मूनशॉट एआई (Kimi) इक्विटी रिसर्च रिपोर्ट - K3 ने वैश्विक फ्रंटियर मॉडल की प्रथम श्रेणी में प्रवेश किया है

2026-08-1215m66.881Kगहन शोध

लेखक: LBank रिसर्च विश्लेषक: Steven.fu

ट्रेडिंग पेयर: KIMIUSDT(7.79 | KIMIUSDT कॉन्ट्रैक्ट ट्रेडिंग | LBank फ्यूचर्स)

अस्वीकरण: यह रिपोर्ट सार्वजनिक रूप से उपलब्ध जानकारी से संकलित और विश्लेषित की गई है और यह केवल सूचनात्मक और शोध उद्देश्यों के लिए है। यह निवेश सलाह, प्रतिभूति सिफारिश, व्यापारिक निर्देश, या रिटर्न की किसी गारंटी का गठन नहीं करती है। कंपनी के संचालन, मूल्यांकन, बाजार मूल्य, और यहाँ चर्चा की गई आम सहमति की अपेक्षाएँ समय के साथ बदल सकती हैं। पाठकों को स्वतंत्र रूप से डेटा को सत्यापित करना चाहिए और अपने निर्णय स्वयं लेने चाहिए।

1. मुख्य निष्कर्ष: K3 ने तकनीक को प्रथम श्रेणी में ला खड़ा किया है, लेकिन पूंजी ने पहले ही इसकी कीमत एक दीर्घकालिक विजेता के रूप में तय कर दी है

समग्र दृष्टिकोण: मूनशॉट एआई (Moonshot AI) चीन के सबसे गहन मॉडल तकनीक वाले बड़े-मॉडल स्टार्टअप्स में से एक है। 2.8 ट्रिलियन कुल पैरामीटर, 104 बिलियन सक्रिय पैरामीटर, नेटिव मल्टीमोडैलिटी और 1-मिलियन-टोकन संदर्भ विंडो (context window) के साथ, किमी के3 (Kimi K3) वैश्विक स्तर पर अग्रणी प्रथम श्रेणी में शामिल हो गया है। हालांकि, कंपनी अभी भी निजी है, और सार्वजनिक जानकारी इस निश्चित दावे का समर्थन नहीं करती है कि यह "ए-शेयर बाजार में सूचीबद्ध होने वाली है।" उपलब्ध रिपोर्टें अधिक सुसंगत रूप से चैप्टर 18सी (Chapter 18C) के तहत हांगकांग में सूचीबद्ध होने की तैयारियों की ओर इशारा करती हैं, हालांकि अभी तक कोई औपचारिक फाइलिंग नहीं हुई है। अप्रैल में रिपोर्ट किए गए $200 मिलियन से अधिक के एआरआर (ARR) द्वारा रिपोर्ट किए गए $31.5 बिलियन के प्री-मनी मूल्यांकन (pre-money valuation) को यंत्रवत विभाजित करने पर लगभग 157.5 गुना एआरआर (157.5x ARR) का मूल्यांकन प्राप्त होता है। वर्तमान जोखिम-प्रतिफल (risk-reward) गिरावट की ओर झुका हुआ है, और मुख्य वेरिएबल यह है कि क्या K3 का मॉडल लाभ अगले 12 महीनों में कंप्यूट लागत और अगले मॉडल चक्र द्वारा समाप्त हुए बिना, टिकाऊ एपीआई, सब्सक्रिप्शन और एजेंट-वर्कफ़्लो राजस्व में परिवर्तित हो सकता है।

मॉडल की गुणवत्ता उत्कृष्ट है, लेकिन सही निष्कर्ष "प्रथम श्रेणी" है, न कि "निर्विवाद वैश्विक लीडर"। आधिकारिक तुलना तालिका में, K3 ने GPQA Diamond पर 93.5, ProgramBench पर 77.8, BrowseComp पर 91.2, OmniDocBench पर 91.1 और SWE-Marathon पर 42.0 का स्कोर किया। इसने ProgramBench, BrowseComp, OmniDocBench और SWE-Marathon पर इसी तालिका के सबसे मजबूत प्रतिस्पर्धी को 0.2-2.0 प्रतिशत अंकों से पीछे छोड़ दिया, लेकिन GPQA पर GPT-5.6 Sol से 0.6 अंक और DeepSWE पर 5.5 अंक पीछे रह गया, और FrontierSWE पर Claude Fable 5 से 5.4 अंक पीछे रहा। निवेश का निहितार्थ स्पष्ट है: K3 ने विश्व स्तरीय उत्पादों के लिए टिकट हासिल कर लिया है, लेकिन इसने विभिन्न कार्यों और लीडरबोर्ड पर अपनी निरंतर बढ़त स्थापित नहीं की है।
किमी (Kimi) का अनुसंधान एवं विकास (R&D) मार्ग लंबे टेक्स्ट में मिली एक एकल सफलता से विकसित होकर एक सामान्य-उद्देश्यीय एजेंट प्रणाली बन गया है। Kimi Chat ने 2023 में 200,000-चीनी-वर्ण संदर्भ (context) के साथ बाजार में प्रवेश किया और 2024 में सार्वजनिक उत्पाद क्षमता को 2 मिलियन वर्णों तक विस्तारित किया। 2025 में, k1.5, Kimi-VL और K2 ने क्रमिक रूप से लॉन्ग-चेन रीजनिंग (long-chain reasoning), मल्टीमोडैलिटी, MoE और टूल यूज़ को जोड़ा। 2026 में, K2.5, K2.6, K2.7 कोड और K3 ने नेटिव मल्टीमोडैलिटी, एजेंट स्वार्म (Agent Swarm), लॉन्ग-होराइज़न कोडिंग और एंड-टू-एंड नॉलेज वर्क को आगे बढ़ाना जारी रखा। K2 की तुलना में, K3 ने कुल पैरामीटर्स को 1 ट्रिलियन से बढ़ाकर 2.8 ट्रियन, सक्रिय पैरामीटर्स को 32 बिलियन से बढ़ाकर 104 बिलियन और संदर्भ को 128K से बढ़ाकर 1,048,576 कर दिया; कंपनी का कहना है कि समग्र स्केलिंग दक्षता में लगभग 2.5 गुना सुधार हुआ है। यह एकमुश्त मार्केटिंग उछाल के बजाय एक निरंतर, व्याख्या करने योग्य तकनीक वक्र (technology curve) है।
व्यावसायिक प्रवेश बिंदु (Commercial entry points) स्थापित हैं, लेकिन यूनिट इकोनॉमिक्स (unit economics) के पास अभी भी ऑडिटेड प्रमाण की कमी है। कंपनी का दायरा अब किमी (Kimi) वेब/ऐप सब्सक्रिप्शन, एंटरप्राइज सब्सक्रिप्शन, एपीआई (APIs), किमी कोड (Kimi Code), किमी वर्क (Kimi Work) और एक ओपन-सोर्स इकोसिस्टम तक फैल गया है। प्रति 1 मिलियन टोकन के लिए K3 API की कीमत कैश-हिट इनपुट के लिए RMB2, कैश-मिस इनपुट के लिए RMB20 और आउटपुट के लिए RMB100 है। 1 मिलियन अनकैश्ड इनपुट टोकन और 100,000 आउटपुट टोकन वाला कार्य यांत्रिक रूप से लगभग RMB30 का राजस्व उत्पन्न करता है; उसी प्रीफिक्स के कैश्ड होने पर, राजस्व 60% गिरकर लगभग RMB12 हो जाता है। यह यह भी दर्शाता है कि संभावित ग्रॉस मार्जिन के लिए कैशिंग और स्पार्स आर्किटेक्चर क्यों महत्वपूर्ण हैं। कंपनी ने प्रति टोकन K3 इन्फ्रेंस लागत, पेड कन्वर्शन, रिटेंशन, रेवेन्यू मिक्स या ग्रॉस मार्जिन का खुलासा नहीं किया है, इसलिए ARR वृद्धि को सीधे तौर पर उच्च गुणवत्ता वाले सॉफ्टवेयर राजस्व के बराबर नहीं माना जाना चाहिए।
पूंजी का मूल्य निर्धारण वित्तीय प्रकटीकरण से बहुत आगे है। 36Kr द्वारा Zhidx के पुन: प्रकाशन में बताया गया है कि मूनशॉट एआई (Moonshot AI) का ARR अप्रैल में 200 मिलियन अमेरिकी डॉलर को पार कर गया और मई के वित्तपोषण के बाद इसका मूल्यांकन 20 बिलियन अमेरिकी डॉलर तक पहुंच गया। इसके बाद जुलाई की रिपोर्टों में प्री-आईपीओ दौर के लिए 31.5 बिलियन अमेरिकी डॉलर के प्री-मनी मूल्यांकन और 50 बिलियन अमेरिकी डॉलर के लक्षित मूल्यांकन का उल्लेख किया गया। ये स्तर क्रमशः लगभग 157.5 गुना और 250 गुना ARR के बराबर हैं, जबकि ARR, वित्तपोषण पूरा होने और मूल्यांकन के ये सभी आंकड़े ऑडिटेड प्रॉस्पेक्टस (विवरणिका) के आंकड़ों के बजाय मीडिया या वित्तीय-सलाहकार खातों से आते हैं। भले ही ARR दोगुना होकर 400 मिलियन अमेरिकी डॉलर हो जाए, फिर भी 31.5 बिलियन अमेरिकी डॉलर का मूल्यांकन 78.8 गुना ARR के बराबर होगा। बाजार मौजूदा परिचालन नकदी प्रवाह के लिए नहीं, बल्कि "निरंतर फ्रंटियर-मॉडल स्वामित्व और एक वैश्विक एजेंट प्लेटफॉर्म के रूप में उभरने" के एक मिश्रित विकल्प (compound option) के लिए भुगतान कर रहा है।
लिस्टिंग दावों में संयम बरतने की आवश्यकता होती है, जबकि रिवर्सल (उलटफेर) की शर्तों को परिमाणित किया जा सकता है। 12 अगस्त, 2026 तक, सार्वजनिक चैनलों पर मूनशॉट एआई (Moonshot AI) के लिए कोई ए-शेयर ट्यूटरिंग फाइलिंग, एक्सचेंज स्वीकृति या प्रॉस्पेक्टस प्रदर्शित नहीं हुआ। 24 जुलाई की एक रिपोर्ट में स्पष्ट रूप से कहा गया था कि इसने न तो औपचारिक रूप से फाइलिंग की है और न ही विदेशी-लिस्टिंग पंजीकरण प्राप्त किया है, और "छह महीने जितने जल्द" केवल एक आदर्श परिदृश्य था। वर्तमान नकारात्मक दृष्टिकोण तटस्थ-से-सकारात्मक में बदल सकता है यदि कंपनी अगले 12 महीनों के भीतर औपचारिक रूप से हांगकांग प्रॉस्पेक्टस फाइल करती है और $400 मिलियन अमेरिकी डॉलर से अधिक का ARR, 120% से अधिक का नेट रेवेन्यू रिटेंशन (शुद्ध राजस्व प्रतिधारण), 50% से अधिक का K3 इन्फ्रेंस ग्रॉस मार्जिन, राजस्व के 30% से कम योगदान देने वाले शीर्ष तीन ग्राहक, और कम से कम आधे मुख्य थर्ड-पार्टी कोडिंग और एजेंट बेंचमार्क पर शीर्ष तीन में K3 रैंकिंग का खुलासा करती है। इसके विपरीत, यदि मूल्यांकन $50 बिलियन अमेरिकी डॉलर तक पहुंच जाता है जबकि ARR $200 मिलियन अमेरिकी डॉलर के करीब रहता है, K3 क्षमता फिर से सेवाओं को निलंबित करने के लिए मजबूर करती है, या अगली पीढ़ी के प्रतिस्पर्धी व्यापक रूप से आगे निकल जाते हैं, तो ओवरवैल्यूएशन (अति-मूल्यांकन) का निष्कर्ष और मजबूत हो जाएगा।

