Moonshot AI เปิดตัว Kimi K3 โมเดล 2.8 ล้านล้านพารามิเตอร์ ชนกับ Fable 5 และ GPT-5.6 — แต่น้ำหนักยังไม่ปล่อย รอ 27 ก.ค.

วันที่ 16 กรกฎาคม Moonshot AI เปิดตัว Kimi K3 โมเดลที่บริษัทเรียกว่า “โมเดลที่เก่งที่สุดของเรา” — เป็น Mixture-of-Experts ขนาด 2.8 ล้านล้านพารามิเตอร์ มี vision ในตัว และ context 1 ล้านโทเคน โดยบล็อกทางการประกาศตรง ๆ ว่านี่คือ “โมเดลเปิดระดับ 3T ตัวแรกของโลก” (the world’s first open 3T-class model)

แต่มีรายละเอียดที่หลายสำนักข่าวข้ามไป และเป็นจุดที่นักพัฒนาต้องอ่านให้ชัด: ตอนนี้ยังดาวน์โหลดน้ำหนักโมเดลไม่ได้ บล็อกของ Kimi เขียนไว้ตรงตัวว่า “The full model weights will be released by July 27, 2026” — บริษัทบอกว่ากำลังทำงานร่วมกับ inference partner และผู้ดูแลโปรเจกต์โอเพนซอร์สเพื่อจัดการรายละเอียดทางเทคนิคก่อนปล่อย ณ เวลาที่เขียนโพสต์นี้ องค์กร moonshotai บน Hugging Face ยังมีแค่ K2.7-Code เป็นตัวล่าสุด ยังไม่มี repo ของ K3 พูดอีกอย่างคือ วันนี้ K3 คือโมเดลปิดที่สัญญาว่าจะเปิด ไม่ใช่โมเดลเปิดที่ปล่อยแล้ว

สถาปัตยกรรม: sparse จัดหนัก 16 จาก 896 expert

จุดที่น่าสนใจทางวิศวกรรมคือระดับความ sparse ของ K3 โมเดลใช้เฟรมเวิร์กชื่อ Stable LatentMoE ที่เปิดใช้งานจริงเพียง 16 จาก 896 expert ต่อโทเคน ซึ่งบางกว่าที่โมเดล MoE ส่วนใหญ่ทำกันมาก และที่ระดับ sparsity ขนาดนี้ Moonshot ระบุว่าปัญหาเรื่อง routing กับ optimization กลายเป็นโจทย์อันดับหนึ่ง จึงเพิ่มเทคนิคอย่าง Quantile Balancing (คำนวณการกระจาย expert จาก quantile ของคะแนน router ตรง ๆ ตัดพารามิเตอร์จูนมือทิ้ง) และ Per-Head Muon ที่ปรับ attention head แต่ละหัวแยกกัน

ฐานสถาปัตยกรรมคือ Kimi Delta Attention (KDA) และ Attention Residuals (AttnRes) ซึ่ง Moonshot บอกว่ารวมกันแล้วให้ประสิทธิภาพการสเกลดีขึ้นราว 2.5 เท่าเทียบ Kimi K2 โมเดลยังใช้ quantization-aware training ตั้งแต่ขั้น SFT ด้วยน้ำหนัก MXFP4 และ activation MXFP8

สิ่งที่ควรอ่านเป็นสัญญาณเตือนสำหรับคนคิดจะ self-host: บริษัท แนะนำให้ deploy บน supernode ที่มี accelerator 64 ตัวขึ้นไป นี่ไม่ใช่โมเดลที่รันบนการ์ดใบเดียว และไม่ใช่ระดับเวิร์กสเตชันด้วยซ้ำ ข่าวดีคือ Moonshot บอกว่าได้ contribute โค้ด prefix caching สำหรับ KDA เข้า vLLM แล้ว และจะปล่อยพร้อมตัวโมเดล

เบนช์มาร์ก: เก่งจริงบางหมวด แต่บริษัทยอมรับเองว่ายังตาม

ที่ควรชม: Moonshot เขียนในบล็อกเองว่าภาพรวม K3 “ยังตามโมเดลปิดที่แรงที่สุดอย่าง Claude Fable 5 และ GPT-5.6 Sol” ไม่ได้เคลมว่าล้มเจ้าตลาด ตัวเลขจากตารางเบนช์มาร์กเต็มของบริษัทเอง (K3 max / Fable 5 / GPT-5.6 Sol / Opus 4.8 / GLM-5.2):

• SWE Marathon — 42.0 / 35.0 / 39.0 / 40.0 / 13.0 → K3 นำทุกตัว
• FrontierSWE — 81.2 / 86.6 / 71.3 / 66.7 / 67.3 → ตาม Fable 5 แต่นำ GPT-5.6 Sol ขาด
• Program Bench — 77.8 / 76.8 / 77.6 / 71.9 / 63.7 → สูสีหัวตาราง
• BrowseComp — 91.2 / 88.0 / 90.4 / 84.3 → K3 นำ
• OmniDocBench — 91.1 / 89.8 / 85.8 / 87.9 → K3 นำ
• GPQA-Diamond — 93.5 / 92.6 / 94.1 / 91.0 / 91.2 → สูสี
• HLE-Full — 43.5 / 53.3 / 44.5 / 49.8 → K3 ตามชัดเจน
• Agentic GDPval-AA v2 (Elo) — 1668 / 1760 / 1748 / 1600 → K3 ตาม

อ่านรวม ๆ คือ K3 แข็งมากในงาน long-horizon coding และ agentic browsing แต่ยังแพ้ชัดในงานความรู้ยาก ๆ อย่าง HLE ข้อควรระวังมาตรฐานเดิม: ตัวเลขทั้งหมดนี้เป็น first-party ที่ Moonshot รันเอง และรันบน harness ของตัวเอง (KimiCode) ขณะที่คู่แข่งรันบน harness อื่น — ซึ่งบริษัทเปิดเผยไว้ใน footnote อย่างตรงไปตรงมา ผลทดสอบอิสระยังไม่ออก

เดโมที่น่าตกใจกว่าเบนช์มาร์ก

ส่วนที่น่าสนใจกว่าตารางคือเคสที่ Moonshot ยกมา K3 เขียน MiniTriton คอมไพเลอร์คล้าย Triton ขึ้นมาใหม่ทั้งตัว มี IR ระดับ tile บน MLIR และ codegen เป็น PTX โดยบริษัทระบุว่าประสิทธิภาพเทียบเท่าหรือดีกว่า Triton และ torch.compile บนบางเวิร์กโหลด และรัน nanoGPT ได้จบ end-to-end

อีกเคสคือ ออกแบบชิป: ในการรันอัตโนมัติครั้งเดียวยาว 48 ชั่วโมง K3 ออกแบบ ปรับแต่ง และตรวจสอบชิปด้วยเครื่องมือ EDA โอเพนซอร์สบนไลบรารี Nangate 45nm ได้ชิปขนาด 4 ตร.มม. ที่ปิด timing ที่ 100 MHz และให้ throughput ระดับ 8,700 โทเคน/วินาทีในซิมูเลชัน — Moonshot เรียกมันว่า “ชิปที่สร้างโดยโมเดล เพื่อโมเดล”

ราคา: ถูกกว่าคู่แข่งระดับเดียวกันมาก

ราคา API ทางการอยู่ที่ input cache-hit 0.30 ดอลลาร์/ล้านโทเคน, cache-miss 3.00 ดอลลาร์ และ output 15.00 ดอลลาร์/ล้านโทเคน โดย Moonshot อ้างว่าสถาปัตยกรรม Mooncake แบบ disaggregated ทำ cache hit rate ได้เกิน 90% ในงานโค้ดดิ้ง ซึ่งถ้าจริงก็แปลว่าต้นทุนใช้งานจริงเอียงไปทางเลข 0.30 มากกว่า 3.00 อย่างมีนัยสำคัญ

ใช้งานได้แล้ววันนี้บน Kimi.com, Kimi Work (เวอร์ชัน 3.1.0 ขึ้นไป), Kimi Code (เลือกผ่านคำสั่ง /model) และ Kimi API (ชื่อโมเดล kimi-k3) โดยตอนเปิดตัวจะใช้ max thinking effort เป็นค่าเริ่มต้น ส่วนโหมด low/high จะตามมาทีหลัง

