Kimi K3 tanıtıldı - Açık frontier zekâ

 (kimi.com)
1 puan yazan GN⁺ 4 시간 전 | 1 yorum | WhatsApp'ta paylaş
  • Kimi K3, 2,8 trilyon parametre, yerel görsel yetenek ve 1 milyon token bağlam ile uzun süreli kodlama/bilgi çalışması/akıl yürütmeyi hedefleyen, dünyanın ilk açık 3T sınıfı modeli
  • Kimi Delta Attention/Attention Residuals ve 896 uzmandan 16’sını etkinleştiren Stable LatentMoE uygulanarak Kimi K2’ye kıyasla genel ölçekleme verimliliği yaklaşık 2,5 kat artırıldı
  • GPU kernel optimizasyonu/derleyici geliştirme/3D oyun üretimi/çip tasarımı/bilimsel araştırma gibi alanlarda asgari insan müdahalesiyle uzun süreli işler yürütebiliyor ve bazı kodlama/ajan benchmark’larında kapalı modellere karşı rekabetçi ya da daha iyi sonuçlar veriyor
  • Kimi.com/Kimi Work/Kimi Code/Kimi API üzerinde hemen kullanılabiliyor; çıkışta maksimum akıl yürütme çabası varsayılan ve tam model ağırlıklarının 27 Temmuz 2026’ya kadar açıklanması planlanıyor
  • Genel performans ve kullanıcı deneyimi Claude Fable 5 ile GPT 5.6 Sol seviyesine ulaşmıyor; düşünce kaydı aktarım biçimine duyarlı olması ve belirsiz durumlarda kullanıcı yerine aşırı karar verebilmesi gibi sınırlamaları var

2,8 trilyon parametreli açık model

  • Kimi K3, Kimi’nin yayımladığı modeller arasında en yüksek performanslı model olup 2,8 trilyon parametre/1 milyon token bağlam/yerel görsel yetenek desteği sunuyor
  • Genel performans Claude Fable 5 ve GPT 5.6 Sol’un altında kalsa da, kendi değerlendirmelerinde diğer karşılaştırma modellerini tutarlı biçimde geride bırakarak frontier düzeyinde sonuçlar gösterdi
  • Son 12 ayın 9’unda Kimi modelleri açık model boyut sınırını güncelledi ve K3 ilk kez 3T sınıfına ulaştı
  • Kimi.com/Kimi Work/Kimi Code/Kimi API üzerinden sunuluyor
  • Çıkış sürümü varsayılan olarak maksimum akıl yürütme çabasını kullanıyor; düşük çaba/yüksek çaba modları sonraki güncellemelerle eklenecek
  • Çıkarım hizmet sağlayıcıları ve açık kaynak sürdürücüleri teknik ayrıntıları uyarlıyor; tam ağırlıklar ve teknik raporun 27 Temmuz 2026’ya kadar yayımlanması planlanıyor

KDA/AttnRes/Stable LatentMoE yapısı

  • Kimi Delta Attention (KDA), uzun dizilerde attention’ın verimli biçimde ölçeklenmesi için temel sağlıyor
  • Attention Residuals (AttnRes), her katmandaki temsilleri eşit biçimde biriktirmek yerine model derinliği boyunca gerekli temsilleri seçici olarak alıyor
  • Mixture of Experts seyrekliğini artırarak Stable LatentMoE yapısında 896 uzmandan yalnızca 16’sını etkinleştiriyor
  • Mimari değişiklikler ile eğitim/veri reçetesi iyileştirmeleri birleştirilerek Kimi K2’ye göre genel ölçekleme verimliliği yaklaşık 2,5 kat yükseltildi
  • Büyük ölçekli seyrek modellerin yönlendirme ve optimizasyonu için çeşitli teknikler uygulandı
    • Quantile Balancing, yönlendirici skorlarının yüzdeliklerinden uzman tahsisini doğrudan hesaplayarak sezgisel güncellemeleri ve hassas dengeleme hiperparametrelerini ortadan kaldırıyor
    • Per-Head Muon, her attention head’i bağımsız olarak optimize ederek büyük ölçekli eğitimin uyarlanabilirliğini artırıyor
    • Sigmoid Tanh Unit (SiTU), aktivasyon değerlerini kontrol ediyor ve Gated MLA attention seçiciliğini artırıyor

