Kimi K3 Açık Gün: 2.8 Trilyon Parametre, Şimdi Açık Ağırlık

27 Temmuz 2026’da Moonshot AI, Kimi K3 Open Day’i düzenledi ve üç bağlantılı duyuruyu açıkladı: Kimi K3 model ağırlıkları, resmi teknik duyuru ve üç altyapı teknolojisi: MoonEP, FlashKDA ve AgentEnv. Etkinlikte Kimi K3 yalnızca yeni bir büyük ölçekli model olarak değil; model erişimi, mimari ve dağıtım altyapısını da kapsayan bir sürüm olarak konumlandırıldı.

Manşet teknik özellikleri net: Kimi K3, 2,8 trilyon parametreli bir açık-ağırlık (open-weight) model olup Uzman Karışımı (Mixture of Experts, MoE) mimarisi üzerine inşa edilmiştir. Moonshot AI, 896 uzman, her token başına etkinleştirilen 16 uzman, 1M token’lık bağlam penceresi, 3:1 oranında KDA + AttnRes, MoonViT-V2 ve bildirilen %2,5 ölçekleme verimliliği iyileştirmesini de dahil olmak üzere önemli teknik ayrıntıları açıkladı.

açık-ağırlık (open-weight) terimi önemlidir. Açık-ağırlık, eğitilmiş model ağırlıklarının belirlenen koşullar altında erişilebilir hale getirilmesi demektir. Bu, modelin otomatik olarak tamamen açık kaynak olduğu anlamına gelmez; bu genellikle kaynak kod, eğitim verileri, araçlar ve yeniden üretim (reproduction) hatları gibi alanlarda daha geniş erişim gerektirir. Yine de açık-ağırlık erişimi, geliştiricilerin ve kuruluşların büyük bir yapay zekâ modelini nasıl dağıttığını, nasıl incelediğini ve onun etrafında nasıl inşa ettiğini değiştirebilir.

Moonshot AI, bu yaklaşımın değerini “açık-ağırlık modeller... zekâya erişim eşiğini düşürür, inovasyonu hızlandırır ve kullanıcılara veri, gizlilik ve sahiplik konusunda daha fazla kontrol sağlar.” şeklinde özetledi.

Open Day Etkinliği: Üç Temel Yayın

Kimi K3 Open Day, üç yayın kategorisi etrafında şekillendi.

İlk olarak Moonshot AI, Kimi K3 model ağırlıklarını yayınladı. Bu, çekirdek açık-ağırlık duyurusudur. Geliştiriciler için ağırlıklara erişim, barındırılan yalnızca bir API’ye kıyasla daha esnek dağıtım sağlayabilir; özellikle ekipler altyapı, gecikme (latency), gizlilik veya veri barındırma (data residency) üzerinde kontrol gerektiğinde.

İkinci olarak Moonshot AI, Kimi K3 teknik raporunu yayımladı. Bu önemlidir; çünkü büyük model duyuruları yalnızca parametre sayısına göre değerlendirilemez. Mimari, yönlendirme (routing) stratejisi, uzun bağlam tasarımı, çok-modlu yetenek ve verimlilik iddiaları, modelin pratikte işe yarayıp yaramadığını belirler.

Üçüncü olarak Moonshot AI, MoonEP, FlashKDA ve AgentEnv’yi yayınladı. Bu altyapı teknolojileri; uzman iletişimi, dikkat (attention) performansı ve ajan yürütmeye yöneliktir. Bunların dahil edilmesi, Kimi K3 Open Day’in sadece bir model yayını olmadığını; çok büyük açık-ağırlık modelleri daha etkili kullanmak için aynı zamanda bir altyapı yayını olduğunu gösterir.

Model: Temel Teknik Özellikler

Kimi K3, 2,8 trilyon parametreli bir MoE modeldir. Uzman Karışımı mimarisinde her token için modelin yalnızca bir kısmı etkinleştirilir. Bir yönlendirici (router) uzmanların bir alt kümesini seçerek sistemi, benzer büyüklükteki yoğun (dense) bir modele kıyasla daha düşük etkin hesaplama ile birlikte çok büyük toplam kapasiteyi birleştirmeye olanak tanır.

Moonshot AI’ya göre Kimi K3, 896 uzmana sahiptir; her token başına 16 uzman etkinleştirilir. Bu tasarım modelin verimlilik profilinin merkezindedir. Modelin devasa genel kapasiteyi korumasını sağlarken çıkarım (inference) sırasında seçici etkinleştirme kullanır.

