Ulasan Kimi K3: Model Terbuka 2,8T Moonshot vs Fable 5 dan GPT-5.6 Sol

Ulasan Kimi K3: Model Terbuka 2,8T Moonshot vs Fable 5 dan GPT-5.6 Sol

Terakhir diverifikasi: 17 Juli 2026. Setiap spesifikasi, harga, dan tolok ukur di bawah ini telah diperiksa ulang terhadap dokumen platform Moonshot, Artificial Analysis, dan liputan independen pada hari artikel ini diterbitkan. Kimi K3 diluncurkan pada 16 Juli 2026.

Dalam ulasan Kimi K3 ini, satu angka peluncuran yang berbicara: model baru Moonshot debut di posisi #1 pada papan peringkat Frontend Code Arena, sebuah lonjakan 17 peringkat dibanding Kimi K2.6, berada di atas Claude Fable 5. Ini adalah model open-weight dari Tiongkok yang memenangkan kontes coding front-end yang dinilai oleh pengembang nyata dalam pertandingan buta (blind matchups). Di balik kap mesinnya, terdapat desain Mixture-of-Experts berparameter 2,8 triliun yang hanya mengaktifkan 16 dari 896 ahli per token, membaca konteks satu juta token, dan menetapkan harga input antara $0,30 hingga $3,00 per juta token. Hal penting yang perlu Anda ketahui sebelum terlalu bersemangat: Anda belum dapat mengunduh bobotnya, dan Moonshot menyatakan hal itu akan berubah pada 27 Juli.

Verdict cepat:

• Apa ini: Flagship Moonshot AI, model MoE berparameter 2,8T dengan konteks 1J, input gambar dan video native, serta penalaran yang selalu aktif. ID API kimi-k3.
• Di mana unggul: penjelajahan agen (BrowseComp 91,2) dan coding jangka panjang (SWE Marathon 42,0, di atas Fable 5 dan GPT-5.6 Sol). #1 di Arena's Frontend Code Arena.
• Di mana tertinggal: FrontierSWE dan HLE-Full (Fable 5 memimpin), DeepSWE (GPT-5.6 Sol memimpin). Peringkat independen Artificial Analysis menempatkannya di #4 dari 189 secara keseluruhan.
• Biayanya: $0,30 untuk cache-hit / $3,00 untuk input baru, $15,00 untuk output per juta token. Model termahal yang pernah dirilis oleh laboratorium Tiongkok mana pun.
• Tangkapannya: open-weight secara nama, tetapi checkpoint tidak dipublikasikan hingga 27 Juli 2026. Hingga saat itu, tidak ada self-hosting dan tidak ada evaluasi pihak ketiga independen.

Jika Anda menginginkan jawaban satu baris: Kimi K3 adalah model open-weight pertama yang benar-benar bersaing dengan frontier tertutup, namun ini adalah perangkat lunak hari peluncuran dengan rilis bobot yang tertunda dan harga premium. Lanjutkan membaca untuk spesifikasi, realitas tolok ukur (termasuk catatan penting yang mengubah cara Anda membaca setiap angka), perhitungan harga, dan siapa yang sebenarnya harus menjalankannya.

Apa Itu Kimi K3?

Kimi K3 adalah model bahasa besar terbaru dari Moonshot AI, dirilis pada 16 Juli 2026. Ini adalah model Mixture-of-Experts dengan total 2,8 triliun parameter yang hanya mengaktifkan 16 dari 896 ahlinya pada setiap token, sehingga biaya komputasi per token tetap jauh di bawah apa yang akan dibutuhkan oleh model padat (dense) 2,8T. Model ini menerima teks, gambar, dan video, memiliki jendela konteks satu juta token, dan menjaga penalaran tetap aktif secara default.

Berikut adalah lembar spesifikasinya sekilas.

Cerita rekayasa yang menarik adalah desain attention-nya. Moonshot menyebutnya Kimi Delta Attention, atau KDA, mekanisme attention linear hibrida yang menurut perusahaan memberikan decoding hingga 6,3x lebih cepat dalam konteks jutaan token. K3 memasangkannya dengan tumpukan trik baru yang dinamai lab sebagai Attention Residuals, Gated MLA, dan Stable LatentMoE. Anda tidak perlu menghafal akronimnya. Intinya adalah model yang bisa tetap cepat sambil membawa konteks yang sangat besar, yang justru merupakan beban kerja yang mematahkan arsitektur lama.

