Kimi K2, K2 Thinking en K3 in detail: de modelreeks van Moonshot AI uitgelegd

Wie zich nader met de modelreeks van Moonshot AI bezighoudt, stuit al snel op een hele reeks aanduidingen: Kimi K2, Kimi K2 Thinking, K2.5, K2.6, K2.7 Code en uiteindelijk K3. Anders dan bij veel westerse aanbieders, die hun modelversies zelden openbaar maken, publiceert Moonshot AI bij elke grotere versie technische rapporten en de modelgewichten zelf om te downloaden. Voor geïnteresseerden uit de vastgoed- en financiële sector loont een nadere blik, omdat er achter de versienummers concrete verschillen schuilgaan in contextvenster, rekeninspanning en agentvaardigheden – en dus ook bij de vraag waarvoor een model in het werkalledaags daadwerkelijk geschikt is.

Van onderzoeksmodel tot zwaargewicht: de Kimi-K2-reeks

Kimi K2: de technische basis

De oorspronkelijke Kimi K2-versie werd in juli 2025 voorgesteld en uitgebreid beschreven in een technisch rapport (“Kimi K2: Open Agentic Intelligence”). Technisch gaat het om een zogenoemd mixture-of-experts-model (MoE): in plaats van één enkel, doorlopend actief neuraal netwerk bestaat het model uit veel gespecialiseerde deelnetwerken (“experts”), waarvan per aanvraag slechts een klein deel daadwerkelijk wordt geactiveerd. Bij Kimi K2 gaat het volgens opgave van Moonshot AI om in totaal ongeveer één biljoen parameters, waarvan bij elke afzonderlijke aanvraag ongeveer 32 miljard actief worden gebruikt. Het model verdeelt zich over 384 experts, waarvan er per tekstfragment 8 gericht worden geselecteerd, aangevuld met een altijd actieve “gedeelde” expert.

Deze opbouw verklaart waarom Kimi K2 ondanks zijn enorme totale omvang relatief economisch kan worden geëxploiteerd: niet het volledige biljoen parameters moet voor elke aanvraag worden doorgerekend, maar slechts een klein, geselecteerd deel. Het model werd volgens opgave van Moonshot AI getraind met een speciaal ontwikkelde optimalisatiemethode (MuonClip), die bij zo grote MoE-modellen de trainingsstabiliteit moet verbeteren. De oorspronkelijke basisversie bood een contextvenster van 128.000 tokens, de tegelijk gepubliceerde Instruct-versie (voor dialogen en instructies) werd uitgebreid naar 256.000 tokens.

Kimi K2 Thinking: denken en handelen in één model

In het najaar van 2025, volgens overeenstemmende berichten in november 2025, presenteerde Moonshot AI met “Kimi K2 Thinking” een variant die bovendien een uitgebreid, meerstaps-denkproces vóór het eigenlijke antwoord inbouwt en daarbij al tijdens het denkproces hulpmiddelen kan aanroepen (bijvoorbeeld een websearch of een rekenmachine). Volgens beschikbare benchmarkgegevens behaalde het model op de bekende programmeertest “SWE-Bench Verified” een waarde van ongeveer 71 procent en kon het in testscenario’s meerdere honderden achtereenvolgende hulpmiddelaanroepen zelfstandig uitvoeren, om complexe, langdurige taken op te lossen. Daarmee positioneerde Moonshot AI zich gericht in het gebied van de zogenoemde agentmodellen, die niet alleen antwoorden, maar meerstaps-taken zelfstandig plannen en uitvoeren.

De doorontwikkeling in 2026: K2.5, K2.6 en K3

In de loop van 2026 publiceerde Moonshot AI meerdere verdere uitbreidingsniveaus. Volgens overeenstemmende, maar niet altijd eenduidige bronnen verschenen K2.5 en in april 2026 K2.6 met een naar 256.000 tokens uitgebreid contextvenster en verbeterde programmeervaardigheden, gevolgd door een op programmeertaken gespecialiseerde variant genaamd K2.7 Code. In juli 2026 volgde uiteindelijk Kimi K3, dat volgens opgave van de fabrikant aantreedt met een naar ongeveer 1 miljoen tokens vergroot contextvenster en native beeldverwerking (vision) – volgens opgave van Moonshot AI viermaal zo groot als het contextvenster van K2.6. Over de precieze parameteromvang van K3 circuleren in verschillende bronnen uiteenlopende gegevens (deels in de orde van ongeveer twee tot drie biljoen totale parameters); een eenduidig, officieel definitief cijfer is momenteel niet met volledige zekerheid te bevestigen, waarom hier bewust wordt gesproken van een orde van grootte in plaats van een exact cijfer.

Wat maakt de Kimi-modellen technisch en strategisch bijzonder?

Open gewichten met commerciële voorwaarde

Moonshot AI publiceert de modelgewichten van K2 en de opvolgers onder een zelf geformuleerde, aangepaste MIT-licentie. In de kern gaat het om een zeer vrije opensourcelicentie, die ook commercieel gebruik toestaat. Een bijzonderheid: wie een product of dienst op basis van de modellen exploiteert met meer dan 100 miljoen actieve gebruikers per maand of meer dan 20 miljoen Amerikaanse dollar maandomzet, moet de vermelding “Kimi K2” zichtbaar in de eigen interface tonen. Voor de meeste kleinere en middelgrote toepassingen – ook uit de vastgoedbranche – speelt deze clausule praktisch geen rol, maar ze toont dat “open” bij Kimi niet helemaal onvoorwaardelijk is bedoeld.