Eğitim ve çıkarım altyapısı

  • SFT aşamasından itibaren quantization-aware training uygulanıyor ve geniş donanım uyumluluğu için MXFP4 ağırlıklar/MXFP8 aktivasyonlar kullanılıyor
  • Büyük ölçekli uzman paralelleştirmesinde uzman dengesizliğinin throughput’u düşürmemesi için sabit tensor biçimleri ve kritik yoldaki host senkronizasyonunu kaldıran tam dengeli uzman paralel eğitim yöntemi benimsendi
  • Çıkarım sırasında geniş, yüksek bant genişlikli iletişim alanı gerektiğinden 64 veya daha fazla hızlandırıcının bağlandığı supernode yapısı öneriliyor
  • KDA’nın mevcut prefix caching için ortaya çıkardığı sorunları çözmeye yönelik uygulama vLLM topluluğuna katkı olarak sunuldu ve modelle birlikte yayımlanacak
  • KDA prefill cache sayesinde model ölçeği ve uzun bağlama rağmen rekabetçi token fiyatıyla hizmet verilebiliyor

Uzun süreli kodlama ve görsel geri bildirim

  • Asgari insan gözetimiyle uzun mühendislik oturumlarını sürdürebiliyor, büyük depoları gezebiliyor ve terminal araçlarını koordine edebiliyor
  • Yazılım mühendisliği ile görsel akıl yürütmeyi birleştirerek ekran görüntüleri ve çalışma sonuçlarını kontrol ederken oyun geliştirme/frontend/CAD çıktısını yinelemeli olarak iyileştiriyor
  • Kod ile gerçek ekran arasında gidip gelen vision in the loop yaklaşımıyla görüntü ve videoyu çalıştırılabilir, etkileşimli çıktılara dönüştürüyor
  • Geliştirmenin sonraki aşamalarında ilk Kimi K3 sürümü, ekibin GPU kernel optimizasyonu işlerinin çoğunu üstlendi

GPU kernel optimizasyonu

  • Aynı sandbox içinde, modellerin AttnRes/KDA/MLA kernel’lerini en fazla 24 saat boyunca profile edip değiştirmeleri değerlendirdi
  • Kimi K3, Fable 5’in olası fallback sonuçlarıyla rekabet etti ve Opus 4.8/GPT 5.6 Sol/GPT 5.5’e kıyasla genel olarak daha yüksek sonuçlar kaydetti

  • AttnRes

    • 96 katman/model boyutu 8.192/8.192 token içeren üretim biçimindeki FLA Triton uygulamasını sayısal sonuçları değiştirmeden optimize etti
    • 15 saat boyunca yinelemeli çalışarak yeni bir 2 aşamalı kernel algoritması tasarladı ve birden fazla kernel’i birleştirdi
    • İleri ve geri yayılım süresini 283,6 ms’den 114,4 ms’ye düşürdü
    • Fable 5’in olası fallback sonucuna benzer nihai performans verdi, ancak K3’ün iterasyon başına optimizasyon hızı daha yüksekti

  • DSA

    • DeepSeek-V3.2 ile hizalanmış hiperparametreler ve 1 milyon token dizisi kullanan gerçek eğitim ayarında TileLang tabanlı DSA kernel’ini optimize etti
    • Referans uygulamaya göre uçtan uca süreyi %55,1 kısaltarak Fable 5’in %57,3 sonucunun ardından ikinci oldu

  • MLA-512

    • Referans kernel olmadan, batch 1/64 head/8.192 token/head boyutu 512 olan MLA kernel’ini sıfırdan yazdı
    • İleri ve geri yayılımda 517,8 TFLOPS elde ederek H200’ün teorik BF16 tepe değerinin yarısını aştı
    • Sonraki en yüksek modelin 492,7 TFLOPS sonucunu geride bıraktı

