
Moonshot AI định vị K3 là “mô hình mạnh mẽ nhất của chúng tôi,” một bước tiến so với dòng Kimi K2 mà nhiều nhà phát triển đã biết. Nếu bạn đã sử dụng Kimi K2 hoặc Kimi K2.7 Code tập trung vào mã hóa, K3 là thế hệ tiếp theo của dòng sản phẩm đó, được xây dựng lại từ lớp attention trở lên. Tuyên bố thu hút sự chú ý nhiều nhất là “mô hình mã nguồn mở hạng 3T đầu tiên trên thế giới.” Hai từ trong cụm từ đó rất quan trọng.
“Mã nguồn mở” là một sự thật trong tương lai gần, không phải ngay ngày ra mắt. Khi phát hành, K3 có sẵn thông qua các sản phẩm được lưu trữ và API trả phí, và Moonshot đã cam kết phát hành “toàn bộ trọng số mô hình trước ngày 27 tháng 7 năm 2026.” Vì vậy, nếu bạn đang lên kế hoạch triển khai cục bộ, hãy coi việc truy cập mã nguồn mở là một sự kiện đã được lên lịch khoảng một tuần rưỡi sau khi ra mắt, chứ không phải là điều bạn có thể tải xuống ngay trong ngày đầu tiên.
“Hạng 3T” đề cập đến quy mô. Với tổng số tham số là 2.8 nghìn tỷ, K3 nằm trong cùng hạng cân với các hệ thống độc quyền lớn nhất, mặc dù chỉ một phần nhỏ trong số các tham số đó được kích hoạt trên bất kỳ token nào. Sự kích hoạt thưa thớt đó là điều giúp việc suy luận (inference) có giá phải chăng, và đó là lý do tại sao bảng giá lại có hình dạng như vậy.
Kiến trúc: có gì mới bên trong
K3 không phải là một bản sao lớn hơn của K2. Moonshot đã xây dựng lại phần cốt lõi với một số kỹ thuật được đặt tên, và các lựa chọn thiết kế giải thích cả việc cải thiện chất lượng và số liệu thông lượng.
Kimi Delta Attention (KDA). Đây là một cơ chế attention tuyến tính lai mà Moonshot mô tả là một nền tảng hiệu quả để mở rộng attention. Attention kiểu tuyến tính giúp kiểm soát sự tăng trưởng của bộ nhớ và tính toán khi độ dài ngữ cảnh tăng lên, điều này làm cho cửa sổ 1M token trở nên thực tế chứ không còn là lý thuyết.
Attention Residuals (AttnRes). Moonshot trình bày đây là một sự thay thế trực tiếp cho các kết nối dư tiêu chuẩn. Mục tiêu đã nêu là truy xuất các biểu diễn một cách có chọn lọc xuyên suốt chiều sâu của mạng, để thông tin từ các lớp trước vẫn có thể truy cập được ở các lớp sâu hơn trong ngăn xếp. Nói một cách đơn giản, nó giúp mô hình giữ ngữ cảnh thay vì làm mất dần nó theo từng lớp.
Stable LatentMoE. Đây là lớp định tuyến Mixture-of-Experts, và đây là nơi câu chuyện “tổng cộng 2.8T, chỉ một phần nhỏ được kích hoạt” tồn tại. K3 có 896 chuyên gia và kích hoạt 16 trong số đó trên mỗi token, sử dụng cái mà Moonshot gọi là Quantile Balancing để giữ định tuyến ổn định trong quá trình huấn luyện. Kích hoạt thưa thớt có nghĩa là mô hình có thể mang hàng nghìn tỷ tham số kiến thức trong khi chỉ phải trả chi phí tính toán của một mạng nhỏ hơn nhiều khi suy luận.
Moonshot cũng đề cập đến các thành phần hỗ trợ bao gồm Per-Head Muon, Sigmoid Tanh Unit (SiTU), và Gated MLA, cùng với trọng số MXFP4 với kích hoạt MXFP8 để lượng tử hóa.
