Największy model Moonshota nie ma pokrętła myślenia

Model klasy trzech bilionów parametrów wypuszczony z jednym ustawieniem

Moonshot AI wypuścił Kimi K3 na świat 16 lipca zdaniem, które robi za cały marketing: pierwszy na świecie otwarty model klasy 3T, zaprojektowany do inteligencji na granicy możliwości w długodystansowym kodowaniu, pracy z wiedzą i rozumowaniu. Specyfikacja, która stoi za tym zdaniem, jest prawdziwa. K3 ma łącznie 2,8 biliona parametrów w architekturze mieszanki ekspertów, która na każdym tokenie aktywuje 16 z 896 ekspertów, opiera się na tym, co Moonshot nazywa Kimi Delta Attention i Attention Residuals, i był trenowany ze świadomością kwantyzacji, tak że wagi mieszczą się w MXFP4, a aktywacje w MXFP8. Natywne okno kontekstu ma milion tokenów. Przetwarzanie obrazu nie zostało doklejone po fakcie; model przyjmuje obrazy i wideo bezpośrednio.

Szczegół, który rządzi twoją fakturą, nie jest w ogłoszeniu. Jest w dokumentacji quickstart. Moonshot opisuje rozumowanie K3 jako natywnie konfigurowalne, z głębokością myślenia ustawianą przy każdym wywołaniu, a potem zaznacza, że ustawienie obsługuje obecnie wyłącznie poziom wysiłku max. Przeczytaj to dwa razy, bo odwraca zwykły układ. W większości czołowych API regulator wysiłku jest sposobem na kupienie taniej odpowiedzi na tanie pytanie. W K3 jest dzisiaj jeden bieg. Model rozumuje na maksimum tak samo przy żądaniu trywialnym, jak i przy trudnym, a licznik nie zna różnicy.

Cała reszta interfejsu jest zbudowana dla ludzi, którzy zamierzają wydawać. Cache kontekstu działa automatycznie, bez identyfikatora cache do pilnowania i bez czasu życia do strojenia. Definicje narzędzi ładują się dynamicznie, zamiast siedzieć w każdym żądaniu. Ustrukturyzowane wyjście jest walidowane względem schematu. Streaming oddziela tokeny rozumowania od tokenów odpowiedzi, więc możesz patrzeć, jak model myśli w jednym kanale, a pisze w drugim. To są cechy systemu, który spodziewa się długich, kosztownych sesji agentowych, i Moonshot zbudował pod to dokładnie taką instalację.

Otwarty model, którego nie da się pobrać do 27 lipca

Słowo otwarty wykonuje jedenaście dni nieopłaconej pracy. Ogłoszenie Moonshota mówi, że kompletne wagi K3 zostaną opublikowane 27 lipca. Do tego czasu pierwszy na świecie otwarty model klasy 3T jest osiągalny w jeden sposób: przez płatne API Moonshota, na serwerach Moonshota, w Pekinie, na warunkach obowiązujących danego ranka. Każda właściwość, która w ogóle czyni model o otwartych wagach wartym wyboru, czyli możliwość sprawdzenia go, hostowania wewnątrz własnego perymetru, przypięcia wersji, której nikt nie wycofa ci spod nóg, odejścia bez migracji, pojawia się dopiero w tej późniejszej dacie. To, co pojawiło się 16 lipca, jest zamkniętym produktem z zaplanowanym wydaniem open source.

Licencja też jeszcze nie wylądowała. Moonshot wydał rodzinę K2 na zmodyfikowanej licencji MIT i właśnie dlatego K2 stał się jednym z naprawdę użytecznych modeli o otwartych wagach, a nie jednym z tych jedynie pobieralnych, a cała branża oczekuje, że K3 pójdzie tą samą drogą, z raportem technicznym obok wag. Oczekiwanie to właściwe słowo. Nie ma opublikowanej karty modelu, nie ma tekstu licencji ani pliku wag, więc organizacja, której już powiedziano, że model jest otwarty, usłyszała coś zaplanowanego, a nie coś prawdziwego. Dystans między tymi dwoma stanami to cały twój przegląd prawny.

