Содержание
- 1. Что такое Kimi K3 — ключевые характеристики и компания
- 2. Что на самом деле значит «третье место» — в каком рейтинге и на какую дату
- 3. Кто проводил замеры — отделяем цифры вендора от независимых
- 4. Цена: вывод переворачивается в зависимости от базы сравнения
- 5. Скачать пока никто не может — что с открытыми весами
- 6. Насколько упали акции США — цифры расходятся от издания к изданию
- 7. Обвинение в дистилляции и возражения на него
- 8. Слабые места — скорость, галлюцинации и собственная оценка Moonshot
- 9. Как попробовать модель уже сегодня
- 10. Раскладка утверждений по степени достоверности
- FAQ
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.
57 баллов, третье место у Artificial Analysis на момент запуска. Первое место в Frontend Code Arena от Arena.ai. Но в общем зачёте модель не дотягивает ни до Fable 5, ни до GPT-5.6 Sol.
При $3 на входе и $15 на выходе она заметно дешевле Opus 4.8 и GPT-5.6 Sol. И при этом самая дорогая из китайских моделей — втрое дороже GLM-5.2.
Публикация намечена на 27 июля. На момент написания на Hugging Face всё ещё идёт обратный отсчёт, а лицензия не объявлена.
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.
Источники: объявление Moonshot AI (в изложении ITmedia NEWS со ссылкой на разбор npaka) и практическая статья Northflank. Длина контекста и объём весов — измерения Northflank.
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.
⚠️ Одни и те же 57 баллов подают как 3-е, 4-е и 7-е место
В собственном анонсе Artificial Analysis говорится о третьем месте, в подсчёте Northflank — о четвёртом из 189 моделей, а живая страница той же компании показывает седьмое из 190. Балл (57) не менялся, значит расхождение идёт от того, что попадает в сравнение — считаются ли отдельно варианты с разным уровнем усилий рассуждения — и на какой момент сделан срез. Рейтинги двигаются ежедневно, поэтому «третье место» правильнее читать как снимок на 17 июля 2026 года.
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.
| Модель | GDPval-AA v2 (Эло) | Положение |
|---|---|---|
| Claude Fable 5 | 1760 | 1-е место |
| Kimi K3 | 1668 | Позади Fable 5 и Sol |
| Claude Opus 4.8 | 1600 | K3 обходит её |
| GLM-5.2 | 1514 | Лучшая из предыдущего поколения китайских моделей |
| GPT-5.5 | 1494 | — |
| Kimi K2.6 (прошлое поколение) | 1190 | K3 выше на 478 баллов |
Источник: Artificial Analysis (статья компании от 17 июля 2026 года). В AA-Briefcase, её закрытой агентной оценке, K3 тоже вторая после Fable 5 — Эло 1547, плюс 732 балла к прошлому поколению K2.6. В AutomationBench-AA модель занимает первое место с 53%.
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.
- Program Bench: K3 77,8% (GPT-5.6 Sol 77,6%, Fable 5 76,8%)
- SWE Marathon: K3 42,0% (второе место, у Opus 4.8 — 40,0%)
- BrowseComp: K3 91,2% (GPT-5.6 Sol 90,4%)
Каждое преимущество минимально, и все они получены на собственных тестах вендора — читать их следует с этой поправкой.
- Frontend Code Arena (Arena.ai): K3 первая с 1679 (Fable 5 1631, GPT-5.6 Sol 1618). Модель лидирует в шести поддоменах из семи, поднявшись на 17 позиций с 18-го места, где была K2.6
- GDPval-AA v2: K3 третья с 1668 (Artificial Analysis)
- FrontierSWE: Fable 5 86,6% > K3 81,2% ← здесь K3 проигрывает
- Vals Index: 74,70% (второе место из 38 моделей по подсчёту Northflank)
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.
- Kimi K3: $3 / $15
- Claude Opus 4.8: $5 / $25
- GPT-5.6 Sol: $5 / $30
Примерно на 40% дешевле по входу и на 40-50% дешевле по выходу. Производительность уровня фронтира по цене ниже западной — неизменный аргумент Kimi, и в этой части он подтверждается.