Thông số kỹ thuật của Kimi K3 trong nháy mắt
Đây là ảnh chụp nhanh để đánh dấu. Mỗi số liệu dưới đây đến từ bài đăng ra mắt của Moonshot hoặc danh sách độc lập của Artificial Analysis.
| Thông số | Kimi K3 |
|---|---|
| Nhà phát triển | Moonshot AI |
| Ngày phát hành | 16 tháng 7 năm 2026 |
| Tổng tham số | 2.8 nghìn tỷ (Mixture-of-Experts) |
| Chuyên gia hoạt động | 16 trong số 896 trên mỗi token |
| Cửa sổ ngữ cảnh | 1.048.576 token (1M) |
| ID mô hình API | kimi-k3 |
| Slug OpenRouter | moonshotai/kimi-k3 |
| Tương thích API | Tương thích OpenAI SDK |
| Đầu vào cache-hit | 0.30 đô la / 1 triệu token |
| Đầu vào cache-miss | 3.00 đô la / 1 triệu token |
| Đầu ra | 15.00 đô la / 1 triệu token |
| Tốc độ đầu ra | ~62 token/giây (dưới mức trung bình của phân khúc là 72.7) |
| Thời gian đến token đầu tiên | ~1.99 giây |
| Chỉ số Thông minh | 57 (xếp hạng thứ 4 trong số 189) |
| Trọng số mã nguồn mở | Dự kiến khoảng 27 tháng 7 năm 2026 |
Bảng đó là câu trả lời nhanh cho hầu hết các tìm kiếm “kiểm tra thông số kỹ thuật”. Để có mô hình chi phí từng dòng dựa trên khối lượng token của riêng bạn, hướng dẫn định giá Kimi K3 sẽ cung cấp các con số.
Cửa sổ ngữ cảnh 1M và lý do tại sao định giá cache-hit là câu chuyện thực sự
Cửa sổ ngữ cảnh 1.048.576 token đặt toàn bộ codebase, một kho dữ liệu nghiên cứu dài, hoặc một bản ghi nhiều giờ vào trong một lời nhắc duy nhất. Đó là tiêu chuẩn cơ bản ở ranh giới công nghệ hiện nay, nhưng cách K3 định giá ngữ cảnh dài mới là điều khiến nó trở nên thú vị cho các khối lượng công việc thực tế.
Hãy xem lại giá đầu vào: 0.30 đô la cho mỗi triệu token khi trúng bộ nhớ đệm so với 3.00 đô la khi trượt bộ nhớ đệm. Đó là chênh lệch gấp 10 lần. Ngăn xếp suy luận của Moonshot, mà họ gọi là suy luận phân tán Mooncake, được cho là đạt tỷ lệ cache-hit trên 90% đối với các tác vụ lập trình. Nếu mẫu sử dụng của bạn tái sử dụng một ngữ cảnh chia sẻ lớn, một lời nhắc hệ thống dài, một cây thư mục lớn, một khối hướng dẫn cố định, thì hầu hết các token đầu vào của bạn sẽ được tính phí ở mức rẻ. Đối với các vòng lặp mã hóa agentic gửi lại cùng một ngữ cảnh kho lưu trữ ở mỗi bước, sự khác biệt đó nhanh chóng tăng lên. Đây là đòn bẩy giúp K3 cạnh tranh về chi phí mặc dù giá đầu ra trên mỗi token của nó nằm trong phạm vi thông thường của công nghệ tiên tiến.
Sự đánh đổi thể hiện ở tốc độ. Artificial Analysis đo K3 ở khoảng 62 token đầu ra mỗi giây, dưới mức trung bình 72.7 của các mô hình suy luận trong phân khúc giá của nó. Thời gian đến token đầu tiên khoảng 1.99 giây, tốt hơn một chút so với mức trung bình của phân khúc. Vì vậy, K3 là một mô hình "suy nghĩ kỹ, xuất ra đều đặn" chứ không phải là một mô hình nhanh nhạy, và cài đặt suy luận mặc định của nó hướng tới nỗ lực tư duy tối đa. Nếu độ trễ quan trọng hơn độ sâu đối với trường hợp sử dụng của bạn, hãy so sánh hiệu năng với một phân khúc nhanh hơn trước khi cam kết.