To nie jest oskarżenie o złą wolę. To problem kalendarza, a problemy kalendarza są tymi, które po cichu resetują zakupy. Zespół, który ocenia K3 w tym tygodniu, ocenia API. Wnioski, liczby opóźnień, koszt jednego zadania, jakość na twoim własnym obciążeniu, wszystko to opisuje usługę hostowaną. 27 lipca pojawia się inny artefakt i uczciwe stanowisko jest takie, że jeszcze go nie przetestowałeś. Jeśli plan kiedykolwiek zakładał uruchomienie K3 na własnym sprzęcie, to ewaluacja, która ma znaczenie, jeszcze się nie zaczęła, a ta, którą prowadzisz teraz, mierzy cudzą infrastrukturę.

Piętnaście dolarów za milion, a część odpowiedzi trwa pół godziny

K3 kosztuje 0,30 dolara za milion tokenów przy trafieniu w cache, 3 dolary za milion przy chybieniu i 15 dolarów za milion na wyjściu, czyli mniej więcej 0,26, 2,60 i 13 euro. Dziesięciokrotna różnica między trafieniem a chybieniem w cache to najgłośniejsza liczba na tej liście i właśnie dlatego Moonshot zrobił cache automatycznym. Obciążenie, które w kółko używa tego samego długiego prefiksu, tej samej bazy kodu, tego samego dokumentu polityki, tego samego pliku klienta, płaci dziesiątą część tego, co obciążenie przychodzące na zimno. Obciążenie, które przy każdym wywołaniu przebudowuje swój kontekst, samo trafia na tę droższą ścieżkę, a nic w API cię nie ostrzeże.

Wyjście jest miejscem, w którym model działający wyłącznie na maksymalnym wysiłku robi się ciekawy, bo tokeny rozumowania są tokenami wyjścia. Moonshot opisał K3 jako model zbudowany do głębokiego rozumowania, a nie do szybkich odpowiedzi, a na najcięższych zadaniach raportowano generacje trwające ponad 30 minut. Model, który domyślnie myśli na maksimum, liczy sobie za to myślenie 13 euro za milion i potrafi spędzić pół godziny nad jednym żądaniem, nie jest wyceniony za token w żaden sposób, z którego mógłby skorzystać dział finansowy. Jest wyceniony za ukończone zadanie, a jedyna liczba, która cokolwiek znaczy, to koszt jednej skończonej roboty na twoim własnym obciążeniu.

Więc mierz zadanie, nie token. Weź z kolejki dziesięć prawdziwych zleceń, tych, które naprawdę oddałbyś modelowi, przepuść je od początku do końca i podziel. Ta liczba jest porównywalna ze stawką dzienną wykonawcy i z tańszym modelem, który już uruchamiasz, i jest jedyną liczbą, która przetrwa zderzenie z budżetem. Stawka za milion z cennika nie mówi ci prawie nic, kiedy model sam decyduje, jak długo myśleć, a dzisiaj nie ma polecenia, żeby myślał krótko.

Moonshot opublikował benchmarki, które przegrywa

Najbardziej użyteczna linijka tej premiery to ta, w której Moonshot się przyznaje. Moonshot stwierdza, że wśród modeli, które przetestował, ogólna inteligencja K3 zajmuje drugie miejsce, ustępując tylko Claude Fable 5 i GPT-5.6 Sol. Laboratoria nie muszą tego mówić, a większość znajduje sobie wykres, na którym wypada pierwsza. Pod spodem liczby są konkretne i celowo mieszane: GPQA-Diamond na 93,5, MathVision z Pythonem na 97,8, Terminal Bench 2.1 na 88,3, DeepSWE na 67,5 i BrowseComp na 91,2. W ewaluacjach agentowych Moonshot stawia K3 przed czołówką, której poza tym ustępuje: GDPval-AA v2 na 1687 wobec Claude Opus 4.8 Max na 1600 i AA-Briefcase na 1527 wobec GPT-5.6 Sol Max na 1495.