Agentvaardigheden en groot contextvenster

De strategische focus van de Kimi-modellen ligt duidelijk op zogenoemde agentvaardigheden: de mogelijkheid om meerstaps-taken met hulpmiddelgebruik, webtoegang en code-uitvoering zelfstandig te behandelen, in plaats van alleen losse vragen te beantwoorden. In combinatie met een zeer groot contextvenster – bij K3 ongeveer een miljoen tokens – kunnen daardoor zeer omvangrijke documentverzamelingen in één keer worden verwerkt, bijvoorbeeld meerdere honderden pagina’s aan contractdocumenten of een grotere verzameling objectdocumenten.

Onthoud: het grote contextvenster maakt het mogelijk om zeer veel documenten gelijktijdig in te lezen – dat vervangt echter geen zorgvuldige controle van de uitvoer, want ook een groot contextvenster beschermt niet tegen fouten of weglatingen in het resultaat.

Toepassingsvoorbeelden uit de praktijk

1. Geautomatiseerde samenvatting van grote dossiers

Een medewerker bij een vastgoedbeheerder zou via de API meerdere honderden afrekeningen van bijkomende kosten of notulen van eigenaarsvergaderingen in één enkele ronde kunnen laten inlezen, om bijzonderheden – zoals ongewoon hoge kostenposten – geautomatiseerd te laten markeren. Het grote contextvenster van K2.6 of K3 maakt dit technisch mogelijk, zonder de documenten vooraf in veel kleine stukjes te moeten opsplitsen.

2. Concept en lay-out van een verkoopbrochure

In de agentmodus kan een makelaar een eerste, meerpagina’s tellende conceptversie van een objectbrochure inclusief eenvoudige webweergave laten maken, die vervolgens handmatig redactioneel wordt gecontroleerd en afgestemd op de werkelijke, juridisch bindende objectgegevens.

3. Programmeerondersteuning voor interne hulpmiddelen

Omdat de Kimi-modellen in benchmarks voor programmeertaken bijzonder sterk scoren, gebruiken sommige IT-afdelingen van vastgoedbedrijven Kimi ter ondersteuning bij het maken van kleine interne automatiseringsscripts, bijvoorbeeld voor het vergelijken van huurlijsten tussen twee softwaresystemen.

4. Onderzoek en marktobservatie

Via de webbrowsingfunctie van de agentmodus kan een model worden ingezet voor de doorlopende observatie van publiek toegankelijke marktgegevens, bijvoorbeeld voor het samenvatten van renteontwikkelingen of algemeen toegankelijke vastgoedmarktrapporten – belangrijk hierbij is uitsluitend te werken met publiek beschikbare, niet-persoonsgebonden bronnen.

5. Meertalige communicatie

Bij internationale vastgoedportefeuilles kan een financieel medewerker Kimi gebruiken om standaardbrieven of samenvattingen tussen meerdere talen om te zetten – ook hier geldt echter de eerder beschreven beperking bij persoonsgebonden content.

Onthoud: hoe groter de hoeveelheid gegevens die een model in één keer verwerkt, hoe belangrijker de vraag wordt waar deze gegevens zich precies bevinden tijdens de verwerking – prestatie en gegevensbescherming zijn twee gescheiden vragen die beide moeten worden beantwoord.

Veelgestelde vragen over de Kimi-modellen

Wat is het verschil tussen Kimi K2 en Kimi K2 Thinking?

Kimi K2 is het oorspronkelijke basismodel, Kimi K2 Thinking is een in november 2025 voorgestelde variant die vóór het antwoord een uitgebreider, meerstaps-denkproces met hulpmiddelgebruik inbouwt en daardoor bij complexe taken beter scoort.

Hoe groot is het contextvenster van de actuele modellen?

De modellen van de K2-reeks bieden meestal 256.000 tokens context, het in juli 2026 voorgestelde Kimi K3 wordt opgegeven met ongeveer een miljoen tokens.

Zijn de Kimi-modellen echt open source?

De modelgewichten zijn openlijk toegankelijk en gepubliceerd onder een aangepaste, zeer vrije MIT-licentie. Een bijzonderheid is de attributieverplichting voor zeer grote commerciële toepassingen (meer dan 100 miljoen gebruikers of 20 miljoen Amerikaanse dollar maandomzet).

Zijn de modellen geschikt voor programmeertaken?

Ja, de Kimi-K2-reeks en vooral de gespecialiseerde variant K2.7 Code scoren relatief sterk in publieke programmeerbenchmarks en worden vaak ingezet voor coding-agenten.

Kan ik de modellen zelf exploiteren, in plaats van de Kimi-website te gebruiken?

Ja, omdat de gewichten openlijk worden gepubliceerd, kunnen ze via verschillende cloudaanbieders of op eigen hardware worden geëxploiteerd. Dit vereist echter technische vakkennis en voldoende rekencapaciteit, omdat het om zeer grote modellen gaat.

Basisinformatie over het bedrijf Moonshot AI, over prijzen en over gegevensbescherming vindt u op onze aanbiederspagina. Een vergelijking van alle tien AI-aanbieders in het cluster vindt u op de overzichtspagina.