Định vị trung thực: mạnh mẽ, mã nguồn mở, không phải là "biên giới" tuyệt đối
Đây là phần của câu chuyện mà quá nhiều bài viết ra mắt bỏ qua. Chính Moonshot đã vạch rõ ranh giới. Blog ra mắt chính thức của Kimi K3 tuyên bố rằng trong khi K3 “vẫn còn kém các mô hình độc quyền mạnh nhất, Claude Fable 5 và GPT 5.6 Sol,” thì nó “thể hiện hiệu suất cấp độ tiên tiến trong bộ đánh giá của chúng tôi.” Hãy đọc kỹ hai lần, vì đây là một sự thành thật hiếm có từ một nhà cung cấp mô hình.
Các số liệu độc lập xác nhận sự tinh tế này. Trên Chỉ số Thông minh của Artificial Analysis, K3 đạt 57 điểm và xếp thứ 4 trong số 189 mô hình. Chỉ số đó kết hợp chín đánh giá bao gồm các tác vụ agentic, mã hóa, khoa học và suy luận, vì vậy vị trí trong top 5 là một tín hiệu thực sự, không phải là chọn lọc số liệu. Nhưng #4 cũng có nghĩa là ba mô hình xếp trên nó, và Moonshot đã nêu tên hai trong số đó.
Vậy bạn nên định hình K3 như thế nào? Nó là mô hình trọng số mở mạnh nhất gần với "biên giới" công nghệ, và là một trong những mô hình mạnh mẽ nhất mà bạn có thể chạy mà không cần hợp đồng độc quyền khi các trọng số được phát hành. Nó không phải là mô hình tốt nhất thế giới, và bạn không nên tiếp thị nó theo cách đó cho các bên liên quan của mình. Nếu bạn cần giới hạn tuyệt đối cho một tác vụ suy luận khó, "biên giới" đóng vẫn thắng. Nếu bạn cần chất lượng gần với công nghệ tiên tiến với một lộ trình mở và giá cả hiệu quả thấp, K3 là một đối thủ đáng gờm. Để so sánh trực tiếp vị trí của nó so với các đối thủ dẫn đầu "đóng", hãy xem Kimi K3 vs Claude Opus 4.8 và Kimi K3 vs GPT-5.6 Sol.
Bạn có thể sử dụng Kimi K3 ở đâu hôm nay
K3 đã ra mắt trên toàn bộ bề mặt sản phẩm của Moonshot ngay trong ngày đầu tiên. Dưới đây là ma trận khả dụng.
| Nền tảng | Bạn nhận được gì |
|---|---|
| Kimi.com | Ứng dụng trò chuyện web, K3 là mô hình mặc định |
| Kimi Work | Sản phẩm không gian làm việc nhóm |
| Kimi Code | Agent mã hóa dựa trên terminal |
| Kimi API | Truy cập lập trình qua ID mô hình kimi-k3 |
| Ứng dụng di động | iOS, Android và HarmonyOS |
| Máy tính để bàn | Ứng dụng Kimi Work, phiên bản 3.1.0 trở lên |
| OpenRouter | Truy cập được định tuyến qua moonshotai/kimi-k3 |
Nếu bạn làm việc trong terminal, Kimi Code là điểm truy cập agent mã hóa; hướng dẫn Kimi Code CLI của chúng tôi bao gồm cách thiết lập từ thời K2, và quy trình của K3 cũng tương tự. Nếu bạn muốn so sánh hành vi mã hóa với nhà vô địch trước đó trong dòng sản phẩm đó, Kimi K3 vs Kimi K2.7 Code là so sánh trực tiếp. Và nếu bạn thà không trả tiền khi đánh giá, cách sử dụng Kimi K3 miễn phí sẽ đề cập đến các phương pháp không tốn phí.