Czytaj ten kształt, a nie pojedyncze wyniki. Teza nie brzmi, że K3 jest najlepszym modelem. Teza brzmi, że K3 jest wystarczająco blisko w ogólnej inteligencji i ma przewagę w długiej pracy z narzędziami, przeglądaniem i działaniem, czyli w tym obciążeniu, pod które został zaprojektowany i wyceniony. Dostawca, który wymienia we własnej tabeli porównawczej Fable 5, GPT-5.6 Sol, Opus 4.8, GPT-5.5 i GLM-5.2, wybrał pole, na którym chce być oceniany, i po cichu powiedział ci, które z twoich zadań spodziewa się wygrać.

Pieniądze zgadzają się z pozycjonowaniem. Najnowsza runda Moonshota wycenia firmę na około 31,5 miliarda dolarów, mniej więcej 27 miliardów euro, po majowej rundzie 2 miliardów dolarów przy wycenie 20 miliardów dolarów. Firma, której wycena wzrosła o połowę w dwa miesiące, nie potrzebuje wygrywać benchmarku; potrzebuje, żeby przedsiębiorstwa uwierzyły, że dystans do zamkniętej czołówki jest na tyle mały, by przestać za nią płacić. Opublikowanie drugiego miejsca jest tańszym sposobem postawienia tego argumentu niż ogłoszenie pierwszego.

Trzy sprawy do rozstrzygnięcia, zanim wylądują wagi

Po pierwsze, zdecyduj, które K3 kupujesz, bo są dwa i dzieli je jedenaście dni. Jeśli odpowiedzią jest API, to historia o otwartych wagach jest marketingiem, który cię nie dotyczy, a K3 należy oceniać jako hostowaną chińską usługę z czołówki, pod kątem ceny, opóźnień, obsługi danych i warunków dołączonych do twoich promptów. Jeśli odpowiedzią są wagi, to nic z tego, czego dowiesz się w tym tygodniu, się nie przenosi, tekst licencji jest dokumentem blokującym, a nie formalnością, a prawdziwa ewaluacja zaczyna się 27 lipca na sprzęcie, który kontrolujesz.

Po drugie, dowiedz się, ile kosztuje jedna robota, zanim dowiesz się tego na produkcji. Uruchom dziesięć swoich najtrudniejszych prawdziwych zadań, zanotuj czas zegarowy i łączną liczbę tokenów wyjścia razem z rozumowaniem, i zestaw tę liczbę z modelem, który uruchamiasz dzisiaj. Model działający wyłącznie na maksymalnym wysiłku, z pułapem 30 minut i stawką 13 euro za milion na wyjściu, może się znakomicie opłacać przy pracy, która specjaliście zajmowała cały poranek, i być nie do obrony przy żądaniu, na które mały model odpowiada w cztery sekundy. Ten sam model, ten sam cennik, przeciwne werdykty, a zmienną rozstrzygającą jest twoje obciążenie, a nie tabela benchmarków.

Po trzecie, spisz, co się stanie, jeśli ustawienie wysiłku zostanie przyspawane na maksimum. Dokumentacja Moonshota mówi "obecnie", a za tym słowem stoi mapa drogowa bez przypiętej daty. Jeśli pojawi się niższy poziom wysiłku, K3 staje się modelem dwubiegowym i uzasadnienie kosztowe zmienia się całkowicie. Jeśli się nie pojawi, to uruchamiasz model, którego nie da się popędzić, a środek zaradczy jest architektoniczny, a nie handlowy: kieruj tanie pytania gdzie indziej, a K3 rezerwuj do pracy, która zasługuje na pół godziny. Zdecyduj o tym teraz, kiedy to wybór projektowy, a nie w pierwszym miesiącu, kiedy to faktura.

Czytaj dalej: OpenAI o połowę obniża cenę codziennej AI  |  Grok 4.5 przegrywa testy i wygrywa rachunek