Kimi ra mắt mô hình K3: Hiệu năng tiệm cận GPT-5.6, chấm dứt kỷ nguyên AI Trung Quốc giá rẻ

Kimi vừa ra mắt K3, một mô hình đa phương thức với 2,8 nghìn tỷ tham số và cửa sổ ngữ cảnh lên tới một triệu token. Trong các bài kiểm tra đánh giá của chính công ty, mô hình này đạt hiệu suất ngang bằng với các mô hình độc quyền hàng đầu.

Theo Kimi, mô hình chủ lực mới K3 có tổng cộng 2,8 nghìn tỷ tham số, có khả năng xử lý hình ảnh và video nguyên bản, đồng thời hỗ trợ cửa sổ ngữ cảnh một triệu token. Kimi gọi K3 là mô hình mở đầu tiên nằm trong phạm vi khoảng 3 nghìn tỷ tham số. Trọng số đầy đủ của mô hình dự kiến sẽ được phát hành trước ngày 27 tháng 7. Mô hình này hướng tới các tác vụ lập trình dài hạn, công việc tri thức và suy luận phức tạp.

Trong các bài kiểm tra của Kimi, K3 vẫn xếp sau các mô hình độc quyền hàng đầu là Claude Fable 5 và GPT 5.6 Sol, nhưng vượt qua mọi hệ thống khác được thử nghiệm, bao gồm cả các mô hình Claude Opus và đối thủ cạnh tranh từ Trung Quốc là GLM-5.2. Theo công ty, tất cả kết quả đều do Kimi cung cấp và đạt được ở cường độ suy luận tối đa hoặc cao.

Trong tổng số 35 bài kiểm tra, K3 giành vị trí thứ nhất khoảng bảy lần và đứng thứ hai hoặc thứ ba trong hầu hết các bài kiểm tra còn lại. Fable 5 giành chiến thắng ở nhiều bài kiểm tra cá nhân nhất. Trong gần như mọi tiêu chuẩn đánh giá, K3 đã vượt xa Opus 4.8, GPT 5.5 và GLM 5.2 với khoảng cách lớn. Tùy thuộc vào bài kiểm tra, một trong ba hệ thống tác nhân (agent) đã được sử dụng: KimiCode, Claude Code hoặc Codex. Điều này có nghĩa là các kết quả không được thu thập trong cùng một điều kiện đồng nhất.

Artificial Analysis xác nhận hiệu suất mạnh mẽ của K3 nhưng cảnh báo về tỷ lệ ảo giác cao hơn.

Phòng thí nghiệm kiểm thử độc lập Artificial Analysis đã công bố đánh giá đầu tiên về Kimi K3. Mô hình đạt 57 điểm trên Chỉ số Trí tuệ (Intelligence Index) của Artificial Analysis, ngang bằng với Opus 4.8 và GPT-5.5 nhưng vẫn đứng sau Fable 5 và GPT-5.6 Sol. Kết quả này phần lớn trùng khớp với các tuyên bố của Kimi.

Đối với các tác vụ tác nhân (agentic tasks), K3 đạt mức Elo 1.668 trên GDPval v2, một bước nhảy vọt so với mức 1.190 của K2.6. Nó vượt qua GLM-5.2 (1.514), GPT-5.5 (1.494) và Claude Opus 4.8 (1.600), mặc dù vẫn chưa bằng Claude Fable 5 (1.760). K3 cũng chiếm vị trí dẫn đầu trên AutomationBench-AA, phiên bản đánh giá quy trình làm việc SaaS tác nhân của Zapier do Artificial Analysis thực hiện, với số điểm 53%.

Trên AA-Briefcase, một bài đánh giá công việc tri thức dài hạn riêng tư, K3 đạt mức Elo tổng thể là 1.547, tăng 732 điểm so với K2.6. Chỉ có Claude Fable 5 đạt điểm cao hơn. Artificial Analysis gọi K3 là một mô hình toàn diện, với khả năng chấm điểm theo tiêu chí và chất lượng phân tích gần bằng mức của Fable 5. Tuy nhiên, GPT-5.6 Sol vẫn dẫn đầu về chất lượng trình bày.

Tỷ lệ chính xác của K3 đã cải thiện từ 33% lên 46% trên Chỉ số AA-Omniscience, đẩy điểm tổng thể từ +6 lên +18. Nhưng tỷ lệ ảo giác của nó lại tăng từ 39% lên 51%, nghĩa là K3 tạo ra nhiều câu trả lời sai lệch hơn ngay cả khi nó trả lời đúng nhiều câu hỏi hơn.

K3 hướng tới các dự án phát triển toàn diện thay vì chỉ các đoạn mã nhỏ.

Theo Kimi, trường hợp sử dụng chính của mô hình là phát triển phần mềm dài hạn với sự giám sát tối thiểu từ con người. K3 được xây dựng để phân tích các cơ sở mã (codebase) lớn, điều phối các công cụ dòng lệnh và duy trì sự tập trung vào một tác vụ qua nhiều bước làm việc.