2. कंपनी विवरण, व्यावसायिक संरचना और मुख्य परिचालन संकेतक: एक लॉन्ग-टेक्स्ट असिस्टेंट से लेकर एक ओपन एजेंट प्लेटफॉर्म तक, यह मॉडल उत्पाद वितरण का इंजन बन गया है

Moonshot AI की स्थापना 2023 में यांग झिलिन और अन्य लोगों द्वारा की गई थी; Kimi उपयोगकर्ताओं और डेवलपर्स के लिए इसका मुख्य ब्रांड है। लार्ज-मॉडल वैल्यू चेन में, कंपनी एक साथ फाउंडेशन-मॉडल डेवलपर, कंज्यूमर-एप्लिकेशन ऑपरेटर, API क्लाउड प्रदाता और एजेंट-टूल विक्रेता के रूप में कार्य करती है। केवल मॉडल कॉल बेचने वाली प्रयोगशाला के विपरीत, Moonshot AI समान मॉडल क्षमताओं को Kimi के वेब और मोबाइल उत्पादों, एंटरप्राइज़ सब्सक्रिप्शन, ओपन-प्लेटफ़ॉर्म API, Kimi Code कमांड-लाइन टूल, Kimi Work लोकल ऑफिस एजेंट और GitHub तथा Hugging Face पर ओपन-सोर्स इकोसिस्टम के माध्यम से वितरित करता है। यह "बेहतर मॉडल -> बेहतर उत्पाद अनुभव -> उपयोगकर्ता और डेवलपर विकास -> फीडबैक और प्रशिक्षण में पुनर्निवेशित राजस्व" का एक लूप बनाने का प्रयास कर रहा है।

उपभोक्ता सहायक ब्रांड और मांग का प्रवेश बिंदु है। किमी (Kimi) ने शुरुआत में अत्यधिक लंबे टेक्स्ट, दस्तावेज़ पढ़ने और वेब खोज के माध्यम से खुद को अलग पहचान दी, जिसका लक्ष्य छात्रों, शोधकर्ताओं, वकीलों, प्रोग्रामरों और ज्ञान कार्यकर्ताओं को आकर्षित करना था। मुफ़्त उत्पाद नए उपयोगकर्ताओं को जोड़ता है, जबकि मेंबरशिप और एंटरप्राइज़ सब्सक्रिप्शन से उनका मुद्रीकरण किया जाता है। इसका लाभ यह है कि उपयोगकर्ता मॉडल अपग्रेड का सीधे अनुभव कर सकते हैं, जिसमें K2.5 और K3 दोनों रिलीज़ के साथ ही उत्पाद इंटरफ़ेस में शामिल हो जाते हैं। इसकी कमज़ोरी कंज्यूमर एआई में कम स्विचिंग लागत है: यदि कोई प्रतिस्पर्धी किसी एक भी इटरेशन में गति, कीमत या मॉडल की गुणवत्ता के मामले में आगे निकल जाता है, तो पेड रिटेंशन तेज़ी से बदल सकता है।

ओपन एपीआई प्लेटफॉर्म डेवलपर्स और उद्यमों को सेवाएं प्रदान करता है, जो इनपुट और आउटपुट टोकन के लिए शुल्क लेता है और बार-बार दोहराए जाने वाले प्रीफ़िक्स की लागत को कम करने के लिए कॉन्टेक्स्ट कैशिंग का उपयोग करता है। K3, OpenAI- और Anthropic-संगत इंटरफेस, टूल कॉलिंग, स्ट्रक्चर्ड आउटपुट, डायनेमिक टूल लोडिंग, और इमेज व वीडियो इनपुट का समर्थन करता है। इससे माइग्रेशन की बाधाएं कम होती हैं, लेकिन यह लॉक-इन को भी कमजोर करता है। एपीआई व्यवसाय के लिए सबसे महत्वपूर्ण KPI कुल कॉल नहीं बल्कि पेड टोकन, कैश-हिट रेशियो, प्रति टोकन इंफ़्रेंस लागत, सेवा विश्वसनीयता और ग्राहक प्रतिधारण हैं। कंपनी कीमतों का खुलासा करती है लेकिन ग्रॉस मार्जिन या कस्टमर मिक्स का नहीं, जिससे यह निर्धारित करना असंभव हो जाता है कि कम कीमतें आर्किटेक्चरल दक्षता को दर्शाती हैं या फाइनेंसिंग-फंडेड सब्सिडी को।

Kimi Code, Kimi Work और एजेंट क्षमताएं वह उत्पाद परत हैं जिनसे प्रति ग्राहक औसत राजस्व बढ़ने की सबसे अधिक संभावना है। Kimi Code मॉडल को वास्तविक कोडबेस, टर्मिनल और टूल कॉल्स में एकीकृत करता है; Kimi Work स्थानीय रूप से कार्यों को विभाजित करने, ब्राउज़र संचालित करने, फ़ाइलें बनाने और दस्तावेज़, स्प्रेडशीट व प्रेजेंटेशन देने का प्रयास करता है। ज्ञान-कार्य (knowledge-work) और कोडिंग कार्यों के लिए अक्सर लंबे संदर्भ (long context), बार-बार टूल कॉल्स और उच्च आउटपुट-टोकन मात्रा की आवश्यकता होती है, जो उन्हें सामान्य प्रश्नोत्तर (Q&A) की तुलना में अधिक मूल्यवान बनाता है, लेकिन साथ ही प्रत्येक त्रुटि को अधिक महंगा भी बनाता है। लॉन्ग-होराइजन कोडिंग, दस्तावेज़ों, खोज और मल्टीमोडैलिटी में K3 के सुधारों का उद्देश्य मॉडल स्कोर को बिलिंग-योग्य वर्कफ़्लो (billable workflows) में बदलना है।