  • KDA on GPGPU

    • CUDA ve yazılım yığını/bellek davranışı farklı alternatif sağlayıcıların genel amaçlı GPU’larında FLA Triton KDA uygulamasını optimize etti
    • Profiling’den başlayarak performans modelini yeniden kurdu ve ileri/geri yayılım süresini referans uygulamaya göre %73,6 azalttı
    • Daha fazla iyileştirme alanı kalmış olabileceğini belirtti

  • Değerlendirmede dikkat noktaları

    • Claude Fable 5 üçüncü tarafça değerlendirildi ve bazı sonuçlara fallback davranışı dahil olmuş olabilir
    • Birden fazla modelin bazı yürütme yolları, izin verilen sayısal hata sınırları içinde küçük precision kısayolları kullandı

MiniTriton GPU derleyicisi

  • Kimi K3, Triton benzeri küçük bir GPU programlama sistemi olan MiniTriton’u sıfırdan geliştirdi
  • MLIR üzerinde kendi tile tabanlı ara temsilini kurdu ve optimizasyon geçişleri/PTX kod üretim hattı/runtime uyguladı
  • Desteklenen roofline benchmark’larında Triton ve torch.compile ile benzer ya da daha yüksek performans gösterdi; bazı işlerde Triton’u geçti
  • nanoGPT tam eğitimini kararlı biçimde yürüttü ve loss eğrisi de referans uygulamaya yalnızca küçük farklarla yakınsayarak eşlik etti
  • DSL frontend’inden IR optimizasyonu/PTX üretimi/runtime’a kadar tutarlı, uçtan uca bir derleyici oluşturdu; sıfırdan yazılan Tensor Core yolu da Triton’un optimize yığınıyla rekabet etti

3D oyun ve dijital üretim

  • Kimi K3, Three.js WebGPU ve GPU compute kullanarak prosedürel olarak üretilen tarayıcı tabanlı bir 3D keşif oyunu yaptı
  • Orman/kütük kulübe köyü/karlı dağlar/dinamik hava içeren bir açık dünya oluşturdu ve 3D varlık üretim aracıyla binici ile at modelleri üretti
  • Animasyonlu kovboy/at modelleri ve arazi verileri dış varlıklardan alındı
  • Sonuç 3D Open World üzerinden görülebilir

Model için çip tasarımı

  • Kimi K3, kendi mimarisini kullanan küçük bir modeli çalıştırmak için bir çipi 48 saat kesintisiz otonom çalışma ile tasarladı
  • Nangate 45nm kütüphanesi ve açık kaynak EDA araçları kullanarak tasarım/optimizasyon/doğrulama gerçekleştirdi
  • 4 mm² alan içinde 100 MHz zamanlamayı karşıladı ve simülasyona göre saniyede 8.700 token’dan fazla decode throughput’u kaydetti
  • 1,46 milyon standart hücre/0,277 MB SRAM/dequantization ile birleştirilmiş INT4 MAC dizisi içeriyor

Hesaplamalı bilim araştırması uygulaması

  • Bilimsel literatürü çalıştırılabilir koda bağlayarak karmaşık hesaplamalı araştırma süreçlerini uygulayıp doğruluyor ve analiz ediyor
  • Hesaplamalı astrofizikteki I–Love–Q evrensel ilişkisini yeniden üretme işini yaklaşık 2 saatte tamamladı; bunun deneyimli araştırmacılar için genelde 1-2 hafta süren bir iş olduğu belirtildi
  • 20’den fazla makaleyi inceleyip çapraz doğruladı ve tam sayısal hesaplama hattını uyguladı
  • 300’den fazla durum denklemini değerlendirdi ve yayımlanmış formüller arasındaki tutarsızlıkları ortaya çıkardı
  • 3.000 satırdan fazla Python kodu ve sonuçları keşfetmeye yönelik etkileşimli bir HTML dashboard üretti

Bilgi çalışması ve etkileşimli araştırma

  • Açık benchmark’ların yanı sıra gerçek kullanıcı/ajan iş akışlarında tekrarlanan sorunlara dayalı iç değerlendirmelerde de Kimi K3(max)’in tutarlı iyileşme gösterdiği belirtildi

