Что такое Kimi K3? Модель на 2,8 трлн параметров и её «третье место» — цена, открытые веса и влияние на рынок

16 июля 2026 года китайская компания Moonshot AI выпустила Kimi K3. При 2,8 трлн параметров суммарно её подают как крупнейшую открытую модель в истории, и уже через несколько дней после запуска американские полупроводниковые акции распродавали, а представитель Белого дома публично обвинял компанию в дистилляции моделей Anthropic.

Загвоздка в том, что цифры — и даже сами формулировки — расходятся в зависимости от того, кто о них сообщает. В этой статье сверены публикаторы бенчмарков, деловая пресса, собственные объявления Moonshot и реальная страница на Hugging Face, и по ходу текста прямо указано, кто получил каждую цифру.

1. Что такое Kimi K3 — ключевые характеристики и компания

Kimi K3 — флагманская модель Moonshot AI, и API заработал 16 июля 2026 года (эта дата совпадает у ITmedia NEWS, OpenRouter и других источников). Компания основана в 2023 году, её поддерживают Alibaba и Tencent, а по данным Forbes последний раунд финансирования поднял её оценку выше $20 млрд (после $4,3 млрд и затем $10 млрд), при ARR в $200 млн по состоянию на апрель 2026 года.

Два архитектурных нововведения получили собственные имена. Kimi Delta Attention (KDA) ускоряет декодирование на контекстах в миллион токенов; AINews сообщает об ускорении до 6,3 раза. А Attention Residuals (AttnRes) избирательно достаёт нужные представления из более ранних слоёв; та же статья оценивает выигрыш примерно в 25% эффективности обучения при менее чем 2% дополнительных затрат. Веса — MXFP4, активации — MXFP8, причём квантование не навешивали задним числом: обучение начиная с этапа SFT велось уже со встроенным квантованием.

🟡 Официальной цифры по активным параметрам нет. Обозначение «2.8T-A50B» (около 50 млрд активных) ходит по сети, но это оценка, выведенная из соотношения 16/896, а не число, опубликованное Moonshot: Northflank прямо отмечает, что компания никогда не называла количество активных параметров. Стоит помнить и о другом — ни OpenAI, ни Anthropic не раскрывают число параметров своих моделей, так что «2,8 трлн, крупнейшая в мире» верно лишь среди моделей, чьи размеры опубликованы.

2. Что на самом деле значит «третье место» — в каком рейтинге и на какую дату

Формулировка «третье место, сразу за свежими моделями OpenAI и Anthropic» в целом корректна. Но если не зафиксировать источник, дальше цифры перестают сходиться.

Основание — Intelligence Index от Artificial Analysis. В разборе от 17 июля 2026 года компания оценила Kimi K3 в 57 баллов, поставив её на третье место после Claude Fable 5 и GPT-5.6 Sol и признав её интеллект сопоставимым с Opus 4.8 и GPT-5.5. Для сравнения: в том же индексе GLM-5.2 набирает 51, а DeepSeek v4 Pro — 44.

На метриках, более близких к реальной работе, порядок выражен резче. Ниже — GDPval-AA v2 от Artificial Analysis: практические задачи оцениваются по шкале Эло, где человеческая планка принята за 1000.

По-настоящему важна не цифра «третье место», а размер скачка относительно прошлого поколения. С 1190 до 1668 в GDPval-AA v2 и +732 балла в AA-Briefcase. Рынок отреагировал на то, что китайская открытая модель за одно поколение подобралась вплотную к американскому фронтиру.

3. Кто проводил замеры — отделяем цифры вендора от независимых

Вес у результатов совершенно разный в зависимости от того, измерял ли их сам Moonshot или сторонняя организация. ITmedia разнесла эти два блока по отдельности, и эта статья следует той же практике.