Mô hình kết hợp lập trình với phản hồi hình ảnh: nó kiểm tra ảnh chụp màn hình, sửa đổi mã, sau đó kiểm tra kết quả đầu ra hiển thị. Kimi gọi hệ thống vòng lặp kín này là "Vision in the Loop" và định vị nó như một nền tảng cho phát triển trò chơi, thiết kế giao diện người dùng (UI) và CAD.

Để làm bản demo, Kimi trình diễn một trò chơi thế giới mở 3D được tạo theo thủ tục mà K3 được cho là đã xây dựng hoàn toàn trong trình duyệt bằng Three.js, WebGPU và GPU Compute, cùng với một mô hình trực quan hóa hố đen tương tác. Đối với bản demo thế giới mở, K3 đã tạo môi trường theo thủ tục và sử dụng một công cụ bên ngoài để tạo các mô hình 3D của người cưỡi và con ngựa. Các bản demo khác bao gồm mô phỏng vụ phóng và quay trở lại của tên lửa Long March 10, cùng với một trình giả lập Game Boy Advance.

K3 sử dụng kiến trúc hỗn hợp chuyên gia (mixture-of-experts) chỉ kích hoạt 16 trong số 896 chuyên gia tại một thời điểm. Nó được kết hợp với một kiến trúc chú ý mới có tên là Kimi Delta Attention, mà Kimi cho biết cho phép giải mã nhanh hơn tới 6,3 lần đối với các ngữ cảnh triệu token. Các "phần dư chú ý" (attention residuals) được cho là giúp tăng hiệu quả đào tạo lên khoảng 25% trong khi chỉ thêm dưới 2% chi phí tính toán bổ sung.

Các nhà cung cấp Trung Quốc cũng đang tăng giá cho các mô hình tiên phong.

Theo tài liệu API của Kimi, một triệu token đầu vào có giá 0,30 USD với cache hit và 3,00 USD nếu không có. Một triệu token đầu ra, bao gồm cả suy luận, có giá 15,00 USD. Những mức giá này áp dụng bất kể độ dài ngữ cảnh. Việc lưu vào bộ nhớ đệm (caching) diễn ra tự động, giúp các tiền tố dài không thay đổi trở nên đặc biệt hữu ích cho các tác nhân và cơ sở mã lớn.

Điều đó đưa K3 lên mức giá cao hơn nhiều so với người tiền nhiệm K2.6, vốn có giá chính thức là 0,16 USD mỗi triệu token với cache hit, 0,95 USD nếu không có và 4,00 USD cho đầu ra. Các nhà cung cấp Trung Quốc cũng không còn cung cấp các mô hình tiên phong của họ với mức giá rẻ mạt nữa.

Tuy nhiên, K3 vẫn rẻ hơn nhiều so với các mô hình hàng đầu của phương Tây và nằm ở phân khúc tầm trung cao cấp. Ví dụ, Sonnet 5 mới của Anthropic cũng có giá 3 USD cho mỗi triệu token đầu vào và 15 USD cho đầu ra nhưng mang lại hiệu suất thấp hơn.

Theo Artificial Analysis, K3 có giá trung bình 0,94 USD mỗi tác vụ trên Chỉ số Trí tuệ, gần bằng GPT-5.6 Sol ở mức 1,04 USD và bằng khoảng một nửa giá của Opus 4.8 ở mức 1,80 USD. Tuy nhiên, mức giá này cao hơn nhiều so với các đối thủ có trọng số mở như GLM-5.2 (0,32 USD) và DeepSeek V4 Pro (0,04 USD).

K3 cũng sử dụng ít token hơn so với người tiền nhiệm. Nó cần khoảng 132 triệu token đầu ra để hoàn thành tất cả chín bài đánh giá, giảm từ khoảng 166 triệu của K2.6, tức là giảm 21% trong khi đạt số điểm cao hơn 13 điểm. Do giá token cao hơn nhiều, K3 có khả năng vẫn sẽ tốn kém hơn mỗi tác vụ so với K2.6 trong hầu hết các trường hợp.

Khả dụng

K3 hiện đã có sẵn thông qua Kimi.com, ứng dụng di động cho iOS, Android và HarmonyOS, ứng dụng máy tính Kimi Work (phiên bản 3.1.0 trở lên) và Kimi Code. Trên OpenRouter, mô hình được liệt kê dưới định danh "moonshotai/kimi-k3", mặc dù hiện tại nó chỉ được cung cấp ở đó thông qua chính Moonshot. Các trọng số mở dự kiến sẽ có vào cuối tháng 7.

Đối với doanh nghiệp, Kimi cung cấp một phiên bản riêng biệt với tính năng quản lý thành viên và khả năng tách biệt tài khoản cá nhân và doanh nghiệp. Một nền tảng có kế hoạch mang tên Kimi Hosted Agent sẽ cung cấp các môi trường và thời gian chạy cô lập cho các tác vụ dài hạn. Người dùng quan tâm có thể đăng ký vào danh sách chờ ngay bây giờ.