Kimi K3՝ 2,8 տրիլիոն պարամետր և 25 ցենտանոց պելիկան

Չինական AI լաբորատորիա Moonshot AI-ը հինգշաբթի ներկայացրել է Kimi K3-ը՝ այն բնութագրելով որպես «մինչ օրս ամենաունակ մոդելը՝ 2,8 տրիլիոն պարամետրով»։ Մոդելը հասանելի է ընկերության կայքով և API-ով, իսկ բաց կշիռներով տարբերակը խոստացվել է «մինչև 2026 թվականի հուլիսի 27-ը»։

Դիրքավորումը և գինը

Moonshot-ը K3-ին անվանում է առաջին «բաց 3T դասի մոդել»՝ 2,8 տրիլիոնը կլորացնելով մինչև երեք տրիլիոն և այդ կոչումը վերցնելով DeepSeek 1.6T v4 Pro-ից։ Ընկերության իսկ հրապարակած բենչմարքներով K3-ը համեմատությունների մեծ մասում առաջ է Claude Opus 4.8 max-ից և GPT-5.5 high-ից, սակայն զիջում է Claude Fable 5-ին և GPT-5.6 Sol-ին։ Անկախ գնահատող Artificial Analysis-ը իր երկարաժամկետ ինտելեկտուալ աշխատանքի փակ թեստում չափել է 1547 Elo՝ 732 միավորով ավելի Kimi K2.6-ից և միայն Claude Fable 5-ից հետո, մեկ առաջադրանքի 0,94 դոլար արժեքով, մինչդեռ GPT-5.6 Sol-ը՝ 1,04, իսկ Opus 4.8-ը՝ 1,80 դոլար։ Intelligence Index-ում թոքենների ծախսը K2.6-ի համեմատ նվազել է 21 տոկոսով։ Մոդելը նաև առաջատար է Arena.ai-ի Frontend Code արենայում՝ Claude Fable 5-ից առաջ։

Ամենանկատելի փոփոխությունը գինն է՝ 3 դոլար միլիոն մուտքային և 15 դոլար միլիոն ելքային թոքենի համար՝ Anthropic-ի Claude Sonnet շարքի մակարդակին և չինական լաբորատորիայի մինչ օրս ամենաթանկ մոդելը՝ կտրուկ աճ Kimi K2.6-ի 0,95/4 դոլարի համեմատ։

Ինչպես է հաղթահարում հեծանիվով պելիկանը

Սայմոն Ուիլիսոնը, ով «հեծանիվով պելիկան» SVG հուշումը 21 ամիս է փորձարկում նոր մոդելների վրա, K3-ով OpenRouter-ի միջոցով ստեղծել է այդպիսի պատկեր։ Աշխատարկումը ծախսել է 95 մուտքային և 16 658 ելքային թոքեն, որոնցից 13 241-ը՝ դատողության թոքեն, ընդհանուր 25 ցենտ արժեքով։ Ստացված պատկերը որպես մուտք տալու դեպքում մոդելը ճշգրիտ նկարագրել է այն՝ մոտ 0,6 ցենտով։ Հուշումը նաև ցույց է տվել, որ K3-ն այժմ ունի դատողության ընդամենը մեկ մակարդակ՝ «max», իսկ միայն «hi»-ն հաշվարկվում է 86 թոքենով, ինչը հուշում է մոտ 85 թոքենանոց թաքնված համակարգային հուշման մասին, որը մոդելը հրաժարվել է բացահայտել։

Ինչ է այս թեստը դեռ ցույց տալիս

Ուիլիսոնը հստակ ասում է, որ պելիկանը վատ բենչմարք է և չպետք է օգտագործվի մոդելների դասակարգման համար․ այն ոչինչ չի ասում գործակալային գործիքների կանչի կամ երկար զրույցներում հուսալիության մասին, իսկ մոդելների որակի հետ նրա վաղեմի կապը քայքայվել է՝ GPT-5.6-ի և Claude Fable 5-ի պելիկանները զիջում են GLM-5.2-ին։ Դրա արժեքը ավելի նեղ է․ այն ստիպում է իրականում գործարկել մոդելը, տալիս է ծախսի և դատողության ծավալի կոպիտ գնահատական, հաստատում է վավեր SVG-ի ելքն ու տարածական ընկալումը, ինչպես նաև թույլ է տալիս համեմատել նույն ընտանիքի մոդելները, որտեղ K3-ի թռչունը նկատելիորեն լավն է Kimi 2.5-ի համեմատ։