Kimi K3 Açık Gün: 2,8 Trilyon Parametre, Artık Açık Ağırlıklı

Moonshot AI, 27 Temmuz 2026'da Kimi K3 Open Day etkinliğini düzenledi ve birbirine bağlı üç duyuruyu açıkladı: Kimi K3 model ağırlıkları, resmî teknik duyuru ve üç altyapı teknolojisi: MoonEP, FlashKDA ve AgentEnv. Etkinlik, Kimi K3'ü yalnızca yeni bir büyük ölçekli model olarak değil, aynı zamanda model erişimini, mimariyi ve dağıtım altyapısını kapsayan bir sürüm olarak konumlandırdı.

Öne çıkan teknik özellik açıktır: Kimi K3, 2,8 trilyon parametreli açık ağırlıklı bir modeldir ve Uzman Karışımı (MoE) mimarisi üzerine kuruludur. Moonshot AI; 896 uzman, token başına etkinleştirilen 16 uzman, 1M token bağlam penceresi, 3:1 oranında KDA + AttnRes, MoonViT-V2 ve bildirilen 2,5 kat ölçekleme verimliliği iyileştirmesi dâhil olmak üzere önemli teknik ayrıntıları açıkladı.

açık ağırlıklı terimi önemlidir. Açık ağırlıklı, eğitilmiş model ağırlıklarının belirlenmiş koşullar altında kullanıma sunulması anlamına gelir. Bu, modelin otomatik olarak tamamen açık kaynaklı olduğu anlamına gelmez; açık kaynak genellikle kaynak koduna, eğitim verilerine, araçlara ve yeniden üretim işlem hatlarına daha geniş erişim ifade eder. Yine de açık ağırlık erişimi, geliştiricilerin ve kuruluşların büyük bir yapay zekâ modelini nasıl dağıttığını, incelediğini ve etrafında nasıl çözümler geliştirdiğini değiştirebilir.

Moonshot AI, bu yaklaşımın değerini “açık ağırlıklı modeller... zekâya erişimin önündeki engeli azaltır, yeniliği teşvik eder ve kullanıcılara veri, gizlilik ve sahiplik üzerinde daha fazla kontrol verir.” diyerek özetledi.

Open Day Etkinliği: Üç Temel Sürüm

Kimi K3 Open Day, üç sürüm kategorisine odaklandı.

İlk olarak Moonshot AI, Kimi K3 model ağırlıklarını yayımladı. Bu, temel açık ağırlık duyurusudur. Geliştiriciler için ağırlıklara erişim, özellikle ekiplerin altyapı, gecikme süresi, gizlilik veya veri yerleşimi üzerinde kontrole ihtiyaç duyduğu durumlarda, yalnızca barındırılan bir API'ye kıyasla daha esnek dağıtım sağlayabilir.

İkinci olarak Moonshot AI, Kimi K3 teknik raporunu yayımladı. Bu önemlidir; çünkü büyük model duyuruları yalnızca parametre sayısına göre değerlendirilemez. Mimari, yönlendirme stratejisi, uzun bağlam tasarımı, çok modlu yetenek ve verimlilik iddiaları, bir modelin pratikte yararlı olup olmadığını belirler.

Üçüncü olarak Moonshot AI, MoonEP, FlashKDA ve AgentEnv çözümlerini yayımladı. Bu altyapı teknolojileri uzman iletişimini, dikkat performansını ve ajan yürütmesini hedefliyor. Bunların dâhil edilmesi, Kimi K3 Open Day'in yalnızca bir model sürümü değil, aynı zamanda çok büyük açık ağırlıklı modelleri daha etkili kullanmak için bir altyapı sürümü olduğunu gösteriyor.

Model: Temel Teknik Özellikler

Kimi K3, 2,8 trilyon parametreli bir MoE modelidir. Uzman Karışımı mimarisinde, modelin yalnızca bir bölümü her token için etkinleştirilir. Bir yönlendirici, uzmanların bir alt kümesini seçerek sistemin benzer büyüklükteki yoğun bir modele kıyasla daha düşük etkin hesaplama ile çok büyük toplam kapasiteyi birleştirmesine olanak tanır.

