Update 25 september 2026 Gecorrigeerd: op de Artificial Analysis-index scoorde Kimi K3 bij de lancering één punt boven Claude Opus 4.8, niet gelijk, en GPT-5.5 hoort niet in dat rijtje (bron). Sinds 18 september 2026 is K3 ook via Amazon Bedrock te gebruiken. En op 10 september beschuldigde Anthropic Moonshot ervan via duizenden accounts antwoorden van Claude te hebben verzameld (bron).
Update 18 september 2026 Moonshot heeft de belofte ingelost: sinds 27 juli 2026 staan de gewichten van Kimi K3 op Hugging Face. Het gaat om een eigen licentie (de Kimi K3 License), niet om een standaard open-source-licentie; lees de voorwaarden dus voordat je het zakelijk inzet. Volgens de modelkaart zijn per token 104 miljard van de 2,8 biljoen parameters actief.
Terwijl de aandacht vaak naar Amerikaanse AI-labs gaat, kwam het grootste open model ooit in juli 2026 uit China. Moonshot AI bracht op 16 juli 2026 Kimi K3 uit: met 2,8 biljoen parameters het grootste open-weight AI-systeem ooit gebouwd, dat op meerdere benchmarks de Amerikaanse top evenaart of verslaat (Bron: VentureBeat). En het belangrijkste voor iedereen die met AI bouwt: Moonshot gaf op 27 juli 2026 de gewichten vrij.
Wat de cijfers zeggen
Kimi K3 pakte de eerste plek in de Frontend Code Arena met 1.679 punten en liet daarmee Claude Fable 5 (1.631), GPT-5.6 Sol (1.618) en GLM-5.2 (1.587) achter zich (Bron: Tom’s Hardware). Op de bredere Artificial Analysis Intelligence Index scoorde het model bij de lancering 57 punten: vlak achter Claude Fable 5 (60) en GPT-5.6 Sol (59), en één punt boven Claude Opus 4.8 (56). Artificial Analysis heeft de index sindsdien herzien, dus die getallen zijn een momentopname (Bron: The Decoder).
Kortom: op frontend-code is het model nummer één, en over de hele linie zit het in de absolute top. Dat een openlijk gepubliceerd model dat niveau haalt, was tot voor kort ondenkbaar.
Gevorderden Kimi K3 gebruikt een Mixture-of-Experts-ontwerp met 2,8 biljoen totale parameters en een contextvenster van 1 miljoen tokens. Bij MoE is niet het hele model per vraag actief: een router kiest een subset van “experts” — waardoor de effectieve rekenkosten per token veel lager liggen dan de totale omvang doet vermoeden. Dat maakt zo’n gigant überhaupt betaalbaar om te draaien.
Waarom “open” hier het echte nieuws is
Een topmodel dat de benchmarks aanvoert is nieuws. Een topmodel waarvan je de gewichten mag downloaden, is een verschuiving. Moonshot gaf de open weights op 27 juli 2026 vrij en noemt Kimi K3 het eerste “open 3T-klasse model”, waarmee het de kroon overneemt van DeepSeek’s v4 Pro (Bron: VentureBeat).
Open-weight betekent dat je het model zelf kunt draaien, aanpassen en lokaal inzetten in plaats van het alleen via een betaalde API te gebruiken. Voor privacy, kosten en onafhankelijkheid van één leverancier is dat aantrekkelijk. Dat China deze route kiest terwijl het rond Amerikaanse rekenchips beperkingen ondervindt, past in een bredere lijn die we eerder beschreven in DeepSeek V4 Pro verlaagt de prijs met 75 procent: open modellen als hefboom tegen een gesloten, dure markt.
Wat dit voor jou betekent
Voor Europese bedrijven en ontwikkelaars geeft een sterk open model een alternatief voor de gesloten API’s van Amerikaanse aanbieders: je kunt het lokaal of bij een Europese cloudpartij draaien, wat helpt bij dataprivacy en het verminderen van afhankelijkheid. Of Europa vrije toegang tot deze modellen houdt, hangt mede af van Washington: bijna 200 Amerikaanse start-ups verzetten zich tegen een verbod op Chinese open modellen. Wie het praktisch wil inzetten, kan de open weights downloaden of kiezen voor een cloudaanbieder die het model host; het volledige model zelf draaien vergt zware infrastructuur.
Tegelijk is nuchterheid op zijn plaats. Een Chinees model roept vragen op rond herkomst, trainingsdata en governance. Dat is niet theoretisch: volgens Anthropic stuurde Moonshot in een periode van tien dagen via zo’n 5.000 accounts bijna 300.000 verzoeken naar Claude, bedoeld om de redeneringen van dat model af te tappen (Bron: TechCrunch). De kansen (topprestaties, open toegang, lagere kosten) zijn reëel, maar weeg ze in gevoelige toepassingen kritisch tegen die vragen af. Wie meer wil weten over hoe open modellen zich verhouden tot de gesloten concurrentie, kan onze stand van open-source AI in 2026 erbij pakken.