  • AI ASIC endüstrisinin 42 yıllık analizi

    • AI ASIC endüstrisinin 42 yılını analiz eden etkileşimli bir web sitesi 120’den fazla özyinelemeli öz-iyileştirme ile üretildi
    • 2.800’den fazla web araması/getirme ve 1.100’den fazla terminal veri toplama işlemi yapıldı
    • 87 çeyrek raporu ve 99 orijinal PDF dahil 11.000 sayfadan fazla kaynak kullanıldı
    • Dayanak materyaller özel grafiklere/animasyonlu diyagramlara/etkileşimli görsel anlatılara dönüştürüldü

  • Füzyon endüstrisi araştırması

    • Zaman çizelgesi/funnel chart/range bar chart/Gantt chart ve yayın kalitesinde slaytlar içeren danışmanlık tarzı bir sektör raporu üretildi

  • GWTC-5 kütleçekim dalgası analizi

    • 391 kütleçekim dalgası olayı, 20’den fazla eşzamanlı alt ajan kullanılarak analiz edildi
    • 7 bilimsel görselleştirme/2 tablo/10’dan fazla makaleyi kapsayan literatür sentezi üretildi

  • Sunumlar

    • Tamamen düzenlenebilir heatmap ve yıllık raporlar gibi infografik biçimli sunum üretiminde kullanılıyor

Widgets ve Dashboard

  • Kimi Work’e konuşmaları daha görsel ve kalıcı hale getiren Widgets/Dashboard özellikleri eklendi
  • Widgets, sohbet içinde etkileşimli bileşenler oluşturabiliyor ve yerel veri ya da harici eklentilere bağlanarak güncellenmeye devam edebiliyor
  • Dashboard ise önemli widget’ları konu/proje/hedef bazında düzenlenmiş tek bir kişiselleştirilmiş ekranda tutuyor

Video düzenleme

  • Metin/görüntü/video tek bir yerel çok modlu modelde işlenerek motion design/animasyon/video düzenleme işleri yapılıyor
  • Kendi mimarisini anlatan 3Blue1Brown tarzı bir motion graphics videosu üreterek teknik kavramları animasyonlu diyagramlar ve ekran geçişleriyle ifade etti
  • 56 ham klipten kendi teaser videosunu düzenlerken klip seçimi/hareket sürekliliği olan kesitler/kare düzeyinde ritim senkronizasyonu/ses işleme/birden fazla revizyon gerçekleştirdi
  • Aynı yoğunluktaki kısa bir videonun deneyimli bir editör için genelde 1-2 gün, yeni başlayan biri için 3-5 gün süren bir iş olduğu belirtildi

Başlıca benchmark sonuçları

  • Tüm Kimi K3 sonuçları, akıl yürütme çabası max/temperature 1.0/top-p 1.0 ile ölçüldü; benchmark’a göre KimiCode/Claude Code/Codex agent harness kullanıldı

  • Kodlama

    • DeepSWE 67,5 / Program Bench 77,8 / Terminal Bench 2.1 88,3
    • FrontierSWE 81,2 / SWE Marathon 42,0 / PostTrain Bench 36,6
    • MLS Bench 48,3 / iç Kimi Code Bench 2.0 72,9
    • Program Bench ve SWE Marathon’da tabloda yer alan modeller arasında en yüksek skoru aldı
    • Terminal Bench 2.1, GPT 5.6 Sol’un 88,8 sonucuna yakındı; FrontierSWE ise Fable 5’in 86,6 sonucunun altında kaldı

  • Ajanlar ve iş otomasyonu

    • GDPval-AA v2 1.668 Elo / BrowseComp 91,2 / DeepSearchQA 95,0
    • Toolathlon-Verified 73,2 / MCP Atlas 84,2 / Automation Bench 30,8
    • Job Bench 52,9 / AA-Briefcase 1.548 Elo / APEX-Agents 37,6
    • Office QA Pro 63,3 / SpreadsheetBench 2 34,8 / iç DECK-Bench 73,5
    • BrowseComp/DeepSearchQA/Automation Bench/SpreadsheetBench 2’de tabloda yer alan modeller arasında en yüksek skoru aldı
    • MCP Atlas, 500 açık görev/100 tur sınırında Gemini 3.1 Pro’yu hakem model olarak kullandı
    • AutomationBench, 600 açık görevle değerlendirildi
    • BrowseComp, 300 bin token’da context compression uyguladı; 1 milyon token bağlam doğrudan yönetimsiz kullanılırsa K3 skoru 90,4 oluyor

