LLM EU
Меню
Модели

Kimi K3

Moonshot AI

Само в каталога Отворени тегла

Последна проверка:

Суверенитет и хостинг

Само в каталога

Този модел е включен в каталога за справка. Той все още не се хоства в LLM EU и нито един собствен endpoint не го обслужва тук. Заявките към него отиват директно при доставчика, при неговите собствени условия.

Обобщение

Kimi K3 е много голям визуално-езиков модел с отворени тегла от Moonshot AI: 2779.9B параметри под kimi-k3 (персонализиран, обозначен като „друг“). Хранилището е създадено през юни 2026 г. и е огледално копие в Hugging Face. Той приема текст и изображения и отговаря с текст. Това е базова контролна точка без настройка на инструкции. Публикуваната конфигурация не записва контекстен прозорец, така че тази карта не съдържа такъв. Картата е само за каталога: LLM EU не изпълнява този модел. Издателят не посочва езиково покритие на страницата на модела.

Спецификации

Доставчик
Moonshot AI (CN)
Прозорец на контекста
Непроверено: доставчикът не е документирал това твърдение.
Параметри
2779.9B
Модалности
text, vision
Лиценз
other · licence
Отворени тегла
yes
Дата на издаване
13.06.2026 г.
Задачи
Разсъждение, Кодиране, Визия

Езици

Силно: —

Достатъчно: —

Силно

    Достатъчно

      Непроверено: доставчикът не е документирал това твърдение. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Кога да се използва

      Силни страни

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement

      Ограничения

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the kimi-k3 (other) licence is a custom agreement whose commercial terms were not established from its published text, so commercial serving is not permitted until a human clears it; the router must not route to it
      • the published configuration records no context window, so the card carries none
      • at 2779.9B parameters, self-hosting needs a multi-node deployment rather than a single server
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model