Letakkan K3 berdampingan dengan model yang digantikannya dan loncatannya besar. Ini hampir melipatgandakan tiga kali jumlah parameter Kimi K2 (2,8T versus sekitar 1T), melipatgandakan empat kali jendela konteks lini K2.6 dan K2.7 (1J versus 256K), dan menambahkan input gambar dan video ke keluarga yang sebelumnya berfokus pada teks. Jika Anda mencoba Kimi versi sebelumnya dan merasa biasa saja, ini adalah hewan yang berbeda.

Tolok Ukur Kimi K3: Di Mana Ia Menang dan Di Mana Tidak

Tolak ukur peluncuran Kimi K3 memang kuat, namun juga beragam. Model ini memimpin bidang pada beberapa tugas coding dan agen, namun jelas tertinggal dari frontier tertutup pada tugas lainnya. Sebelum tabel, ada satu catatan penting yang lebih bermakna daripada skor tunggal mana pun: Moonshot menjalankan setiap model di lingkungan codingnya sendiri. K3 dinilai di KimiCode, Fable 5 di Claude Code, dan GPT-5.6 Sol di Codex. Perangkat lunak yang membungkus model mempengaruhi hasilnya, jadi bacalah ini sebagai arah tren, bukan sebagai papan peringkat yang final.

Berikut adalah angka utama coding dan agen dari tabel peluncuran Moonshot.

Baca melintasi baris dan pola muncul. K3 memenangkan pekerjaan jangka panjang yang melelahkan. Pada SWE Marathon, yang mengukur sesi rekayasa multi-jam yang berkelanjutan, 42,0 milik K3 mengalahkan GPT-5.6 Sol dan Fable 5 dengan margin yang jelas. Ini mengungguli bidang lain di Program Bench, dan juga memimpin di sisi agen, mencetak 91,2 di BrowseComp dan 91,1 di OmniDocBench, di mana Moonshot juga melaporkan posisi teratas di Automation Bench.

Di mana ia kalah? Pada DeepSWE, GPT-5.6 Sol unggul di 73,0. Pada FrontierSWE, Fable 5 jauh di depan di 86,6, meskipun perlu dicatat bahwa 81,2 milik K3 masih mengalahkan 71,3 milik Sol di sana. Tabel Moonshot sendiri mengakui bahwa K3 tertinggal dari Fable 5 pada FrontierSWE dan HLE-Full, serta tertinggal dari GPT-5.6 Sol pada DeepSWE. Ini bukan model yang mengalahkan frontier di semua tempat. Ini adalah model yang mengalahkannya di beberapa tempat, sesuatu yang belum benar-benar dicapai oleh rilis open-weight sebelumnya.

Pembacaan independen mendukung hal itu. Artificial Analysis memberi skor K3 57 pada Intelligence Index-nya dan menempatkannya di peringkat #4 dari 189 model, di belakang Claude Fable 5 dan dua pengaturan penalaran GPT-5.6 Sol, tetapi di depan Claude Opus 4.8. Kecepatan output terukurnya cukup sederhana, yaitu 62 token per detik. Di sisi preferensi manusia, finis #1 K3 di Arena's Frontend Code Arena adalah yang paling menonjol, karena peringkat itu berasal dari pengembang yang memilih output front-end nyata daripada skor yang dilaporkan sendiri.

Pengembang independen Simon Willison menjalankan K3 melalui tes SVG pelican-on-a-bicycle miliknya pada hari peluncuran. Model tersebut menghasilkan hasil yang solid dan menulis teks alt yang akurat untuk gambarnya sendiri, yang menunjukkan kemampuan visinya yang baik. Dia juga menyoroti kejutan biaya yang akan kita bahas di bagian harga, dan mengingatkan pembaca bahwa tes SVG cepat tidak memberitahu Anda apa-apa tentang pemanggilan alat agen, yang merupakan tempat model seperti ini membuktikan nilainya. Peringatan yang adil.