  • Akıl yürütme ve bilgi

    • GPQA-Diamond 93,5 / HLE-Full 43,5 / araç kullanan HLE-Full 56,0
    • GPQA-Diamond, GPT 5.6 Sol’un 94,1 sonucuna yakındı; ancak HLE-Full, Fable 5’in 53,3 ve araç kullanımında 63,0 skorlarının gerisinde kaldı

  • Görsel yetenek

    • MMMU-Pro 81,6, Python kullanıldığında 83,4
    • CharXiv RQ 84,8, Python kullanıldığında 91,3
    • MathVision 94,3, Python kullanıldığında 97,8
    • BabyVision with Python 85,7
    • ZeroBench pass@5 23,0, Python kullanıldığında 41,0
    • WorldVQA ForceAnswer 51,0 / OmniDocBench 91,1 / iç PerceptionBench 58,5
    • OmniDocBench’te tabloda yer alan modeller arasında en yüksek 91,1 skorunu aldı
    • ZeroBench resmi ayara göre 5 kez çalıştırıldı; diğer multimodal skorlar ise 3 çalıştırmanın ortalamasıyla verildi
    • PerceptionBench, birim düzeyinde görsel algı yeteneğine odaklanan şirket içi benchmark’tır

Değerlendirme yöntemi ve karşılaştırma kısıtları

  • Benchmark’larda kullanılan agent harness ve skor kaynakları farklı olduğundan modeller arası doğrudan karşılaştırmalarda koşul farkları bulunuyor
  • DeepSWE’de KimiCode harness skoru 67,5 iken resmi liderlik tablosundaki mini-SWE-agent harness ile 67,3 elde edildi
  • Terminal Bench 2.1’de diğer modellerin skorları, birden fazla harness arasındaki en yüksek sonuç kullanılarak verildi
  • FrontierSWE skoru, ham skordan resmi script ile yeniden hesaplandı ve tarih 16 Temmuz 2026 baz alındı
  • PostTrain Bench üç çalıştırmanın ortalamasını kullandı; Claude Fable 5 politika gereği isteği reddederse otomatik olarak Claude Opus 4.8’e fallback yapılıyor
  • GDPval-AA v2 ve AA-Briefcase skorları Artificial Analysis sonuçlarından alındı

Kullanım şekli ve fiyatlandırma

  • Kimi K3 Agents
    • En güncel Kimi uygulamasında iOS/Android/HarmonyOS için veya Kimi.com üzerinden kullanılabiliyor
  • Kimi Work
    • Windows ve Apple silicon Mac için Kimi Work 3.1.0 ve üzeri sürümlerde destekleniyor
  • Kimi Code
    • Terminalde çalıştırdıktan sonra /model komutuyla Kimi K3 seçiliyor
  • Kimi API
    • Model tanımlayıcısı kimi-k3
    • Cache hit girişleri 1 milyon token başına 0,30 dolar, cache miss girişleri 3 dolar, çıkışlar ise 15 dolar
    • Mooncake’in ayrık çıkarım mimarisini kullanıyor ve resmi API’de kodlama iş yükleri için cache hit oranı %90’ı aşıyor
  • Kimi Enterprise
    • Kurumlara yönelik veri koruma ve üye yönetimi özellikleri sunuyor; kişisel hesap ile kurumsal hesabı tamamen ayırıyor