Результат, на который стоит обратить внимание: в FrontierSWE модель уступает Fable 5 на 5,4 пункта. Заголовки о победах в отдельных бенчмарках верны, но это не победа по всему фронту. Moonshot и сама признаёт, что в общем зачёте не дотягивает до Fable 5 и GPT-5.6 Sol (об этом ниже).

🟡 Методику подсчёта уже оспорили. Автор Program Bench указал, что Moonshot использовала среднюю долю реализации, а не число программ, доведённых до успешного выполнения. Предпринимательница в сфере ИИ Bindu Reddy отдельно настаивает, что нужна проверка на незагрязнённых закрытых оценках вроде LiveBench. Узкие преимущества по данным вендора стоит дисконтировать соответствующим образом.

4. Цена: вывод переворачивается в зависимости от базы сравнения

Kimi K3 стоит $3,00 на входе и $15,00 на выходе за миллион токенов ($0,30 за кэшированный вход). Поскольку оценка полностью меняется в зависимости от того, с чем сравнивать, взгляд лишь с одной стороны ведёт к неверному выводу.

Об одном стоит сказать прямо: это не второй шок DeepSeek. В январе 2025 года DeepSeek потряс рынок ценой на порядок ниже западной. K3 дешевле западных моделей на 40-50%, то есть в пределах того же порядка. Это не ценовой слом, а догоняющая производительность с умеренной скидкой.

При этом реальные расходы определяются не одним лишь тарифом за токен. Artificial Analysis измерила фактическую стоимость выполнения одной задачи в ходе прогона своего Intelligence Index.

Дешевле Opus 4.8 и по прайс-листу, и по измеренной стоимости, но при этом самая дорогая из китайских моделей — вот полная картина по цене. Схема «китайская, значит копеечная» здесь не работает, но и списывать модель как дорогую тоже неверно, если сравнивать её с Западом.

5. Веса опубликованы — что с открытыми весами

Издания не сходятся даже в том, как её называть. VentureBeat выносит в заголовок «крупнейшую open-source-модель в истории», SCMP — «крупнейшую в мире open-source-модель ИИ», а Reuters пишет «open-weight». Технически верен именно второй вариант, и вот почему.

Даже теперь, когда веса опубликованы, запустить это в одиночку не выйдет. При 4 битах (MXFP4) одни только веса занимают около 1,4 ТБ, а с запасом под KV-кэш и активации Northflank оценивает потребность примерно в восемь узлов по восемь GPU на 80 ГБ, тогда как Moonshot рекомендует супернод от 64 ускорителей. Модель не помещается ни на одну H100, H200 или B200, распределённый кластер обязателен, а продакшен-развёртывание фактически ограничено связкой Linux + NVIDIA. Это совсем не те персональные сборки, о которых идёт речь в материале про требования к железу для локальных LLM.

И всё же значение у этого огромное. Когда веса уровня фронтира спускаются на землю, организации, которым нельзя выпускать данные за свой периметр — регулируемые отрасли, госструктуры — могут запускать их у себя. Само существование публичной модели того же уровня меняет переговорную силу закрытых API. Из-за этого релиза приходится пересматривать и предпосылки материала о том, как выбирать открытую модель.

6. Насколько упали акции США — цифры расходятся от издания к изданию

Американские полупроводниковые акции действительно распродавали на неделе запуска. Но сообщаемые проценты падения у разных изданий не совпадают, поэтому здесь они приведены как диапазоны, а не как установленные факты.

Для сравнения: во время шока DeepSeek в январе 2025 года, к которому все апеллируют, Yahoo Finance сообщала, что одна только NVIDIA потеряла около $590 млрд капитализации за одну сессию. Сейчас NVIDIA просела на 3% внутри дня — масштаб совершенно иной.

7. Обвинение в дистилляции и возражения на него

22-23 июля сюжет сместился из технологий в геополитику. Майкл Крациос, директор Управления по научно-технической политике Белого дома (OSTP), выдвинул против Moonshot два утверждения — об этом сообщили CNBC, The Hill, Yahoo News и другие.

