Terug naar overzicht
🇨🇳 Moonshot AI · China ZDR mogelijk #13 populair
Kimi K3
Niveau: Topklasse
De allerslimste, krachtigste modellen. Topkwaliteit voor de moeilijkste taken — en de hoogste prijs.
Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at...
KostenHoog
SnelheidGemiddeldgemeten · 39 tokens/sec
Werkgeheugen1M tokenshoeveel tekst het tegelijk aankan
SlimheidUitzonderlijk92/100
Goede prijs-kwaliteit
34
waarde / 100
Loont de prijs?
Sterke balans tussen prijs en kwaliteit.
Bespaar slim: GPT-5.6 Sol (batch)
is minstens net zo slim voor 67% minder geld. Bovendien is het sneller en minstens even goed in programmeren. Voor de meeste taken merk je het verschil nauwelijks.
Goed voor
- E-mails, teksten en samenvattingen schrijven
- Lastige vragen en analyses
- Programmeren en technische taken
- Het verwerken van hele lange documenten
- Het lezen van afbeeldingen en scans
Minder geschikt voor
- Grote hoeveelheden tekst (relatief duur)
- Situaties waar je heel snel antwoord wilt
Aanbieder buiten de EU (China). Weeg databescherming mee voordat je er gevoelige informatie mee verwerkt.
Zero Data Retention mogelijk. Dit model kan via OpenRouter worden ingezet bij een aanbieder die je invoer niet bewaart en niet gebruikt voor training — belangrijk voor vertrouwelijke bedrijfsgegevens. Stel ZDR in je OpenRouter-account in om dit af te dwingen.
Slimheid
92/100 · uitzonderlijk
Schrijven
92/100 · uitzonderlijk
Programmeren
95/100 · uitzonderlijk
Agent-taken
89/100 · uitstekend
Geavanceerd — voor professionals
Onderstaande gegevens zijn bedoeld voor wie de techniek wil doorgronden: ruwe benchmarkscores, gemeten snelheid/latency, prijsopbouw en databronnen. Niet nodig om een goede keuze te maken.
Benchmarks
Klik op een benchmark voor uitleg en alle uitslagen per model; het ?-knopje geeft een korte uitleg.
| Intelligence Index | 59.7 |
| Samengestelde slimheidsscore van Artificial Analysis: het gemiddelde over vele tests voor redeneren, kennis, wiskunde en code. Hoger = slimmer. Alle uitslagen & uitleg → | |
| Coding Index | 76.2 |
| Gemiddelde van programmeertests: hoe goed het model code schrijft, begrijpt en verbetert. Alle uitslagen & uitleg → | |
| Math Index | geen data |
| Gemiddelde van wiskundetests: rekenen, algebra en wiskundig redeneren. Alle uitslagen & uitleg → | |
| Agentic Index | 54.3 |
| Hoe goed het model zelfstandig meerstaps-taken uitvoert met tools (bestanden openen, zoeken, acties uitvoeren). Alle uitslagen & uitleg → | |
| MMLU-Pro | geen data |
| Grote kennistest met ruim 12.000 pittige meerkeuzevragen over 14 vakgebieden (recht, economie, natuurkunde…). Meet brede kennis en redeneren. Alle uitslagen & uitleg → | |
| GPQA Diamond | 93.5% |
| Zeer moeilijke wetenschapsvragen op PhD-niveau (biologie, natuur- en scheikunde). Zelfs menselijke experts halen hier maar ~65%. Alle uitslagen & uitleg → | |
| Humanity's Last Exam | 46.9% |
| De zwaarste kennistest die er is: duizenden extreem moeilijke vragen over honderden onderwerpen. Lage percentages zijn hier normaal. Alle uitslagen & uitleg → | |
| LiveCodeBench | geen data |
| Verse programmeeropgaven die pas ná de training van het model zijn verschenen — meet écht kunnen programmeren in plaats van onthouden. Alle uitslagen & uitleg → | |
| SciCode | 58.7% |
| Programmeeropgaven uit echte wetenschappelijke onderzoekspapers — combineert code en vakkennis. Alle uitslagen & uitleg → | |
| AIME (wiskunde) | geen data |
| Vragen van de Amerikaanse wiskunde-olympiade voor scholieren. Meet geavanceerd wiskundig redeneren. Alle uitslagen & uitleg → | |
| IFBench (instructievolgen) | geen data |
| Meet hoe precies het model instructies opvolgt, zoals eisen aan lengte, opmaak of vorm van het antwoord. Alle uitslagen & uitleg → | |
| τ²-bench (agent-taken) | geen data |
| Realistische klantenservice-scenario's (vluchten omboeken, abonnementen wijzigen) waarin het model zelfstandig regels moet volgen en tools gebruiken. Alle uitslagen & uitleg → | |
| Terminal-Bench (agent-taken) | 85% |
| Opdrachten die het model zelfstandig in een computerterminal moet uitvoeren — een zware test voor agent-vaardigheden. Alle uitslagen & uitleg → | |
Prestaties (gemeten)
| Output-snelheid | 39 tokens/sec |
| Time-to-first-token (latency) | 2.63 sec |
| Snelheidsbron | gemeten (Artificial Analysis) |
Design Arena (ELO)
Head-to-head ranglijst waarin modellen het tegen elkaar opnemen op praktijktaken (websites, code, UI, datavisualisatie). Hogere ELO = vaker gewonnen.
| Gemiddelde ELO | 1395 |
| mobileapps | ELO 1292 · rang 1 |
| 3d | ELO 1445 · rang 1 |
| codecategories | ELO 1407 · rang 1 |
| dataviz | ELO 1376 · rang 1 |
Technische specificaties
| Model-ID | moonshotai/kimi-k3 |
| Contextvenster | 1.048.576 tokens |
| Kennis bijgewerkt tot | onbekend |
| Uitgebracht | 16 jul 2026 |
| Invoer | tekst, beeld, video |
| Redeneren (reasoning) | ja |
| Populariteitsscore | 93/100 |
| Databronnen | openrouter, artificial_analysis, design_arena |