ओपन-वेट मॉडल और इंफ्रास्ट्रक्चर इकोसिस्टम अधिग्रहण और तकनीकी सत्यापन प्रदान करते हैं। K2, K2.5 और K3 वेट्स ओपन हैं, साथ ही MoonEP और FlashKDA जैसी ट्रेनिंग और इन्फरेंस-संबंधित परियोजनाएं भी हैं, जो शोधकर्ताओं, क्लाउड प्रदाताओं और इन्फरेंस-फ्रेमवर्क एकीकरण को आकर्षित करती हैं। ओपन मॉडल किसी क्लोज्ड API पर सीधे लॉक-इन को कम करते हैं, लेकिन वे वितरण का विस्तार करते हैं, तीसरे पक्ष के अपनाने की बाधाओं को कम करते हैं, और उद्यमों को डेटा-संवेदनशील सेटिंग्स में सेल्फ-होस्ट करने की अनुमति देते हैं। Moonshot AI की मुख्य व्यावसायिक चुनौती खुलेपन से उत्पन्न होने वाले एडॉप्शन और API तथा एंटरप्राइज सेवाओं के माध्यम से मुद्रीकरण के बीच संतुलन बनाना है।

बिजनेस/प्रोडक्ट लेयर	प्रोडक्ट, कस्टमर और चार्जिंग मॉडल	नवीनतम सत्यापन योग्य स्केल या KPI	मॉडल डिपेंडेंसी	रिसर्च व्यू
किमी कंज्यूमर असिस्टेंट	वेब, ऐप और मेंबरशिप; व्यक्तिगत ज्ञान कार्य, खोज, लेखन, दस्तावेज़ और मल्टीमॉडल कार्य; मुफ्त प्लस सब्सक्रिप्शन	MAU, पेड यूजर्स, ARPU और रिटेंशन का खुलासा नहीं किया गया; K3 के रिलीज होने के 48 घंटों के भीतर मांग क्षमता से अधिक हो गई	अनुभव सीधे तौर पर नवीनतम फ्लैगशिप मॉडल पर निर्भर करता है	मजबूत ब्रांड प्रवेश बिंदु; स्विचिंग लागत और यूनिट इकोनॉमिक्स अप्रमाणित हैं
एंटरप्राइज सब्सक्रिप्शन/किमी वर्क	एंटरप्राइज सीटें और एक स्थानीय सामान्य-उद्देश्यीय एजेंट; प्राकृतिक-भाषा कार्यों को विभाजित करता है और कार्यालय आउटपुट प्रदान करता है	किमी वर्क ने 2026-06-03 को बीटा परीक्षण शुरू किया; राजस्व अलग से रिपोर्ट नहीं किया गया है	लंबे संदर्भ, टूल उपयोग, फाइलों और विज़न की आवश्यकता होती है	उच्च ग्राहक खर्च का सबसे संभावित मार्ग, लेकिन अभी भी उत्पाद सत्यापन के चरण में है
किमी एपीआई	डेवलपर्स और उद्यम प्रति टोकन भुगतान करते हैं; प्रमुख एपीआई प्रारूपों के साथ संगत	K3: RMB2 कैश-हिट इनपुट, RMB20 कैश-मिस इनपुट, और प्रति मिलियन टोकन पर RMB100 आउटपुट; 1M संदर्भ	मॉडल की गुणवत्ता, कैशिंग, इन्फ्रेंस दक्षता और विश्वसनीयता संयुक्त रूप से सकल मार्जिन निर्धारित करते हैं	पारदर्शी मूल्य निर्धारण और कम एकीकरण घर्षण; सकल मार्जिन और एकाग्रता अज्ञात है
किमी कोड और एजेंट एसडीके	सॉफ्टवेयर टीमों और डेवलपर्स के लिए सीएलआई, आईडीई/एजेंट एकीकरण और विकास ढांचे	K2.7 कोड हाई-स्पीड संस्करण सामान्य कोडिंग में लगभग 180 tokens/s और छोटे संदर्भों में 260 tokens/s तक प्रदान करता है, जो मानक संस्करण की तुलना में लगभग 5-6 गुना है	कोडिंग बेंचमार्क, लॉन्ग-हॉरिज़न निष्पादन और टूल ऑर्केस्ट्रेशन	K3 के सबसे स्पष्ट व्यावसायिकरण प्रवेश बिंदुओं में से एक
ओपन मॉडल और इन्फ्रास्ट्रक्चर	K2/K2.5/K3 वेट्स, MoonEP, FlashKDA और अन्य; मुफ्त में अपनाना इकोसिस्टम के विकास और संभावित एंटरप्राइज सेवाओं का समर्थन करता है	12 अगस्त तक K3 के आधिकारिक GitHub पर लगभग 8,300 स्टार और 650 फोर्क थे; यह राजस्व का पैमाना नहीं है	मॉडल और इंजीनियरिंग गुणवत्ता का सार्वजनिक सत्यापन	वैश्विक वितरण का समर्थन करता है; सशुल्क राजस्व में रूपांतरण साबित करना होगा
समग्र रूप से कंपनी	समानांतर रूप से उपभोक्ता, एंटरप्राइज, API और ओपन-सोर्स चैनल	द्वितीयक रिपोर्टिंग: अप्रैल ARR 200 मिलियन अमेरिकी डॉलर से अधिक; अनऑडिटेड	K3 की इटरेशन गति विकास का इंजन है	उच्च गुणवत्ता वाली तकनीकी संपत्तियां; व्यावसायिक-गुणवत्ता प्रकटीकरण मूल्यांकन की तुलना में काफी पीछे है

मॉडल और उत्पाद का इतिहास रणनीतिक फोकस में निरंतर बदलाव को दर्शाता है। 2023-2024 का चरण "लॉन्ग कॉन्टेक्स्ट का उत्पादनीकरण" था, जिसमें पहचान स्थापित करने के लिए 2,00,000 और 20 लाख चीनी अक्षरों की पठनीय लंबाई का उपयोग किया गया था। 2025 के चरण ने तर्कशीलता, बहुविधता और बुनियादी एजेंट क्षमताओं की कमियों को पूरा किया। 2026 का चरण "ओपन फ्रंटियर मॉडल प्लस एंड-टू-एंड वर्कफ़्लो" बन गया। वास्तव में मूल्यवान संपत्ति एक एकल किमी चैट (Kimi Chat) ट्रैफ़िक एंट्री पॉइंट से बढ़कर मॉडल, उत्पादों, एपीआई, कोडिंग टूल और ओपन इंफ्रास्ट्रक्चर के संयोजन में बदल गई है। मुख्य जोखिम यह है कि प्रत्येक बढ़त केवल कुछ महीनों तक ही चल सकती है; मॉडल जारी करने की गति ही मॉडल के मूल्यह्रास की भी गति है।

मुख्य परिचालन संकेतक और बदलाव

यह मुद्दा K3 के जुलाई लॉन्च, 27 जुलाई को इसके वेट्स (weights) खोले जाने और इसी अवधि में आई फाइनेंसिंग और लिस्टिंग रिपोर्ट्स से शुरू हुआ था। कानूनी स्थिति स्पष्ट होनी चाहिए: Moonshot AI सार्वजनिक रूप से सूचीबद्ध नहीं है और इसका कोई स्टॉक टिकर, सार्वजनिक शेयर मूल्य, वैधानिक बाजार पूंजीकरण (market capitalization) या ऑडिटेड प्रॉस्पेक्टस वित्तीय विवरण नहीं है। सार्वजनिक रिपोर्टें हांगकांग चैप्टर 18C लिस्टिंग की तैयारियों की ओर इशारा करती हैं, न कि किसी पुष्ट ए-शेयर आईपीओ (A-share IPO) की ओर। इसलिए, यह रिपोर्ट राजस्व, लाभ या कैश-फ्लो स्टेटमेंट को मनगढ़ंत बनाने के बजाय मॉडल स्पेसिफिकेशंस, प्रोडक्ट्स, API कीमतों, रिपोर्ट किए गए ARR और प्राइवेट फाइनेंसिंग वैल्यूएशन को मुख्य संकेतकों के रूप में उपयोग करती है।

