Kimi K3 Açık Ağırlıkları: 2,8 Trilyon Parametre, 1,56 TB Gerçeklik

by

Kısa özet: Moonshot AI, Kimi K3 modelinin tam ağırlıklarını ve 47 sayfalık teknik raporunu 27-28 Temmuz 2026’da yayımladı. Model 2,8 trilyon toplam parametreye, her belirteçte etkinleşen 104 milyar parametreye, yerleşik görsel anlayışa ve 1 milyon belirteçlik bağlama sahip. “Açık ağırlık” önemli; fakat model dosyalarının yaklaşık 1,56 TB olması, önerilen 64 veya daha fazla hızlandırıcılı sunucu yapısı ve özel lisans koşulları, K3’ü dizüstünde çalıştırılabilecek sıradan bir açık model olmaktan çıkarıyor. Çoğu kullanıcı için gerçekçi yol Kimi’nin web arayüzü veya ücretli API’si. Güçlü ajan yetenekleri ise dar araç izinleri ve insan onayı olmadan kullanılmamalı.

Yenilik: 3 trilyon sınıfında açık ağırlık

Kimi K3, Çin merkezli Moonshot AI’nin bugüne kadarki en büyük modeli. Hugging Face deposundaki 96 adet ağırlık parçasını tanımlayan dizin dosyası toplam boyutu 1.560.860.324.864 bayt olarak gösteriyor; bu yaklaşık 1,56 TB. Depo herkese açık ve erişim kapısı bulunmuyor. Ağırlıkların yayımlanması, araştırmacıların modeli incelemesine, kendi altyapısında çalıştırmasına ve izin verilen koşullarda uyarlamasına olanak veriyor.

Buradaki “açık” sözcüğünü dikkatli kullanmak gerekiyor. K3, MIT veya Apache-2.0 altında değil; Moonshot’ın özel Kimi K3 Lisansı altında sunuluyor. Lisans genel olarak kullanma, değiştirme, dağıtma ve ticari ürün geliştirmeye izin veriyor. Ancak son 12 aylık toplam geliri 20 milyon doları aşan bir “Model as a Service” işletmesi ticari kullanım için Moonshot ile ayrı anlaşma yapmak zorunda. Aylık 100 milyon etkin kullanıcıyı veya aylık 20 milyon dolar geliri aşan ticari ürünlerde de “Kimi K3” adının arayüzde belirgin biçimde gösterilmesi isteniyor. Dolayısıyla ağırlıkların indirilebilir olması, her ölçekte koşulsuz kullanım anlamına gelmiyor.

Kimi K3 nasıl çalışıyor?

K3 bir Mixture-of-Experts, yani uzman karışımı modeli. Toplam 896 yönlendirilmiş uzmanın yalnız 16’sı her belirteç için seçiliyor; iki ortak uzmanla birlikte etkin parametre sayısı 104 milyarda kalıyor. Bu düzen, tüm 2,8 trilyon parametreyi her adımda çalıştırmaya göre hesap yükünü düşürüyor. Yine de etkin bölümün büyüklüğü bile çoğu yerel kurulumun kapasitesinin çok üzerinde.

Mimari, Kimi Delta Attention ile klasik çok başlı gizli dikkati birleştiriyor. Attention Residuals katmanları da modelin yalnız bir önceki katmanın çıktısına bağlı kalmak yerine daha eski temsillerden seçici biçimde bilgi almasını amaçlıyor. Moonshot, bu değişikliklerin Kimi K2’ye göre yaklaşık 2,5 kat ölçekleme verimliliği sağladığını bildiriyor. Bu sayı şirketin kendi eğitim ve değerlendirme düzenine dayanıyor; bağımsız bir donanım tekrarı henüz yayımlanmış değil.