Kimi K3 vs Fable 5, GPT-5.6 Sol, DeepSeek dan Qwen

Jadi di mana posisi K3 di lapangan yang lebih luas? Dua perbandingan penting: melawan frontier tertutup, dan melawan model open-weight sesama Tiongkok.

Melawan frontier, framing yang jujur adalah "berdekatan dengan frontier, bukan puncak frontier." Claude Fable 5 dan GPT-5.6 Sol masih memimpin peringkat kecerdasan agregat, dan Fable 5 mempertahankan keunggulan nyata pada evaluasi penalaran tersulit dan coding frontier. Apa yang berubah dengan K3 adalah kesenjangan menyempit menjadi pertukaran tolok ukur tunggal daripada jurang kategori. Bagi model yang dapat diunduh untuk memimpin SWE Marathon dan menduduki puncak voting coding front-end buta adalah wilayah baru.

Melawan rekan-rekan open-weight-nya, K3 adalah batas tertinggi baru dalam kemampuan mentah, tetapi bukan pilihan default yang jelas untuk setiap pekerjaan. Jika Anda menimbang opsi open-weight Tiongkok sebagai kelompok, perbandingan Qwen vs DeepSeek vs GLM kami menguraikan bagaimana ketiga keluarga tersebut membagi pasar: Qwen untuk jejak self-hosting paling ringan dan lisensi paling permisif, DeepSeek untuk token termurah, GLM untuk coding praktis. K3 sekarang berada di atas semuanya pada tolok ukur puncak, dan di atas mereka dalam harga juga. Ini adalah opsi premium dalam kategori yang membangun reputasinya karena murah.

Untuk lapangan yang lebih luas termasuk model yang benar-benar mengalahkan kualitas kelas GPT-4, ringkasan LLM open-source terbaik untuk 2026 kami menempatkan klaim K3 dalam konteks. Versi singkatnya: K3 menaikkan plafon untuk bobot terbuka, tetapi "bobot terbuka" dan "murah" secara resmi berhenti menjadi hal yang sama.

Harga Kimi K3 dan Matematika Cache-Hit

Di sinilah K3 menjadi kontroversial. Moonshot mematok harganya $0,30 per juta token input cache-hit, $3,00 per juta token input baru, dan $15,00 per juta token output, rata di seluruh konteks satu juta token.

Jajarkan dengan model yang digantikannya dan pergeserannya mencolok.

Itu kira-kira kenaikan 3x pada input dan hampir 4x pada output dibandingkan K2.6. Willison mencatat bahwa tarif $3/$15 berada di tier yang sama dengan Claude Sonnet. The Decoder menyebut K3 sebagai sinyal bahwa era AI Tiongkok super-murah sedang berakhir. Jika alasan utama Anda menjalankan model Tiongkok adalah harga, K3 akan membuat Anda berpikir dua kali.

Namun tingkat cache-hit adalah angka yang menentukan tagihan nyata Anda, jadi mari kita hitung matematika pada loop agen yang realistis, menggunakan tarif yang diterbitkan Moonshot. Katakanlah agen coding Anda membaca konteks codebase 200.000 token dan menulis 8.000 token output, dan melakukannya 20 kali sehari:

• Cache-miss (pembacaan dingin pertama): 200.000 token input seharga $3,00/J adalah $0,60, ditambah 8.000 token output seharga $15,00/J adalah $0,12. Itu sekitar $0,72 per panggilan, atau $14,40 sehari.
• Cache-hit (konteks berulang, kasus umum dalam sesi coding): 200.000 token input seharga $0,30/J adalah $0,06, ditambah $0,12 output yang sama. Itu sekitar $0,18 per panggilan, atau $3,60 sehari.

Ekonomi cache memotong tagihan input sekitar sepuluh kali lipat, dari $0,60 menjadi $0,06 per panggilan. Moonshot melaporkan lebih dari 90% cache hit dalam beban kerja coding, yang merupakan skenario yang membuat K3 terjangkau daripada membuat mata terbelalak. Pelajaran untuk anggaran Anda: K3 mahal pada panggilan dingin satu kali dan masuk akal di dalam loop yang hangat dan berat konteks.