Các khả năng API cung cấp
Đối với các nhà phát triển, mô hình chỉ là một nửa câu chuyện. Bề mặt API quyết định những gì bạn có thể xây dựng. Điểm cuối của K3 hỗ trợ các tính năng mà bạn mong đợi từ một mô hình agentic nghiêm túc:
- Bộ nhớ đệm ngữ cảnh (cơ chế đằng sau tỷ lệ cache-hit 0.30 đô la đó)
- Gọi công cụ và các ràng buộc lựa chọn công cụ
- Chế độ JSON và đầu ra có cấu trúc
- Chế độ một phần để hoàn thành có kiểm soát
- Tìm kiếm trên Internet
- Tải công cụ động
- Nỗ lực suy luận có thể cấu hình, bao gồm cài đặt "tối đa"
Bộ tính năng đó có nghĩa là K3 khớp vào các framework agent, pipeline trích xuất có cấu trúc và ứng dụng gọi hàm mà không cần xử lý đặc biệt. URL cơ sở tuân theo mẫu đã được thiết lập của Moonshot, điểm cuối Kimi tương thích OpenAI (xác nhận URL cơ sở chính xác trên platform.kimi.ai trước khi bạn mã hóa cứng nó, vì bảng điều khiển đã chuyển sang tên miền mới khi ra mắt). Trỏ client OpenAI của bạn đến điểm cuối đó, đặt mô hình thành kimi-k3, và mã gọi công cụ hiện có của bạn sẽ hoạt động. Hướng dẫn toàn diện về yêu cầu và phản hồi nằm trong hướng dẫn API Kimi K3.
Kiểm tra kimi-k3 trước khi bạn triển khai
Đây là phần mà thông số kỹ thuật mô hình trở thành một tích hợp hoạt động. Trước khi bạn thả kimi-k3 vào một vòng lặp agent, bạn muốn xem chính xác điểm cuối trả về gì: cách các token được truyền tải (stream), liệu các cuộc gọi công cụ có hoạt động theo cách bạn mong đợi không, và mô hình hoạt động như thế nào ở mức nỗ lực suy luận tối đa. Đó là một công việc kiểm thử API, không phải là công việc kỹ thuật prompt.
Đây là lúc Apidog khẳng định vị trí của mình trong quy trình làm việc. Bởi vì K3 giao tiếp bằng giao thức OpenAI, bạn có thể thêm điểm cuối hoàn thành trò chuyện của nó làm một yêu cầu trong Apidog, lưu khóa của bạn dưới dạng biến môi trường để nó không bao giờ nằm trong một bộ sưu tập được chia sẻ, và thực hiện một cuộc gọi với stream: true. Apidog hiển thị luồng sự kiện được gửi từ máy chủ để bạn có thể đọc các đoạn delta khi chúng đến, đây là cách nhanh nhất để xác nhận trình phân tích luồng của bạn sẽ xử lý đầu ra của K3. Khi bạn gửi một yêu cầu với các công cụ được định nghĩa, bạn có thể kiểm tra chính xác payload tool_calls mà mô hình trả về và xác thực các đối số dựa trên schema của bạn trước khi một dòng mã agent nào được chạy.
Các câu hỏi thường gặp
Kimi K3 là gì? Kimi K3 là mô hình ngôn ngữ lớn chủ lực của Moonshot AI, ra mắt vào ngày 16 tháng 7 năm 2026. Đây là mô hình Mixture-of-Experts 2.8 nghìn tỷ tham số với cửa sổ ngữ cảnh 1M token, được phục vụ thông qua ID mô hình API kimi-k3 và các sản phẩm dành cho người tiêu dùng và nhà phát triển của Moonshot. Moonshot mô tả nó là “mô hình mã nguồn mở hạng 3T đầu tiên trên thế giới.”