🔴 Никаких доказательств не обнародовано. По данным SCMP, несколько специалистов по ИИ назвали обвинение политическим и безрассудным и отметили, что выводы модели в принципе не охраняются авторским правом. Reuters со ссылкой на дипломатические телеграммы сообщила, что Госдепартамент ещё в апреле поручил посольствам информировать правительства стран пребывания о нарушениях интеллектуальной собственности китайскими ИИ-компаниями, и среди названных была Moonshot. Иначе говоря, эти обвинения появились раньше релиза K3, и никаких доказательств именно по K3 предъявлено не было.

Единой позиции у американской стороны тоже нет. NVIDIA публично раскритиковала Anthropic поимённо, заявив по поводу утверждений Anthropic о лазейках в экспортном контроле, что американским компаниям следует сосредоточиться на инновациях и принять вызов, а не рассказывать небылицы.

8. Слабые места — скорость, галлюцинации и собственная оценка Moonshot

За громкими заголовками о производительности теряются три слабости, которые бьют по продакшену.

9. Как попробовать модель уже сегодня

Попробовать её можно тремя способами.

Но держите в уме сказанное выше: мощности перегружены, и ошибки 429 обычны. Прежде чем целиком переводить продакшен-нагрузку, разумный подход — та же логика, что и при выборе между облаком и локальным запуском — направить на модель часть трафика, предусмотрев запасной вариант.

10. Раскладка утверждений по степени достоверности

Коротко: настоящий сюжет Kimi K3 — в том, что китайская открытая модель вышла на дистанцию удара от фронтира. Она добралась туда с ценой на 40-50% ниже западного фронтира, но без скидки на порядок; в общем зачёте она уступает Fable 5 и GPT-5.6 Sol; она медленная; и галлюцинирует чаще. И всё же за одно поколение она подняла GDPval-AA v2 на 478 баллов и опубликовала веса, как и обещала, — именно на это и отреагировал рынок.

FAQ

Q1. Kimi K3 — это open source?

Нет. Опубликованы обученные веса, то есть открытые веса, а не обучающие данные и не код обучения. Веса действительно вышли точно в срок, 27 июля 2026 года, и забрать их из moonshotai/Kimi-K3 на Hugging Face может кто угодно (96 частей safetensors, заявка на доступ не нужна). Но опубликованная вместе с ними Kimi K3 License вводит условия: бизнесу Model as a Service с выручкой выше $20 млн нужно отдельное соглашение, а продукт с более чем 100 млн активных пользователей в месяц обязан показывать «Kimi K3» в интерфейсе. Раз объём разрешения меняется вместе с масштабом пользователя, определению открытого исходного кода по версии OSI это не соответствует.

Q2. Она действительно третья по бенчмаркам?

Основание — 57 баллов и третье место в Intelligence Index от Artificial Analysis, после Claude Fable 5 и GPT-5.6 Sol; на 17 июля 2026 года это прочтение верно. Но существуют и подсчёты, ставящие те же 57 баллов на четвёртое и седьмое место, потому что результат зависит от того, как очерчен набор для сравнения и на какой момент сделан срез. Читайте «третье место» как снимок. В ориентированной на код Frontend Code Arena модель первая, а в FrontierSWE она проигрывает Fable 5.

Q3. Она правда дешёвая?

Ответ переворачивается в зависимости от базы сравнения. При $3 на входе и $15 на выходе за миллион токенов она примерно на 40% дешевле по входу и на 40-50% дешевле по выходу, чем Claude Opus 4.8 ($5/$25) или GPT-5.6 Sol ($5/$30), так что против западного фронтира она явно недорога. Измеренная стоимость это подтверждает: $0,94 за задачу против $1,80 у Opus 4.8 (Artificial Analysis). Зато среди китайских конкурентов она самая дорогая в группе — примерно втрое дороже GLM-5.2 и в 23 раза дороже DeepSeek V4 Pro. Саймон Уиллисон называет её самой дорогой моделью, выпущенной какой-либо китайской ИИ-лабораторией. Это не скидка на порядок, какой был шок DeepSeek.

Q4. Почему упали акции США?

Из-за опасений, что дешёвые китайские модели снизят спрос на дорогие вычисления. На неделе запуска Nasdaq упал на 1,5% в пятницу, Тайвань — более чем на 6%, Япония — на 4%, а полупроводниковый ETF (SMH) потерял свыше 20% от максимума конца июня. Тем не менее затем чиповые акции сократили потери, когда на рынок вышли покупатели просадки, а Bank of America назвал это всего лишь летней коррекцией. Масштаб отличается от шока DeepSeek, когда в январе 2025 года одна только NVIDIA потеряла около $590 млрд за один день.

Q5. Правда ли, что они украли модель Anthropic?

Никаких доказательств не обнародовано. Директор OSTP Белого дома Майкл Крациос заявил о дистилляции Fable от Anthropic в промышленных масштабах, но Moonshot это отрицает, указывая на 15-дневный промежуток между публичным релизом Fable 1 июля и запуском K3 15 июля. Исследователь ИИ Брейден Хэнкок так же сказал TechCrunch, что дистиллировать, обучить и выпустить модель за две недели невозможно. По данным SCMP, несколько специалистов раскритиковали обвинение как политическое. Материала, чтобы вынести вердикт, на данный момент недостаточно.

Q6. Смогу ли я запустить её на своём ПК?

Нет. Даже при 4-битном квантовании (MXFP4) одни только веса весят около 1,4 ТБ, что не поместится ни на одну H100, H200 или B200. Northflank оценивает потребность примерно в восемь узлов по восемь GPU на 80 ГБ, а Moonshot рекомендует от 64 ускорителей. macOS и Windows для продакшена не рассматриваются: предполагается Linux с NVIDIA. Это совершенно иной масштаб по сравнению с тем, как запустить локальную LLM самостоятельно.

Q7. Стоит ли использовать её в продакшене?

Переходить целиком и сразу не стоит по трём причинам: (1) мощности перегружены, и ошибки 429 могут быть частыми (собственное предупреждение OpenRouter); (2) доля галлюцинаций выросла с 39% до 51%; (3) Moonshot сама признаёт явное отставание в пользовательском опыте от Fable 5 и GPT-5.6 Sol. Реалистичный путь — сохранить запасной вариант и пропускать через неё часть трафика в той области, где она сильна, например в генерации фронтенд-кода, а затем сравнить.

Q8. Насколько она лучше прежней K2.6?

Настоящий сюжет здесь — величина скачка. В GDPval-AA v2 от Artificial Analysis модель прошла путь с 1190 до 1668, то есть плюс 478 баллов, а в закрытой агентной оценке той же компании AA-Briefcase прибавила 732 балла. В Frontend Code Arena от Arena.ai она поднялась на 17 позиций, с 18-го места на 1-е. Рынок отреагировал не столько на абсолютное место, сколько на то, сколько дистанции она отыграла за одно поколение.

Похожие статьи

• Подробный разбор релиза Claude Fable 5 — возможности, бенчмарки, цены, отличие от Mythos и новый дизайн безопасности
• Релиз GPT-5.6: полный обзор — Luna/Terra/Sol, бенчмарки, цены и сравнение с Claude
• Claude Opus 5: чем отличается от Opus 4.8 и Fable 5 и на что смотреть при переходе
• Лучшие локальные LLM 2026: сравнение моделей по задачам и размеру
• Какие характеристики ПК нужны для локальной LLM: краткий гайд по VRAM, GPU и RAM [2026]
• Полный гайд по форматам квантования: GGUF, GPTQ, AWQ — и какой файл выбрать