संकेतक/घटना	नवीनतम मूल्य या प्रगति	पूर्ववर्ती/इतिहास के साथ तुलना	मापन का आधार	मॉडल, राजस्व और मूल्यांकन के लिए निहितार्थ
K3 आर्किटेक्चर	2.8T कुल पैरामीटर, 104B सक्रिय पैरामीटर, प्रति टोकन 896 विशेषज्ञों में से 16 चयनित, 1M संदर्भ (context)	K2 में 1T कुल पैरामीटर, 32B सक्रिय और 128K संदर्भ (context) थे	आधिकारिक कंपनी मॉडल कार्ड	प्रशिक्षण और अनुमान की सीमा को काफी बढ़ाता है, लेकिन इसके साथ ही तैनाती और कंप्यूटिंग आवश्यकताओं को भी बढ़ा देता है
प्रतिनिधि K3 बेंचमार्क	GPQA 93.5; ProgramBench 77.8; BrowseComp 91.2; OmniDocBench 91.1	उसी तालिका में सबसे मजबूत प्रतिस्पर्धी की तुलना में अंतर -5.5 से +2.0 अंक के बीच है	आंतरिक और तीसरे पक्ष के परिणामों को मिलाने वाला आधिकारिक सारांश	वैश्विक प्रथम श्रेणी में शामिल, लेकिन हर कार्य में पहले स्थान पर नहीं
API मूल्य निर्धारण	RMB20 अनकैश्ड इनपुट, RMB2 कैश्ड इनपुट, RMB100 आउटपुट प्रति मिलियन टोकन	K2.6: RMB6.5 अनकैश्ड इनपुट और RMB27 आउटपुट	घरेलू ओपन-प्लेटफ़ॉर्म सूची मूल्य	K3 आउटपुट की कीमत K2.6 से लगभग 3.70 गुना है और इसे उच्च कार्य सफलता द्वारा उचित ठहराया जाना चाहिए
व्यावसायिक पैमाना	द्वितीयक रिपोर्टिंग: अप्रैल ARR 200 मिलियन अमेरिकी डॉलर से अधिक	किसी भी तुलनीय ऑडिट किए गए इतिहास का खुलासा नहीं किया गया	वित्तीय सलाहकार/मीडिया विवरण	व्यावसायीकरण के प्रमाण, लेकिन राजस्व की गुणवत्ता और सकल मार्जिन अभी भी अज्ञात हैं
वित्तपोषण और मूल्यांकन	जुलाई की रिपोर्टिंग: 31.5 बिलियन अमेरिकी डॉलर का प्री-मनी मूल्यांकन; 50 बिलियन अमेरिकी डॉलर का प्री-IPO लक्ष्य	मई में रिपोर्ट की गई 20 बिलियन अमेरिकी डॉलर की वैल्यूएशन; वर्ष 2025 के अंत में 4.3 बिलियन अमेरिकी डॉलर	मीडिया रिपोर्ट्स; पूर्णता पूरी तरह से सत्यापित नहीं है	छह से सात महीनों में मूल्यांकन में लगभग 6-12 गुना की वृद्धि उम्मीदों को तेजी से आगे बढ़ाती है
लिस्टिंग की स्थिति	हांगकांग चैप्टर 18C लिस्टिंग की तैयारी; 24 जुलाई तक, कथित तौर पर कोई औपचारिक फाइलिंग या विदेशी-लिस्टिंग पंजीकरण नहीं	ए-शेयर ट्यूटरिंग या स्वीकृति का कोई सार्वजनिक प्रमाण नहीं	मीडिया और सार्वजनिक नियामक खोज	"ए-शेयर बाजार में सूचीबद्ध होने वाला है" और निश्चित लिस्टिंग समयसीमाएं असमर्थित हैं

K3 का उत्पाद अपग्रेड एक प्रतिलिपि योग्य ट्रांसमिशन श्रृंखला बनाता है। K2 से K3 तक, कुल पैरामीटर्स 2.8 गुना, सक्रिय पैरामीटर्स 3.25 गुना और संदर्भ लंबाई (context length) 8 गुना बढ़ गई। KDA, AttnRes और उच्च MoE स्पैरसिटी (sparsity) के साथ मिलकर, प्रतिनिधि आधिकारिक एजेंट और कोडिंग स्कोर अग्रणी सीमा (frontier range) में आ गए हैं। बेहतर क्षमताएं अधिक लंबे, जटिल API कार्यों का समर्थन करती हैं और प्रति मिलियन टोकन पर RMB 100 के आउटपुट मूल्य निर्धारण की अनुमति देती हैं। यदि 1 मिलियन बिना-कैश किए गए (uncached) इनपुट टोकन और 100,000 आउटपुट टोकन से RMB 30 का राजस्व उत्पन्न होता है, तो ग्राहक को इस कार्य से RMB 30 से काफी अधिक मूल्य प्राप्त होना चाहिए, जबकि कंपनी को अपनी इंफरेंस लागत (inference costs) को राजस्व से कम रखना होगा। मॉडल की सफलता दर, कार्य की लंबाई, कैश-हिट अनुपात (cache-hit ratio) और प्रति टोकन लागत संयुक्त रूप से यह निर्धारित करते हैं कि ARR सकल लाभ में बदलता है या नहीं; केवल पैरामीटर की संख्या से ऐसा नहीं होता है।

K3 के लॉन्च के बाद क्षमता के दबाव ने मांग और जोखिम दोनों की पुष्टि की। 'द पेपर' (The Paper) द्वारा पुनः प्रकाशित 'इंटरनेशनल फाइनेंस न्यूज' (International Finance News) ने रिपोर्ट दी कि 48 घंटों के भीतर कॉल वॉल्यूम ने कंप्यूट क्लस्टर को तनाव में डाल दिया, और कंपनी ने मौजूदा सदस्यों को प्राथमिकता देने के लिए नए उपभोक्ता भुगतान वाले सब्सक्रिप्शन को अस्थायी रूप से रोक दिया। यह मॉडल के प्रति वास्तविक आकर्षण को दर्शाता है, लेकिन यह भी दिखाता है कि आपूर्ति और लागत पूरी तरह से मांग के साथ तालमेल नहीं बिठा पाए हैं। 30 बिलियन अमेरिकी डॉलर से अधिक मूल्य वाली मॉडल कंपनी के लिए, "उपयोगकर्ता इसे चाहते हैं" केवल पहला कदम है; "विश्वसनीय रूप से वितरित करना, मार्जिन सुरक्षित रखना और प्रतिधारण में सुधार करना" मूल्यांकन के लिए आवश्यक दूसरा कदम है।

3. मौलिक गुणवत्ता: प्रौद्योगिकी पुनरावृत्ति वक्र काफी तीव्र है, लेकिन वित्तीय ऑडिटेबिलिटी सबसे बड़ी कमजोरी बनी हुई है

आइटम	2023-2024	2025	1H26	K3 रिलीज के बाद/2026-08-12 के अनुसार	अनुसंधान दृष्टिकोण
मुख्य उत्पाद	Kimi Chat; लंबी-टेक्स्ट क्षमता को 2,00,000 से बढ़ाकर 20 लाख चीनी अक्षरों तक किया गया	k1.5, Kimi-VL, K2, Researcher	K2.5, K2.6, K2.7 Code, Kimi Work	K3, Kimi Code, और ओपन वेट्स (open weights)	उत्कृष्ट पुनरावृत्ति गति और रोडमैप की निरंतरता
मॉडल स्केल/कॉन्टेक्स्ट	नियमित आधार पर कोई खुलासा नहीं	K2: 1T/32B, 128K	K2.5/2.6: 1T/32B, 256K	K3: 2.8T/104B, 1M	उच्च क्षमता सीमा, लेकिन अधिक इन्फरेंस पूंजी गहनता
राजस्व/ARR	कोई ऑडिट किया गया डेटा प्राप्त नहीं हुआ	वर्ष-अंत 2025 के बाद वित्तपोषण में तेजी आई	द्वितीयक रिपोर्टिंग: अप्रैल ARR 200 मिलियन अमेरिकी डॉलर से अधिक	K3 वृद्धिशील ARR का खुलासा नहीं किया गया	राजस्व के प्रमाण, लेकिन मिक्स या गुणवत्ता पर कोई विवरण नहीं
सकल मार्जिन/शुद्ध लाभ	अघोषित	अघोषित	अघोषित	अघोषित	सूचीबद्ध सॉफ्टवेयर कंपनी के मानकों पर लाभ की गुणवत्ता का आकलन नहीं किया जा सकता है
नकद/वित्तपोषण	कई अमेरिकी-डॉलर के राउंड	वर्ष-अंत 2025 का रिपोर्ट किया गया मूल्यांकन 4.3 बिलियन अमेरिकी डॉलर	वित्तपोषण के बाद मई का रिपोर्ट किया गया मूल्यांकन 20 बिलियन अमेरिकी डॉलर	रिपोर्ट किया गया 31.5 बिलियन अमेरिकी डॉलर का प्री-मनी मूल्यांकन और 50 बिलियन अमेरिकी डॉलर का लक्ष्य	तरलता पर्याप्त प्रतीत होती है; नकद खपत और लेनदेन पूरा होने के लिए प्रॉस्पेक्टस पुष्टि की आवश्यकता है
कैश फ्लो/पूंजीगत व्यय	अघोषित	अघोषित	अघोषित	K3 लॉन्च के बाद क्षमता का दबाव	कैश-फ्लो और कंप्यूट-कमिटमेंट प्रकटीकरण के बिना FCF का अनुमान नहीं लगाया जा सकता है
लिस्टिंग और गवर्नेंस	निजी कंपनी	निजी कंपनी	हांगकांग IPO की रिपोर्टें सामने आने लगीं	कोई औपचारिक फाइलिंग नहीं; ए-शेयर स्वीकृति का कोई सबूत नहीं	मूल्यांकन तरलता और गवर्नेंस ने सार्वजनिक-बाजार ऑडिट में प्रवेश नहीं किया है

