Перейти к содержимому
Новости

Kimi K3: что скрывают рекордные показатели модели

Главный экран веб-интерфейса Kimi K3 от Moonshot AI в браузере

Kimi K3: рекорды по параметрам, но не по качеству

Китайская компания Moonshot AI выпустила модель Kimi K3, которая стала крупнейшей AI-моделью с открытыми весами в истории. Заголовки гремят о новом «моменте DeepSeek», однако сам производитель признаёт, что модель уступает Claude и GPT-5.6. Давайте разберёмся, что за цифрами стоит на самом деле.

Первое место — но в каком тесте?

Kimi K3 действительно занимает первое место в одном важном рейтинге — Frontend Code Arena. Это площадка, где пользователи вслепую сравнивают два результата и выбирают лучший. K3 обходит здесь и Claude, и GPT.

Но есть нюанс: тест измеряет вкусовые предпочтения, а не точность. Участники голосуют за тот веб-интерфейс, который им больше нравится визуально. Это говорит о дизайне, но не о корректности ответов. Называть это «победой над американскими моделями» — значит путать рейтинг предпочтений с тестом на правильность.

Как читать бенчмарки Moonshot

Компания публикует собственные измерения, и самое интересное — в сносках. В зависимости от теста каждая модель запускалась в разном окружении: то KimiCode, то Claude Code, то Codex. Это разные стартовые условия, а не честная гонка на одной трассе.

В одном из тестов по программированию сам Moonshot признаёт, что Claude Fable 5 столкнулся с ошибками в 35% задач, что могло занизить его результат. В другом тесте K3 достигает своего лучшего показателя только с применением техники сжатия контекста при 300 000 токенах — без неё цифра падает.

Независимая аналитическая компания Artificial Analysis показала: в метрике галлюцинаций Kimi K3 набирает 49%. Звучит слабо — но шкала инвертирована: она считает, как часто модель не ошибается. Выше — лучше. На той же шкале Claude Fable 5 оказывается ниже K3 с результатом 45%, а несколько вариантов GPT-5.6 и вовсе далеко позади. Вывод прост: прежде чем верить заголовку с бенчмарком, проверяйте, что именно измерялось и в какую сторону направлена шкала.

Запустить у себя? Забудьте

Для большинства читателей это главный вопрос. Честный ответ: даже после публикации весов это не имеет практического смысла — из-за размера модели.

Moonshot обучал K3 в компактном числовом формате MXFP4, около 4 бит на параметр. При 2,8 триллиона параметров только файл модели весит примерно 1,4 терабайта. Не гигабайта — терабайта. Для сравнения: типичная модель на 8 миллиардов параметров, которая запускается на хорошем ноутбуке, занимает около 5 ГБ.

Moonshot рекомендует запускать K3 на суперузлах с 64 и более ускорителями. Один профессиональный GPU с 96 ГБ памяти не дотягивает даже в десять раз. «Открытые веса» в данном случае означают возможность для исследователей, компаний и облачных провайдеров скачать модель и запустить на своей инфраструктуре — вместо того чтобы арендовать доступ через серверы Moonshot. Это ценно, но это совсем не то, что большинство людей представляет под словами «запустить у себя».

Интересная техническая деталь: K3 с самого начала обучался в этом низкоточном формате, так что компактный вариант — это и есть оригинал, а не «сжатая» версия. Привычный вопрос о потере качества при квантизации здесь просто не возникает.

Сколько это стоит

Тарификация — в токенах, небольших текстовых фрагментах обычно из нескольких символов. Через API Moonshot берёт $3 за миллион входящих токенов и $15 за миллион исходящих. Повторные входящие запросы стоят всего 30 центов — существенно дешевле.

На этом фоне K3 уже не выглядит бюджетной моделью: она обходится примерно втрое дороже своего предшественника, который стоил чуть менее $1 за ввод. По сравнению с Claude Fable 5 ($10 и $50) K3 явно дешевле. Однако Claude Sonnet 5 пока ещё дешевле при своей стартовой цене $2 и $10, хотя к сентябрю сравняется с K3. Эра китайских моделей, конкурирующих прежде всего по цене, в исполнении Moonshot явно подходит к концу.

Ещё один момент, который легко упустить: K3 в данный момент всегда работает на максимальном уровне «размышления». Moonshot планирует добавить более лёгкие режимы позже. Это делает ответы детальными, но даже простой вопрос запускает полный цикл дорогостоящих вычислений. По независимым замерам модель выдаёт около 62 выходных токена в секунду — средний показатель по рынку.

Что происходит с вашими данными

Политика конфиденциальности Moonshot прямо указывает: вводимые данные — текст, аудио, изображения, видео и файлы — обрабатываются для предоставления и улучшения сервиса, в том числе явно упоминается обучение и оптимизация собственных моделей.

Отдельного переключателя для отказа от использования ваших данных в обучении в политике нет. Есть лишь ссылка на общие права субъектов данных, которые можно реализовать через настройки аккаунта или по электронной почте. ChatGPT и Claude, напротив, дают соответствующий тумблер прямо в настройках.

Также собираются: IP-адрес, идентификаторы устройства, идентификаторы сессий и разговоров, а при разрешении настроек устройства — данные из буфера обмена. О местонахождении серверов политика сообщает лишь, что данные могут передаваться на серверы за пределами вашей страны — конкретная страна не называется. Провайдер — Moonshot AI PTE. LTD. с юридическим адресом в Сингапуре, политика датирована 7 июля 2025 года.

Для пробных запросов с безобидными задачами это приемлемо. Для корпоративных данных, клиентской информации или личных документов действует то же правило, что и с любым облачным сервисом — только здесь с провайдером, чьи условия явно предусматривают использование данных в обучении.

Кому K3 подойдёт лучше всего

Попробовать модель можно бесплатно. Больше всего выиграют две категории пользователей: разработчики и дизайнеры, а также те, кто регулярно работает с очень длинными документами. K3 силён там, где код встречается с визуалом — веб-интерфейсы, 3D и анимация. Контекстное окно в 1 миллион токенов — весомый аргумент для работы с объёмными текстами, встроенная обработка изображений тоже в плюс.

Если вам важнее всего качество ответов или плавность работы — топовые американские модели по-прежнему остаются лучшим выбором. Moonshot сам это признаёт. А тем, кто мечтает о запуске frontier-модели на собственном железе, стоит держать в уме те самые 1,4 терабайта.

Самое примечательное в K3 — не рейтинговые показатели, а темп. Компания выпускает модель, сопоставимую с лучшими мировыми образцами, и открывает веса для широкой аудитории. Два года назад это было трудно представить.

Источник: Notebookcheck