- Kimi K3: $3 / $15
- GLM-5.2: примерно треть от стоимости задачи у K3
- DeepSeek V4 Pro: примерно одна двадцать третья от стоимости задачи у K3
Саймон Уиллисон, отмечая резкий рост цены относительно прежних моделей компании, называет её самой дорогой моделью, которую выпускала любая китайская ИИ-лаборатория.
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.
Стоимость одной задачи по замерам Artificial Analysis (во время прогона Intelligence Index)
Источник: Artificial Analysis. По их замерам Kimi K3 потребовалось около 132 млн выходных токенов, чтобы пройти Intelligence Index, — меньше, чем примерно 166 млн у прошлого поколения K2.6. Тариф выше, но менее многословные рассуждения снижают итоговую сумму.
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. Скачать пока никто не может — 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.
Репозиторий moonshotai/Kimi-K3 на Hugging Face всё ещё показывает обратный отсчёт, и ни одного файла safetensors в списке нет. Страница модели у Artificial Analysis тоже помечает её как проприетарную. Проверено 27 июля 2026 года — а это и есть намеченная дата публикации, так что к моменту вашего чтения ситуация почти наверняка изменилась. Пройдите по ссылке выше, чтобы увидеть текущее состояние.
По состоянию на 17 июля Northflank прямо пишет, что лицензия не объявлена. Пост в сообществе Hugging Face так же указывает её как TBD до выхода весов. Утверждение о «Modified MIT» — чужой домысел, перенесённый с поколения K2, и вопрос не решён.
Обещаны обученные веса, а не обучающие данные и не код обучения. Точное название для такой схемы — открытые веса, и это не то же самое, что открытый исходный код в определении OSI.
Даже после публикации 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.
| Что двигалось | Заявленное движение | Источник и примечания |
|---|---|---|
| Nasdaq | -1,5% в пятницу (худшая сессия недели) | Yahoo Finance |
| Тайваньский рынок | Более -6% | Там же |
| Японский рынок | Закрылся на -4% | Там же |
| Полупроводниковый ETF (SMH) | Падение более чем на 20% от максимума конца июня | Там же |
| Филадельфийский полупроводниковый индекс (SOX) | От -9% до -12,5% за неделю | ⚠️ Цифра различается от издания к изданию («12,5%, худшая неделя за 15 месяцев», «более 9%», «около 10%, сильнейшее падение с апреля 2025 года») |
| Отдельные бумаги (17 июля) | AMD -5%, Intel -4%, NVIDIA -3% (всё внутри дня, затем отыграно) | 24/7 Wall St. |
| Китайские ИИ-компании с листингом в Гонконге | Zhipu -28,4%, MiniMax -15,6% (17 июля) | Forbes. Китайские бумаги распродавали сильнее |
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.
🟡 Падение с тех пор отыграно
Позднее Yahoo Finance сообщила, что на рынок вышли покупатели просадки и чиповые акции сократили потери, а Bank of America спокойно оценил происходящее как всего лишь летнюю коррекцию. Аналитики тоже разошлись. Робин Чжу из Bernstein назвал K3 подтверждающим сигналом — ещё одной точкой в уже известном тренде сокращения разрыва китайскими лабораториями. Гэри Юй из Morgan Stanley, напротив, отметил, что K3 получила благосклонный приём во всём мире и показывает: китайские LLM догоняют американских лидеров сразу по масштабу модели, производительности и цене.
Ходит и цифра о том, что за три дня испарилось $470 млрд стоимости, связанной с ИИ, но она восходит к срочной заметке на криптоиздании и не подтверждается в крупной деловой прессе, поэтому в этой статье она не используется.
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.
Что Moonshot получила серверы с NVIDIA GB300 и имела доступ к GB300 в Таиланде, возможно используя их для обучения собственных моделей. GB300 относится к поколению Blackwell и не может законно продаваться в Китай.
Что компания вела скрытую дистилляцию Fable от Anthropic в промышленных масштабах и даже построила отдельную платформу, которая ротировала способы доступа, чтобы уходить от обнаружения. Выступавший рядом Джейкоб Хелберг назвал это кражей ценной американской интеллектуальной собственности.