नोट: एक निजी बड़े-मॉडल कंपनी के लिए, अनुपलब्ध आइटम "अघोषित" रहते हैं। वित्तपोषण से प्राप्त आय का उपयोग नकद शेष का अनुमान लगाने के लिए नहीं किया जाता है, ARR का उपयोग राजस्व या लाभ का अनुमान लगाने के लिए नहीं किया जाता है, और मीडिया द्वारा रिपोर्ट किए गए मूल्यांकन को सार्वजनिक बाजार पूंजीकरण के रूप में प्रस्तुत नहीं किया जाता है।

विकास और उत्पाद की गुणवत्ता। मूनशॉट एआई (Moonshot AI) के विकास की गुणवत्ता सबसे पहले इसके आरएंडडी (R&D) आउटपुट के घनत्व में दिखाई देती है: तीन वर्षों के भीतर यह एक लॉन्ग-टेक्स्ट असिस्टेंट से रीज़निंग (तर्क), मल्टीमोडैलिटी, एमओई (MoE), एजेंट स्वार्म, कोडिंग मॉडल और एक ओपन 3T-क्लास मॉडल तक पहुंच गया, जबकि इसने शोध पत्रों में सीमित रखने के बजाय मॉडलों को लगातार उत्पादों और एपीआई (APIs) में लागू किया। ब्राउजकॉम्प (BrowseComp) K2.5 पर 60.6 से बढ़कर K3 पर 91.2 हो गया, जो कि 30.6 अंकों की वृद्धि है। हालांकि, दोनों संस्करणों का परीक्षण प्रतिस्पर्धियों की विभिन्न पीढ़ियों और विभिन्न सेटिंग्स के तहत किया गया था। यह बदलाव तेजी से बढ़ते आंतरिक क्षमता वक्र को दर्शाता है, लेकिन इसे वास्तविक व्यावसायिक कार्यों की सफलता में 50.5% के सुधार के रूप में यांत्रिक रूप से नहीं समझा जा सकता है।

मूल्य निर्धारण, लागत और नकदी प्रवाह। प्रति दस लाख टोकन RMB100 की K3 आउटपुट कीमत, K2.6 के RMB27 से लगभग 3.70 गुना अधिक है, जबकि अनकैश्ड इनपुट की कीमत 3.08 गुना अधिक है। यह मॉडल सुधारों को मुद्रीकरण का एक माध्यम देता है, लेकिन साथ ही ग्राहक के निवेश पर प्रतिफल (ROI) की सीमा को भी बढ़ाता है। कंपनी का कहना है कि K3, K2 की तुलना में समग्र स्केलिंग दक्षता में लगभग 2.5 गुना सुधार करता है और MXFP4 वेट और MXFP8 एक्टिवेशन क्वांटाइजेशन का उपयोग करता है, लेकिन यह प्रशिक्षण लागत, प्रति टोकन अनुमान (inference) लागत, उपयोग, मूल्यह्रास या GPU लीज प्रतिबद्धताओं का खुलासा नहीं करता है। इन आंकड़ों के बिना, निवेशक यह निर्धारित नहीं कर सकते कि उच्च कीमतें उच्च मार्जिन प्रदान करती हैं या केवल एक बड़े मॉडल की लागत को आगे बढ़ाती हैं।

बैलेंस शीट और पूंजी आवंटन। 2026 में बड़े और लगातार फंडिंग दौर की मीडिया रिपोर्टें निकट अवधि में मजबूत कंप्यूट-क्रय शक्ति का संकेत देती हैं; वे अगले निवेशकों से उच्च उम्मीदों का भी संकेत देती हैं। यदि 50 बिलियन अमेरिकी डॉलर का प्री-IPO लक्ष्य मूल्यांकन प्राप्त हो जाता है, तो यह वर्तमान में रिपोर्ट किए गए 200 मिलियन अमेरिकी डॉलर के ARR के 250 गुना के बराबर होगा। पूंजी-आवंटन की सहनशीलता बेहद कम होगी: एक प्रमुख ट्रेनिंग रन जो उत्पाद लाभ बनाने में विफल रहता है, लंबे समय तक कंप्यूट का निष्क्रिय रहना, या महंगा उपयोगकर्ता अधिग्रहण टिकाऊ राजस्व उत्पन्न किए बिना करोड़ों डॉलर की खपत कर सकता है। किसी IPO का सबसे महत्वपूर्ण मूल्य केवल शुरुआती शेयरधारकों के लिए तरलता (लिक्विडिटी) प्रदान करना नहीं है, बल्कि मॉडल की दौड़ के लिए आवश्यक पूंजी को फंडिंग के एक ऑडिट-योग्य, टिकाऊ स्रोत में बदलना है।

मौलिक निष्कर्ष। तकनीकी बुनियादी सिद्धांत मजबूत हैं; वित्तीय बुनियादी सिद्धांतों का ऑडिट नहीं किया जा सकता है। सबसे सटीक मूल्यांकन यह नहीं है कि ऑपरेटिंग डेटा की कमी के कारण कंपनी का आकलन करना असंभव है। मौजूदा सबूत उत्कृष्ट मॉडल और उत्पाद की गुणवत्ता स्थापित करने के लिए पर्याप्त हैं, लेकिन 30 बिलियन अमेरिकी डॉलर से अधिक के मूल्यांकन द्वारा निहित दीर्घकालिक नकदी प्रवाह का समर्थन करने के लिए अपर्याप्त हैं। एकमात्र वेरिएबल जो यह निर्धारित करता है कि मजबूत तकनीक एक मजबूत उद्यम बनती है या नहीं, वह यह है कि क्या K3-संचालित पेड वर्कफ़्लो राजस्व, इनफ्रेंस लागत, अनुसंधान एवं विकास (R&D) खर्च और मॉडल के मूल्यह्रास की तुलना में अधिक तेज़ी से बढ़ सकता है।

4. उद्योग और प्रतिस्पर्धी परिदृश्य: किमी ओपन फ्रंटियर एजेंटों में जीत रहा है, जबकि क्लोज्ड-मॉडल की व्यापकता और घरेलू वितरण प्रतिस्पर्धियों के हाथों में बना हुआ है।

बड़े-मॉडल की प्रतिस्पर्धा को केवल "अधिक पैरामीटर बेहतर हैं" के आधार पर नहीं आंका जा सकता। मूल्य श्रृंखला में प्री-ट्रेनिंग और पोस्ट-ट्रेनिंग, इन्फरेंस इंफ्रास्ट्रक्चर, एपीआई (APIs), उपभोक्ता प्रवेश बिंदु, उद्यम वर्कफ़्लो और डेवलपर इकोसिस्टम शामिल हैं। निवेशकों को पांच आयामों की तुलना करनी चाहिए: क्रॉस-टास्क मॉडल क्षमता, इन्फरेंस लागत और गति, संदर्भ (context) और मल्टीमोडैलिटी, वितरण और प्रतिधारण (retention), और ओपन-सोर्स या इकोसिस्टम रणनीति। बेंचमार्क स्कोर क्षमता का नमूना लेते हैं लेकिन वास्तविक कार्य की सफलता का स्थान नहीं लेते; सक्रिय उपयोगकर्ता वितरण का नमूना लेते हैं लेकिन राजस्व का स्थान नहीं लेते; एआरआर (ARR) व्यावसायीकरण का नमूना लेता है लेकिन सकल मार्जिन और नकदी प्रवाह का स्थान नहीं लेता।

![किमी K3 और वैश्विक अग्रणी मॉडलों के बीच प्रतिनिधि बेंचमार्क-स्कोर अंतर](assets/2026-08-12_KIMI/images/k3_vs_frontier_benchmarks_en.png)

