AI Nieuws5 minGevorderd

Kimi K3: Chinees open model verslaat Amerikaanse top en komt vrij beschikbaar

Moonshot AI bracht Kimi K3 uit: 2,8 biljoen parameters, het grootste open-weight model ooit, dat topmodellen als Claude Fable 5 verslaat. Wat dat betekent.

Miniatuur diorama-illustratie bij artikel 'Kimi K3: Chinees open model verslaat Amerikaanse top en komt vrij beschikbaar'

Terwijl de aandacht vaak naar Amerikaanse AI-labs gaat, kwam het grootste open model ooit deze maand 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: de gewichten worden vrijgegeven, uiterlijk 27 juli.

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 scoort het model 57 en staat het vierde van 189 modellen — op gelijke hoogte met Claude Opus 4.8 en GPT-5.5, en alleen achter Claude Fable 5 en GPT-5.6 Sol.

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 belooft de open weights uiterlijk 27 juli 2026 vrij te geven, 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, wacht op de open weights en op cloudaanbieders die het model gaan hosten; 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. 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.

Veelgestelde vragen

Wat is Kimi K3?

Kimi K3 is een AI-model van het Chinese bedrijf Moonshot AI, uitgebracht op 16 juli 2026. Met een gerapporteerde 2,8 biljoen parameters noemt het bedrijf het het grootste open-weight AI-systeem ooit gebouwd. Het gebruikt een Mixture-of-Experts-ontwerp, heeft een contextvenster van 1 miljoen tokens en accepteert tekst, beeld en video als invoer. Moonshot presenteert het als het eerste 'open 3T-klasse model', dat de kroon overneemt van DeepSeek's v4 Pro.

Is Kimi K3 echt beter dan Amerikaanse topmodellen?

Op sommige punten wel. Kimi K3 pakte de eerste plek in de Frontend Code Arena met 1.679 punten, vóór Claude Fable 5 (1.631), GPT-5.6 Sol (1.618) en GLM-5.2 (1.587). Op de bredere Artificial Analysis Intelligence Index scoort het model 57 en staat het vierde van 189 modellen — op gelijke hoogte met Claude Opus 4.8 en GPT-5.5, en alleen achter Claude Fable 5 en GPT-5.6 Sol. Het evenaart de Amerikaanse top dus, en verslaat die op specifieke taken zoals frontend-code.

Wat betekent 'open-weight' en waarom is dat belangrijk?

Open-weight betekent dat de getrainde parameters (de 'gewichten') van het model publiek beschikbaar komen, zodat iedereen het zelf kan downloaden, draaien en aanpassen — in plaats van het alleen via een betaalde API van de maker te gebruiken. Dat is belangrijk voor privacy (je kunt het lokaal draaien), voor kosten en voor onafhankelijkheid van één leverancier. Moonshot belooft de open weights van Kimi K3 uiterlijk 27 juli 2026 vrij te geven.

Kan ik Kimi K3 zelf gebruiken?

Zodra de open weights zijn vrijgegeven — beloofd vóór 27 juli 2026 — kan wie over voldoende hardware beschikt het model zelf draaien. In de praktijk is 2,8 biljoen parameters fors: het volledige model draaien vergt zware infrastructuur. Voor de meeste gebruikers zal toegang lopen via cloudaanbieders die het model hosten, of via Moonshots eigen Kimi-chatbot. Het Mixture-of-Experts-ontwerp helpt: niet alle parameters zijn per vraag actief, wat het draaien efficiënter maakt dan de totale omvang doet vermoeden.

Waarom is een Chinees open model belangrijk voor Europa?

Sterke open-weight modellen geven Europese bedrijven en ontwikkelaars een alternatief voor de gesloten API's van Amerikaanse aanbieders. Je kunt ze lokaal of bij een Europese cloudpartij draaien, wat helpt bij dataprivacy en bij het verminderen van afhankelijkheid van één land of bedrijf. Tegelijk roept een Chinees model vragen op rond herkomst, training en governance — reden om het naast de kansen ook kritisch te wegen voordat je het in gevoelige toepassingen inzet.

Bronnen

Waar deze informatie vandaan komt.