1M jetonluk bağlam penceresi, en kullanışlı teknik özelliklerden biridir. Uzun bağlam; tam doküman analizi, büyük kod tabanı incelemesi, çok dosyalı muhakeme, hukuki veya finansal doküman iş akışları ve her girdiyi küçük parçalara zorlamadan daha uzun ajan görevlerini destekleyebilir.

Kimi K3 ayrıca 3:1 oranında KDA + AttnRes kullanır; uzun bağlam stratejisine bağlı hibrit bir dikkat tasarımıdır. Model, metin ağırlıklı olmayan bir sistemden ziyade yerel çok modlu kabiliyeti işaret eden görsel mimarisi olarak MoonViT-V2 içerir. Moonshot AI ayrıca 2.5x ölçekleme verimliliği iyileştirmesi bildirdi; bu da Kimi K3’ün yalnızca ölçek için değil, aynı zamanda daha pratik eğitim ve çıkarım maliyet ekonomisi için de tasarlandığını düşündürür.

Altyapı Sürümü: MoonEP, FlashKDA ve AgentEnv.

Açık ağırlıklı modellerin etrafında hâlâ güçlü sistemlere ihtiyaç var. Büyük MoE modelleri verimli iletişime, hızlı dikkat çekirdeklerine ve güvenli yürütme ortamlarına dayanır. Moonshot AI’nin altyapı sürümü bu ihtiyaçları doğrudan ele alıyor.

MoonEP: MoE Uzman İletişimi

MoonEP, MoE uzman paralelliği için bir iletişim kütüphanesidir. MoE sistemlerinde jetonlar farklı uzmanlara yönlendirilir ve bu uzmanlar birden fazla cihaza dağıtılabilir. Bu, üretimi sınırlayabilen ve gecikmeyi artırabilen iletişim sorunları yaratır.

Kimi K3 için 896 uzman ve jeton başına 16 aktive ile uzman yönlendirmesi önemli bir sistem problemidir. MoonEP, dağıtık uzman iletişimini iyileştirmek ve büyük ölçekli MoE dağıtımlarında darboğazları azaltmak için tasarlanmıştır.

FlashKDA: Daha Hızlı Uzun Bağlam Dikkati

FlashKDA, KDA için optimize edilmiş bir dikkat çekirdeğidir. Rolü, ön-doldurma (prefill) hesaplamasının pahalı hale gelebileceği uzun bağlam iş yüklerinde özellikle önemlidir. Moonshot AI, FlashKDA’nın Nvidia H20 GPU’larda, flash-linear-attention taban çizgilerine kıyasla ön-doldurma performansında 1.72x ila 2.22x hız artışı sağladığını bildirdi.

Bunun önemi şudur: 1M jetonluk bir bağlam penceresi, ancak verimli şekilde sunulabiliyorsa işe yarar. Daha hızlı dikkat çekirdekleri, uzun doküman analizi, kod inceleme, araştırma iş akışları ve çok aşamalı muhakemeyi üretimde daha uygulanabilir hale getirebilir.

AgentEnv: Yapay Zekâ Ajanları için Bir Sandbox

AgentEnv, KVCache.ai ile birlikte geliştirilen bir ajan sandbox (kısıtlı çalışma ortamı) sistemidir. Adımların çalıştırılması, aksiyonların test edilmesi, durumun kopyalanması (fork), önceki durumlara geri dönülmesi (restore) veya paralel dalların yürütülmesi gereken ajanlar için yalıtılmış bir sandbox ortamı sağlar.

Ajan iş akışları çoğu zaman yalnızca metin üretiminden fazlasını içerir. Dosyalar, araçlar, kod çalıştırma ve çok adımlı kararlar kullanabilirler. Bir sandbox, ajanın davranışını dış sistemlerden ayırmaya yardımcı olurken denemeyi de destekler. AgentEnv’nin snapshot (anlık durum), restore ve fork özellikleri, ajanların nihai sonucu üretmeden önce birden fazla yolu keşfetmesi gerektiğinde özellikle faydalıdır.

Açık Ağırlık Neden Önemli?

Açık ağırlığa erişim, model sağlayıcıları ile geliştiriciler arasındaki ilişkiyi değiştirir. Kapalı, barındırılan (hosted) bir API güçlü olabilir; ancak altyapı, barındırma (hosting), veri akışı ve operasyonel limitler sağlayıcının kontrolünde kalır. Açık ağırlık modeli, yetkin ekiplerin modeli kendi sistemlerine daha fazla alanda dağıtmasına, uyarlamasına, optimize etmesine ve entegre etmesine imkân verir.

Kurumsal şirketler için en büyük avantaj dağıtım ve veri kontrolüdür. Hassas dokümanlar, dahili kod, yasal kayıtlar, müşteri bilgileri ve finansal materyaller özel altyapı gerektirebilir. Açık ağırlığa erişim, veri yönetişimi, gizlilik ve sahipliğin temel gereksinimler olduğu yerel veya özel bulutta dağıtımı destekleyebilir.

Geliştiriciler için açık ağırlığa erişim daha derin teknik entegrasyon sağlar. Ekipler, çıkarım (inference) yığınlarını optimize edebilir, uyarlama (adaptation) yöntemlerini test edebilir ve iş akışlarını modelin güçlü yönleri etrafında kurgulayabilir. Kimi K3’ün MoE ölçeği, 1M-token bağlam kapasitesi, MoonViT-V2’nin görsel yeteneği ve altyapı sürümleri; özel uygulamalar için bir temel oluşturur.

Açık kaynakla arasındaki ayrımın önemi hâlâ kritiktir. Açık ağırlık, eğitim verilerini, kaynak pipeline’ı (kaynak akışını) veya tam yeniden üretim tarifini otomatik olarak sağlamaz. Ancak model erişimine, özel dağıtıma veya performans ve gizlilik üzerinde daha fazla kontrole ihtiyaç duyan ekipler için pratik engelleri yine de azaltabilir.

Hüküm: Bir Model ve Altyapı Yayını

Kimi K3 Open Day, üç katman boyunca koordine edilmiş bir yayın olarak en iyi şekilde anlaşılır: model erişimi, teknik açıklama ve dağıtım altyapısı. 2,8 trilyon parametreli MoE modeli duyurunun merkezinde yer alır; ancak teknik rapor ve altyapı araçları, bunun daha geniş önemini anlamak açısından kritiktir.

Resmî teknik özellikler oldukça kapsamlıdır: toplam 2,8T parametre, token başına etkinleştirilen 16 adet ile 896 uzman, 1M-token bağlam penceresi, 3:1 oranında KDA + AttnRes, MoonViT-V2 ve bildirilen 2,5x ölçekleme verimliliği iyileştirmesi. MoonEP, FlashKDA ve AgentEnv, Moonshot AI’nin büyük ölçekli açık ağırlık modellerini etkili şekilde çalıştırmak için gereken sistemleri de ele aldığını gösteriyor.

Kimi K3 tamamen açık kaynaklı olarak tanımlanmıyor; açık ağırlıktır. Yine de ağırlıkları, teknik ayrıntıları ve destekleyici altyapıyı yayımlayarak Moonshot AI, Kimi K3’ü büyük ölçekli açık ağırlık AI geliştirmesinde önemli bir olay haline getirdi.

Sıkça Sorulan Sorular (SSS)

S: Kimi K3 nedir?

C: Kimi K3, Moonshot AI tarafından duyurulan 27 Temmuz 2026’da Kimi K3 Open Day’de açıklanan, 2,8 trilyon parametreli açık ağırlıklı Uzmanlardan Oluşan (Mixture of Experts) bir AI modelidir.

S: Açık ağırlık ne demektir?

C: Açık ağırlık, eğitilmiş model ağırlıklarının belirlenmiş lisanslama koşulları altında erişilebilir olduğu anlamına gelir. Genellikle kaynak kod, veri ve yeniden üretim (reproduction) pipeline’ına daha geniş erişimi ima eden açık kaynakla farklıdır.

S: Kimi K3 ile hangi altyapı teknolojileri yayımlandı?

C: Moonshot AI MoonEP, FlashKDA ve AgentEnv’yi yayımladı. MoonEP, MoE iletişimini destekler; FlashKDA KDA dikkatini hızlandırır ve AgentEnv yapay zekâ ajanları için bir sandbox sistemi sağlar.

S: En önemli Kimi K3 teknik özellikleri nelerdir?

A: Kimi K3, 2,8T toplam parametreye sahiptir; token başına 16 etkinleştirilmiş 896 uzman; 1M tokenlık bağlam penceresi; 3:1 oranında KDA + AttnRes; MoonViT-V2 ve 2,5x ölçekleme verimliliği iyileştirmesi sunar.

Bu Kimi K3 analizini Pi ile birlikte, karmaşık yapay zekâ gelişmelerini anlaşılır ve sunumu kolay olacak şekilde, özenle hazırlanmış bir PPT’ye dönüştür.