Sınırlamalar

  • Düşünce kaydı hassasiyeti
    • K3, önceki düşünce kayıtlarını koruyan bir yöntemle eğitildi
    • Agent harness geçmiş düşünce içeriğinin tamamını yeniden iletmezse veya başka model kullanılan bir oturumdan K3’e geçilirse üretim kalitesi ciddi biçimde kararsızlaşabiliyor
    • Uyumluluğu doğrulanmış Kimi Code kullanımı ve oturum ortasında model değiştirmekten kaçınılması öneriliyor
  • Aşırı proaktif davranış
    • Uzun süreli ve zor görevlere odaklanacak şekilde eğitildiğinden, küçük sorunlar ya da belirsiz kullanıcı niyetleriyle karşılaştığında kullanıcı adına beklenmedik kararlar alabiliyor
    • Davranış kapsamının sınırlandırılması gereken uygulamalarda sistem prompt’una ya da AGENTS.md içine daha açık kısıtlar eklenmeli
  • Genel olarak rekabetçi bir model olsa da kullanıcı deneyiminde Claude Fable 5 ve GPT 5.6 Sol ile belirgin bir fark bulunuyor

İlgili okumalar

1 yorum

 
GN⁺ 4 시간 전
Hacker News görüşleri

  • İlk kavram kanıtı olarak, Kimi K3’ün kendi mimarisinin nano modelini çalıştıracak çipi tasarlamış olması şaşırtıcı
    Tek seferlik 48 saatlik otonom çalışma ile açık kaynak EDA araçları ve Nangate 45nm kütüphanesi kullanılarak tasarım, optimizasyon ve doğrulama tamamlandı; 4mm² alanda 100MHz zamanlama hedefi tutturuldu ve simülasyonda saniyede 8.700’den fazla token çözümleme verimine ulaşıldı
    1,46 milyon standart hücre, 0,277MB SRAM ve fused dequantization destekli INT4 MAC dizisi de içererek, modelin model için çip ürettiği uzun süreli görev yeteneğini gösteriyor

  • Doğrudan Moonshot’a kaydolup kullanmayı düşünüyorsanız, API kullanım verilerinin de eğitim için kullanılabileceğini bilmelisiniz
    Müşteri içeriğinin hizmet sunma, sürdürme, iyileştirme ve model eğitimi gibi amaçlarla kullanılabileceği; bunu sınırlamak için ayrı bir kurumsal sözleşme veya yazılı mutabakat gerektiği açıkça belirtilmiş
    https://platform.kimi.ai/docs/agreement/modeluse#4-content

    • OpenAI ve Anthropic’in de aynı şeyi yaptığı ya da daha da kötü olduğu düşünülüyor
      Fikri mülkiyeti alıp üzerine güvenlik kontrolleri ekleyerek yeniden satan bir iş modelinde kullanım verilerinin eğitimde kullanılıp kullanılmadığını sormak başlı başına safça olabilir; en azından Çinli şirketlerin bu konuda daha açık olduğu ve topluluğa daha çok geri verdiği düşünülüyor
    • Aşırı kuşkucu biri değilim ama, Çin’deki tüm laboratuvarların kullanım şartlarından bağımsız olarak verileri eğitimde kullandığını varsaymak gerekmez mi diye düşünüyorum
    • OpenRouter, Moonshot sağlayıcısını ZDR olarak sınıflandırıyor
      Bunun gerçekten veri saklamama anlaşmasına dayanıp dayanmadığı ya da OpenRouter’ın yanlış sınıflandırması olup olmadığı merak ediliyor
    • OpenAI, Anthropic, Google ve xAI dahil diğer tüm şirketlerin de verileri kullandığı düşünülüyor
      Kullanmadıklarını söyleseler bile, dengeleri altüst eden bu rekabette gerçekten bundan vazgeçecek bir şirket olup olmadığı şüpheli

  • Ayrıntılı kullanım şekli ve fiyatlandırma şu belgelerde görülebilir
    https://platform.kimi.ai/docs/guide/kimi-k3-quickstart
    https://platform.kimi.ai/docs/pricing/chat-k3
    1 milyon token bağlam uzunluğu destekleniyor ve 1 milyon token başına giriş $3, çıkış $15, önbellek $0.3 ile Çin kaynaklı açık ağırlıklı bir model için oldukça pahalı
    Fiyatı fiilen Anthropic Sonnet ailesiyle aynı ve 5.6 Terra’nın $2.5 giriş fiyatına da yakın, ancak gerçek maliyet büyük ölçüde çıkarım verimliliğine bağlı
    Örneğin Sol $30/1 milyon token olup 10 bin çıkarım token’ı kullanırken Kimi K3 aynı iş için 50 bin kullanıyorsa, maliyet verimliliği Sol’da daha yüksek olur