Moonshot AI'a göre Kimi K3, 896 uzmana sahiptir ve token başına 16 uzman etkinleştirilir. Bu tasarım, modelin verimlilik profilinin merkezinde yer alır. Modelin çıkarım sırasında seçici etkinleştirme kullanırken devasa genel kapasiteyi korumasını sağlar.

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

Kimi K3 ayrıca uzun bağlam stratejisine bağlı hibrit bir dikkat tasarımı olan 3:1 oranında KDA + AttnRes kullanır. Model, görsel mimarisi olarak MoonViT-V2'yi içerir; bu da salt metin tabanlı bir sistem yerine yerleşik çok modlu yeteneğe işaret eder. Moonshot AI ayrıca 2,5 kat ölçekleme verimliliği iyileştirmesi bildirdi; bu da Kimi K3'ün yalnızca ölçek için değil, daha pratik eğitim ve çıkarım ekonomisi için de tasarlandığını gösteriyor.

Altyapı Sürümü: MoonEP, FlashKDA ve AgentEnv.

Açık ağırlıklı modellerin yine de etraflarında güçlü sistemlere ihtiyacı vardır. Büyük MoE modelleri, verimli iletişime, hızlı dikkat çekirdeklerine ve güvenli yürütme ortamlarına bağlıdır. Moonshot AI'ın altyapı sürümü bu ihtiyaçları doğrudan ele alıyor.

MoonEP: MoE Uzman İletişimi

MoonEP, MoE uzman paralelliği için bir iletişim kütüphanesidir. MoE sistemlerinde tokenlar farklı uzmanlara yönlendirilir ve bu uzmanlar birden çok cihaza dağıtılmış olabilir. Bu durum, işlem hacmini sınırlayabilen ve gecikmeyi artırabilen iletişim zorlukları yaratır.

896 uzman ve token başına 16 etkin uzman içeren Kimi K3 için uzman yönlendirme büyük bir sistem problemidir. MoonEP, dağıtık uzman iletişimini iyileştirmek ve büyük ölçekli MoE dağıtımındaki darboğazları azaltmak üzere tasarlanmıştır.

FlashKDA: Daha Hızlı Uzun Bağlam Dikkati

FlashKDA, KDA için optimize edilmiş bir dikkat çekirdeğidir. Rolü, ön doldurma hesaplamasının maliyetli hâle gelebildiği uzun bağlam iş yükleri için özellikle önemlidir. Moonshot AI, FlashKDA'nın flash-linear-attention taban çizgileriyle karşılaştırıldığında Nvidia H20 GPU'larda ön doldurma performansında 1,72 kat ile 2,22 kat hızlanma sağladığını bildirdi.

Bu önemlidir, çünkü 1M tokenlık bağlam penceresi yalnızca verimli biçimde sunulabiliyorsa kullanışlıdır. Daha hızlı dikkat çekirdekleri, uzun belge analizini, kod incelemesini, araştırma iş akışlarını ve çok adımlı muhakemeyi üretimde daha uygulanabilir hâle getirebilir.

AgentEnv: Yapay Zekâ Ajanları için Korumalı Alan

AgentEnv, KVCache.ai ile birlikte geliştirilen bir ajan korumalı alan sistemidir. Adımları yürütmesi, eylemleri test etmesi, durumu çatallaması, önceki durumları geri yüklemesi veya paralel dalları çalıştırması gereken ajanlar için yalıtılmış bir korumalı alan ortamı sağlar.

Ajan iş akışları çoğu zaman metin üretiminden fazlasını içerir. Dosyalar, araçlar, kod yürütme ve çok adımlı kararlar kullanabilirler. Bir korumalı alan, denemeyi desteklerken ajan davranışını harici sistemlerden ayırmaya yardımcı olur. AgentEnv'in anlık görüntü, geri yükleme ve çatallama özellikleri, ajanların nihai bir sonuç üretmeden önce birden çok yolu keşfetmesi gerektiğinde yararlıdır.

Açık Ağırlığın Önemi

Açık ağırlık erişimi, model sağlayıcıları ile geliştiriciler arasındaki ilişkiyi değiştirir. Kapalı ve barındırılan bir API güçlü olabilir, ancak altyapı, barındırma, veri akışı ve operasyonel sınırlar sağlayıcının kontrolünde kalır. Açık ağırlıklı bir model, nitelikli ekiplere modeli kendi sistemlerinde dağıtma, uyarlama, optimize etme ve entegre etme konusunda daha fazla alan tanır.

