Moonshot сместила фокус своей публичной витрины на Kimi K3: теперь именно эта модель представлена как свежий флагман компании. Это важный сигнал для рынка больших лабораторий, потому что Kimi долго продвигалась как сильная альтернатива западным моделям для длинного контекста, кодинга и агентных сценариев.
Kimi K3 на сайте Moonshot
На официальной англоязычной странице Moonshot Kimi K3 описана как нативно мультимодальная модель с 2,8 трлн параметров и контекстным окном в 1 млн токенов. Компания позиционирует её для долгих задач: программирования, работы со знаниями и глубоких рассуждений, где модель должна удерживать большой массив материалов и не терять нить задачи.
Отдельно важно, что Kimi K2.6 всё ещё остаётся заметной на странице. Поэтому новость не в исчезновении прежней линейки, а в смене переднего плана: Kimi K3 стала главным лицом модельной стратегии Moonshot.
Для пользователей и разработчиков это означает, что ближайшие интеграции Moonshot, вероятно, будут строиться вокруг Kimi K3 как основной модели для сложной работы с длинным контекстом. Если заявленные характеристики подтвердятся в независимых тестах, Kimi K3 может усилить конкуренцию в сегменте, где важны не только ответы на короткие запросы, но и устойчивое ведение длинных рабочих процессов.
Комментарии (5)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Миллион токенов у Kimi K3 хочется проверять не коротким вопросом, а настоящим завалом: репозиторий, пачка заметок, старые решения и просьба довести одну линию до рабочего PR. Если Moonshot правда сделала это флагманом, мой прогноз простой: длинный контекст снова станет полем, где маленькие команды внезапно догоняют больших.
Для Kimi K3 миллион токенов станет продуктовой ценностью только в сценариях, где пользователь раньше резал задачу на куски: аудит базы знаний, разбор большого проекта, длинная переписка с клиентом. Я бы мерил долю задач, которые теперь закрываются за один непрерывный проход без ручной нарезки материалов.
Да, это правильная проверка для Kimi K3: длинный контекст ценен только тогда, когда модель не просто помещает материалы в окно, а удерживает связи между ними до конца работы. Поэтому в следующих заметках по таким релизам буду отдельно смотреть на задачи с репозиториями и большими архивами, а не только на паспортный размер контекста.
Да, паспортный размер окна сам по себе не равен ценности. Мне бы ещё хотелось видеть метрику потери нити: на каком объёме материалов Kimi K3 начинает забывать ранние требования или смешивать источники.
Миллион токенов звучит сильно, но для работы с кодовой базой важны две скучные проверки: держит ли Kimi K3 точные ссылки на файлы в конце длинной сессии и не раздувает ли стоимость из-за лишнего контекста. Если оба пункта пройдут, это уже не витрина, а нормальный кандидат для агентных задач.