    • Çin sosyal medyasında paylaşılan resmî benchmark’lara göre genel olarak Sol/Fable seviyesinde ve Opus 4.8’in önünde gibi görünüyor
      https://mp.weixin.qq.com/s/V4xhEIy8xDXSMDPrPkmUAQ
      İngilizce blog da yayımlandı: https://www.kimi.com/blog/kimi-k3
    • Tokenizer farkı da önemli
      Aynı metin bile Anthropic tokenizer’ında OpenAI’ye göre çok daha fazla token ile kodlanabiliyor
      Kimi’nin fiili rakibinin GLM olduğu düşünülüyor; GLM 5.2’nin fiyatı ise bunun üçte birinden bile düşük
    • Yeniden kullanıma sunulan Fable ile uygulama geliştirirken performans harikaydı ama çıkarım süreci tamamen opaktı
      Buna karşılık Kimi, anlamlı sayılabilecek kadar tam çıkarım sürecini gösteriyor; böylece garip dolambaçlar ve yön değiştirmeler doğrudan görülebiliyor, fikirler de çok daha ayrıntılı biçimde debug edilebiliyor
      Diğer LLM’lerin çözemediği kişisel niş konularda da epey ilerleme kaydetmiş gibi göründüğünden daha fazla test etmeyi düşünüyorum
    • 2,8 trilyon parametreli modelin çıkarım maliyeti, kâr payı hesaba katılsa bile zaten yüksek
      Açık kaynak olarak yayımlanırsa bunun 1 milyon token başına $10–12 seviyesine inebileceği düşünülüyor
    • Hızlı başlangıç belgesi gerçek benchmark’ları teknik bloga yönlendiriyor ama o blogda K3 yok; en son iki nesil önceki K2.6 var, bu yüzden bir şey eksikmiş gibi duruyor

  • Kimi tarafının değerlendirmesine göre K3, genel zekâda Claude Fable 5 ve GPT-5.6 Sol’un ardından geliyor; tüm ağırlıkları, mimariyi, eğitimi ve değerlendirmeyi içeren teknik rapor da yakında yayımlanacak
    GDPval-AA v2’de 1687 puan ile Claude Fable 5 Max ve GPT-5.6 Sol Max’in arkasında, ancak Claude Opus 4.8 Max’in 1600 puanının üzerinde
    Kapalı uzun süreli bilgi çalışması benchmark’ı olan AA-Briefcase’te ise 1527 puan ile Fable 5 Max’in ardından geliyor ve GPT-5.6 Sol Max’in 1495 puanını geçiyor; bu da bir başka DeepSeek anı olabilir gibi görünüyor

    • Bu iki modelin gerisindeyse 2. değil 3. saymak gerekir
    • GDPval-AA v2, Sonnet 5’in de Opus 4.8 Max’in önünde çıktığı bir benchmark
      Artık tüm açık ağırlıklı modeller şaşırtıcı puanlar alıyor; bu yüzden yalnızca benchmark’larla resmin tamamı görülemiyor ve değerlendirme verisinin eğitim verisine sızdırılmış ya da kasıtlı olarak dahil edilmiş olabileceğinden şüphelenmemek zor
    • DeepSeek’in şok etkisi yaratmasının nedeni 10 kat daha ucuz olmasıydı
      K3, Sol’den yalnızca yaklaşık 2 kat ucuz; bu da token verimliliği farkları ve hata payı düşünüldüğünde sınıra yakın kalıyor. Bu nedenle bunun, açık modellerin öncü laboratuvarları yakalamasına dair mevcut eğilimin devamı olduğu; DeepSeek gibi eğilimin kendisini değiştiren bir olay olmadığı düşünülüyor
    • “Öncü seviye performans” ifadesinin geçtiği sayfayı bulmak zor; kaynağın neresi olduğu merak ediliyor