Kimi K3 có bao nhiêu tham số? K3 có tổng cộng 2.8 nghìn tỷ tham số và sử dụng định tuyến Mixture-of-Experts, kích hoạt 16 trong số 896 chuyên gia trên mỗi token. Moonshot chưa công bố số lượng tham số hoạt động chính xác, vì vậy hãy tránh trích dẫn một con số tỷ hoạt động cụ thể như một sự thật. Con số chính xác mà họ công bố là “16 trong số 896 chuyên gia.”
API Kimi K3 có giá bao nhiêu? Giá là 0.30 đô la cho mỗi triệu token đầu vào trúng bộ nhớ đệm, 3.00 đô la cho mỗi triệu token đầu vào trượt bộ nhớ đệm, và 15.00 đô la cho mỗi triệu token đầu ra. Hệ thống suy luận Mooncake của Moonshot được cho là đạt tỷ lệ cache-hit trên 90% đối với các tác vụ lập trình, vì vậy chi phí đầu vào hiệu quả thấp đối với các tác vụ lặp đi lặp lại, nặng về ngữ cảnh. Mô hình chi phí đầy đủ có trong phân tích giá.
Kimi K3 có phải là mã nguồn mở không? Không phải ngay ngày ra mắt. Moonshot đã cam kết phát hành toàn bộ trọng số mô hình trước ngày 27 tháng 7 năm 2026. Cho đến lúc đó, bạn truy cập K3 thông qua các sản phẩm được lưu trữ và API trả phí. Sau khi các trọng số được phát hành, bạn sẽ có thể tự lưu trữ, đây là cơ sở cho mô tả "mô hình mã nguồn mở hạng 3T."
Kimi K3 có tốt hơn Claude Fable 5 hay GPT-5.6 Sol không? Không, và Moonshot nói rõ điều đó. Bài đăng ra mắt tuyên bố K3 “vẫn còn kém các mô hình độc quyền mạnh nhất, Claude Fable 5 và GPT 5.6 Sol,” đồng thời gọi hiệu suất của nó là cấp độ tiên tiến. Trên Chỉ số Thông minh của Artificial Analysis, nó đạt 57 điểm và xếp thứ 4 trong số 189, vì vậy nó gần đầu nhưng không phải là số một.
Tôi có thể sử dụng Kimi K3 với OpenAI SDK không? Có. API của Moonshot tương thích với OpenAI-SDK. Trỏ client của bạn đến điểm cuối Kimi tương thích OpenAI (xác nhận URL cơ sở chính xác trên platform.kimi.ai), đặt mô hình thành kimi-k3, và mã hoàn thành trò chuyện và gọi công cụ hiện có của bạn sẽ hoạt động. Bạn có thể xác minh hình dạng yêu cầu và phản hồi trong Apidog trước khi tích hợp nó vào ứng dụng của bạn.
Kimi K3 nhanh đến mức nào? Artificial Analysis đo được khoảng 62 token đầu ra mỗi giây, dưới mức trung bình của phân khúc giá là 72.7, với thời gian đến token đầu tiên gần 1.99 giây. K3 ưu tiên chiều sâu hơn tốc độ, và cài đặt suy luận mặc định của nó sử dụng nỗ lực tư duy tối đa. Hãy so sánh hiệu năng với một mô hình nhanh hơn nếu độ trễ là giới hạn của bạn.
Kimi K3 so sánh với Kimi K2.7 Code như thế nào? K3 là mô hình chủ lực thế hệ tiếp theo trên dòng K2, với một cơ chế attention được xây dựng lại và hiệu quả mở rộng tốt hơn K2 khoảng 2.5 lần theo Moonshot. K2.7 Code vẫn là một lựa chọn mạnh mẽ dành riêng cho mã hóa. So sánh trực tiếp có trong Kimi K3 vs Kimi K2.7 Code.