Är Kimi K3-vikterna öppna och kan jag köra den lokalt?

Ja, Moonshot AI har släppt hela modellvikterna offentligt, så du kan ladda ner och självhosta dem. Med 2,8 biljoner parametrar krävs dock rejäl hårdvara; de flesta kommer att använda API snarare än lokal drift.

Vad kostar Kimi K3 och hur stort är kontextfönstret?

Via API är priset $0,73 per miljon input-tokens och $10,00 per miljon output-tokens, med ett kontextfönster på 1 048 576 tokens—precis över en miljon.

Hur skiljer sig Kimi K3 från andra toppmodeller för resonemang?

Det är den första öppet släppta modellen i 3 biljoner-parameterklassen, använder en ny KDA- och Attention Residuals-arkitektur och är specifikt designad för långsiktiga agentarbetsflöden med inbyggd syn—inte en allmän chattmodell med påbyggt resonemang.

▲

23.9%

den här veckan

Kimi K3

9095°

#llm #moonshotai #vision #video #resonemang #kodning

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

MoonshotAI | 1,048,576 token context | $0.30/M input, $11.94/M output. Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.

Guider för denna modell

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Kimi K3 är en multimodal resonemangsmodell med öppna vikter från Moonshot AI, byggd på en ny KDA- och Attention Residuals-arkitektur med 104 miljarder aktiverade parametrar per token av totalt 2,8 biljoner. Den hanterar text, bilder och video nativt över ett kontextfönster på en miljon tokens och är riktad mot långsiktigt agentarbete: flerstegs kodningssessioner, navigering i stora kodförråd och verktygstunga forskningspipelines. Om du behöver en toppmodell med öppna vikter för seriös ingenjörs- eller kunskapsarbete är detta modellen att utvärdera.

Känd för

Orkar långa agentbaserade kodningssessioner i enorma förråd med minimal övervakning.
Nativ multimodalitet: förstår text, bilder och video i en och samma modell.
Kontextfönster på en miljon tokens för djup dokument- och kodbasbearbetning.
2,8 biljoner parametrar i MoE-arkitektur som aktiverar 104 miljarder per token för toppresonemang.
Öppna vikter släppta av Moonshot AI för forskning och drift.

Se upp för

Output kostar $10,00 per miljon tokens—kostnaderna stiger snabbt i långa agentloopar.
Med 2,8 biljoner parametrar krävs seriös hårdvara för lokal drift; de flesta användare kommer att använda API.
Vikterna släpps under Kimi K3-licensen, inte en standard öppen källkodslicens—kontrollera villkoren innan kommersiell användning.

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Syn

Lång kontext

Promptar att prova

Felsök en misslyckad testsuite

Jag har ett Python-förråd där integrationstesterna misslyckas efter en nyligen gjord refaktorering. Här är felloggen och relevanta filer. Identifiera grundorsaken, spåra den genom kodbasen och föreslå en minimal fix med förklaring till varför den ursprungliga ändringen bröt testerna.

Resonera kring systemdesign

Designa en rate-limiting-tjänst för en offentlig API som måste hantera 50 000 förfrågningar per sekund, stödja per-användare och per-endpoint-gränser, degradera snyggt vid Redis-fel och lägga till högst 2 ms p99-latens. Gå igenom dina arkitekturval och de kompromisser du gör vid varje steg.

Analysera en skärmdump för buggar

Jag bifogar en skärmdump från min webbapps instrumentpanel. Diagrammet i övre högra panelen visas felaktigt—staplarna överlappar och axelns etiketter klipps av. Diagnostisera vilka CSS- eller diagrambiblioteksinställningar som sannolikt orsakar detta och ge mig den korrigerade konfigurationen.

Jämför med

Kimi Latest
Endast API-modell
1,048,576 tokens kontext · $0.29/M indata, $24.00/M utdata
Kimi K2 Thinking
Öppen vikt-modell
262,144 tokens kontext · $0.60/M indata, $2.50/M utdata
Kimi K2.7 Code
Öppen vikt-modell
262,144 tokens kontext · $0.67/M indata, $3.35/M utdata
Kimi K2.5
Öppen vikt-modell
262,144 tokens kontext · $0.50/M indata, $2.50/M utdata

Fler textmodeller från moonshotai

Vanliga frågor

Är Kimi K3-vikterna öppna och kan jag köra den lokalt?: Ja, Moonshot AI har släppt hela modellvikterna offentligt, så du kan ladda ner och självhosta dem. Med 2,8 biljoner parametrar krävs dock rejäl hårdvara; de flesta kommer att använda API snarare än lokal drift.
Vad kostar Kimi K3 och hur stort är kontextfönstret?: Via API är priset $0,73 per miljon input-tokens och $10,00 per miljon output-tokens, med ett kontextfönster på 1 048 576 tokens—precis över en miljon.
Hur skiljer sig Kimi K3 från andra toppmodeller för resonemang?: Det är den första öppet släppta modellen i 3 biljoner-parameterklassen, använder en ny KDA- och Attention Residuals-arkitektur och är specifikt designad för långsiktiga agentarbetsflöden med inbyggd syn—inte en allmän chattmodell med påbyggt resonemang.

Kaptens omdöme
Den mest kapabla öppna modellen som finns tillgänglig just nu, byggd för agenter och seriöst ingenjörsarbete—men priset för output straffar långa körningar.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #16 Hottest Text / LLM model · #16 Hottest Text / LLM text model

Not this creator?

Get your own badge

Popularitetstrend för Kimi K3

Värmenpoäng sedan 16 Jul 2026

Värmescore

9,095°

Den här veckan

▲

23.9%

9,067° då, 9,095° nu

Den här månaden

▲

189%

8,954° då, 9,095° nu

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,767°

OpenRouter-token

7,787,431,365,488 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 778,743; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+328°

Adoptionshastighet

Ungefär 23,609 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 9,095°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
778,743 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,767°
8,767°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 23,609 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+328°
9,095°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
9,095°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Kimi K3 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm moonshotai vision video resonemang kodning agenter lång kontext

Bläddra efter modellfamilj