  • OpenRouter API ile oluşturulmuş pelikan SVG sonucu: https://tools.simonwillison.net/markdown-svg-renderer#url=ht...
    Kullanılan model https://openrouter.ai/moonshotai/kimi-k3 ve 95 giriş tokenı · 16.658 çıkış tokenı için 25 sent ödenmiş
    https://www.llm-prices.com/#it=95&ot=16658⁣=3&oc=15
    Çıkışın 13.241'i akıl yürütme tokenıydı; şimdiye kadar Çin modelleriyle render edilen pelikanlar arasında en pahalısı buydu

    • Pelikan benchmark'ının hâlâ ne tür bir değer sunabildiğini de blogda daha ayrıntılı anlatmış: https://simonwillison.net/2026/Jul/16/kimi-k3/
    • Modeller SVG pelikan render etme için optimize ediliyor olsa bile artık buna şaşırmamak gerekir gibi görünüyor
    • “Bisiklete binen bir pelikan SVG'si üret” isteğinin nasıl 95 giriş tokenı olduğuna merak ediyorum

  • Kimi K3, 2,8 trilyon parametre ile en büyük açık model listesinin başına yerleşiyor
    Sıralama Kimi K3 2.8T, DeepSeek-V4-Pro 1.6T (aktif 49B), Kimi K2.6 yaklaşık 1T (aktif 32B), GLM-5.2 754B (aktif 40B), DeepSeek-V3.2 685B, Mistral Large 3 675B şeklinde
    Bu kadar devasa bir model olduğu için, Moonshot'ın bunu çalıştırabilmesi adına bu yılın başında topladığı bildirilen 500 milyon dolara ihtiyaç duyduğu düşünülüyor

    • Bunun gerçekten açık ağırlıklar olarak yayımlanıp yayımlanmayacağını görmek için biraz daha beklemek gerekiyor; şu an aktif parametre sayısı bile bilinmiyor
    • Ling/Ring 1T-A50B ve yeni Inkling 975B-A41B de bu listeye girmeyi hak ediyor olabilir

  • Google hesabı kullanmadan veya telefon numarası vermeden Kimi K3'ü denemenin bir yolu olup olmadığını merak ediyorum

  • Kimi K3 blogu yayımlandı: https://www.kimi.com/blog/kimi-k3
    2,8 trilyon parametreli açık model olarak 1 milyon token bağlam uzunluğunu ve görsel girdiyi varsayılan olarak destekliyor; teknik rapor ve ağırlıkların 27 Temmuz'a kadar yayımlanması planlanıyor
    Çıkışta en yüksek akıl yürütme yoğunluğu varsayılan ve düşük · yüksek modları sonraki bir güncellemeyle eklenecek

    • Benchmark sonuçları şaşırtıcı derecede etkileyici
      Çin'in ABD'nin 6 ay gerisinde olduğu dönem artık bitti mi, çok daha az kaynakla bu sonuçları nasıl elde ettikleri merak uyandırıyor ve araştırmacılar gerçekten etkileyici görünüyor

  • İlk denemede Kimi K3, Fable 5'in bile birkaç kez bulamadığı hatanın nedenini hemen tespit etti
    Henüz kullanım miktarı az olan tekil bir örnek olsa da, şu ana kadar çok umut verici görünüyor

    • Abonelik limiti oldukça acımasız
      100 dolarlık aboneliğin kotası, Fable için Anthropic'in 200 dolarlık aboneliğine benzer hızda tükeniyor gibi hissettiriyor; ama modelin kendisi çok iyi olduğu için Opus 4.8'in üstünde bile değerlendirilebilir
    • Claude Code, VS Code için Codex eklentisi ya da Vim tuş atamaları uygulanmış Codex CLI gibi ajan tarzı işlerde Kimi'nin nasıl kullanılabileceğini merak ediyorum
      OpenRouter'da da benzer araçlar olup olmadığını bilmek isterim

  • İngilizce blog yayımlandığına göre mevcut bağlantıyı https://www.kimi.com/blog/kimi-k3 ile değiştirmek daha iyi olur