Bir milyon belirteçlik bağlam, büyük bir kod deposu, uzun araştırma arşivi veya çok sayıda belgeyi tek oturumda ele almak için çekici. Fakat bağlam penceresinin varlığı, modelin her ayrıntıyı kusursuz hatırladığı anlamına gelmez. Uzun girdiler gecikmeyi ve maliyeti büyütür; önbellek isabeti, bilgi yerleşimi ve doğrulama yöntemi sonucu ciddi biçimde etkiler.

Kimler için önemli?

Araştırmacılar ve büyük altyapı ekipleri için ağırlıkların yayımlanması en önemli gelişme. Mimari kodu, model dosyaları ve teknik rapor birlikte incelenebiliyor. Buna karşılık Moonshot, kendi kendine barındırma için 64 veya daha fazla hızlandırıcı içeren “supernode” düzenini öneriyor. Yaklaşık 1,56 TB indirme, yüksek hızlı depolama, çoklu GPU iletişimi ve vLLM ya da SGLang uyumluluğu gerekiyor. Tek iş istasyonu veya Apple Silicon kullanıcıları için bugün pratik bir resmî yol yok; depoda MLX desteği talep eden açık bir konu bulunuyor.

Yazılım ve bilgi işi ekipleri için web arayüzü ile API daha gerçekçi. Kimi.com’un Türkçe görünen arayüzünde yeni sohbet, eklentiler, planlanmış görevler, derin araştırma, belgeler, tablolar, web siteleri ve Kimi Code bağlantıları yer alıyor. Sohbet geçmişini eşitlemek için giriş gerekiyor. Kimi Work masaüstü uygulaması Windows ve Apple Silicon Mac’lerde sunuluyor; Moonshot K3 için 3.1.0 veya yeni sürümü istiyor.

Ürün geliştiriciler, OpenAI uyumlu API üzerinden metin, görsel, video, yapılandırılmış çıktı ve araç çağırma özelliklerine erişebiliyor. K3 her zaman düşünme kipinde çalışıyor; düşük, yüksek ve en yüksek çaba düzeyleri seçilebiliyor. Çok turlu konuşmada yalnız görünen yanıtı değil, API’nin döndürdüğü tam asistan mesajını geçmişe eklemek gerekiyor. Aksi hâlde Moonshot, kalitenin kararsızlaşabileceğini söylüyor.

Gerçek kullanım: uzun bir denetim dosyasını incelemek

Somut bir senaryo, yüzlerce sayfalık erişilebilirlik denetimi ile hata kayıtlarını birlikte incelemek. Belgeler sisteme verilir; modelden tekrar eden sorunları WCAG başlıklarına göre gruplaması, kanıt ile öneriyi ayırması ve her bulguyu özgün sayfaya bağlaması istenir. Ardından insan uzman, kritik bulguları örneklemle doğrular. Uzun bağlam burada parçalı yüklemeyi azaltabilir; ancak modelin kaynak göstermeden yaptığı çıkarım kabul edilmemeli.

API kullanımı için hesapta en az 1 dolarlık başarılı yükleme gerekiyor. Resmî fiyat, bir milyon belirteç başına önbellek isabetli girdide 0,30 dolar, önbellek kaçıran girdide 3 dolar ve çıktıda 15 dolar. Uzun bir kurumsal arşivi her istekte değişmeden başa koymak otomatik önbellekten yararlanabilir; yine de kişisel, sağlık veya müşteri verisini göndermeden önce sözleşmedeki saklama, eğitimde kullanım ve veri konumu koşulları doğrulanmalı. İncelenen hızlı başlangıç belgesi AB veri yerleşimi garantisi vermiyor.