มุมมอง AI Curator

เรื่องนี้มีสองชั้น และชั้นที่สองสำคัญกว่า

ชั้นแรกคือตัวเลข: โมเดลเปิดจากจีนไล่บี้โมเดลปิดที่ดีที่สุดในโลกจนเหลือช่องแคบลงเรื่อย ๆ — และในงาน long-horizon coding บางหมวด K3 นำ GPT-5.6 Sol ไปแล้วด้วยซ้ำ นี่คือแนวโน้มที่บล็อกนี้ตามมาทั้งปี ตั้งแต่ GLM-5.2 ถึง K2.7-Code และมันไม่ได้ช้าลงเลย

ชั้นที่สองคือ คำว่า “เปิด” กำลังถูกใช้ล่วงหน้า Moonshot ประกาศว่า K3 เป็น “โมเดลเปิดระดับ 3T ตัวแรกของโลก” ในวันที่ยังไม่มีใครดาวน์โหลดน้ำหนักได้สักคน — ตรวจสอบไม่ได้ รันเองไม่ได้ ยืนยันเบนช์มาร์กอิสระไม่ได้ ต้องพูดให้เป็นธรรมว่า Moonshot มีประวัติปล่อยจริงทุกครั้ง (K2, K2.5, K2.6, K2.7-Code อยู่บน Hugging Face หมด) และการรอจัดการเรื่อง inference ให้พร้อมก็เป็นเหตุผลทางวิศวกรรมที่ฟังขึ้น โดยเฉพาะกับโมเดลที่ sparse ขนาดนี้ ความน่าจะเป็นที่วันที่ 27 จะมีของจริงนั้นสูง แต่ระหว่างวันที่ 16 ถึง 27 นี้ K3 ก็ยังเป็น โมเดลปิดที่ถูกเรียกว่าเปิด และช่วง 11 วันนี้เองที่พาดหัวข่าวทั่วโลกกำลังวิ่ง — ซึ่งเป็นสิ่งที่นักพัฒนาควรแยกให้ออกระหว่าง “ประกาศ” กับ “ปล่อย”

สำหรับทีมไทย คำแนะนำเชิงปฏิบัติคือ อย่าเพิ่งวางแผนสถาปัตยกรรมบน K3 ตอนนี้ รอถึง 27 กรกฎาคมแล้วค่อยดูสามอย่าง: (1) สัญญาอนุญาตจริง — K2.7-Code ใช้ Modified MIT ซึ่งใช้เชิงพาณิชย์ได้ แต่บล็อก K3 ยังไม่ระบุสัญญาอนุญาตเลยแม้แต่คำเดียว นี่คือช่องว่างที่ใหญ่ที่สุด (2) น้ำหนักที่ดาวน์โหลดได้จริงบน Hugging Face และ (3) ผลเบนช์มาร์กอิสระ ที่ไม่ได้รันบน harness ของ Moonshot เอง

และต้องพูดให้ชัดเรื่องการ self-host: คำแนะนำ “64 accelerator ขึ้นไป” หมายความว่าสำหรับองค์กรไทยเกือบทั้งหมด K3 จะเป็น API ไม่ใช่โมเดลที่รันเอง ต่อให้น้ำหนักเปิดจริงในอีก 10 วันก็ตาม คุณค่าของการเปิดน้ำหนักที่ขนาดนี้จึงไม่ใช่ “รันบนเครื่องตัวเอง” แต่คือ สิทธิ์ในการตรวจสอบ การไม่ถูกล็อกกับผู้ให้บริการรายเดียว และการที่ผู้ให้บริการ inference รายอื่นแข่งกันได้ ซึ่งกดราคาลงทั้งตลาด — นั่นคือประโยชน์ที่จับต้องได้จริงกับงบ PDPA-compliant ของทีมไทย มากกว่าตัวเลข 2.8 ล้านล้านบนพาดหัว

แหล่งข่าว

• Kimi K3: Open Frontier Intelligence — Kimi (Moonshot AI) official blog
• Moonshot AI Releases Kimi K3: A 2.8 Trillion Parameter Open MoE Model — MarkTechPost
• moonshotai on Hugging Face (ยังไม่มี repo ของ K3 ณ 17 ก.ค. 2026)