Satu lagi jebakan biaya yang disorot Willison. K3 hanya menampilkan satu level penalaran "max" hari ini, dan token penalaran ditagihkan pada tarif output. Tes SVG sederhananya membakar 13.241 token penalaran di atas 3.417 token output, sehingga prompt sepele memakan biaya sekitar 25 sen. Belum ada mode "penalaran rendah" yang murah, yang berarti K3 membayar lebih untuk pertanyaan mudah. Jika kontrol biaya adalah prioritas Anda, panduan kami tentang harga API LLM dan cara mengurangi biaya API LLM berlaku langsung di sini: lakukan cache secara agresif, arahkan panggilan sepele ke model yang lebih murah, dan simpan K3 untuk pekerjaan konteks panjang yang sulit di mana ia layak mendapatkan harga premium.

Bobot Terbuka: Apa Arti "Terbuka" Sebenarnya Di Sini

Ini adalah bagian yang dilewati judul-judul peluncuran. Kimi K3 diumumkan sebagai model open-weight, dan Moonshot memiliki rekam jejak nyata dalam mengirimkan checkpoint yang dapat diunduh. Namun per 17 Juli 2026, bobot K3 belum publik. Organisasi Hugging Face Moonshot masih hanya mencantumkan checkpoint seri K2. Perusahaan mengatakan bobot penuh akan tiba pada 27 Juli 2026.

Mengapa celah itu penting? Tiga alasan praktis:

• Belum ada self-hosting. Anda tidak dapat menjalankan K3 pada perangkat keras Anda sendiri atau cluster pribadi hingga bobotnya dirilis. Untuk tim dengan persyaratan residensi data atau air-gap, K3 hanya API untuk saat ini, yang menggagalkan sebagian besar alasan mengapa Anda akan memilih model terbuka. Ketika bobotnya tiba, panduan kami tentang alat terbaik untuk menjalankan LLM secara lokal dan menjalankan LLM secara lokal akan membantu Anda memulai, meskipun model berparameter 2,8T adalah kelas cluster, bukan kelas laptop.
• Belum ada evaluasi independen. Setiap tolok ukur K3 yang Anda lihat dijalankan oleh vendor, di lingkungan Moonshot sendiri. Angka pihak ketiga yang serius tentang hal-hal seperti HLE atau tugas khusus agen tidak dapat ada hingga lab luar memiliki bobot untuk diuji. Perlakukan tabel peluncuran sebagai klaim kuat, bukan hasil yang diverifikasi.
• Ketentuan lisensi masih settling. Rilis Kimi sebelumnya menggunakan lisensi permisif, tetapi konfirmasikan lisensi K3 yang tepat terhadap kartu model resmi ketika checkpoint diterbitkan, terutama jika Anda merencanakan penyebaran komersial.

Tidak ada dari ini yang membuat K3 kurang mengesankan. Ini berarti bahwa jika rencana Anda bergantung pada mengunduh dan fine-tuning model, evaluasi nyata Anda dimulai pada 27 Juli, bukan 16 Juli.

Bagaimana Kami Mengevaluasi Kimi K3 untuk Pekerjaan Klien

Catatan singkat tentang asal-usul ulasan ini, dan di mana batasnya. Di Techsy, kami menghubungkan LLM pihak ketiga ke pipeline produksi untuk klien B2B, biasanya melalui endpoint yang kompatibel dengan OpenAI-SDK sehingga kami dapat mengganti model tanpa membangun ulang plumbing. K3 cocok dengan jalur itu dengan rapi: ini mengekspos API yang kompatibel dengan OpenAI dengan id model kimi-k3, sehingga memasukkannya ke integrasi yang ada untuk uji coba adalah perubahan konfigurasi, bukan penulisan ulang.

Setiap kali model baru tiba, kami menjalankannya melalui evaluasi tetap yang sama pada tugas-tugas representatif klien sebelum kami merekomendasikan apa pun. Dan inilah batas jujur dari ulasan ini: kami belum menerbitkan skor K3 kami sendiri. Bobotnya belum keluar, tolok ukur peluncuran dijalankan vendor di lingkungan Moonshot sendiri, dan angka yang adil membutuhkan setup netral pada tugas-tugas yang terlihat seperti pekerjaan klien nyata, bukan papan peringkat. Mengutip tolok ukur pihak pertama dari model berusia satu hari dengan bobot tertunda adalah persis jenis angka yang kami katakan kepada klien untuk tidak dipercaya.