API ile güvenli başlangıç

Python 3.9 veya yenisinde OpenAI istemcisi kullanılabiliyor. Anahtarı koda yazmayın; ortam değişkeninde tutun. İlk denemeyi sentetik veriyle ve araç çağrısı olmadan yapın:

python3 -m venv .venv
source .venv/bin/activate
pip install "openai>=1.0"
export MOONSHOT_API_KEY="hesabinizdaki-anahtar"

python - <<'PY'
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)
yanit = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="low",
    messages=[{
        "role": "user",
        "content": "Bu sentetik denetim notunu üç risk başlığında özetle."
    }],
)
print(yanit.choices[0].message.content)
PY

Bu örnek kurulum yapısını doğrulamak içindir; bu incelemede ücretli API çağrısı yapılmadı. Araca dosya sistemi, kabuk, tarayıcı veya mesaj gönderme yetkisi ekleyecekseniz her aracı izin listesiyle daraltın, süre ve tur sınırı koyun, yazma işlemlerinde insan onayı isteyin ve modelin görünen yanıtından ayrı bir denetim kaydı tutun.

Sınırlamalar, güvenlik ve gizlilik

Moonshot’ın kendi blogu üç önemli sınırlamayı kabul ediyor: düşünme geçmişi eksik aktarılırsa kalite bozulabiliyor; model belirsiz görevlerde kullanıcı adına aşırı girişken kararlar verebiliyor; genel kullanıcı deneyiminde en güçlü kapalı modellere karşı hâlâ fark bulunuyor. GitHub deposunda 31 Temmuz sabahı 16 açık konu vardı, etiketlenmiş bir GitHub sürümü ve SECURITY.md bulunmuyordu. Açık bir kullanıcı bildirimi, aynı dosya okuma aracını reddedildikten sonra art arda çağıran bir döngüyü anlatıyor. Bu tek rapor genellenebilir hata oranı değil, fakat ajan döngülerine tekrar sınırı eklemek için somut bir uyarı.

Siber güvenlik tarafı daha ciddi. K3 teknik raporu, modelin şirket içi testlerde 36 uçtan uca istismar görevinin 14’ünü tamamladığını söylüyor. UK AI Security Institute ile ABD CAISI’nin bağımsız ön değerlendirmesi, K3’ün en güçlü kapalı modellerin gerisinde kaldığını, ancak GLM-5.2’yi geçtiğini buldu. K3, 41 ExploitBench örneğinin hiçbirinde keyfî kod çalıştırma aşamasına ulaşamadı; buna rağmen simüle edilmiş 32 adımlı kurumsal ağ saldırısını 10 denemenin birinde tamamladı. Değerlendiriciler ayrıca korumaların ajan tabanlı istismar geliştirme yardımını engellemediğini belirtti.

Bu nedenle K3’ü güvenilmeyen kodda, üretim kimlik bilgileriyle veya geniş ağ erişimiyle otonom çalıştırmak uygun değil. Ayrı ve geçici çalışma ortamı, ağ çıkış kısıtı, salt okunur dosyalar, gizli bilgi filtreleme, ayrıntılı kayıt ve insan onayı temel gereksinimler olmalı. Modelin açık ağırlıklı olması güvenli, tarafsız veya mahrem olduğu anlamına gelmiyor.

Sonuç

Kimi K3’ün ağırlıklarının yayımlanması, Çin ve küresel açık model ekosistemi için önemli bir araştırma olayı. Ancak kullanıcı açısından en önemli gerçek, “2,8 trilyon parametre” başlığından çok dağıtım maliyeti ve izin tasarımı. 1,56 TB model, özel lisans ve 64 hızlandırıcılı öneri, yerel kullanım vaadini büyük kuruluşlarla sınırlıyor. Bireysel ve küçük ekipler için web veya API yolu daha erişilebilir; hassas veride sözleşme incelemesi, ajan görevlerinde ise en küçük yetki ve insan denetimi şart.

Kaynaklar

Editoryal doğrulama notu: Web arayüzü Türkiye’den Türkçe olarak açıldı; model seçimi ve ücretli API çağrısı yapılmadı. Hugging Face ağırlık dizini, GitHub lisansı, depo etkinliği, açık konular, teknik rapor ve bağımsız güvenlik değerlendirmesi doğrudan incelendi. Bu metin kaynakların çevirisi değil, özgün Türkçe analizdir.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir