Kimi K3 переворачивает рынок ИИ – 2,8 триллиона параметров и цены втрое ниже западных аналогов

Новая модель китайской Moonshot AI пережила собственный "момент DeepSeek", вызвав серьёзные потрясения на глобальном рынке ИИ и напугав западных разработчиков.

Kimi K3 – это модель с открытыми весами на 2,8 триллиона параметров, что делает её крупнейшей открытой ИИ-моделью за всё время (на данный момент).

По внутренним бенчмаркам она конкурирует с такими системами, как GPT 5.5 и Claude Opus 4.8, а Arena.ai поставила её на первое место в тесте Frontend Code Arena, обойдя даже Claude Fable 5.

Модель побеждает не в каждом тесте, а отдельные отчёты указывают, что Kimi K3 работает заметно медленнее передовых систем от Anthropic и OpenAI. Все бенчмарки получены через API-доступ, так что проверить результаты можно будет только после публикации весов 27 июля.

Однако это не уменьшило влияния релиза на индустрию. Kimi K3 снижает издержки по сравнению с конкурентами, привлекая внимание компаний, которые хотят сократить расходы на ИИ.

Для сравнения, OpenRouter указывает цену Kimi K3 в $3/15 за миллион входных и выходных токенов, тогда как GPT 5.6 Sol от OpenAI дороже – $5/30, а Claude Fable 5 от Anthropic стоит $10/50. Так что Kimi K3 невероятно конкурентоспособна по цене, особенно на фоне закрытых западных моделей.

Microsoft также рассматривает Kimi K3 для Copilot, тогда как Белый дом может полностью запретить китайские модели. Тем временем производители памяти потирают руки от радости, ведь Kimi K3 занимает до 1,4 ТБ памяти из-за огромного числа параметров.

Быстро, дёшево или по-американски

Последние месяцы были полны разговоров о передовых моделях от Anthropic и OpenAI. Mythos казалась большой и пугающей, пока у OpenAI не появился аналог. Затем дебютировала Fable, ещё лучше, но уже не такая страшная. По крайней мере, так говорят.

При этом такие модели оказались очень дорогими в эксплуатации в момент, когда компании с крупными ИИ-развёртываниями начали сомневаться в отдаче от инвестиций. Uber ограничил использование ИИ разработчиками, а другие свернули собственные ИИ-рейтинги, которыми хвастались в конце 2025 года.

Поэтому когда Moonshot представила Kimi K3 с эксплуатационными расходами втрое ниже западных передовых моделей при тех же результатах, мир обратил внимание. Во многом так же, как дебют DeepSeek R1 в 2025 году показал, что модели можно обучать дешевле, пусть даже с возможным элементом корпоративного шпионажа, Kimi K3 держит похожее зеркало перед западными разработчиками.

Однако если DeepSeek R1 была компактной, то Kimi K3 огромна – настолько, что создатели называют её первой открытой системой класса 3T и крупнейшей китайской ИИ-моделью на сегодня. По данным источников Bloomberg, её коэффициент разреженности самый высокий среди всех виденных ИИ-моделей.

Это измерение того, сколько параметров активируется для каждой задачи относительно размера модели, демонстрируя одновременно общий масштаб Kimi K3 и её впечатляющую эффективность.

Модель не превосходит самые способные системы Anthropic и OpenAI в каждом тесте. Рейтинги Arena.ai помещают её в топ-10 по большинству испытаний, но лишь в паре она выходит на первое место. Однако если Kimi K3 предлагает результаты, сопоставимые с более дорогими Claude и ChatGPT, она способна привлечь большой интерес западных компаний, что уже и происходит.

Настолько, что это возродило призывы к США ограничить доступ к международным ИИ-моделям, подобно недавним попыткам заставить компании делиться эксклюзивным доступом к моделям с правительством США перед широким релизом.

В противоположность этому Moonshot открывает Kimi K3 для всего мира. В рамках публикации весов модели она позволит компаниям и организациям запускать её самостоятельно без облачных сервисов Moonshot, упрощая и потенциально удешевляя внедрение.

Но дёшево это не будет, ведь Kimi K3 всё ещё требует серьёзных вложений в оборудование, хотя бы из-за колоссальных требований к видеопамяти.

Победа для (китайских) производителей памяти

Так как крупные компании с масштабными ИИ-развёртываниями начали сворачивать инициативы в 2026 году, растёт обеспокоенность тем, что вся инфраструктура, на которую все тратили сотни миллиардов долларов, может оказаться ненужной.

Компания Цукерберга только что начала продавать избыток вычислительных мощностей, перейдя к облачным сервисам, а xAI сбросила все вычислительные мощности Colossus 1 в пользу Anthropic по сниженной цене.

Но если Kimi K3 указывает путь развития индустрии, требования к железу вряд ли снизятся, а согласно парадоксу Джевонса, рост эффективности лишь увеличивает потребление, а не сокращает его.

Эти триллионы параметров нужно где-то хранить, и по оценкам Bloomberg, Kimi K3 потребует около 1,5 ТБ памяти. Для эффективного развёртывания понадобится масса топовых видеокарт Nvidia, что делает круг компаний и организаций, способных запускать Kimi K3 в масштабе, довольно узким.

Так что даже тем, кто захочет использовать Kimi K3 для снижения операционных расходов, всё равно понадобится крайне мощное оборудование, и особенно много памяти. Это говорит о том, что главная конкуренция передовых моделей не обвалит издержки, как мы поначалу наблюдали с DeepSeek R1 в прошлом году, а значит производители памяти продолжат зарабатывать огромные деньги за счёт избыточного спроса и ограниченного предложения.

Однако китайские поставщики памяти вроде CXMT набирают силу и к концу года могут превзойти Micron по производственным мощностям DRAM-пластин. Меньшие локальные ИИ-модели также продолжат оптимизировать под отечественное железо, ослабляя мёртвую хватку некоторых крупных техногигантов над цепочкой поставок ИИ.

Конкурентная, эффективная, но неповоротливая

Kimi K3 разрушает устои индустрии и уже поднимает вопросы о стоимости, возможностях и доступности ИИ. Она показала, что для достижения способностей передовых моделей не нужны проприетарные системы, привязанные к конкретному сервису.

Она также дешевле в эксплуатации, но Moonshot добилась этого с помощью разреженной модели, которая всё равно требует огромных вложений в оборудование.

Хотя Kimi K3 активирует лишь долю своих триллионов параметров для каждого запроса, ей всё равно нужно хранить их все. Развёртывание модели в масштабе требует значительного объёма памяти, пропускной способности и межсоединений, даже если вычислительные запросы не столь высоки.

Открытая природа весов даёт модели реальный потенциал переманить пользователей с западных передовых систем в краткосрочной перспективе, но она не изменит рассказанную нам историю о необходимой инфраструктуре.

Kimi K3 требует такого же железа, как GPT 5.6 и Fable, что, вероятно, станет куда более серьёзным ограничением для её распространения, чем любые правительственные блокировки.