Apa yang dapat kami evaluasi hari ini dari API live adalah bagian yang tidak membutuhkan papan peringkat: permukaan integrasi, model biaya, dan mode kegagalan. Perhitungan harga di atas adalah perhitungan kami sendiri dari tarif yang diterbitkan Moonshot, bukan tolok ukur, dan itu sudah memberitahu Anda kebenaran operasional: disiplin cache adalah perbedaan antara K3 yang terjangkau dan menjadi masalah anggaran. Jika Anda ingin bantuan untuk mengetahui apakah model seperti K3 cocok dalam tumpukan teknologi Anda, itulah jenis evaluasi yang kami lakukan di praktik integrasi AI Techsy, dan Anda dapat memesan konsultasi gratis untuk membicarakannya.

Siapa yang Harus Menggunakan Kimi K3 (dan Siapa yang Tidak)

Kimi K3 adalah fit yang kuat untuk serangkaian pekerjaan tertentu dan fit yang buruk untuk yang lain. Cocokkan dengan beban kerja aktual Anda.

Pilih K3 jika:

• Anda menjalankan penjelajahan agen atau riset. Kepemimpinannya di BrowseComp dan Automation Bench, plus bacaan riset agen independen teratas, menjadikannya opsi open-weight paling mampu untuk agen yang menggunakan alat saat ini.
• Anda melakukan coding jangka panjang. SWE Marathon adalah tolok ukur yang mencerminkan sesi rekayasa multi-jam, dan K3 memimpinnya. Jika agen Anda bekerja melintasi codebase besar selama run panjang, ini adalah wilayah kekuasaannya.
• Anda menginginkan model open-weight yang berdekatan dengan frontier dan bisa menunggu bobotnya. Jika self-hosting model open top-tier pada 27 Juli adalah tujuannya, K3 adalah kandidat paling mampu yang tersedia.

Tunda jika:

• Anda membutuhkan bobotnya hari ini. Hingga 27 Juli, K3 hanya API. Model yang sudah dapat diunduh melayani Anda lebih baik minggu ini.
• Anda menjalankan lalu lintas volume tinggi yang sensitif terhadap biaya. Dengan satu level penalaran mahal dan harga output premium, K3 membayar lebih untuk panggilan sederhana. Kimi K2.7-Code atau model open yang lebih murah menang pada pekerjaan massal.
• Anda memerlukan evaluasi independen yang terbukti sebelum adopsi. Angka peluncuran dijalankan vendor. Jika proses Anda menuntut verifikasi pihak ketiga, berikan waktu beberapa minggu.

Pertanyaan yang Sering Diajukan

Apa itu Kimi K3?

Kimi K3 adalah model bahasa besar flagship dari Moonshot AI, dirilis pada 16 Juli 2026. Ini adalah model Mixture-of-Experts berparameter 2,8 triliun yang mengaktifkan 16 dari 896 ahli per token, mendukung jendela konteks 1J token, dan menerima input teks, gambar, dan video dengan penalaran selalu aktif.

Apakah Kimi K3 open source?

Kimi K3 diumumkan sebagai model open-weight, tetapi bobotnya tidak publik per 17 Juli 2026. Moonshot mengatakan checkpoint penuh akan dirilis pada 27 Juli 2026. Hingga saat itu hanya tersedia melalui aplikasi Kimi dan API, jadi Anda belum dapat self-hosting.

Bagaimana Kimi K3 berbeda dari Kimi K2?

K3 hampir melipatgandakan tiga kali jumlah parameter K2 (2,8 triliun versus sekitar 1 triliun), melipatgandakan empat kali jendela konteks lini K2.6 dan K2.7 (1J versus 256K token), dan menambahkan input gambar dan video native ke keluarga yang sebelumnya berfokus pada teks. Ini juga memperkenalkan desain Kimi Delta Attention yang baru.

Berapa harga Kimi K3?