नोट: मॉडल विभिन्न एजेंट हार्नेस का उपयोग कर सकते हैं। कुछ समकक्ष डेटा तीसरे पक्ष के लीडरबोर्ड से आता है, जबकि कुछ K3 परिणाम मूनशॉट एआई द्वारा मापे गए थे, इसलिए यह तुलना कोई स्वतंत्र व्यापक रैंकिंग नहीं है।

प्रतिस्पर्धी आयाम	मूनशॉट एआई की सत्यापन योग्य स्थिति	हिस्सेदारी/पैमाने का आधार और सीमाएं	मुख्य प्रतिस्पर्धी या विकल्प	विकास, लागत और मूल्यांकन के निहितार्थ
फ्रंटियर-मॉडल क्षमता	K3 कोडिंग, सर्च, दस्तावेजों और चुनिंदा एजेंट बेंचमार्क में सबसे आगे है, लेकिन रीज़निंग और कुछ सॉफ्टवेयर-इंजीनियरिंग कार्यों में पीछे है	कोई एकीकृत वैश्विक भाजक (denominator) नहीं है; आधिकारिक तालिका आंतरिक और तीसरे पक्ष के परिणामों को मिलाती है	OpenAI, Anthropic, Google DeepMind, DeepSeek	फ्रंटियर टिकट अर्जित किया है लेकिन स्थायी प्रभुत्व प्रीमियम नहीं
लॉन्ग कॉन्टेक्स्ट और मल्टीमोडैलिटी	नेटिव टेक्स्ट/इमेज/वीडियो, 1M कॉन्टेक्स्ट, KDA और AttnRes	अधिकतम विंडो प्रभावी पुनर्प्राप्ति (retrieval), गति या लागत लाभ की गारंटी नहीं देती है	Gemini, Claude, GPT, Qwen, GLM	ज्ञान संबंधी कार्यों और बड़े कोडबेस के लिए अत्यधिक उपयुक्त; मूल्य लंबे समय तक चलने वाले कार्यों की सफलता पर निर्भर करता है
ओपन वेट्स और इकोसिस्टम	K2/K2.5/K3 वेट्स और ट्रेनिंग इंफ्रास्ट्रक्चर ओपन हैं; प्रमुख API और इन्फरेंस फ्रेमवर्क का समर्थन करते हैं	GitHub स्टार्स और डाउनलोड सीधे तौर पर राजस्व से नहीं जुड़ते हैं	DeepSeek, Qwen, GLM, MiniMax; क्लोज्ड कैंप में GPT, Claude और Gemini शामिल हैं	Kimi ओपन फ्रंटियर मॉडल्स में शुद्ध रूप से विजेता है, लेकिन कमर्शियल रिकैप्चर कमजोर बना हुआ है
उत्पाद और वितरण	Kimi असिस्टेंट, API, Kimi Code और Kimi Work के माध्यम से कई एंट्री पॉइंट्स	MAU, पेड कन्वर्शन, एंटरप्राइज ग्राहक और नेट रिटेंशन अघोषित हैं	ByteDance Doubao, Alibaba Tongyi, Tencent Yuanbao, Baidu ERNIE, ChatGPT	मजबूत उत्पाद पूर्णता; घरेलू सुपर-ऐप और क्लाउड डिस्ट्रीब्यूशन में बड़े प्लेटफॉर्म्स की तुलना में कमजोर
इन्फरेंस इकोनॉमिक्स	MoE केवल 104B पैरामीटर सक्रिय करता है, क्वांटाइज़्ड ट्रेनिंग, कैश्ड इनपुट की कीमत प्रति मिलियन टोकन पर RMB2 जितनी कम है	वास्तविक लागत, लेटेंसी, थ्रूपुट और ग्रॉस मार्जिन अघोषित हैं; K3 आउटपुट प्राइसिंग अधिक है	DeepSeek की कम लागत वाली दक्षता, क्लाउड प्रदाताओं के अपने मॉडल, ओपन सेल्फ-होस्टिंग	आर्किटेक्चर कम लागत का समर्थन करता है, लेकिन K3 पैमाना और क्षमता का दबाव इस लाभ को बेअसर कर सकता है
पूंजी और लिस्टिंग	कथित तौर पर 31.5 बिलियन अमेरिकी डॉलर का प्री-मनी मूल्यांकन और 37 बिलियन से अधिक आरएमबी (RMB) का संचयी वित्तपोषण; हांगकांग चैप्टर 18C के लिए तैयारी	अनऑडिटेड मूल्यांकन, कोई औपचारिक फाइलिंग नहीं, और कोई सार्वजनिक बाजार पूंजीकरण या तरलता नहीं	सार्वजनिक रूप से सूचीबद्ध Zhipu और MiniMax; निरंतर वित्तपोषित OpenAI और Anthropic	पूंजी की उपलब्धता एक लाभ है, लेकिन अत्यधिक मूल्यांकन तकनीकी बढ़त को समय से पहले भुना लेता है

नोट: यह तालिका सटीक बाजार हिस्सेदारी का अनुमान नहीं लगाती है क्योंकि मॉडल कॉल, सब्सक्राइबर, एंटरप्राइज सीट और सेल्फ-होस्टेड डिप्लॉयमेंट का कोई सुसंगत सार्वजनिक भाजक नहीं है। किमी की वैश्विक स्थिति को इसी तालिका के बेंचमार्क, उत्पाद कवरेज और इसके ओपन इकोसिस्टम द्वारा दर्शाया गया है।

कंपनी/मॉडल	नवीनतम तुलनीय पीढ़ी	सत्यापन योग्य मॉडल/ऑपरेटिंग मेट्रिक्स	उत्पाद और पूंजी की स्थिति	ताकत और कमजोरियां	प्रतिस्पर्धी निष्कर्ष
Moonshot AI / Kimi K3	2026-07	2.8T/104B, 1M; ProgramBench 77.8, BrowseComp 91.2, DeepSWE 67.5	असिस्टेंट + API + कोड + वर्क + ओपन वेट्स; रिपोर्ट की गई $31.5 बिलियन अमेरिकी डॉलर की प्री-मनी वैल्यूएशन	लॉन्ग-होराइज़न कोडिंग, डॉक्यूमेंट्स और ओपन इकोसिस्टम में मजबूत; डिस्ट्रीब्यूशन, मार्जिन और सर्विस कैपेसिटी का खुलासा नहीं किया गया	ओपन फ्रंटियर एजेंट्स में शुद्ध विजेता, सबसे अधिक वैल्यूएशन जोखिम के साथ
OpenAI / GPT-5.6 Sol	K3 की आधिकारिक तुलना तालिका में समकक्ष	GPQA 94.1, DeepSWE 73.0, Terminal-Bench 88.8; कई मेट्रिक्स पर K3 से आगे	ग्लोबल कंज्यूमर, एंटरप्राइज, API और कोडेक्स लूप	मजबूत विस्तार और डिस्ट्रीब्यूशन; प्लेटफॉर्म द्वारा नियंत्रित प्राइसिंग और गवर्नेंस के साथ क्लोज्ड मॉडल	व्यापक क्षमता और व्यावसायीकरण में विजेता
Anthropic / Claude Fable 5	K3 की आधिकारिक तुलना तालिका में समकक्ष	HLE 53.3/63.0, FrontierSWE 86.6, GDPval-AA v2 1747; कई मेट्रिक्स पर K3 से आगे	मजबूत एंटरप्राइज और डेवलपर वर्कफ़्लो; Claude Code डिस्ट्रीब्यूशन प्रदान करता है	मजबूत दीर्घकालिक इंजीनियरिंग और ज्ञान कार्य; बंद, कुछ परीक्षणों में फ़ॉलबैक के साथ	उच्च-मूल्य वाले वर्कफ़्लो में अग्रणी
DeepSeek	ओपन-मॉडल खेमा	K2.5 की आधिकारिक तालिका में, DeepSeek V3.2 ने HLE 25.1, BrowseComp 51.4, और SWE-Bench Verified 73.1 स्कोर किया	ओपन वेट्स और कम कीमत के माध्यम से वैश्विक पहचान; सीमित वित्तीय डेटा	मजबूत लागत दक्षता और ओपन-मॉडल ब्रांड; K3 के पास अधिक मजबूत नवीनतम एजेंट और मल्टीमॉडल मेट्रिक्स हैं	कम लागत वाले ओपन पाथ पर मुख्य प्रतिस्पर्धी
Alibaba Qwen	ओपन मल्टीमॉडल-मॉडल खेमा	K2.5 की आधिकारिक तालिका में, Qwen3-VL-235B-A22B ने MMMU-Pro 69.3 और OCRBench 87.5 स्कोर किया	मजबूत अलीबाबा क्लाउड, एंटरप्राइज चैनल और ओपन कम्युनिटी	मजबूत वितरण, क्लाउड इकोसिस्टम और मॉडल पोर्टफोलियो; K3, K2.5 की तालिका में अधिकांश एजेंट मेट्रिक्स में अग्रणी है	घरेलू वितरण और इकोसिस्टम में विजेता
Zhipu/GLM और MiniMax	घरेलू स्वतंत्र मॉडल कंपनियां	K3 की आधिकारिक तालिका में GLM-5.2 को GPQA 91.2 और DeepSWE 46.2 पर सूचीबद्ध किया गया है; MiniMax के लिए सार्वजनिक तुलनीय डेटा अधूरा है	विविध उत्पादों और APIs के साथ, सार्वजनिक पूंजी बाजार में प्रवेश किया	किमी (Kimi) की तुलना में अधिक वित्तीय पारदर्शिता; K3 के दबाव में नवीनतम फ्रंटियर-मॉडल नैरेटिव	दबाव में चल रहे फ्रंटियर-मॉडल नैरेटिव के साथ, लिस्टिंग की प्रगति में विजेता

