---
title: "Wat is Kimi K3? Het 2,8 biljoen-parameter AI-model uitgelegd"
date: 2026-07-16
author: "Daan Koster"
featured_image: "https://watisai.nl/wp-content/uploads/2026/07/watisai-kimi-k3-uitleg-1.webp"
categories:
  - name: "AI uitleg"
    url: "/category/ai-uitleg.md"
---

# Wat is Kimi K3? Het 2,8 biljoen-parameter AI-model uitgelegd

**Kimi K3 is een groot AI-model van Moonshot AI dat tekst, code en beeld in dezelfde opdracht kan verwerken.** Het model heeft in totaal 2,8 biljoen parameters, een contextvenster van 1 miljoen tokens en is sinds 16 juli 2026 te gebruiken. De open modelgewichten volgen volgens Moonshot uiterlijk 27 juli.

De korte uitleg: K3 is gebouwd voor lang en ingewikkeld werk. Denk aan een grote codebase onderzoeken, meerdere documenten combineren, een interface bekijken en daarna de code aanpassen. Het model is niet automatisch beter omdat het groter is. De combinatie van veel context, vision en een agent die meerdere stappen kan uitvoeren is het interessante deel.

![Uitlegdiagram van Kimi K3 met 2,8 biljoen parameters, één miljoen tokens context en native vision](https://watisai.nl/wp-content/uploads/2026/07/watisai-kimi-k3-uitleg-1.webp)Eigen uitlegbeeld voor watisai.nl.## Wat betekenen de drie grote cijfers?

CijferBetekenisWat je eraan hebt**2,8 biljoen**Het totale aantal parameters in de MoE-architectuurVeel gespecialiseerde onderdelen, zonder dat ze allemaal tegelijk actief zijn.**1 miljoen tokens**De maximale hoeveelheid context in één sessieRuimte voor lange documenten, veel code en uitgebreide taakgeschiedenis.**16 van 896 experts**Het aantal experts dat volgens Moonshot per token wordt gebruiktHet model hoeft niet voor iedere stap de volledige 2,8T-architectuur te activeren.## Bekijk de uitleg in 22 seconden

De kern van dit artikel, met een eigen Nederlandse voice-over en captions.

Je browser ondersteunt geen video.

## Wat is een mixture-of-experts-model?

Een mixture-of-experts-model, vaak afgekort tot MoE, bevat veel gespecialiseerde delen. Bij iedere stap kiest het systeem welke experts het nodig heeft. Een vraag over code kan daardoor andere delen activeren dan een opdracht over een afbeelding.

Je kunt het vergelijken met een groot team waarin niet alle 896 specialisten tegelijk aan ieder probleem werken. K3 schakelt volgens Moonshot per token 16 experts in. De vergelijking is niet perfect, maar legt wel uit waarom “2,8 biljoen parameters” niet betekent dat iedere vraag evenveel rekenwerk gebruikt als een dicht model met dezelfde omvang.

## Waar is het contextvenster van 1 miljoen tokens voor?

Context is alles wat het model tijdens een taak kan meenemen: je opdracht, eerdere antwoorden, documenten, code en toolresultaten. Met 1 miljoen tokens kan K3 veel meer materiaal tegelijk vasthouden dan een gewone korte chatsessie.

Dat is vooral nuttig als de informatie niet netjes in één document staat. Een agent kan bijvoorbeeld tientallen bestanden doorzoeken, een plan maken, tests draaien en de resultaten in dezelfde taakgeschiedenis bewaren. Lees ook onze uitleg over [een agent loop](https://watisai.nl/wat-is-een-agent-loop/) als je wilt begrijpen hoe zo’n reeks stappen werkt.

Meer context lost niet alles op. Een miljoen tokens vol irrelevante bestanden blijft ruis. Een goede workflow selecteert eerst wat bij de taak hoort en bewaart daarna de beslissingen die later nog nodig zijn.

## Wat betekent native vision?

Native vision betekent dat het model beeld als een normaal onderdeel van de opdracht kan verwerken. K3 kan volgens Moonshot screenshots, diagrammen, interfaces en videoframes bekijken naast tekst en code.

De officiële game- en videodemo’s laten zien waarom dat nuttig is. Het model bouwt een visueel resultaat, kijkt ernaar en past daarna de code of montage aan. Dat is sterker dan alleen een screenshot beschrijven. Het beeld wordt onderdeel van de controlelus.

## Is Kimi K3 een AI-videogenerator?

Nee. K3 is geen klassiek text-to-video-model dat rechtstreeks nieuwe videobeelden uit een prompt maakt. De opvallende teaser uit de officiële blog is een montagecase. Moonshot zegt dat K3 uit 56 bronclips een teaser maakte met clipselectie, motion-matched cuts, beat-sync, audiobewerking en meerdere revisies.

Het model gebruikt dus zicht en gereedschap om te monteren. Dat verschil is praktisch: je hebt bronmateriaal, een editomgeving en duidelijke kwaliteitsregels nodig.

## Wat kun je met Kimi K3 doen?

- grote codebases onderzoeken en aanpassen;
- langdurige agenttaken uitvoeren met veel tussenresultaten;
- documenten combineren tot een rapport of interactieve visualisatie;
- een interface of render bekijken en op basis daarvan verbeteringen maken;
- games, dashboards en andere interactieve toepassingen bouwen.

Dat zijn de productdoelen en demo’s van Moonshot, geen garantie dat iedere opdracht goed gaat. Voor normaal dagelijks chatwerk kan een kleiner, sneller model handiger zijn. Bij AI-coding blijft een workflow met [checkpoints](https://watisai.nl/wat-is-ai-coding-met-checkpoints/) verstandiger dan één brede opdracht.

## Waar kun je K3 gebruiken?

Moonshot biedt K3 aan via Kimi.com, Kimi Work, Kimi Code en de API. De API kost volgens de lanceringsblog 0,30 dollar per miljoen cache-hit inputtokens, 3 dollar per miljoen andere inputtokens en 15 dollar per miljoen outputtokens.

Open weights zijn op 16 juli nog niet gepubliceerd. Moonshot heeft aangekondigd dat die uiterlijk 27 juli beschikbaar komen. Tot dat moment is “open model” vooral een belofte over de release die volgt.

## Welke beperkingen noemt Moonshot zelf?

1. **Bewaar de denkgeschiedenis.** K3 is getraind om eerdere thinking-content te behouden. Als een tool die geschiedenis weglaat of je midden in een sessie naar K3 wisselt, kan de kwaliteit instabiel worden.
2. **Geef duidelijke grenzen.** Het model kan bij onduidelijkheid te veel initiatief nemen. Zeg expliciet wat het wel en niet zelfstandig mag beslissen.
3. **Verwacht geen perfecte gebruikerservaring.** Moonshot schrijft dat K3 nog achterloopt op de sterkste gesloten modellen als je naar de totale ervaring kijkt.

Mijn nuchtere oordeel: K3 is vooral interessant voor mensen die lange coding- en agenttaken willen testen en daarbij ook visuele output moeten controleren. Voor een simpele vraag hoef je geen 2,8T-model in te zetten.

## Bronnen

- [Kimi K3 Tech Blog](https://www.kimi.com/blog/kimi-k3), Moonshot AI.
- [De officiële Kimi K3-aankondiging op X](https://x.com/Kimi_Moonshot/status/2077830229968683203).
- [Moonshot AI op Hugging Face](https://huggingface.co/moonshotai).