Moonshot mematok harga K3 $0,30 per juta token input cache-hit, $3,00 per juta token input baru, dan $15,00 per juta token output. Itu kira-kira tiga kali lipat harga input K2.6 dan hampir empat kali lipat harga outputnya, menjadikan K3 model termahal yang dirilis oleh laboratorium Tiongkok.

Berapa jendela konteks Kimi K3?

Kimi K3 mendukung jendela konteks satu juta token, dan harga tetap rata di seluruh jendela penuh tersebut. Model ini menggunakan desain attention baru bernama Kimi Delta Attention, yang menurut laporan Moonshot memberikan decoding hingga 6,3x lebih cepat pada panjang konteks jutaan token.

Bisakah saya menjalankan Kimi K3 secara lokal?

Belum. Bobotnya tidak publik hingga 27 Juli 2026. Setelah itu, self-hosting secara teknis mungkin, tetapi model berparameter 2,8 triliun membutuhkan perangkat keras kelas cluster daripada workstation tunggal, jadi sebagian besar tim masih akan mengaksesnya melalui API.

Apakah Kimi K3 benar-benar lebih baik dari Fable 5?

Tergantung pada tugasnya. K3 mengalahkan Claude Fable 5 pada SWE Marathon, Program Bench, dan voting coding front-end buta Arena. Fable 5 masih memimpin di FrontierSWE, HLE-Full, dan peringkat kecerdasan agregat keseluruhan. Setiap tolok ukur peluncuran juga dijalankan di lingkungan masing-masing vendor, jadi perlakukan kemenangan tolok ukur tunggal sebagai arah tren.

Apakah Kimi K3 bagus untuk coding?

Ya, terutama untuk sesi coding jangka panjang yang berkelanjutan dan pekerjaan front-end, di mana ia saat ini memimpin. Ini juga kuat pada tugas agen dan terminal. Kerugian utamanya adalah biaya: dengan satu level penalaran mahal, ia membayar lebih untuk panggilan sepele, jadi pasangkan dengan model yang lebih murah untuk pekerjaan rutin volume tinggi.

Bagaimana cara mengakses Kimi K3?

Anda dapat menggunakan Kimi K3 melalui aplikasi web Kimi, Kimi Work, dan Kimi Code, atau melalui API dengan id model kimi-k3. API ini kompatibel dengan OpenAI-SDK, jadi menambahkannya ke integrasi bergaya OpenAI yang ada sebagian besar adalah perubahan konfigurasi.

Tentang Penulis

Mert Batur Gurbuz, Co-Founder, Techsy.io (University of Birmingham). Terhubung di LinkedIn.

Mert Batur Gurbuz adalah Co-Founder Techsy.io, di mana timnya mengirimkan agen AI, sistem otomasi, dan pipeline voice/SDR untuk klien B2B. Ia belajar di University of Birmingham dan menulis tentang tumpukan alat LLM yang benar-benar digunakan tim Techsy dalam produksi.

Poin Penting

• Kimi K3 adalah model open-weight pertama yang benar-benar bersaing dengan frontier tertutup, memimpin SWE Marathon dan menduduki puncak voting coding front-end buta Arena di atas Claude Fable 5.
• Ini berdekatan dengan frontier, bukan puncak frontier. Artificial Analysis independen menempatkannya di peringkat #4 dari 189, dan ia tertinggal dari Fable 5 pada tes penalaran tersulit dan coding frontier.
• Terbuka secara nama, tertunda dalam praktik. Bobot tidak dipublikasikan hingga 27 Juli 2026, jadi tidak ada self-hosting dan tidak ada evaluasi independen hingga saat itu.
• Harga mengakhiri era AI-Tiongkok-murah. Pada $3/$15 per juta token, disiplin cache adalah apa yang membuat K3 terjangkau; anggarkan untuk loop yang hangat dan berat konteks, bukan panggilan satu kali yang dingin.
• Terbaik untuk riset agen dan coding jangka panjang. Jika Anda membutuhkan bobot hari ini atau menjalankan lalu lintas volume tinggi yang sensitif terhadap biaya, tunggu atau pilih model yang lebih murah. Bicara dengan kami jika Anda ingin bantuan memutuskan.