Kuruluşlar için en büyük avantaj dağıtım ve veri kontrolüdür. Hassas belgeler, dahili kodlar, hukuki kayıtlar, müşteri bilgileri ve finansal materyaller özel altyapı gerektirebilir. Açık ağırlık erişimi, veri yönetişimi, gizlilik ve sahipliğin temel gereksinimler olduğu yerel veya özel bulut dağıtımını destekleyebilir.

Geliştiriciler için açık ağırlık erişimi, daha derin teknik entegrasyon sağlar. Ekipler çıkarım yığınlarını optimize edebilir, uyarlama yöntemlerini test edebilir ve modelin güçlü yönleri etrafında iş akışları oluşturabilir. Kimi K3'ün MoE ölçeği, 1M token bağlamı, MoonViT-V2 görsel yeteneği ve altyapı sürümleri, özelleştirilmiş uygulamalar için bir temel oluşturur.

Açık kaynaktan ayrımı temel olmaya devam ediyor. Açık ağırlık, eğitim verilerini, kaynak işlem hattını veya eksiksiz yeniden üretim tarifini otomatik olarak sağlamaz. Ancak yine de model erişimine, özel dağıtıma veya performans ve gizlilik üzerinde daha fazla kontrole ihtiyaç duyan ekipler için pratik engelleri azaltabilir.

Sonuç: Bir Model ve Altyapı Sürümü

Kimi K3 Open Day en iyi, üç katmanda eşgüdümlü bir sürüm olarak anlaşılır: model erişimi, teknik açıklama ve dağıtım altyapısı. 2,8 trilyon parametreli MoE model, duyurunun merkezinde yer alıyor; ancak teknik rapor ve altyapı araçları, bunun daha geniş önemini anlamak için kritik önemdedir.

Resmî teknik özellikler dikkat çekicidir: 2,8T toplam parametre, token başına 16'sı etkinleştirilen 896 uzman, 1M token bağlam penceresi, 3:1 oranında KDA + AttnRes, MoonViT-V2 ve bildirilen 2,5 kat ölçekleme verimliliği iyileştirmesi. MoonEP, FlashKDA ve AgentEnv, Moonshot AI'ın büyük açık ağırlıklı modelleri etkili şekilde işletmek için gereken sistemleri de ele aldığını gösteriyor.

Kimi K3 tamamen açık kaynaklı olarak tanımlanmıyor; açık ağırlıklıdır. Buna rağmen Moonshot AI, ağırlıkları, teknik ayrıntıları ve destekleyici altyapıyı yayımlayarak Kimi K3'ü büyük ölçekli açık ağırlıklı yapay zekâ geliştirmesinde önemli bir olay hâline getirdi.

Sıkça Sorulan Sorular (SSS)

S: Kimi K3 nedir?

C: Kimi K3, Moonshot AI'ın 27 Temmuz 2026'da Kimi K3 Open Day'de duyurduğu, 2,8 trilyon parametreli açık ağırlıklı Uzman Karışımı yapay zekâ modelidir.

S: Açık ağırlık ne anlama gelir?

C: Açık ağırlık, eğitilmiş model ağırlıklarının belirlenmiş lisans koşulları altında erişilebilir olması anlamına gelir. Genellikle kaynak koda, verilere ve yeniden üretim işlem hatlarına daha geniş erişim ifade eden açık kaynaktan farklıdır.

S: Kimi K3 ile hangi altyapı teknolojileri yayımlandı?

C: Moonshot AI, MoonEP, FlashKDA ve AgentEnv çözümlerini yayımladı. MoonEP MoE iletişimini destekler, FlashKDA KDA dikkatini hızlandırır ve AgentEnv yapay zekâ ajanları için bir korumalı alan sistemi sağlar.

S: En önemli Kimi K3 teknik özellikleri nelerdir?

C: Kimi K3; 2,8T toplam parametreye, token başına 16'sı etkinleştirilen 896 uzmana, 1M token bağlam penceresine, 3:1 oranında KDA + AttnRes'e, MoonViT-V2'ye ve 2,5 kat ölçekleme verimliliği iyileştirmesine sahiptir.

Bu Kimi K3 analizini Pi ile karmaşık yapay zekâ gelişmelerini net ve sunumu kolay hâle getiren şık bir PPT'ye dönüştürün.