Сотрудник Moonshot Рэнди Сянь иронично ответил в X, что Fable вышла публично 1 июля, а K3 — 15 июля, так что мы, выходит, обучили фронтир-модель с нуля за 15 дней — заявка на рекорд. Исследователь ИИ Брейден Хэнкок сказал TechCrunch, что Fable была доступна лишь с 1 июля и что дистиллировать такой объём данных, обучиться на нём и выпустить модель за две недели невозможно.
🔴 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.
Живые замеры Artificial Analysis показывают 33 токена в секунду (145-е место из 190 моделей) и 177 секунд до первого токена. Northflank при этом сообщает о 62 токенах в секунду и 1,99 секунды. Основная часть разрыва — это перегрузка мощностей из-за колоссального спроса: OpenRouter держит на модели предупреждение о том, что мощности апстрима ограничены и ошибки 429 могут быть частыми.
Artificial Analysis сообщает, что при выросшей точности доля галлюцинаций поднялась с 39% до 51%. Более высокий балл интеллекта — не то же самое, что фактологичность, и использовать эту модель без проверки нельзя.
Компания говорит о явной разнице в пользовательском опыте между своей моделью и Claude Fable 5 с GPT-5.6 Sol. Её собственный вывод: минимальный отрыв в бенчмарках и ощущения от модели в повседневной работе — две разные вещи.
9. Как попробовать модель уже сегодня
До выхода весов попробовать её можно тремя способами.
| Способ | Подробности | Кому подходит |
|---|---|---|
| Официальное приложение Kimi / веб | Через kimi.com. Есть бесплатный тариф | Всем, кому нужно просто оценить качество |
| API Moonshot | $3 на входе, $15 на выходе, $0,30 при попадании в кэш (за миллион токенов) | Командам, встраивающим модель в свой продукт |
| Через OpenRouter | OpenRouter. Тот же эндпоинт, через который вы уже вызываете другие модели | Тем, кто сравнивает несколько моделей |
| Self-hosting | После публикации весов (намечена на 27 июля). Рекомендация — от 64 ускорителей, плюс нужно планирование с учётом MoE в vLLM, TensorRT-LLM или SGLang | Организациям, чьи данные не могут покидать периметр |
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
- API вышел 16 июля 2026 года; 2,8 трлн параметров всего; активны 16 экспертов из 896; 1 млн токенов
- Цены API: $3 на входе, $15 на выходе, $0,30 за кэш
- 57 баллов в Artificial Analysis Intelligence Index
- 1668 в GDPval-AA v2 (Fable 5 = 1760, Opus 4.8 = 1600)
- Первое место с 1679 в Frontend Code Arena
- Стоимость задачи $0,94 против $1,80 у Opus 4.8
- Доля галлюцинаций выросла с 39% до 51%
- Место в Intelligence Index (в обращении и 3-е, и 4-е, и 7-е)
- Недельное падение SOX (от -9% до -12,5%)
- Скорость вывода (33 ток/с против 62 ток/с)
- Активные параметры «около 50 млрд» (оценка, а не официальная цифра)
- Лицензия «Modified MIT» (домысел по аналогии с K2)
- Обвинение в дистилляции — публичных доказательств нет, исследователи отвергают его по срокам
- Доступ к подсанкционным чипам — утверждение американского чиновника; ни официального ответа Moonshot, ни доказательств не опубликовано
- Веса и лицензия — на момент написания не опубликованы (намечено на 27 июля)
- «$470 млрд стоимости ИИ потеряно за три дня» — не подтверждается в крупной деловой прессе
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 обязалась опубликовать веса — именно на это и отреагировал рынок.
FAQ
Q1. Kimi K3 — это open source?
Нет. Запланирована публикация обученных весов, то есть открытые веса, а не публикация обучающих данных или кода обучения. Более того, на момент написания сами веса ещё не вышли: страница moonshotai/Kimi-K3 на Hugging Face по-прежнему показывает обратный отсчёт, а лицензия не объявлена. Публикация намечена на 27 июля 2026 года.
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