नोट: विभिन्न लीडरबोर्ड को आपस में जोड़ने से बचने के लिए पीयर तालिका उसी आधिकारिक K3 या K2.5 तालिका के परिणामों को प्राथमिकता देती है। यह हार्नेस, रीज़निंग प्रयास, टूल कॉन्फ़िगरेशन या रिलीज़ के समय के अंतर को समाप्त नहीं करता है। GPT, Claude और अन्य नाम जुलाई 2026 तक K3 के मॉडल कार्ड में प्रतिस्पर्धी लेबलों का पालन करते हैं और अन्य अवधियों के संस्करणों पर लागू नहीं किए जाने चाहिए।

"कौन जीत रहा है" का उत्तर स्तर (layer) पर निर्भर करता है। मूनशॉट एआई (Moonshot AI) ओपन फ्रंटियर एजेंट मॉडल्स के सीमित लेकिन महत्वपूर्ण क्षेत्र में जीत हासिल कर रहा है: K3 चुनिंदा कोडिंग, ब्राउज़िंग, डॉक्यूमेंट और मल्टीमॉडल कार्यों में सबसे मजबूत क्लोज्ड-सोर्स प्रतिद्वंद्वियों के करीब पहुंचता है या उनसे आगे निकल जाता है, जबकि यह वेट्स, एपीआई और कोडिंग टूल्स को एक साथ जारी करता है। ओपनएआई (OpenAI) और एंथ्रोपिक (Anthropic) अभी भी क्रॉस-टास्क स्थिरता, एंटरप्राइज डिस्ट्रीब्यूशन और हाई-वैल्यू वर्कफ़्लो में आगे हैं। अलीबाबा (Alibaba), बाइटडांस (ByteDance) और अन्य चीनी प्लेटफॉर्म क्लाउड, ट्रैफ़िक और चैनलों में आगे हैं। डीपसीक (DeepSeek) लागत दक्षता और ओपन-मॉडल ब्रांडिंग के लिए उद्योग मानक स्थापित करना जारी रखे हुए है। किमी (Kimi) कोई शुद्ध घाटे में रहने वाला नहीं है, लेकिन इसकी बढ़त ऑडिट-योग्य व्यावसायिक प्रभुत्व के बजाय मॉडलों और डेवलपर उत्पादों में केंद्रित है।

पूंजी बाजारों में, Zhipu और MiniMax पब्लिक-लिस्टिंग की प्रगति में सबसे आगे हैं, जबकि K3 ने Moonshot AI को स्वतंत्र मॉडल कंपनियों के लिए तकनीकी मूल्यांकन की ऊपरी सीमा को फिर से परिभाषित करने की अनुमति दी है। समस्या यह है कि मॉडल की हिस्सेदारी एंटरप्राइज-सॉफ्टवेयर हिस्सेदारी की तुलना में बहुत तेजी से बदलती है: आज की पांच-पॉइंट की बढ़त अगली पीढ़ी में पांच-पॉइंट के घाटे में बदल सकती है। तकनीकी नेतृत्व के लिए 150x ARR से अधिक का भुगतान करने के लिए Kimi को मॉडल की रक्षा करने, लागत कम करने, वितरण का विस्तार करने, रिटेंशन में सुधार करने और सेवा को एक साथ स्थिर करने की आवश्यकता है। यदि कोई भी कड़ी विफल होती है, तो राजस्व घटने से पहले मूल्यांकन मल्टीपल गिर सकता है।

5. मुख्य जोखिम

तकनीकी-नेतृत्व का चक्र मूल्यांकन पेबैक अवधि से छोटा हो सकता है। यदि अगली पीढ़ी का GPT, Claude, Gemini, DeepSeek, या Qwen कोडिंग, एजेंटों और लॉन्ग-कॉन्टेक्स्ट कार्यों में K3 को व्यापक रूप से पांच से अधिक अंकों से पीछे छोड़ देता है, तो Kimi की API प्राइसिंग और सब्सक्रिप्शन कन्वर्जन दबाव में आ जाएगा। 157.5x ARR वैल्यूएशन के लिए वर्षों के नेतृत्व की आवश्यकता होती है, जबकि उद्योग के बदलाव मासिक रूप से होते हैं।
बेंचमार्क लाभ शायद वास्तविक कार्य की सफलता में परिवर्तित न हो सकें। K3 की आधिकारिक तुलना हार्नेस, आंतरिक मापों और तीसरे पक्ष के परिणामों को मिलाती है। यदि स्वतंत्र परीक्षण या एंटरप्राइज़ प्रूफ ऑफ कॉन्सेप्ट (proof of concept) लंबे समय के कार्यों में बार-बार रुकावटें, हैलुसिनेशन (hallucinations), विफल टूल कॉल, या अत्यधिक लेटेंसी (latency) दिखाते हैं, तो लीडरबोर्ड की बढ़त से एंटरप्राइज़ रिन्यूअल उत्पन्न नहीं होंगे, जिससे R&D का लाभ केवल मार्केटिंग स्तर तक ही सीमित रह जाएगा।
इन्फ्रेंस लागत और क्षमता सीमाएं राजस्व को समाप्त कर सकती हैं। K3 प्रति टोकन 104 बिलियन पैरामीटर सक्रिय करता है, जो K2 का लगभग 3.25 गुना है। MoE, KDA और क्वांटाइजेशन से दक्षता लाभ के बावजूद, लॉन्ग-कॉन्टेक्स्ट और हाई-आउटपुट सेवा पूंजी-गहन बनी हुई है। नए उपयोगकर्ताओं को लेने में एक और रोक, बिगड़ती लेटेंसी, या कम GPU उपयोग के कारण ARR वृद्धि के साथ-साथ सकल मार्जिन में गिरावट और कैश बर्न में वृद्धि हो सकती है।
ओपन एडॉप्शन प्रत्यक्ष मुद्रीकरण को कमजोर कर सकता है। उद्यम vLLM, SGLang और अन्य फ्रेमवर्क के माध्यम से K3 को स्वयं-होस्ट कर सकते हैं, जबकि क्लाउड प्रदाता इन्फ्रेंस वैल्यू को कैप्चर कर सकते हैं। यदि Moonshot AI होस्ट किए गए API, एंटरप्राइज सपोर्ट, Kimi Code, या डेटा फ्लाईव्हील के माध्यम से वैल्यू कैप्चर नहीं कर पाता है, तो ओपन-सोर्स लोकप्रियता खुद कंपनी की तुलना में तीसरे पक्षों के लिए अधिक राजस्व उत्पन्न कर सकती है।
वितरण बड़े प्लेटफॉर्मों और वैश्विक स्थापित कंपनियों द्वारा सीमित है। घरेलू उपभोक्ता प्रवेश बिंदु डॉउबाओ, युआनबाओ, टोंग्यी और अर्नी के साथ प्रतिस्पर्धा करते हैं; एंटरप्राइज़ पक्ष अलीबाबा क्लाउड, टेनसेंट क्लाउड और वोल्केनो इंजन के साथ प्रतिस्पर्धा करता है; और विदेशी बाजारों को चैटजीपीटी, क्लाउड और जेमिनी का सामना करना पड़ रहा है। यदि सशुल्क अधिग्रहण लागत बढ़ती है, ऐप स्विचिंग बढ़ती है, या चैनल सब्सिडी तेज होती है, तो केवल मॉडल की गुणवत्ता ही रिटेंशन को बनाए रखने के लिए पर्याप्त नहीं हो सकती है।
वित्तपोषण मूल्यांकन और प्रकटीकरण की गुणवत्ता में विसंगति हो सकती है। 31.5 बिलियन अमेरिकी डॉलर और 50 बिलियन अमेरिकी डॉलर दोनों ही मीडिया द्वारा रिपोर्ट किए गए मूल्यांकन हैं, और एआरआर (ARR) अनऑडिटेड है। यदि कोई औपचारिक विवरण-पत्रिका (prospectus) एआरआर फ्रेमवर्क से कम राजस्व, ग्राहक संकेंद्रण, कम सकल मार्जिन, उच्च नकदी खपत, या जटिल पसंदीदा-शेयर शर्तों को दर्शाती है, तो निजी-बाजार मूल्यांकन आईपीओ (IPO) में स्थानांतरित नहीं हो सकता है।
लिस्टिंग के स्थान, समय और विनियमन को गलत समझा जा सकता है। वर्तमान साक्ष्य हांगकांग चैप्टर 18C की तैयारी की ओर इशारा करते हैं, न कि किसी आसन्न ए-शेयर (A-share) लिस्टिंग की ओर। रेड-चिप पुनर्गठन, विदेशी-लिस्टिंग पंजीकरण, हांगकांग फाइलिंग, सुनवाई और बाजार जारी करना अलग-अलग कदम बने हुए हैं। इनमें से किसी में भी देरी से वित्तपोषण की उम्मीदें कमजोर हो सकती हैं, जबकि डेटा अनुपालन, जनरेटिव-एआई पंजीकरण, कॉपीराइट और मॉडल-सुरक्षा आवश्यकताएं लागत बढ़ा सकती हैं।
प्रमुख प्रतिभा और शासन केंद्रित हैं। फ्रंटियर मॉडल मुख्य रूप से अनुसंधान, सिस्टम और उत्पाद से जुड़े कुछ ही प्रमुख लीडर्स पर निर्भर करते हैं। मुख्य कर्मियों की हानि, अति-बड़े मॉडलों के लिए संसाधनों का अत्यधिक आवंटन, या आईपीओ (IPO) से पहले अधिक जटिल शासन और इक्विटी संरचनाएं अनुसंधान एवं विकास (R&D) की गति, लागत अनुशासन और अल्पसंख्यक शेयरधारकों के संरक्षण को प्रभावित कर सकती हैं।

