Новая модель Kimi K3 от Moonshot AI — лидер в веб-программировании, но уступает в общих задачах
Китайская компания Moonshot AI представила Kimi K3, крупную языковую модель (LLM) с внушительным объемом в 2,8 триллиона параметров. Эта модель официально заявлена как самая большая открытая языковая модель в мире. Хотя в плане общего интеллекта Kimi K3 пока уступает ведущим решениям от американских разработчиков, в сфере веб-программирования она продемонстрировала выдающиеся результаты, заняв безоговорочное первое место.
Содержание
Прорыв в фронтенд-разработке
Kimi K3 дебютировала на вершине рейтинга Frontend Code Arena от Arena.ai, набрав 1679 баллов. Это позволило ей обойти признанных лидеров — Claude Fable 5 (1631 балл) и GPT-5.6 Sol (1618 баллов). Примечательно, что это первый случай, когда открытая модель возглавила столь авторитетный рейтинг, продемонстрировав впечатляющий скачок с 18-го места, которое занимала предыдущая флагманская модель Kimi K2.6.
Особенность рейтинга Frontend Code Arena заключается в том, что он формируется не на основе синтетических тестов, а путем голосования реальных разработчиков по принципу системы Эло. Пользователи сравнивают код, сгенерированный различными моделями, и выбирают лучший вариант. По данным Arena.ai, Kimi K3 показала впечатляющий процент выигрышей в парных сравнениях — 76%, в то время как у Fable 5 этот показатель составил 63%, а у GPT-5.6 Sol — 58%.
Модель одержала победу в шести из семи оцениваемых направлений фронтенд-разработки, включая брендинг и маркетинг, дизайн по референсам, аналитику данных, потребительские продукты, симуляции и инструменты для создания контента. Единственная категория, где Kimi K3 не смогла занять первое место, — это разработка игр, уступив в ней Fable 5.
Перспективы и ограничения Kimi K3
Несмотря на впечатляющие успехи в области фронтенд-разработки, важно отметить, что победа в одном конкретном рейтинге не означает общего превосходства Kimi K3 над флагманскими моделями от Anthropic и OpenAI. Согласно данным аналитической компании Artificial Analysis, в общем индексе интеллекта Kimi K3 набрала 57 баллов, уступив Fable 5 (60 баллов) и GPT-5.6 Sol (59 баллов). Тем не менее, это третье место является самым высоким показателем, достигнутым открытой моделью относительно закрытых систем. На своем закрытом тестировании, посвященном долговременным агентным задачам (long-horizon knowledge work), K3 также заняла второе место, уступив лишь Fable 5.
Для более детального понимания производительности Kimi K3, сравним ее с другими моделями по ключевым бенчмаркам, используя данные из официального блога Moonshot AI.
Таблица сравнения производительности:
| Бенчмарк | Kimi K3 (max) | Claude Fable 5 (max) | GPT 5.6 Sol (max) | Claude Opus 4.8 (max) | GPT 5.5 (xhigh) | GLM-5.2 (max) |
|---|---|---|---|---|---|---|
| Кодирование | ||||||
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 67.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 70.8 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 83.4 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 64.9 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 14.0 | 13.0 |
| PostTrain Bench | 36.6 | 41.4 | 34.6 | 34.1 | 28.4 | 34.3 |
| MLS Bench | 48.3 | 49.9 | 46.2 | 42.8 | 35.5 | 40.4 |
| Kimi Code Bench 2.0 (внутр.) | 72.9 | 76.9 | 64.8 | 71.7 | 69.0 | 64.2 |
- Примечание: Данные из официальной таблицы Moonshot AI показывают, что Kimi K3 в целом уступает Fable 5 и GPT 5.6 Sol по большинству категорий, особенно в задачах рассуждения (reasoning/HLE) и визуального восприятия. Сама компания подтверждает, что общая производительность модели “все еще отстает от Fable 5 и GPT 5.6 Sol”.
Экономическая привлекательность Kimi K3
Важным преимуществом Kimi K3 является ее стоимость. Стоимость использования модели составляет 3 доллара за миллион входных токенов (и всего 0,30 доллара при использовании кешированного ввода), а также 15 долларов за миллион выходных токенов. Для сравнения, Claude Fable 5 обходится в 10 долларов за входные и 50 долларов за выходные токены. Это означает, что китайская модель примерно в три раза дешевле для входных данных. Аналитики полагают, что именно такая ценовая политика, в сочетании с лидирующими позициями в веб-программировании, может ускорить принятие Kimi K3 разработчиками для решения соответствующих задач.
Moonshot AI планирует опубликовать полные веса модели 27 июля.
Напомним, что не так давно исследователи обнаружили, что защитные ограничения в открытых LLM могут быть обойдены всего за 10 минут, причем даже без специальных технических навыков.