6. निगरानी चेकलिस्ट

कानूनी लिस्टिंग स्थिति: केवल चीन प्रतिभूति नियामक आयोग के विदेशी-सूचीबद्धता पंजीकरण, एक औपचारिक हांगकांग फाइलिंग, या एक एक्सचेंज घोषणा पर भरोसा करें। एक औपचारिक फाइलिंग से वित्तीय सत्यापन योग्यता में सुधार होगा; केवल "छह महीने के भीतर" की रिपोर्टिंग जारी रखने से नकारात्मक दृष्टिकोण को बल मिलेगा।
ARR और राजस्व की गुणवत्ता: अगले 12 महीनों में ARR कम से कम 400 मिलियन अमेरिकी डॉलर तक पहुंचना चाहिए, और प्रोस्पेक्टस राजस्व तथा ARR के बीच के किसी भी अंतर को स्पष्ट किया जाना चाहिए। यदि ARR 200 मिलियन अमेरिकी डॉलर के करीब रहता है, तो 31.5 बिलियन अमेरिकी डॉलर का मूल्यांकन अभी भी ARR के 150 गुना से अधिक होगा।
सशुल्क प्रतिधारण (Paid retention) और ग्राहक मिश्रण: 120% से अधिक शुद्ध राजस्व प्रतिधारण (Net revenue retention), शीर्ष तीन ग्राहकों का हिस्सा 30% से कम होना, और बढ़ती एंटरप्राइज़/API राजस्व हिस्सेदारी व्यवसायीकरण के मामले को मजबूत करेगी। उच्च संकेंद्रण या अल्पकालिक अग्रिम भुगतान पर निर्भरता इसे कमजोर करेगी।
इन्फरेंस इकोनॉमिक्स (Inference economics): आर्किटेक्चर दक्षता एक वित्तीय लाभ बन गई है, यह साबित करने के लिए K3 इनफेरेंस सकल मार्जिन 50% से अधिक, बढ़ता हुआ कैश-हिट अनुपात, घटती हुई यूनिट टोकन लागत और 99.9% से अधिक सेवा उपलब्धता होना आवश्यक है।
थर्ड-पार्टी मॉडल रैंकिंग: K3 या इसके उत्तराधिकारी को DeepSWE, FrontierSWE, Terminal-Bench, BrowseComp में से कम से कम आधे और कम से कम एक स्वतंत्र नॉलेज-वर्क लीडरबोर्ड पर शीर्ष तीन में बने रहना चाहिए। तीन या अधिक में लीडर से पांच अंक से अधिक पीछे रहने पर टेक्नोलॉजी प्रीमियम को कम करना होगा।
प्रोडक्ट कन्वर्जन: Kimi Code और Kimi Work को सशुल्क सीटों, मासिक सक्रिय उपयोगकर्ताओं, कार्य-पूर्णता दरों, या एंटरप्राइज़ नवीनीकरण का खुलासा करना चाहिए और मापने योग्य राजस्व उत्पन्न करना चाहिए। केवल डाउनलोड, स्टार और कॉल पीक मूल्यांकन निष्कर्ष को नहीं बदलेंगे।
क्षमता और अनुभव: नए मॉडल के लॉन्च के कारण अब सशुल्क पंजीकरण (paid registration) को रोकने की आवश्यकता नहीं होनी चाहिए, और लेटेंसी, त्रुटि दरों तथा लंबे कार्यों में आने वाले व्यवधानों में लगातार सुधार होना चाहिए। थ्रॉटलिंग का फिर से शुरू होना यह दर्शाएगा कि कंप्यूट प्लानिंग और यूनिट इकोनॉमिक्स अभी भी अपरिपक्व हैं।
प्रतिस्पर्धी प्रगति: OpenAI और Anthropic के एंटरप्राइज़ एजेंटों, DeepSeek की इन्फरेंस लागत, और Qwen व GLM के ओपन मॉडल तथा क्लाउड डिस्ट्रीब्यूशन को ट्रैक करें। कोई भी प्रतिस्पर्धी जो एक साथ "मजबूत क्षमता, कम कीमत और व्यापक चैनल" प्रदान करता है, वह Kimi की नेट-विजेता स्थिति को कमजोर कर देगा।

7. स्रोत

Kimi आधिकारिक: Kimi K3 तकनीकी ब्लॉग (2026-07-17) (https://www.kimi.com/blog/kimi-k3)
MoonshotAI आधिकारिक GitHub: Kimi K3 मॉडल कार्ड, तकनीकी रिपोर्ट और मूल्यांकन (https://github.com/MoonshotAI/Kimi-K3)
MoonshotAI आधिकारिक GitHub: Kimi K2.5 मॉडल कार्ड और तकनीकी रिपोर्ट (https://github.com/MoonshotAI/Kimi-K2.5)
MoonshotAI आधिकारिक GitHub: Kimi K2 मॉडल कार्ड और तकनीकी रिपोर्ट (https://github.com/MoonshotAI/Kimi-K2)
MoonshotAI आधिकारिक GitHub: Kimi k1.5 तकनीकी रिपोर्ट (https://github.com/MoonshotAI/Kimi-k1.5)
Kimi API प्लेटफॉर्म: Kimi K2.6 मॉडल परिचय (https://platform.kimi.com/docs/guide/kimi-k2-6-quickstart)
Kimi API प्लेटफॉर्म: Kimi K2.7 कोड मॉडल परिचय (https://platform.kimi.com/docs/guide/kimi-k2-7-code-quickstart)
Kimi API प्लेटफॉर्म: Kimi K3 मूल्य निर्धारण (https://platform.kimi.com/docs/pricing/chat-k3)
Kimi आधिकारिक वेबसाइट और उत्पाद प्रवेश बिंदु (https://www.kimi.com)
चाइना क्वालिटी न्यूज़: Kimi ने लॉसलेस संदर्भ (lossless context) को 2,00,000 से बढ़ाकर 20 लाख चीनी अक्षरों तक किया (2024-03-18) (https://www.cqn.com.cn/cj/content/2024-03/18/content_9037557.htm)
36Kr/Zhidx: मूल्यांकन, वित्तपोषण (financing), ARR, Kimi Work, और हांगकांग IPO रिपोर्ट (2026-06-08) (https://www.36kr.com/p/3844092401666564)
इंटरनेशनल फाइनेंस न्यूज़, 'द पेपर' द्वारा पुनः प्रकाशित: K3 लॉन्च, वित्तपोषण और हांगकांग लिस्टिंग प्रगति (2026-07-24) (https://m.thepaper.cn/newsDetail_forward_33651935)
PEDaily: K3 लॉन्च, US$31.5 बिलियन मूल्यांकन, और हांगकांग IPO रिपोर्ट (2026-07-18) (https://news.pedaily.cn/202607/566512.shtml)

मार्गदर्शन